CTCロゴ
トップ

/

記事

/

ベテランの「暗黙知」をAIに継承するには?形式知の限界と育成のアプローチ

高度AI

公開日:2026.11.17

ベテランの「暗黙知」をAIに継承するには?形式知の限界と育成のアプローチ

    ベテランの「暗黙知」をAIに継承するには?形式知の限界と育成のアプローチ

    この記事をシェア

    熟練社員の退職が進む中、ベテランのノウハウをAIに継承しようとする企業が増えています。汎用AIに社内マニュアルやPDF文書を読み込ませる施策も、そうした取り組みのひとつです。

    しかし、現場の期待どおりに機能しないケースは少なくありません。その原因は、テキスト化された情報(形式知)の裏にある、ベテラン社員の頭の中の「暗黙知」や「複雑な関係性」を、AIが理解できない点にあります。

    本記事では、暗黙知と形式知の違いを整理した上で、汎用AIが暗黙知に届かない理由と、AIを「育成」して暗黙知を継承するアプローチを解説します。
    Articul8_banner-S

    暗黙知と形式知とは

    暗黙知とは、個人の経験や勘にもとづく、言葉や文章で表しにくい知識を指します。例えば、「機械の音のわずかな違いから不具合の兆候に気づく」「複数の条件を踏まえてどの規定を優先するかを判断する」といったベテランの判断がこれにあたります。

    一方、形式知とは、マニュアルや手順書、社内規定、図面などのように、言葉や数値、図表で表され、他者と共有できる知識です。形式知は文書として残せるため、AIにも読み込ませやすい知識といえます。

    しかし暗黙知は、ベテラン本人の頭の中にあり、言葉にしにくいため、文書には残りにくいものです。そのため、マニュアルなどの文書をAIに読み込ませるだけでは、ベテランの判断を支える暗黙知までは伝わりません。この点が、AIによる知識継承の難しさにつながっています。

    なぜ今、暗黙知をAIで継承する必要があるのか

    製造業をはじめ、多くの現場でベテラン社員の退職や高齢化が進んでいます。経済産業省・厚生労働省・文部科学省がまとめた「2026年版ものづくり白書」によると、製造業の34歳以下の就業者数は、2002年の384万人から2025年には258万人へと減少しました。一方、65歳以上の就業者数は、同じ2002年に58万人、2025年には85万人へと増加しています。近年はいずれもほぼ横ばいで推移しているものの、若手が減り、高齢の就業者が増えるという構造は変わっていません。

    暗黙知は、特定の人に依存しやすく(属人化)、その人がいなくなると、長年蓄積されてきたノウハウも一緒に失われてしまいます。一方で、暗黙知を人から人へ伝えるには長い時間がかかるため、後継者の育成が追いつかないことも珍しくありません。

    同資料では、製造業で「能力開発や人材育成に問題がある」とした事業所の割合は、2024年で82.9%と、高い水準となっています。そのうち、6割以上が「指導する人材が不足している」と回答しています。こうした背景から、ベテランの暗黙知をAIに継承し、組織全体で活用しようとする動きが広がっているのです。

    「汎用AI+社内マニュアル」が直面する「幻滅の谷」

    多くの企業が、RAG(検索拡張生成)を用いて汎用LLMに社内マニュアルを読み込ませれば、「現場で使えるAIができる」と期待して投資を行っています。RAGとは、社内の文書やデータベースを検索し、その内容をもとにAIに回答させる仕組みです。

    しかし、実際の現場では、次のような壁に突き当たることが少なくありません。

     

    <現場が直面する「幻滅の谷」>

    • もっともらしいが、実務では使えない表面的な回答:マニュアルに書かれた内容をなぞるだけで、現場の状況に合わせた判断までは示されない

    • 未知の事象に対するハルシネーションの発生:マニュアルに載っていない事象について質問すると、推測で事実と異なる回答を生成してしまう

    • 複数の文書にまたがる複雑な推論の失敗:仕様書や不具合記録など、複数の文書を組み合わせて判断すべき問いに正しく答えられない

    このように、新しい技術への期待が高まったあと、思うような成果が出ずに失望が広がる段階を「幻滅の谷」と呼びます。単にテキストデータを検索・参照させる従来のアプローチでは、現場が必要とする高度な意思決定を支えることは難しいのです。

