IMPLEMENT — 実装ノウハウ ／ 中級

社内ナレッジをAIで活かす方法｜属人化を解消する仕組みづくり4ステップ

「あの件は◯◯さんしか分からない」は経営リスクである

見積もりの例外対応は営業部長しか判断できない。基幹システムの設定変更はベテランの情報システム担当だけが知っている。こうした属人化は、多くの中小企業で「いつものこと」として放置されています。

しかし実際には、次のような形で確実にコストが発生しています。

• 退職・異動で業務が止まる：引き継ぎ資料は作られても、例外対応や判断基準までは残らない
• 質問対応にベテランの時間が奪われる：「ちょっといいですか」の積み重ねで、本来の業務が進まない
• 新人の立ち上がりが遅い：聞かないと分からない環境では、独り立ちまでの期間が延びる
• 同じ失敗が繰り返される：過去のトラブル対応の記録が探せず、毎回ゼロから対処する

人手不足が続く中、中小企業では一人の担当者が担う業務範囲が広く、属人化の影響は大企業より深刻になりがちです（中小企業の人材課題の動向は中小企業庁の白書等で継続的に報告されています。最新は要確認）。

従来の対策は「マニュアルを作る」でしたが、作っても探せない・読まれない・古くなるの三重苦で形骸化しやすいのが実情でした。生成AIの登場で変わったのは、「整った文書」でなくても、AIが検索・要約・回答の窓口になれる点です。本記事では、その仕組みを4ステップで作る方法を解説します。

ステップ1：散らばった知見を棚卸しする

最初にやるべきは、ツール選定ではなく「会社の知識がどこに、どんな形であるか」の棚卸しです。ここを飛ばしてAIツールを入れると、「入れたけど中身が空っぽ」なナレッジベースができあがります。

社内の知識は、おおむね次の4つの場所に散らばっています。

棚卸しの進め方は、次の順序が現実的です。

1. 「よく聞かれる質問」を各部署で書き出す：新人が先輩に聞くこと、特定の人に集中している質問をリスト化する
2. 質問ごとに「答えがどこにあるか」を紐づける：文書がある／チャット履歴にある／◯◯さんの頭の中、を仕分ける
3. 「頭の中にしかない」項目に優先度を付ける：担当者の退職・異動リスクと業務影響の大きさで並べる

全業務を網羅する必要はありません。「この人が明日いなくなったら困る」順に上位20〜30項目を洗い出せば、最初の材料としては十分です。

ステップ2：AIが読める形に整理する

棚卸しした知識を、AIが扱える形に整えます。ポイントは「人間が読んで美しい文書」ではなく「AIが答えの根拠にできる文書」を目指すことです。

フォーマットの統一では、最低限次を揃えます。

• 1ファイル1テーマにする（「総務まとめ.xlsx」のような雑多なファイルを分割する）
• タイトルに「何についての文書か」を明記する（例：「経費精算_交通費の申請手順」）
• 作成日・更新日・担当部署を冒頭に入れる（AIが「情報の鮮度」を扱えるようになる）
• 本文はWordやテキスト、Markdownなどテキスト中心の形式にする（画像だけのPDFやスクリーンショットはAIが読みにくい）

タグ付けは凝りすぎないのがコツです。「部署」「業務カテゴリ」「対象読者（新人向け／管理者向け）」程度の3軸で始め、運用しながら増やします。最初から精緻な分類体系を作ると、それ自体が属人化します。

そして最重要が「ベテランの頭の中」の言語化です。ここで生成AIの文字起こし・要約が威力を発揮します。

1. ベテランに30〜60分のインタビューを行い、録音する（「◯◯のトラブルのとき、何を見てどう判断していますか？」と具体的に聞く）
2. AIで文字起こしし、生成AIに「手順書の形式に整理して」と依頼する
3. 本人に事実確認だけしてもらい、ナレッジとして登録する

