AI実装ラボby TrysLinxTRENDS — 考察
ベテランの「なんとなく」をAIで言語化する：暗黙知継承の3つの実践アプローチ
この記事の結論
- 暗黙知の言語化は「引き出す設計」が9割。AIは整理・構造化の道具として使う。
- ベテランの判断ログ・メール・議事録など既存テキスト資産がもっとも有効な一次素材になる。
- 言語化した知識はRAGやAIエージェントに組み込むことで、継続的に組織へ循環させられる。
なぜ「暗黙知の継承」は今、経営課題になったのか
2025年時点で、日本の中小企業が抱える技能継承問題は質的に変わりつつあります。かつては「定年退職前に後継者を育てる」という時間的余裕がありました。しかし、団塊世代の大量退職・早期退職の増加・リモートワーク定着という三重の変化が重なり、ベテランと若手が同じ空間で長時間働く機会が激減しています。
もうひとつ見落とされがちな問題があります。ベテラン自身も、自分の知識を言語化できていないという点です。「なんとなく、この案件は値引き交渉が来る」「このお客さんは3回目の提案で決まる」——こうした判断の根拠は、本人の中に「感覚」として蓄積されており、意識的に取り出せる状態になっていません。
AIはこの「言語化できていない知識を引き出し、構造化する」プロセスに対して、従来の文書化手法より大きな可能性を持っています。重要なのは、AIを「記録するツール」ではなく「引き出し・整理するパートナー」として使うことです。
暗黙知の3類型：どの知識をどう狙うか
闇雲に「ベテランから話を聞いてAIでまとめる」では機能しません。まず、引き継ぐべき暗黙知を3つに分類することから始めましょう。
| 類型 | 具体例 | AIで引き出す難易度 |
|---|---|---|
| 判断知 | 「この条件なら断る」「値引きのタイミング」 | 中（ログ・事例が必要） |
| 手続き知 | 「トラブル対応の順序」「例外処理のパターン」 | 低（インタビューで引き出せる） |
| 関係知 | 「あの担当者は◯◯を気にする」「業界の慣習」 | 高（本人も無自覚なことが多い） |
中小企業が最初に取り組むべきは「手続き知」です。本人が「こうやっている」と話せるため、AIによるインタビュー支援と相性がよく、最短で成果が出ます。判断知・関係知は後続フェーズで扱います。
実践アプローチ①：AI対話インタビューで「引き出す」
最もシンプルかつ即着手できる方法が、ChatGPTやClaudeを「インタビュアー」として使う手法です。人間のインタビュアーだと遠慮が生まれたり、質問が浅くなったりしますが、AIは「なぜそう判断しましたか？」「もう少し具体的に教えてください」を際限なく繰り返せます。
実際に機能するプロンプト設計のポイントは3つです。
- 架空の事例を提示する：「昨日の◯◯案件のような状況で、あなたはどう動きますか？」と具体的シナリオを出発点にする。
- 「なぜ」を3段階掘り下げる：表面の答えに対して「なぜそう判断するのか」「その根拠はどこから来ているか」「その判断が外れるのはどんなときか」と深掘りする。
- セッションを30分以内に区切る：長時間の対話はベテランの疲弊を招きます。週1回×30分を3ヶ月続ける設計が現実的です。
得られたログはそのまま保存するのではなく、AIに「判断パターンを箇条書きにまとめて」「例外ケースを抽出して」と指示して構造化します。この段階で初めて「言語化された暗黙知」が生まれます。
実践アプローチ②：既存ログ・テキスト資産の分析
インタビューが難しい場合（時間が取れない・すでに退職している等）に有効なのが、ベテランが残したテキスト資産の分析です。以下のようなデータが対象になります。
- 送受信したビジネスメール・社内チャットのログ
- 過去の見積書・提案書・クレーム対応報告書
- 業務日報・引き継ぎメモ・社内Wiki
- 営業訪問記録・商談メモ
これらをLLM（大規模言語モデル）に読み込ませ、「この人物がよく使う判断基準を抽出して」「成功案件と失敗案件の文面の違いを比較して」といった分析を行います。