    ハルシネーションについては、下記の記事をご覧ください。
    なぜAIは「もっともらしい嘘」をつくのか?:汎用LLMの構造的限界と事業リスク

    AIが暗黙知に届かない2つの理由

    では、なぜ汎用AIは、社内マニュアルを読み込ませても暗黙知に届かないのでしょうか。組織の知識は、よく氷山にたとえられます(氷山モデル)。水面の上に見えている小さな部分が形式知、水面下に沈む大きな部分が暗黙知にあたります。

    汎用AIの手が届くのは、このうち水面より上の部分だけです。

     

    ■知識の氷山モデル:形式知の限界

    知識の氷山モデル:形式知の限界を示した図

    この構造から、AIが暗黙知に届かない理由は、次の2つに整理できます。

    形式知は「単語の羅列」としてしか伝わらない

    汎用AIが読み込めるテキストデータ(マニュアル、PDF、社内規定など)は、組織が持つ知識全体のうち、氷山の一角にあたる「20%の形式知」にすぎません。テキスト化された形式知は、AIにとっては単なる「単語の羅列」として認識されます。そのため、言葉の背景にある文脈(コンテキスト)や、どの情報を優先すべきかといった判断までは伝わりません。

    例えば、マニュアルに「規定A」と「安全基準B」の両方が書かれていても、どのような条件でどちらを優先するのかは、多くの場合マニュアルには書かれていません。ベテランはその判断を経験から自然に行っていますが、AIは文書に書かれた言葉だけを手がかりにするため、同じ判断を再現できないのです。

    水面下に沈む「80%の暗黙知」と「関係性」はインターネット上に存在しない

    企業価値の源泉は、水面下に沈む「80%の暗黙知」とそれらが複雑に絡み合う「関係性」にあります。

    これには、次のようなものが含まれます。

    <暗黙知と複雑な関係性>

    • 業界特有のルールや法律の絡み合い

    • 過去の不具合事例や監査結果の背景

    • 長年現場を支えてきたベテラン社員の経験則

    これら自社固有の知見は、インターネット上には存在しないため、汎用LLMを持ち込むだけではアクセスできません。さらに、こうした知見は社内でも文書として残っていないことが多くあります。そのため、RAGで社内文書を検索させても、そもそも参照すべき情報が見つからないのです。

    また、ベテラン本人でさえ、自分の判断の理由をすべて言葉にできるとは限りません。暗黙知をAIに伝えるには、文書を集めるだけでなく、別のアプローチが必要になります。

    パラダイムシフト:「導入するツール」から「育成する若手社員」へ

    暗黙知をAIに継承するためには、インターネット上の知識を学習した汎用AIを、「外部から導入するツール」として扱う従来の発想から脱却する必要があります。自社の暗黙知をAIに継承させるには、ベテラン社員がみずからの知識やノウハウを伝授して「育成する若手社員」として、AIを捉え直すパラダイムシフトが欠かせません。

    若手社員も、マニュアルを読むだけで一人前になるわけではありません。ベテラン社員のそばで実際の仕事に取り組み、判断の誤りを指摘され、理由を教わりながら、少しずつ判断のコツを身につけていきます。

    AIも同じように、一方向に情報を検索するだけでなく、ベテランとの対話や修正を通じて、自社専用の特化型AIへと進化させていくアプローチが求められます。AIに「何を読ませるか」だけでなく、「誰が、どのように教えるか」という視点を持つことが、暗黙知の継承には欠かせないのです。

    ベテラン社員による「AI育成」の4Step・フィードバックループ

    AIを自社専用の知能へ育てるためには、ベテラン社員による双方向のフィードバックループを回すことが重要です。フィードバックループとは、AIの回答に対してベテランが確認・指導し、その内容をAIが取り込んで次の回答に活かす、という流れを繰り返す仕組みのことです。

    次の4つのStepを繰り返すことで、ベテランの判断のコツが少しずつAIに蓄積されていきます。

     

    ■ベテランによる「AI育成」の4Step

    ベテランによる「AI育成」を4Stepで示した図

    Step 1:AIが推論と根拠を示す

    まずは、AIが複数のデータや関係性をもとに、初期回答とその根拠を提示します。ここで大切なのは、回答だけでなく、「どの情報をもとに、どのように考えたか」という推論の過程と根拠を併せて示すことです。根拠が見えなければ、ベテランはAIのどこが誤っているのかを判断できません。

