AIでマニュアルを作る方法。生成AIで作れる9割と人が聞くべき1割を徹底解説

「マニュアルは作ったのに、結局ベテランに聞きに行くんですよね」。「手順は全部書いてあるのに、イレギュラーのときどうするかが、どこにも書いていない」。職場で、こういう声を聞いたことはないでしょうか。

文書はきれいに揃っているのに、現場が「詳しい人」を頼り続ける。やがて特定の担当者に質問が集中し、その人が異動や退職でいなくなった瞬間、例外への対応が誰にもできなくなります。

そこでよく取られる対処が、ChatGPTで構成案や下書きを出したり、NotebookLMに既存資料を読み込ませて手順書の叩き台を作ったりと、生成AIでマニュアル作成を効率化することです。実際、清書や構成、体裁の統一といった手間の大部分はAIで本当に消えます。

しかし、生成AIを入れても、例外が起きたときの判断基準は出てきません。構成や清書はAIがすらすら書きますが、マニュアルの価値を決めるのは例外が起きたときにどう判断するかです。そして、この判断基準は渡されていない限りAIには書けません。ベテランの頭の中にしかないからです。これはモデルの性能が上がっても変わらない構造です。つまりAIマニュアル作成の成否は良い指示を書く前に、AIに何を渡すかという人間側の設計でほぼ決まります。プロンプトの巧拙ではありません。

この記事では、なぜプロンプトより材料の設計で決まるのか、その構造を示したうえで、9割を効率化する定番の手順とプロンプトに加えて、「書けない1割」をどう考え、どんな質問でベテランから判断を引き出して埋めればよいかまでを、実践形式で解説します。

読み進める地図を先に置きます。最初に、AIで消える9割と書けない1割がどこで分かれるのかを、現場が困っている部分の調査データと重ねて示します。次に、目的決めから材料集め、レビューまでの実践5ステップを、それぞれ「ではどうやるか」の粒度まで具体化します。続いて、コピーして使えるプロンプト集（手順用3種と判断引き出し用4種）を、なぜその指定が効くのかの解説つきで並べます。後半では、AIマニュアルでつまずきやすい落とし穴4つと、その手前で出る実務上の疑問、最後に人とAIの役割分担までを扱います。手順が速く書けるようになったいま、どこに時間を残すべきかが、読み終わるころにははっきりしているはずです。

運営者プロフィール

加藤晃寿郎（株式会社taiziii 代表取締役）。慶應義塾大学経済学部出身のエンジニア。在学中のスタートアップ設立、フリーランスを経てシステム開発会社を創業。企業のAI導入支援と、判断継承AIプラットフォーム「SkillRelay」の開発に従事。

1位

Amazonベストセラー獲得

著書『AI時代の経営デザイン』

データベースカテゴリ、2025年10月時点

AIで作れるマニュアルと人に聞くべき判断の境界

AIに任せてよい作業と、人からしか引き出せない部分ははっきり分かれます。境界を一覧にすると次のとおりです。

AIに任せてよいこと

• 構成案（目次）の生成
• 文章の下書きと清書
• 既存資料からのマニュアル再構成
• 画面録画からの手順書自動生成
• 翻訳の下訳作成
• 長文の要約・FAQ化
• 表記・体裁の統一

冒頭で「体感では9割」と書いた手間の正体はほぼこの一覧です。構成を考え、文章に起こし、体裁を整える。マニュアル作成の時間の大半を占めてきた作業はすでにAIの得意領域に入っています。

なぜこの7項目を任せてよいのでしょうか。どれも、すでに文書化された形式知の置き場所を変える作業だからです。構成案の生成は、頭の中や複数ファイルに散らばった項目を、読み手が追える順番に並べ替えているだけです。下書きと清書は箇条書きのメモを文の形に変換する作業です。既存資料からの再構成も、規程や旧マニュアルという既にある材料を別の切り口で組み直しているにすぎません。翻訳の下訳作成・要約・FAQ化・体裁統一も、入力された情報を別の形に整理する作業です。ただし、翻訳は公開前に人が意味、用語、文体、地域・文化への適合、誤訳、安全・法務上のニュアンスを確認する前提です。どれも新しい判断を生んでいるわけではなく、すでにある情報を別の形に並べ直す作業なので、AIが下書きを作りやすい領域です。公開前の内容確認は人が担います。