ただし、注意点が2つあります。個人情報・機密情報の取り扱いは社内ポリシーと照合してから進めてください。また、抽出した知識は必ず本人か複数の同僚にレビューを依頼し、「AIが誤って一般化した判断」が混入しないよう確認します。AIの分析はあくまで「仮説の生成」であり、最終的な検証は人間が行う設計にしてください。
実践アプローチ③：言語化した知識をRAG・AIエージェントに組み込む
引き出し・整理した暗黙知は、文書として保存するだけでは使われなくなります。実際の業務フローにAIとして組み込むことで初めて「継承」が完成します。
もっとも実用的な実装はRAG（検索拡張生成）の活用です。言語化した判断パターンや手続き知を社内ナレッジベースとして整備し、後輩社員が「この案件、どう対応すべき？」と問い合わせると、ベテランの知識を参照した回答が返ってくる仕組みを作ります。
| 実装方法 | 向いている規模・用途 | 初期コストの目安 |
|---|---|---|
| RAGチャットボット | 社内Q&A・マニュアル検索 | 中〜高 |
| プロンプトへの組み込み | 定型判断の補助（小規模向け） | 低 |
| AIエージェント化 | 複数ステップの自律判断 | 高 |
小規模から始めるなら、まず「プロンプトへの組み込み」がおすすめです。言語化した判断基準をシステムプロンプトに記述するだけで、ChatGPTやClaudeが「ベテランの視点を持つアシスタント」として機能し始めます。ツールコストはほぼゼロで試せます。
本格的な社内展開を目指す場合は、RAGの設計・ナレッジ更新の仕組みまで含めて検討が必要です。知識は一度作れば終わりではなく、ビジネス環境の変化に合わせて更新するプロセスを設計することが継続的な効果につながります。
よくある失敗パターンと、その回避策
暗黙知継承プロジェクトが途中で止まる理由は、おおむね3つのパターンに集約されます。
- 「全部やろう」として始めてしまう：最初から全業務・全部門を対象にすると、収集量が膨大になり整理が追いつきません。1名×1業務領域に絞って3ヶ月でプロトタイプを作る小規模スタートが成功率を上げます。
- ベテランへの負荷が高すぎる：「引き継がせる」という姿勢ではなく、「あなたの知恵を組織の財産にする」という価値づけが重要です。AIインタビューの負荷を週30分以内に抑え、成果を本人にフィードバックする仕組みも効果的です。
- 文書化で満足してしまう：Wordファイルや社内Wikiに整理した時点でプロジェクトが終わるパターンが最も多い失敗です。「誰が・いつ・どう使うか」のユースケースを先に定義してから文書化に入ることで、使われない資産になるリスクを下げられます。
よくある質問
Q. AIインタビューに使うツールはどれが適していますか？
現時点ではChatGPT（GPT-4o）やClaudeが対話の自然さと長文理解の精度のバランスがよく、多くの現場で使われています。ただしツールの性能は頻繁に更新されるため、導入前に最新バージョンの比較検討を行うことをおすすめします。
Q. 退職済みのベテランの知識は引き継げますか？
退職後は本人へのインタビューが難しくなりますが、過去のメール・報告書・提案書などのテキスト資産が残っていれば、AI分析により一定の知識を抽出できます。ただし精度には限界があるため、在職中からの記録蓄積を始めることが最善策です。
Q. どのくらいの期間・予算で始められますか？
最小構成であれば、AIツールの月額費用（数千〜数万円）と担当者の工数のみで始められます。プロトタイプ作成は3ヶ月を目安にしてください。本格的なRAG実装やエージェント化は規模によって費用が大きく異なるため、要件整理を先に行うことを推奨します。
- 経済産業省「デジタルスキル標準」 — 企業のデジタル人材育成・知識継承に関する政策的背景として参照
- 独立行政法人 情報処理推進機構（IPA）「AI白書」 — 国内企業におけるAI活用の実態と課題の参照元。最新版は要確認
- 株式会社TrysLinx — AI対話インタビューによる暗黙知抽出の実装知見（一次情報）
ベテランの知恵を、組織の財産に変える
「どこから手をつければいいか分からない」という段階からご相談いただけます。TrysLinxでは要件整理から実装まで、中小企業の規模感に合わせた暗黙知継承プロジェクトを支援しています。