AI技術伝承 中小企業の完全ガイド——熟練者の判断・段取りをどう残すか
熟練者が長年かけて積み上げた判断力と段取りは、どうすれば次の世代に渡せるのでしょうか。「AIがあれば何でも引き継げる」という期待は理解できます。ところが、現場に入ってみると、残すべき知識の整理ができていない段階で止まっているケースがほとんどです。
私自身、自社の業務——議事録作成・営業管理・コンテンツ制作・自社サイト運営——をAIエージェントで毎日動かしながら、複数社のAI顧問を務めています。その実感として、「全部をAIに写す」という発想でスタートすると、最初の一歩で詰まります。残す順序を決め、残せないものの線引きを先に持っておく。それが実際に機能する技術伝承の入口です。
ここでは、熟練者の判断・段取りをAIで残していく手順と、暗黙知との向き合い方を整理します。製造業だけでなく、建設・物流・介護・専門職など、人の経験値が価値の軸になっている業種であれば参考にできる考え方です。
なぜ今、中小企業に技術伝承の危機が来ているのか
2024年版ものづくり白書によると、製造業の事業所のうち「指導する人材が不足している」と答えた割合は61.8%にのぼります(JTUA「ベテランの暗黙知をAIで継承」)。指導できる側が足りないまま、熟練者が引退の時期を迎えている——この構図は製造業にとどまりません。
建設現場の職長、物流拠点のベテランドライバー、介護施設のリーダー職員、商店の仕入れ担当者。それぞれの現場で、「あの人にしか判断できない場面」が少なからず存在します。技術伝承が「いつかやる課題」から「今すぐ動く課題」に変わった背景には、いくつかの構造的な理由があります。
第一に、現場の熟練者の引退が一段と加速しています。長年かけて身についた判断の引き出しは、退職後に「もう一度教えてください」と頼んでも取り出せません。現役のうちにしか動けない時間軸があります。
第二に、OJTで伝えてきた現場の知識は、そもそも文字として残っていません。手順書には「確認する」と書いてあっても、何をどの順序で、何を根拠に判断するかは書かれていない——このギャップが技術伝承の最大の壁です。
第三に、AI・デジタルツールの普及で、形式知(言葉や手順書に落とせる知識)の整理コストは以前より大きく下がりました。逆に言えば、形式知だけでも整備できれば、今すぐ動き始める理由がそこにあります。
形式知と暗黙知——AIに渡せるものと渡せないものの境界線
技術伝承でまず整理しなければならないのは、「何をAIに渡せるか」ではなく、「何が言葉にできるか」という問いです。この問いを飛ばしてツール選定に進むと、「何を学習させるか」が定まらず、どんな優れたツールも機能しません。
形式知(AIで扱えるもの)は次のような知識です。
- 手順の順序(どの工程を先に行うか)
- 判断の条件(◯◯の場合は△△を選ぶ)
- チェック項目(何を、いつ、どの基準で確認するか)
- 過去の事例(こういう状況のときはこう対処した)
- 例外処理のパターン(◯◯が重なったときだけ手順が変わる)
これらは、インタビューや既存の文書から拾い出して構造化できます。一度文字になれば、AI検索・チャットボット・自動化スクリプトへの組み込みが現実的になります。
一方、暗黙知(言語化が難しい知識)は以下のようなものです。
- 熟練者が「なんとなく違う」と感じる感覚的な判断
- 文脈によって変わる例外処理(「あの顧客のときだけ別の対応をする」)
- 長年の経験から生まれた直感(機械の音、材料の手触り、相手の顔色の変化)
- 複数の要因が重なったときの総合的な優先順位の付け方
ここを無理に言語化しようとすると、熟練者も困惑します。「説明しようとすると全部になってしまう」という言葉は、どの現場でも聞きます。
「ベテラン社員の退職とともに、彼らが培ってきた豊富な知見や経験知が十分に伝承されないまま失われつつあります」(コベルコシステム「AI時代の技術伝承:製造現場の暗黙知をどう引き継ぐか?」)
この状況に向き合うとき、大切なのは「すべてを残そうとしない」という覚悟です。残せるものを確実に残し、残せないものについてはその境界線を可視化する——これが最初の判断です。
出典: 自社作成
まず業務棚卸しから始める理由
AIを使って技術伝承を進めようとする前に、「何を伝承するか」の整理が必要です。この整理を省略すると、いくら優れたAIツールを入れても、何に答えさせるかが定まらず動きません。
業務棚卸しは、現場の仕事を「誰が・何を・どんな頻度で・どんな判断を伴いながら行っているか」を一覧化する作業です。一覧ができたら、次の3つの観点で優先順位を付けます。
- 引退・異動リスクが高い担当者が持っている仕事——ここに技術伝承の緊急度があります