ここは人から引き出すしかありません

• 例外時の判断基準を書くこと
• 「なぜこの手順なのか」の理由を書くこと
• 翻訳の最終確認をすること
• 安全・品質の最終的な線引き

できない理由は3つとも共通です。いずれも「入力されていない情報」だからです。判断基準や手順の理由は文書化されていない限りベテランの頭の中にしかありません。正確に言えば、AIは自社固有の判断基準を書けません。無理に書かせると、AIの出力はもっともらしい一般論になります。これはモデルの性能が上がっても変わらない構造です。

この「書けない部分」が何でできているかを、もう一段だけ分解しておきます。本記事では、知識を粒度で5つに分けて整理します（株式会社taiziiiの整理）。このうち2つは文書化しやすく、AIも扱えます。一つは明示ルールで、規程に「○○のときは△△する」と書いてある類です。もう一つは経験則で、だいたいこうすればうまくいくという再現しやすいコツです。問題は残りの3つです。言語化しにくい直感（pattern）は、「なんとなく違和感がある」という勘所です。状況に応じたIf-Then条件（conditional）は、どういう条件のときに通常と違う手を打つかです。二律背反の重みづけ（tradeoff）は品質と納期のどちらを優先するかといった相反する要請の按分です。この3つは本人が言葉にしていない限りどこにも入力されていません。だからAIの外にあります。AIに渡されていないものを、AIが補えるはずがないというだけの話です。

そして、この「書けないこと」は、現場がいちばん困っている部分とちょうど重なります。当社が管理職200名に行った調査では、引き継ぎで不足していた判断の観点として最も多かったのは「イレギュラーな状況や例外発生時の判断の基準」（40.5%・複数回答）でした（株式会社taiziii調べ・管理職〔課長以上〕200名・インターネット調査。以下「当社調査」）。手順書は揃っているのに、例外への答えはどこにも書かれていません。AIで量産したマニュアルでも入力しない限りここは同じ結果になります。

数字をもう少し重ねます。同じ調査で、引き継ぎ時に「暗黙知や勘所が十分には共有されなかった」と感じた管理職は合計で72.0%にのぼりました（当社調査）。「ある程度共有されたが迷う場面がある」「手順は伝わったが背景や判断基準はほとんど共有されなかった」といった回答の合計です。さらに、属人化が起きている領域を尋ねた設問では、「専門的な判断基準（法務・経理・品質管理など）の属人化」が60.3%で最多でした（当社調査・複数回答）。つまり、現場で最も属人化しているのは作業手順そのものではなく判断基準であり、引き継ぎで最も伝わらないのも判断基準であり、AIに書かせても最も埋まらないのも判断基準です。AIに書けない部分と、現場が困っている部分は別々のものではなく同じ穴です。

具体的なイメージを一つ置きます。汎用的な仮の例として、経費精算のマニュアルを考えてみてください。AIに既存資料を渡せば、申請の流れ、入力する項目、承認ルート、締め日といった手順はきれいに書き上がります。読みやすく、抜けもありません。ところが、現場の担当者が本当に手を止めるのはそこではありません。「この支出は交際費なのか、それとも会議費なのか」という線引きの場面です。手順は完璧なのに、判断基準の欄だけが空白になっています。そして、その線引きこそ毎回ベテランに聞きに行っている部分です。手順が9割完成しても、現場が困っている1割が空いたままなら、マニュアルは結局「読まれない文書」のままです。

整理すると、やり方をなぞる手順の部分はAIが得意で、なぜそう判断するのかという考え方の部分は人から聞き出すしかありません。この線引きを最初に持っておくと、この後のツール選びもプロンプトもほぼ迷いません。本記事では、この境界を「9割／1割マップ」と呼びます。マニュアルの中身を二層に分けて見る地図です。一層はAIに任せてよい形式知の再配置で構成・清書・再構成・翻訳の下訳作成・要約・体裁が入ります。もう一層は人が担う判断と確認で、例外時の基準・手順の理由・翻訳の最終確認・安全品質の線引きが入ります。たったこれだけの地図ですが、これから先のすべての判断は、この地図の上で下していきます。

AIでマニュアルを作る5つの手順

目的と読者を決め、材料を集め、構成案、下書き、レビューの順に進めます。この順番自体が手戻りを減らすコツです。

ステップ1　目的と読者を決める

「新人向けの操作手順」なのか「経験者向けの判断ガイド」なのかで、AIへの指示も成果物もまったく変わります。最初に一行で決めて、以降のすべてのプロンプトに含めます。