本人に「マニュアルを書いてください」と頼むと何カ月も進みませんが、話してもらってAIが下書きを作る方式なら、1テーマあたり1〜2時間で形になります。書くのが苦手なベテランほど、この方式との相性が良好です。

ステップ3：検索・質問できる仕組みにする（RAG／ナレッジボット）

整理した知識を「使える」状態にする中核が、RAG（検索拡張生成）と呼ばれる仕組みです。社内文書をデータベース化し、質問が来るとAIが関連文書を検索して、その内容を根拠に回答します。社員から見れば「社内事情に詳しいChatGPT」のような窓口になります。

RAGの技術的な仕組みや構築方法の詳細は、別記事「RAG入門」で解説しているので、ここでは実装形態の選び方に絞ります。

選定時に必ず確認すべきは次の3点です。

• 回答に出典（元文書へのリンク）が付くか：出典がないとAIの誤答を検証できず、信頼されなくなる
• アクセス権限を反映できるか：人事・給与情報が全社員の質問に答えてしまう事故を防ぐ
• 普段使うツールから使えるか：SlackやTeams、LINE WORKSの中で質問できると定着率が大きく変わる

ステップ4：更新が回る運用を設計する（ここで9割が失敗する）

厳しい言い方をすれば、更新されないナレッジベースは死にます。半年更新が止まると「どうせ古い情報しかない」と見なされ、誰もアクセスしなくなり、また口頭質問の世界に戻ります。仕組み構築よりも、この運用設計にこそ力を注ぐべきです。

更新が回る会社に共通するのは、次の設計です。

• 更新の責任者を「文書単位」で決める：「みんなで更新」は誰も更新しない。各文書に担当者名を明記する
• 更新のトリガーを業務イベントに紐づける：「規程改定時」「新サービス開始時」「トラブル対応が完了した時」にナレッジ更新をチェック項目として組み込む
• 「答えられなかった質問」を改善リストにする：ナレッジボットが答えられなかった質問ログは、追加すべきナレッジの一覧そのもの。月1回レビューして埋めていく
• 四半期に1回、棚卸しデーを設ける：古い情報のアーカイブと更新日チェックを半日で行う。完璧な常時メンテより、定期的な一斉点検の方が続く

また、退職・異動をナレッジ化の機会として制度化することも重要です。退職が決まってから慌てて引き継ぎ書を書かせるのではなく、在職中からステップ2のインタビュー方式で判断基準を蓄積しておけば、引き継ぎは「差分の確認」で済みます。事業承継や技能承継の文脈でも、暗黙知の言語化は公的機関が長年課題として指摘してきたテーマであり、生成AIはその現実的な解決手段になりつつあります。

小さく始める：まず「FAQ 20本」から

ここまでの4ステップを読んで「大仕事だ」と感じたら、次の縮小版から始めてください。全社ナレッジ基盤の構想から入った会社より、FAQ20本から始めた会社の方が、1年後に多くの資産を持っているというのが私たちの実感です。

1. 週1回以上聞かれる質問を20本選ぶ：総務・経理への問い合わせ、新人からの質問が狙い目
2. 1問1答のテキストで回答を書く：既存文書があればAIに要約させ、なければ担当者に口頭で答えてもらい文字起こしする
3. ボットまたはAI検索に載せて、1部署で2週間試す：質問ログを見て、答えられなかった質問を追加する
4. 効果を数字で共有して広げる：「総務への問い合わせが週◯件減った」という実測値が、次の部署を巻き込む最良の材料になる

この規模なら、初期整備は実働数日、費用も小さく抑えられます。うまく回り始めてから、ステップ1の本格的な棚卸しやベテランインタビューに広げれば、投資判断も社内の合意も取りやすくなります。

どこから自動化・AI化に着手すべきか全体像から考えたい場合は、「業務自動化はどこから始めるべきか」も参考にしてください。属人化解消は、その中でも「効果が見えやすく、失敗しても傷が浅い」入口です。

よくある質問