- 後任が育てにくい仕事——手順書がなく、属人化が進んでいる仕事
- 繰り返し頻度が高い仕事——形式知化のリターンが大きく、AIへの組み込みが活きやすい
このプロセスを一通りやっておくと、「AIに任せるべき仕事」「まず手順書を作るべき仕事」「今は手を付けなくていい仕事」の三種類に仕分けられます。仕分け自体に大きな時間はかかりません。現場の担当者と1〜2時間のヒアリングをすると、8割は見えてきます。
業務棚卸しの具体的な進め方は、業務棚卸しとAIエージェント導入の入口に整理しています。技術伝承の計画を立てる前に、この棚卸しを一度通しておくことで、次のステップがぐっと動きやすくなります。
聞き取りと既存ファイルから形式知を拾う手順
業務棚卸しで「優先して残す仕事」が決まったら、次は知識の収集です。この段階では、AIはまだ「残す道具」ではなく「収集を助ける道具」として使います。
ステップ1:既存ファイルを集める
まず、手順書・チェックリスト・過去のメール・議事録・クレーム記録など、現場にすでに存在するテキストデータを集めます。「バラバラでも古くてもいい」というスタンスで集めると、意外な量が出てきます。日付の古い手順書でも、「何が変わったか」を確認するベースラインになります。
ステップ2:熟練者への聞き取りを設計する
聞き取りは「何をしているか」ではなく「なぜそうするか」に焦点を当てます。「そこで◯◯するのはなぜですか」「例外ケースのとき、どう判断しましたか」という問いが、形式知化に使えるデータを引き出します。
一回で全部を聞こうとしないことが大切です。1回30〜45分を複数回に分けて、前回の記録を見せながら進める方が、熟練者の負担が少なく、記憶も正確に出てきます。「記録を見せながら」という構造が、「それはちょっと違う」という訂正を引き出すきっかけになります。
ステップ3:AIで構造化する
集まったテキストデータを汎用のAIチャット(ChatGPTやGemini等)に渡して「手順のリスト」「判断条件の一覧」「例外処理のパターン」に整理させます。この段階のAIの役割は構造を作ることです。内容の正誤判断は、必ず熟練者にフィードバックを取ります。
ステップ4:フィードバックで精度を上げる
「ここは違う」「この順番は状況による」という声を拾い、構造を修正します。このやり取り自体が、暗黙知の一部を可視化するプロセスになります。一巡すると、「言葉にできるもの」と「やはり言葉にならないもの」の輪郭がはっきりしてきます。
出典: 自社作成
タスク分解を先に通す——AIが活きる場所を絞り込む
技術伝承で残した形式知を実際の業務に活かすには、「どの部分をどの道具で動かすか」を決める工程が必要です。この工程を省くと、「全部AIに任せようとして何もできない」という状態になります。
タスク分解とは、仕事を「トリガー→判断→処理→出力」の流れに分解し、各ステップで何が起きているかを明確にすることです。
分解してみると、多くの仕事は実はシンプルな「if-then」の連続です。たとえば「受注があったら」→「在庫確認」→「確認結果に応じて担当者にメール」という流れは、データとメールが揃っていれば自動化できます。この部分を関数やRPAで処理できれば、AIは不要です。
AIエージェントが活きるのは、「判断の部分に文脈・例外・優先順位の解釈が必要な場所」です。技術伝承で収集した判断の条件や事例が、ここでAIへの文脈として機能します。形式知化の作業と、AIへの文脈設計は、本来一体の作業です。
中小企業への導入を始める際の業務組み込みの手順は、AIエージェント内製の始め方のシーン4で整理しています。技術伝承の文脈で業務へ組み込む際の考え方として参考にできます。
関数・RPA・AIエージェントの役割分担
技術伝承を進める中で避けたいのは、「何でもAIエージェントに任せる」という発想です。道具を正しく使い分けることが、コストと精度のバランスを保つ鍵です。
関数・マクロ(ExcelのVLOOKUPやGAS等)は、入力と出力のルールが完全に決まっている処理に使います。毎回同じ計算・同じ変換が必要な作業は、これで十分です。AIを使う必要がありません。技術伝承で形式知化した手順の中に「毎回同じ判断」がある場合、ここに分類できます。
RPA(定型操作の自動化)は、画面操作の手順が固定されている作業に使います。ログイン→データ入力→保存というルーティン作業はRPAの守備範囲です。ただし、画面構成が変わると壊れる脆さがあります。熟練者が身体で覚えている操作手順は、RPAへの置き換えを検討する価値があります。