一行テンプレートを2つ用意しておくと迷いません。新人向けなら「このマニュアルは、入社○年目の○○担当が、上司に聞かずに○○作業を最後まで終えられることを目的とする」。経験者向けなら「このマニュアルは、○○業務の経験者が、例外やグレーゾーンの場面で○○の判断を一人で下せることを目的とする」。前者は手順の網羅と平易さが、後者は判断基準の明確さが価値になります。決めた一行はプロンプトの冒頭に毎回貼り付ける固定文にしてください。たとえば「【前提】対象読者は入社1年目の事務担当者。専門用語には必ず注釈をつけること」のように、対象読者と書き方の制約をセットで先頭に置きます。これだけで、章ごとに文体や難易度がぶれる事故が減ります。

つまずきやすい点と回避。目的を「経費精算マニュアルを作る」のような作業名で止めてしまうと、AIは無難に手順を並べるだけになります。「誰が・何に困らないために」まで一行に入れてください。

ステップ2　材料を集める

手順メモ、過去のマニュアル、研修資料、チャットでの質問と回答のログなどです。AIの出力品質は渡す材料の質でほぼ決まります。プロンプトを磨く前に、まず材料を集めてください。

このステップが5つの中で最も重要です。冒頭で「成否は人間側の材料設計でほぼ決まる」と書いた、その材料を用意するのがここだからです。プロンプトをいくら磨いても、渡す材料が薄ければ返ってくるのは一般論です。逆に、現場の生の記録がそろっていれば、平凡なプロンプトでも自社の実態に沿った下書きが出ます。集める材料のチェックリストを置きます。

• 手順メモ（担当者が自分用に書いている走り書き・付箋・手順の控え）
• 過去のマニュアルや手順書（古い版も含めて、ただし最新版がどれかは明確にする）
• 研修資料・OJTのレジュメ・新人向け説明スライド
• チャットやメールでの質問と回答のログ（「これってどうするんでしたっけ」のやり取り）
• クレーム記録・トラブル対応の記録（例外対応の実例が眠っている）
• 例外対応の記録（通常フローに乗らなかったケースのメモ）

とくに後半の3つ、チャットのQ&Aログ、クレーム記録、例外対応の記録は見落とされがちですが価値が高い材料です。これらには「現場が実際に詰まった場所」と「そのときどう判断したか」が記録されています。きれいに整っていなくてもかまいません。むしろ整っていない生の記録のほうが、判断基準の手がかりが残っています。

つまずきやすい点と回避。「材料が散らばっていて集めるのが面倒だから、とりあえずAIに書かせて後で直そう」と考えると、結局ステップ5で大量に直すことになり、全体では遅くなります。最初に材料を集めるほうが速いという順番を崩さないでください。

ステップ3　AIで構成案を出す

いきなり本文を書かせず、まず目次を生成させて、人間が直します。ここで方向を固定しておくと、後の手戻りが大きく減ります。

人が直すときの観点は3つです。第一に、章の順番が実際の作業の流れと一致しているか。AIは論理的に整った順番を出しますが現場の動線とずれていることがあります。第二に、例外対応の章が立っているか。AIの構成案は通常フロー中心になりがちなので、「イレギュラー対応」「判断に迷う場面」の章を人が足します。第三に、章の粒度が均一すぎないか。手順が多い工程は章を分け、軽い工程はまとめるというメリハリを人がつけます。

つまずきやすい点と回避。構成案が一見きれいだと、そのまま本文生成に進みたくなります。ですが、構成のずれは本文を全部書いてから直すと大ごとになります。目次の段階で少し時間をかけて直すほうがはるかに安く済みます。

ステップ4　下書きを生成する

章ごとに分けて生成します。一度に全部を書かせると精度が落ちるためです。

なぜ章で分けるのか。長い文章を一括で書かせると、AIは前半で書いた内容を後半で取りこぼしたり、章をまたいで重複したり、終盤になるほど内容が薄くなったりします。1章ずつ、その章の材料だけを渡して書かせると、一つひとつの密度が保てます。目安として、1章は読み手が一息で読める長さ、画面で数スクロール程度に収めると、後で更新するときも該当箇所を見つけやすくなります。1トピックは1つのまとまりに収めるという分け方を意識してください。

