記事公開日
現場の「暗黙知」をデータ化する―AIエージェントに業務を任せるための業務棚卸し

【この記事の要約】
- 暗黙知のデータ化とは、ベテランの判断の基準や例外の扱いを、人やAIが参照できる形に書き出すことで、AIエージェントに業務を任せる前の準備作業です。
- 手順に加えて、判断の基準・例外・参照先・責任を書き出し、手順が決まっていて誤りの影響が小さい業務から任せます。
- 最も難しいのは暗黙知の引き出しで、「気づいていない」「言葉にできない」「時間がない」の3つの壁に分け、具体的な案件を使って聞き出します。
⏱ 読了目安:約8分
1. 暗黙知のデータ化とは何か
結論:暗黙知のデータ化とは、ベテランの頭の中にある「判断の基準」「例外の扱い」「確認の順序」を、他の人やAIが参照できる文章や表の形に書き出すことです。AIエージェントに業務を任せる前の、最初の準備作業にあたります。
暗黙知とは、言葉にされないまま個人の経験に蓄えられている知識やコツを指します。例えば、「この取引先の発注は月末に数量が変わるので、必ず電話で確認する」「この型番は旧仕様と混同しやすいので、図面番号を見る」といった判断です。担当者は無意識に行っているため、マニュアルにも業務システムにも残っていません。
人なら隣で見て覚えられますが、AIエージェントは、渡された情報の範囲でしか動きません。暗黙知が書き出されていない業務を任せると、担当者なら避けられる誤りを、エージェントは何度でも繰り返します。本記事では、暗黙知をデータ化するための業務棚卸しの考え方と、最小限の進め方を整理します。
2. AIエージェントに任せる前に、なぜ業務棚卸しが必要か
結論:AIの出力を自社の業務に合ったものにするのは、モデルの性能より先に、自社固有の判断基準や業務の文脈をAIに渡せるかどうかです。そのために、業務を棚卸しして暗黙知を書き出します。
PwC Japanグループは2026年6月の資料で、AIのアウトプットの質を高めるには企業固有のナレッジを活用することが不可欠だと述べています。同資料は、ナレッジを「セマンティック(用語や指標の意味定義)」「オントロジー(概念間の関係性)」「ビジネスバックグラウンド」の3層で捉えています。ビジネスバックグラウンドは、事業戦略の変遷、顧客の特性、意思決定の背景、商慣習といった、企業固有の知識を指し、図中では「背景、暗黙知」とも表記されています。また、汎用的なモデルだけでは出力が一般論にとどまるため、自社固有の判断基準や業務の文脈を反映するには、まだデータ化されていない暗黙知も含めてAIに渡す必要がある、という立場です。
McKinsey & Companyも2026年4月の記事で、エージェントを広げるには、価値の高い業務をエンドツーエンドで選び、その流れを図にして、エージェントが価値を加えられる工程を特定することを勧めています。つまり、どの業務を、どの工程から任せるかを決めるには、業務の流れを先に書き出す必要があります。準備度の全体像はAIエージェント導入前のデータ整備チェックリストでも確認できます。
3. 業務棚卸しで書き出す5つの項目
結論:業務を「手順」だけで書くと暗黙知は残ります。手順に加えて、判断の基準・例外・参照先・責任の4つを書き出すと、AIに渡せる形になります。
| 項目 | 担当者に聞くこと | 書き出しの例 |
|---|---|---|
| 手順 | 最初から最後まで、何を順に行うか | 受注メールを受け取る→品番と数量を確認する→在庫を調べる→出荷依頼を作る |
| 判断の基準 | どの時点で、何を見て、どちらに進むか | 数量が前回の2倍以上のときは、発注者に確認してから進める |
| 例外 | いつもと違うのはどんなとき、そのときどうするか | 旧品番での発注は、現行品番に読み替えて、読み替えたことを記録する |
| 参照先 | 判断のために、どの資料やシステムを見るか | 取引先ごとの特約は、共有フォルダの契約メモを見る |
| 責任と承認 | 誰が決め、誰が確認するか、間違えたら誰が困るか | 値引きは課長承認。誤出荷は物流部門の手戻りと顧客への謝罪が発生する |
まず自問すべきは「この業務の担当者が休んだら、代わりの人は何に困るか」です。その困りごとが、暗黙知のある場所です。
4. 任せる業務を選ぶ判断基準
結論:すべての業務を一度に棚卸しする必要はありません。手順が決まっていて、誤りの影響が小さい業務から選びます。次の4つの観点で、候補を点検します。
| 観点 | 任せやすい | 慎重に進める |
|---|---|---|