AIエージェントは、判断・文脈理解・自然言語処理が必要な場所に使います。複数のソースから情報を集めて要約する、過去の事例と照合して提案する、メールの意図を読み取って次のアクションを提案する——こうした仕事がAIエージェントの本領です。技術伝承で蓄積した事例データが、AIエージェントへの参照情報として機能します。
RPAとAIエージェントの具体的な違いと選択基準については、RPAとAIエージェントはどう違うかに整理しています。技術伝承の文脈でどちらを選ぶかの判断に使えます。
残せない暗黙知と向き合う——「AIが不要」と分かることも財産
どれだけ丁寧に聞き取っても、言葉にできない判断が必ず残ります。これを「失敗」と捉えると、プロジェクト全体が止まります。「これは今の段階では形式知化できない」と記録しておくことが、実は次のステップへの準備です。
残せない暗黙知には、いくつかのパターンがあります。
パターン1:文脈依存が強すぎる判断
「あの現場のときは違う」「担当者によって変わる」という判断は、条件が多すぎてルール化できません。この場合、AIではなく熟練者への相談ルートを業務フローの中に組み込んでおくことが現実的な対応です。「Aの状況ならAIが答える、Bの状況なら○○さんに確認する」という分岐を設計するだけで、現場の安心感は変わります。
パターン2:五感による判断
機械の振動、素材の手触り、においなど、センサーデータに置き換えられるものはAIに渡せます。ただし、そのためには計測設備の導入が必要であり、映像AIや音声センサーの活用を別途検討する工程が発生します。最初から五感の領域に踏み込まず、まず言語化できる領域から始める方が着実です。
パターン3:長年の積み重ねによる直感
「なぜかそう感じる」という判断は、本人も言語化が難しいことが多いです。この領域は無理に引き出さず、「この人の判断を仰ぐプロセス」として業務フローに組み込む方が実用的です。直感の持ち主が現役のうちに、「どんな状況のときにその直感が働くか」の記録だけ残しておくと、後からパターンを解析できる素材になります。
AIが不要と判断できた領域は、「AIを入れなくていい場所」が確定したという一歩前進です。限られた時間と予算をAIが活きる場所に集中させるための、大切な線引きです。
技術伝承の終着点は意思決定のスピードと質
技術伝承をAIで進める目的を「熟練者の知識を保存する」と設定すると、途中でモチベーションが落ちます。保存だけなら、引退した後に使う場面がなければ意味がないからです。
本来の終着点は、「現場の意思決定のスピードと質を上げること」です。
形式知化された手順・判断条件・事例データをAIが参照できるようにすると、若手担当者が「これはどうするべきか」と迷う時間が短縮されます。熟練者が常にそばにいなくても、「この状況ならこういう判断がある」という根拠を素早く引き出せるようになります。
これは、新しい知識をAIで作るのではなく、現場にすでに存在する知恵をAIで引き出しやすくする、という発想の転換です。
また、残せた形式知は次の世代への引き継ぎ書類・OJT教材・顧客向けの提案根拠としても再利用できます。一度整理した知識が複数の形で価値を持つ循環が生まれます。
技術伝承のプロセスで「どこに滞りがあるか」を先に特定するための業務可視化の進め方は、業務フローの可視化と現場合意の方法に整理しています。全体の優先順位をつける前の一歩として参考にできます。
まず何から動くか——技術伝承の始め方
技術伝承の第一歩に、大がかりなシステムや大きな予算は必要ありません。
最初にやることは、「3か月以内に引退・異動の可能性がある人が担っている仕事を1つ書き出す」です。その1つの仕事について、1手順の箇条書き、2判断が必要な場面の記録、3例外ケースの記録——この3点を揃えるだけで、形式知化の土台ができます。
その後、揃ったデータをAIに渡して構造化し、熟練者に確認してもらう。このサイクルを繰り返す中で、残せるものと残せないものの感覚が、現場全体に広がっていきます。
「全部を残そうとしない」「1つから始める」「残せない部分は線引きする」——この3つの構えが、技術伝承をAIで進める際に実際に機能する考え方です。自社の現状がどこにあるか、どこから動けるかを整理したい場合は、無料AI診断からご相談ください。
参考資料
- JTUA「ものづくり大国ニッポンの宝 ベテランの『暗黙知』をAIで継承」(2025年4月) https://www.jtua.or.jp/ict/solution/reform/knowledge-inheritance/202504_01/
- コベルコシステム「AI時代の技術伝承:製造現場の暗黙知をどう引き継ぐか?」(2025年11月) https://www.kobelcosys.co.jp/column/monozukuri/20251101/