つまずきやすい点と回避。章を分けずに「全部まとめて書いて」と頼むと、出力は長く立派に見えますが、よく読むと各章が浅くなっています。面倒でも章ごとに分けるほうが結果的に直しが減ります。

ステップ5　人がレビューする

現場の実態と合っているか、古い情報が混ざっていないかを必ず確認します。このステップは省略できません。AIは元資料に足りない部分をもっともらしい文章で補ってしまうことがあるからです。レビューの観点は3つです。①現場の実際の動きと一致しているか ②数値・名称・画面が現在のものか ③「この手順で迷わず作業できるか」を、その業務を知らない人に試してもらえるか。とくに③は、作成者本人では気づけない抜けが見つかります。

観点①について。AIが書いた文章は読みやすいぶん、細部が自社の実態とずれていても気づきにくくなります。実際にその作業をしている担当者に、一手順ずつ「本当にこの順番でやっているか」を確認してもらってください。読んで違和感がないかではなく、その手順どおりに手を動かせるかで見ます。

観点②について。数値（金額の基準、日数、件数）、名称（システム名、部署名、帳票名）、画面（ボタンの位置や名称）はAIが古い情報や一般的な名称で埋めてしまいやすい場所です。一つずつ現行のものと突き合わせます。とくに既存資料に複数の版を混ぜて読み込ませた場合、古い版の数値が紛れ込みやすいので注意します。

観点③について。これが最も効きます。汎用的な仮の例で説明します。ある作業の手順書を作成者がレビューして「完璧だ」と判断したとします。ところが、その業務を知らない別部署の人に渡して実際にやってもらうと、最初の段階で手が止まりました。作成者にとっては当たり前すぎて書く必要すら感じなかった前提工程、たとえば「作業前に専用システムにログインしておく」といった手順がまるごと抜けていたのです。作成者は知っているから飛ばす。だから自分では永遠に気づけません。業務を知らない人に試してもらうというひと手間だけが、この抜けを表に出します。

つまずきやすい点と回避。レビューを「読んで誤字を直す作業」だと思うと、観点①〜③のうち①と③が抜け落ちます。レビューは「読む」ではなく「試す」だと考えてください。誰かに実際に手を動かしてもらう時間を最初から工程に組み込んでおきます。

AIマニュアル作成は資料・録画・対話の3タイプに分かれる

ステップ3〜4の「AIに書かせる」部分には、大きく3つのやり方があります。

3つは優劣ではなく、状況による使い分けです。それぞれ「向く状況・弱点・実際の進め方・失敗の兆候」で見ていきます。

資料型（NotebookLMなど）

向く状況は規程・過去マニュアル・研修資料といった既存資産がすでにそろっている場合です。利点は読み込ませた資料の範囲でしか答えないため、事実と異なる内容の生成（ハルシネーション）が起きにくいことです。

弱点は資料に書いていないことはAIの回答にも出てこない、という点です。これは長所の裏返しでもあります。手順は資料から拾えても、資料に判断基準が書かれていなければ判断の部分は空白のまま残ります。

実際の進め方を手順にします。第一に、規程や過去マニュアルをまとめて読み込ませます。このとき最新版だけを読み込ませ、古い版を混ぜないことがコツです。古い版が混ざると、出力に古い数値や廃止された手順が紛れ込みます。第二に、目次や下書きを生成させます。第三に、出力に付く出典（どの資料のどこを根拠にしたか）を一文ずつ確認します。NotebookLMは生成した記述の根拠箇所を示せるので、これを使って根拠の追えない記述を早い段階で削除します。

失敗の兆候は出典の確認を飛ばすことです。出典タグを見ずにそのまま採用すると、せっかく根拠を追える仕組みがあるのに使わないまま誤りを残してしまいます。

録画型

向く状況はシステム操作のマニュアルが中心の場合です。PC操作を録画すると、クリックや入力を自動検出して、スクリーンショット付きの手順書を生成してくれます。システム操作マニュアルを作るなら、いちばん速い方法です。

弱点は画面が変わると陳腐化しやすいことです。システムのアップデートやUI変更があると撮り直しが必要になります。スクリーンショットが多いぶん、古くなったときの修正コストもかさみます。