| 手順の決まり方 | 手順と判断基準が書き出せる | 担当者の勘に頼る場面が多い |
| 例外の頻度 | 例外が少なく、型に分類できる | 例外が毎回違い、都度の交渉が必要 |
| 誤りの影響 | 取り消しや修正が簡単で、影響が社内にとどまる | 取り消せず、顧客や取引先に直接影響する |
| 暗黙知の量 | 参照する資料が揃っている | 判断の根拠が特定の人の記憶にしかない |
「慎重に進める」側が多い業務でも、任せられないわけではありません。人が最終確認する運用にして、エージェントには下書きだけを作らせるなど、任せる範囲を狭めて始めます。McKinseyは前述の記事で、人の役割が実行から、エージェント主導の業務の監督と調整に移っていくと述べています。
5. 暗黙知をデータ化する4ステップ
結論:業務を1つ選び、手順を書き、判断と例外を聞き出し、AIに渡せる形に整えます。最初から全社の業務を対象にしないことが、続けるコツです。
| 1.業務を1つ選ぶ 判断基準表で選定 | ▶ | 2.手順を書き出す 現状の流れを図にする | ▶ | 3.判断・例外を聞く 実際の案件で確認 | ▶ | 4.渡せる形に整える 用語と参照先を揃える |
1. 業務を1つ選ぶ:前章の4つの観点で、手順が決まっていて、誤りの影響が小さい業務を1つ選びます。
2. 手順を書き出す:担当者の作業を、画面や書類を見ながら順番に書き出します。担当者に1人で書かせるより、第三者が横で見て記録するほうが、当たり前すぎて書き忘れる手順を拾えます。
3. 判断と例外を聞き出す:過去の案件を5〜10件取り出し、1件ずつ「なぜこの順で進めたのか」「いつもと違った点は何か」を聞きます。聞き出すことが最も難しい工程のため、次章で壁ごとに対処を整理します。判断の基準は、「〜のときは、〜する」という形の短い文に書き直します。
4. AIに渡せる形に整える:書き出した内容を、用語の定義、判断のルール、参照先の資料一覧に分けて整理します。KPMGジャパンは2026年1月のニュースリリースで、徒弟型の知識継承が難しくなり、属人化や判断のブラックボックス化が進んでいることを課題に挙げ、ベテランへのヒアリングから知識を抽出して構造化するサービスを発表しています。PwC Japanグループは、業務を理解する担当者が自領域のナレッジを直接管理し、更新する体制が、意味や文脈を正確に保つうえで必要だと提唱しています。書き出して終わりにせず、業務の担当部門が更新し続ける体制も決めておきます。
6. 暗黙知を引き出す3つの壁と対処法
結論:暗黙知の引き出しで詰まる理由は、「本人が気づいていない」「言葉にできない」「聞く時間がない」の3つに分けられ、壁ごとに打ち手が違います。共通する原則は、「知っていることを全部話してください」と白紙で頼まず、具体的な案件や場面を使って聞くことです。
| 壁 | 現場で起きていること | 対処の方法 |
|---|---|---|
| 本人が気づいていない | 本人には当たり前の判断で、「特別なことはしていない」と答える | 本人に聞く前に、第三者が作業を横で観察する。手戻りやミスが起きた過去の案件から、原因となった判断をさかのぼる。新人や他部署の人に「なぜ?」と聞いてもらう |
| 言葉にできない | 「見ればわかる」「なんとなく」としか説明できない。勘やコツの部分 | 場面を変えて「もし〜なら、どうしますか」と聞く。2件の案件を並べて「何が違うから対応を変えたか」を聞く。判断のときに見ているもの(数字、書類の項目、相手の反応)を3つ挙げてもらう |
| 聞く時間がない・協力が得にくい | 繁忙で場を設けられない。「自分の仕事が取られる」と不安に思われる | 朝礼や週次会議の15〜30分を使い、数回に小分けにする。聞き手が案件の資料と質問を準備し、本人の準備を不要にする。目的が負担軽減と引き継ぎであることを伝え、上長が業務時間として認める |
気づいていない場合は、本人に「暗黙知はありますか」と聞いても答えが出ません。代わりに、「新人が最初につまずくのはどこか」「これまでで一番ヒヤッとした案件は何か」と、具体的な出来事を聞きます。
言葉にできない場合は、白紙から説明してもらうより、聞き手が仮説を示して訂正してもらうほうが、言葉が出やすくなります。例えば「数量が前回の2倍を超えたら確認する、という基準ですか」と聞くと、本人が「いや、2倍でも定期の取引先なら確認しない」と、条件を足してくれます。AIの下書きや自分の過去の記録の誤りを直してもらう形にすると、ゼロから語るより具体的に話してもらえます。