    Step 2:ベテランが回答と推論を確認する

    次に、ベテランがAIの回答と推論プロセス(重視した情報源)を確認・検証します。回答の結論が正しいかどうかだけでなく、どの情報を重視したのか、見落としている情報はないかといった、考え方の筋道まで確認することがポイントです。結論がたまたま正しくても、根拠となる情報の選び方が誤っていれば、条件が変わったときに誤った回答を出すおそれがあります。

    Step 3:ベテランが判断のコツを指導する

    確認の結果をもとに、ベテランが判断のコツを指導します。例えば、「この条件下では、規定Aより安全基準Bを優先する」といった、ベテラン特有の判断やノウハウをフィードバックします。こうした判断の基準は、ベテラン自身も普段は言葉にしていないことが多いものです。AIの回答を確認するという具体的な場面があることで、ベテランも自分の判断の理由を言葉にしやすくなります。

    Step 4:AIが関係性として記憶し、精度を高める

    AIはフィードバックを新たな関係性として記憶し、次回以降の推論精度を高めます。このサイクルを繰り返すことで、ベテランの判断のコツがAIに少しずつ蓄積されていきます。蓄積された知識は、ベテランが現場を離れたあとも組織に残り、若手社員がAIを通じて活用できるようになるのです。

    ベテランの暗黙知をAIに継承し、現場で活かすために

    ベテランの暗黙知は、社内マニュアルを汎用AIに読み込ませるだけでは継承できません。言葉の背景にある文脈や、自社固有の関係性は、文書の中にはほとんど残っていないからです。

    暗黙知をAIに継承するには、AIを「導入するツール」ではなく「育成する若手社員」として捉え、ベテランとのフィードバックを通じて育てていく必要があります。まずは、AIの回答と根拠をベテランが確認できる仕組みを整え、判断のコツを少しずつ教えていくことから始めましょう。

    「Articul8」は、企業のデータ・ファイル・知見を構造化し、AIエージェント群を作成・自律実行するAll-in-OneのData・AI活用基盤です。現場データやマニュアルを、ナレッジグラフなどのAIが理解・参照できる知識形式に変換する機能も備えています。ベテランの知見をAIに継承し、現場で活かしたい方は、ぜひ以下よりご確認ください。

     

    「Articul8」の機能については、下記の記事をご覧ください。
    オールインワンAIプラットフォーム「Articul8」とは?自社構築との違いと機能

    Articul8_banner-L

    よくある質問

    なぜ社内マニュアルを大量に学習させてもベテランの代わりにならないのですか?

    AIに社内マニュアルを大量に学習させても、ベテランの代わりとして活用するのは難しいでしょう。マニュアルに書かれている内容が、業務に必要な知識のうち、氷山の一角にあたる形式知にすぎないためです。高度な判断のカギとなる暗黙知や、情報同士の関係性は、ベテランの頭の中にあり、マニュアルにはほとんど残されていません。

    AIを「若手社員」として育てるフィードバックループとは具体的に何ですか?

    AIを「若手社員」として育てるフィードバックループとは、AIが提示した推論のプロセスに対して、ベテラン社員が判断の根拠や優先順位を修正・指導し、AIの推論精度を継続的に高めていくサイクルのことです。AIが根拠を示し、ベテランが確認・指導し、AIがその内容を関係性として記憶する、という流れを繰り返すことで、ベテランの判断のコツが少しずつAIに蓄積されていきます。

    当サイトに掲載されている情報(記事、資料、動画、テンプレート等)については、その正確性および妥当性の確保に努めておりますが、ご利用に際しては、利用者ご自身の責任においてご判断ください。なお、個別の事情に応じては、専門家へのご相談を含め、適切な対応をご検討いただくことを推奨いたします。

    この記事をシェア

    執筆者情報

    Key Technology(Keys)編集部

    Key Technology (Keys)編集部は、CTCが注力する「高度AI」「データ&アナリティクス」「クラウドネイティブ」「セキュリティ」を中心とした最先端テクノロジーの情報発信を担う編集チームです。技術動向や活用事例、サービス情報をわかりやすく届け、ビジネス変革に挑む企業の意思決定や実行をサポートします。

    Documents

    お役立ち資料

    View All