実際の進め方は、まず一連の操作を通しで録画し、生成された手順を見ながら、自動検出で取りこぼした入力（とくにキー入力や条件分岐の操作）を人が補います。失敗の兆候は、画面が更新されたのに手順書を更新せず、スクリーンショットと実画面がずれたまま放置されることです。録画型を使うときは、後述の落とし穴③（更新責任者と更新タイミングを決める）を最初に設定しておいてください。

対話型（ChatGPTなど）

向く状況はゼロから作る場合や、自分の頭の中にしかない手順を言葉にしたい場合です。AIとやり取りしながら、断片的な記憶を順番のある手順に整理していきます。

弱点は対話だけだと一般論に流れやすいことです。AIに任せきりにすると、どこの会社にも当てはまる無難な手順が出てきます。これを防ぐには、自分の現場の具体（実際の数値、実際の画面、実際にあった例外）を、対話の中で能動的に渡し続ける必要があります。

実際の進め方として、対話型は「頭の中の手順を言語化する」段階と地続きで、そのまま後段の「判断を引き出す」工程につなげられます。手順を言葉にしているうちに、「ここは状況によって変える」という分岐が必ず出てきます。その分岐こそ判断基準の入り口です。手順の言語化を入り口にして、後述の判断引き出しの質問へ進んでください。

失敗の兆候は対話の回数だけ増えて、出力がいつまでも一般論のままなことです。何度やり取りしても具体が入ってこないときは、対話で粘るのをやめ、ステップ2の材料（現場の記録）を渡す方向に切り替えます。

タイプ選びに迷ったら、次のミニ・フローで決めてください。手元に既存資料がそろっているなら資料型から。システム操作が中心なら録画型から。資料も録画もなく、ゼロから頭の中を言葉にするところからなら対話型から。一つに固定する必要はなく、たとえば録画型で操作手順を作り、対話型で判断基準を言語化するという併用も自然です。

無料ツールでできることと残る確認

無料プランでも、構成案の生成・下書き・校正・要約は十分に実用になります。この記事のプロンプト実例もすべて無料版で動きます。個人で試す範囲なら、まず無料で始めて困りません。有料プランの主な差は処理できる文書量・出力の安定性・データの取り扱い条件にあります。

無料と有料の差を表で整理します。

組織で使う場合の注意は一つです。機密情報を入力してよいかは契約プランによって異なります。無料版では入力した内容がAIの学習に使われる場合があります。商用利用の条件と社内のAI利用ルールを、書き始める前に確認してください。

確認すべき項目をチェックリストにします。社内でAIマニュアル作成を始める前に、次の4点を情報システム部門や利用規約で確かめてください。

• 商用利用の条件（業務での利用が規約上認められているプランか）
• 学習オプトアウト設定（入力内容を学習に使わせない設定があるか・有効になっているか）
• 権限（誰がどのデータを入力してよいか・部署や役職での制限）
• ログ（誰が何を入力したか記録が残るか・監査できるか）

無料から始めてもよい業務と有料化すべき条件

無料と有料のどちらから始めるかは、最初は判断しにくいところです。目安は3つあります。第一に、扱う情報の機密度で決めます。社外秘や個人情報を含むマニュアルを作るなら、最初から学習オプトアウトやデータ取扱条件の整った有料・法人向けプランを選びます。第二に、試す段階か運用する段階かで決めます。「AIでマニュアルが作れるのか試したい」段階なら無料で十分です。実際に組織の文書として運用する段階に入ったら、出力の安定性とデータ条件のために有料を検討します。第三に、文書の量で決めます。一度に長い規程をまとめて処理したい、たくさんの文書を扱いたいという場合は無料の処理上限にぶつかりやすいので、有料が現実的です。まず無料で手応えを確かめ、機密・運用・量のどれかで壁にぶつかったら有料へ、という順番で迷うことはまずありません。

AIマニュアル作成でそのまま使えるプロンプト例

そのまま使えるプロンプトを並べます。前半が「手順を書く」ためのもの、後半がこの記事の中心である「判断を引き出す」ためのものです。なお、ここで紹介するプロンプトは、Excel付録「AIマニュアルプロンプト集」にも、そのままコピーして使える形でまとめています。シート1が手順を書くための基本3点、シート2が判断を引き出すための質問とインタビュアー指示文です。

手順を書くには3つの材料を渡す

① 構成案の生成用

あなたは業務マニュアルの編集者です。対象読者は入社1年目の事務担当者。「経費精算」のマニュアルの目次を、実際の作業の流れに沿って提案してください。例外対応の章も含めてください。