時間がない場合は、長い聞き取りを1回設けるより、短い場を繰り返すほうが続きます。それも難しいときの最低ラインは、直近1か月で「いつもと違った」案件を3件だけ聞くことです。手順の全体が書けていなくても、判断の基準が見えてきます。
7. よくある失敗パターンと想定される損失
「マニュアルがあるから十分」と考えるパターン
マニュアルには標準の手順は書かれていても、現場が実際に行っている例外の対応は書かれていないことが多くあります。マニュアルだけを渡したエージェントは、標準の案件はこなせても、例外の案件で誤った処理を続けます。担当者がその誤りの修正に追われ、かえって手間が増えます。
ベテランに「全部書いてください」と頼むパターン
日常業務を抱えたまま長い資料の作成を頼むと、完成に数か月かかり、途中で止まります。書けたとしても、本人には当たり前の判断は抜け落ちます。具体的な案件を例に、聞き手が横に付いて聞く方が早く進みます。
書き出した内容が更新されないパターン
取引先の条件や社内ルールは変わり続けます。一度書き出して放置すると、半年後には古いルールのままエージェントが動き、誤った処理が静かに増えます。
8. 活用イメージ:見積書の作成を任せる場合
例えば、卸売業で、問い合わせメールから見積書の下書きを作る業務をエージェントに任せたいとします。見積は社外に出る書類のため、最終確認は人が行う運用です。
最初に、見積の担当者に、直近の案件10件を見ながら話を聞きます。すると、「新規の取引先には前払いの条件を付ける」「大口の取引先には、過去の取引単価を確認してから価格を決める」「納期は、在庫だけでなく、仕入先の出荷曜日を見て決める」といった、マニュアルにない判断が見つかります。これらを「〜のときは、〜する」の形に書き直し、参照する資料(価格表、取引先ごとの条件メモ)の一覧と合わせて、エージェントに渡します。そのうえで、最初は下書きの作成だけを任せ、担当者の修正内容を記録します。修正が多い箇所は、まだ書き出せていない暗黙知の手がかりになります。
9. まとめ:最初の一歩は「1つの業務の例外3件」を聞き出すこと
AIエージェントに業務を任せるには、手順だけでなく、判断の基準と例外という暗黙知を、書き出して渡す必要があります。まず、任せたい業務を1つ選び、担当者に「いつもと違った案件」を3件だけ聞いてみてください。聞き取った内容を「〜のときは、〜する」の形に書き直すだけで、AIに渡せる最初の材料になります。営業やマーケティングの現場での整備の進め方は営業・マーケ現場でのAIエージェント活用、全体像はAIエージェントが動かない本当の理由も参考になります。
【本記事のまとめ】
- 暗黙知のデータ化とは、判断の基準・例外・参照先を、他の人やAIが使える形に書き出すこと。手順だけでは暗黙知は残る
- 任せる業務は、手順が決まっていて誤りの影響が小さいものから選ぶ。業務を1つ選び、手順、判断と例外、参照先の順に整える
- 引き出しの壁は「気づいていない」「言葉にできない」「時間がない」の3つ。具体的な案件を使って聞き、時間がなければ例外3件から始める
AIエージェントに業務を任せるための業務棚卸しや、暗黙知のデータ化でお悩みの方は、株式会社コネクトデータのデータ活用コンサルティングで、現状整理から進め方までご相談いただけます。
10. よくある質問
- Q. 暗黙知を全部書き出すことはできますか?
- A. 全部を書き出すことは現実的ではありません。任せたい業務を1つに絞り、判断の基準と例外を、実際の案件を例に聞き出すところから始めます。書き出せなかった部分は、人の最終確認を残す運用で補い、修正の記録から少しずつ追加していきます。
- Q. 本人が暗黙知に気づいていない、または言葉にできないときはどうすればよいですか?
- A. 「暗黙知はありますか」とは聞かず、「新人が最初につまずくのはどこか」「一番ヒヤッとした案件は何か」と具体的な出来事を聞きます。言葉にできないときは、聞き手が「こういう基準ですか」と仮説を示して訂正してもらう、2件の案件を並べて違いを聞く、といった方法が使えます。完全に言葉にできない部分は、人の確認を残します。
- Q. 業務が忙しく、聞き取りの時間が取れない場合はどうすればよいですか?
- A. 朝礼や週次会議の15〜30分を使い、数回に小分けにします。聞き手が案件の資料と質問を用意し、本人の準備を不要にします。それでも難しければ、直近1か月の「いつもと違った」案件を3件聞くだけでも、判断の基準が見えてきます。上長が業務時間として認めることも重要です。




