手順書は残る。なぜそう判断したかという文脈だけが消えていく
「あの人が辞めたら、また同じ失敗を繰り返すかもしれない」
——その不安を、手順書の整備で解消できたと言える企業は、どれだけあるでしょうか。
多くの企業が、ナレッジ共有の仕組みをすでに持っています。
マニュアルは整備され、業務フローは図になり、ドキュメント管理ツールも導入済みです。
それでもベテランが退職するたびに、現場の判断の質が目に見えて落ちる。
残っているのは「何をするか」です。
失われているのは「なぜそうしたか」です。
例外的な顧客対応をあの時なぜ認めたのか、あの設備の異音をなぜ放置せず止めたのか。
その判断の理由は、たいていドキュメントに書かれていません。
本人の頭の中にあり、本人と一緒に会社を出ていきます。
モデルは買えるが、自社の「判断の系譜」は買えない
高性能なAIモデルは、多くの企業が利用できるようになっています。
つまりモデルそのものは、差がつきにくい領域になりつつあります。
では何が差になるのか。
保有データの量だけではありません。私たちは、自社の中に蓄積された「判断の系譜」だと考えています。
誰が、どの条件下で、何を迷い、なぜその選択をしたのか。この文脈の連なりを、相互に結びついた構造として残せているかどうか。
これは他社がどれだけ資金を投じても、買ってくることが難しい資産です。
重要なのは、これが人材戦略の話でもあるという点です。
判断の理由を言語化できる人材をどう確保し、どう評価するか。
ナレッジ管理の課題として情報システム部門に預けている限り、おそらく前には進みません。
そして、これはベテランの退職対策だけの話ではありません。
AIが企業の業務に深く入るほど、AIが参照できる自社固有の判断文脈をどれだけ持っているかが、AI活用の質そのものを左右するようになります。同じモデルを使っても、「自社らしい判断」ができるAIと、一般論しか返せないAIに分かれていく。
その差を決めるのが、文脈の蓄積です。
日立・三菱重工・富士通が、文脈を資産に変え始めている
製造業では、この動きが具体的な形をとり始めています。
日立製作所は2026年9月3日、産業向けAI基盤「HMAX by Hitachi」を拡張し、4つの新ソリューションと、ナレッジグラフ型のデータアーキテクチャ「HMAX Data Fabric」を発表しました。
これは現場データと熟練者の暗黙知を、意味の体系（オントロジー）に沿って文脈づけ、ナレッジグラフとして蓄積する仕組みです。
ナレッジグラフとは、情報を単独の文書としてではなく、相互の関係性を含めたネットワークとして持つ考え方を指します。
狙いは、運用上の暗黙知を、AIが照会・探索し、業務判断に活用できる形式に変換することにあります。
三菱重工業は、Tig溶接という高度な溶接技能の領域で、熟練者と非熟練者の作業動画をAIが比較・解析する取り組みを進めました。
経済産業省・NEDOが推進する「GENIAC」のAIエージェント成果事例集でも紹介されており、「手の動き」「火花の加減」といった言葉になりにくい技能の形式知化を狙っています。
実証の結果、人材育成期間を約30%短縮することへの貢献が見込まれています。
IT・ソフトウェア領域では、富士通の事例が示唆的です。同社は全社横断の「Takane Driven Initiative」の中で、設計から製造・テストまでをAIで支援・自動化する開発プラットフォームの構築を進めています。興味深いのは、当初の3ステップでは期待どおりに開発できず、4つ目のステップとして「暗黙知の体系的な言語化」を追加した点です。AIとの対話を通じて「なぜ正解に届かなかったか」を考察させる工程を組み込みました。さらに、そのノウハウを社内展開した結果、AIエンジニアとして活動できる人材が増える副次効果も生まれているといいます［S2］。
3社に共通するのは、単なる文書化ではないという点です。判断を関係性のある構造として残し、AIが使える形にする。そして「言語化すること」自体を人の仕事として設計に組み込んでいます。
文脈を残す仕組みが、AIの判断精度と組織の継承力を同時に決める
文脈が構造として残れば、退職時の知識断絶を抑えられるだけではありません。
新任者もAIも同じ文脈を参照でき、AIの出す答えが「自社の判断」に近づいていきます。人への継承とAIへの継承は、同じ資産の上に乗っています。
ただし、ここに壁があります。
判断理由を記録する行為が評価されない限り、蓄積は進みません。
目の前の成果に追われる現場で、「なぜそう判断したか」を書き残す時間は、たいてい最初に削られます。
制度が変わらなければ、属人化は温存されたままです。
人材要件にも、「判断を言語化できる力」が加わります。
これはAIを使いこなす力とも重なります。AIに自社らしい判断をさせられるかどうかは、結局、人がどれだけ前提を言葉にできるかに返ってくるからです。
始め方は、大きくなくて構いません。失われたら痛い判断領域を1つ選び、結論ではなく「条件と理由」をセットで残す。それを業務フローと評価に組み込む。まずはそこからです。
日本企業が積み上げてきた現場の知や品質へのこだわりは、構造化できれば、AI時代の競争力の源泉になり得ます。問題は、その知識を残せる仕組みに変える決断を、いつ下すかです。
AIxができること
AIxは、AIを前提に企業の仕事・人材・組織のあり方を再設計し、実行まで支援する会社です。独自のREWIREフレームワークを用いて、AI導入をツール導入で終わらせず、業務プロセスや組織、人材まで含めて「AI時代にどう変えるべきか」を整理します。
人材領域では、必要なAI人材を定義し、マッチングやチーム組成まで支援しています。自社の「判断を言語化できる人材」の採用・配置は人材マッチングで、業務プロセス・組織・評価制度まで含めた再設計はREWIREフレームワークによるアドバイザリーでご支援します。
AIに自社らしい判断をさせる土台をつくりたい方は、ぜひAIxへご相談ください。
参考情報
Tech Times（日立製作所による2026年9月3日のHMAXプラットフォーム拡張発表を報じた二次記事）「Hitachi Converts Retiring Workers' Expertise Into Industrial AI Knowledge Graphs」
Google Cloud 公式ブログ（Google Cloud Japan Team）「法改正対応を AI で加速する富士通の挑戦：暗黙知の言語化が開発プロセスを変えた」
ツギノジダイ（朝日新聞社）※経済産業省・NEDO「GENIAC PRIZE」の成果事例集の紹介記事「AIエージェントが製造業で活用する事例集 暗黙知の継承などに価値」