このプロンプトが効くのは3つの指定が入っているからです。「対象読者は入社1年目」で難易度が固定され、「実際の作業の流れに沿って」で論理順ではなく動線順に並び、「例外対応の章も含めて」で抜けがちな例外章が最初から立ちます。出力がいまいちなときは、次の一行を追い足してください。「各章に、その章で読者がつまずきやすい点を1つずつ添えてください」。これで構成案が網羅だけでなく読者目線に寄ります。

② 下書き用

以下の箇条書きメモを、手順書の形式に書き直してください。条件　1手順1文・命令形・番号付き・専門用語には注釈。

このプロンプトが効くのは出力形式を具体的に縛っているからです。「1手順1文」で長い文を防ぎ、「命令形」で「〜される」のような曖昧な受け身を消し、「番号付き」で順番を明示し、「専門用語には注釈」で読者の前提知識のばらつきを吸収します。出力がいまいちなときは、「手順と手順の間に判断が必要な箇所があれば、〔判断〕と印をつけて指摘してください」を足すと、後で判断基準を埋める場所が見えてきます。

③ 校正用

以下のマニュアルを校正してください。観点　1文40字以内に分割、表記の統一（クリック/押下の混在解消）、あいまいな表現（適宜・なるべく）の具体化。

このプロンプトが効くのは校正の観点を3つに絞っているからです。「校正して」だけでは、AIは表面的な誤字直しで終わります。「1文40字以内」「表記の統一」「あいまい表現の具体化」と観点を指定すると、読みにくさの主因にねらいを定められます。出力がいまいちなときは、「具体化できなかったあいまい表現は、書き換えずにとだけ印をつけて残してください」を足します。AIが勝手に数値を埋めるのを防ぎ、人が確認すべき箇所が浮きます。

業務名や読者は自社のものに置き換えてください。共通して重要なのは、①対象読者 ②前提条件 ③出力形式 ④禁止事項（推測で書かない・元資料にない情報を足さない）の4点を必ず指定することです。とくに④を入れるだけで、もっともらしい補完がかなり減ります。

なぜ禁止事項④が補完を減らすのか。AIは空白を嫌って何かで埋めようとする傾向があります。判断基準が渡されていなければ、一般論で埋めます。古い数値しかなければ、それらしい新しい数値を作ってしまうこともあります。「推測で書かない・元資料にない情報を足さない」と先に縛っておくと、AIは「ここは情報がありません」と空欄を残す、あるいは確認を促すという挙動に寄ります。空欄は人が埋めるべき場所が見える状態です。もっともらしく埋まった文章より、空欄のほうがずっと安全です。

4点指定の効き目を、汎用的な仮の例で対比します。曖昧なプロンプトとして「経費精算のマニュアル書いて」とだけ送ると、どの会社にもありそうな一般的な経費精算の流れがそれらしく返ってきます。読みやすいけれど、自社の承認ルートや勘定科目とは合っていません。これを4点指定に変えます。「①対象読者＝入社1年目の事務担当 ②前提条件＝当社は経費精算システムA社製を使用、承認は課長→経理の2段階 ③出力形式＝1手順1文・番号付き・専門用語に注釈 ④禁止事項＝当社の運用が不明な箇所は推測で埋めずと記す」。すると出力は自社の前提に沿った骨組みになり、不明な箇所はとして残ります。同じAI、同じ作業時間でも、4点を足すかどうかで後の直しの量がまるで変わります。

判断を引き出すには質問をプロンプトに入れる

前章までのプロンプトで、作業の流れや入力項目、操作の順番といった「手順」は、ひととおり文書に落とせるようになりました。まだ手つかずで残っているのは判断の中身です。具体的には、例外が起きたときにベテランがどこで線を引いているかという部分です。マニュアルが使われるかどうかはたいていここで決まります。

これはAIに書かせるのではなく人から引き出します。使うのは、ベテランに投げかける質問です。AIに「インタビュアー役」をさせて質問の生成と深掘りを任せてもよいですし、人間がそのまま口頭で聞いてもかまいません。ただし、この場合もAIがしているのは質問を投げて答えを整理することだけで、判断基準そのものを作っているわけではありません。中身は必ず人から出ます。引き出した答えの行き先はマニュアルの【考え方】欄です。手順をなぞる層と判断〔考え方〕を書く層に分ける二層構造の考え方は、別記事『使われないマニュアルはなぜ生まれるのか』で詳しく扱っています。

質問は4種類あり、それぞれ狙いが違います。基準線の質問は本人が無意識に使っている合格ラインを数値や見た目に変換します。例外の質問は、「普段はこうだが、あのときは違った」という分岐の条件を思い出してもらいます。仮定の質問では、削れる工程と削れない工程、つまり優先順位が見えてきます。対比の質問は熟練者とそうでない人の差がどの工程で生まれるかを特定します。順番どおりに使う必要はありません。話しやすいものから始めてください。

この4種類の問いは、ここでは、判断を引き出す手法の体系に対応づけられます（株式会社taiziiiの整理）。基準線の質問はギリギリOKとNGの閾値を探る「境界条件プロービング」に当たります。例外の質問は通常フローに乗らないケースを集める「例外パターン」の抽出です。仮定の質問は起きていない状況を想定して判断を引き出す「仮想シナリオ」です。対比の質問は通した案件と落とした案件の差を見る「対比法」に対応します。さらに、実際にあった案件を一つ選んでそのときの判断を再体験してもらう「CDM」を加えると、抽象論に逃げず具体から判断を引き出せます。質問の言い回しは違っても、ねらっているのは同じ、暗黙のうちに下している判断を言葉にすることです。

質問例1（基準線を聞く）

この作業で「やり直し」と判断するのは、具体的にどんな状態のときですか。数値や見た目で言えますか

回答が「経験で分かる」「見れば分かる」と抽象的なときの深掘り質問は、「では、直近でやり直しと判断した実例を一つ教えてください。そのとき、何を見てそう判断しましたか」です。実例に降ろすと、無意識の合格ラインが見た目や数値の形で出てきます。

質問例2（例外を聞く）

この手順どおりに進めなかったケースを3つ思い出してください。それぞれ、何が普段と違いましたか

回答が浅いときの深掘り質問は、「そのとき、普段どおりに進めていたら何が問題になっていましたか」です。例外を選んだ理由（避けたかったリスク）が出ると、分岐の条件がはっきりします。

質問例3（仮定で聞く）

もし納期が半分になったら、どの工程を削りますか。逆に、何があっても削らないのはどこですか

回答が「全部大事」で止まったときの深掘り質問は、「一つだけ削らなければならないとしたら、どれですか。それを削ると何が起きますか」です。無理に一つ選ばせると、本人の優先順位が表に出ます。

質問例4（対比で聞く）

この作業がうまい人と、そうでない人とでは、結果がどの工程で分かれますか

回答が抽象的なときの深掘り質問は、「最近、若手がつまずいた場面を一つ思い出してください。あなたなら、その場面で何を見て、どう動きますか」です。熟練差が出る具体的な工程が特定できます。

判断を引き出すときは、事例起点、観察可能な基準、通常と違えた理由の3点を押さえます。第一に、事例起点で聞くこと。「要点は何ですか」と漠然と尋ねるのではなく、実際にあった案件を一つ選んで「あのとき、なぜそう判断したのですか」と聞きます。第二に、数値か見た目に変換させること。「だいたいで分かる」で止めず、「何を見て、何%を超えたら」と観察できる形に落とします。第三に、なぜ通常と違えたかを問うこと。例外の場面では「普段はこうだが、このときはこうした。それはなぜか」を聞くと、分岐の条件が言葉になります。

AIにインタビュアーをさせる場合の指示文

（使い方　この指示文に続けて、上の4種類の質問を貼り付けてから送信してください）

あなたは業務マニュアル作成のためのインタビュアーです。私は○○業務の担当者です。上の4種類の質問を1つずつ投げかけ、私の回答が抽象的な場合は具体的な数値や事例を尋ね、最後に回答を「状況→判断→行動」の形式で整理してください。

引き出した答えは、条件文にして【考え方】欄に記載します。「○○のときは△△する」という形にしておくと、手順そのものと混ざらず、例外時にそこだけ読めば判断できます。たとえば次のような形です。

• 「利益率○%未満の値引きは上長判断」
• 「初回取引の与信は、過去に取引のない業界なら金額にかわらず審査部へ回す」
• 「クレーム対応は、相手が解約に言及した時点で担当者判断をやめ、責任者にエスカレーションする」

この4つの質問と深掘りの言い回し、AIにインタビュアー役をさせる指示文、引き出した答えを条件文に整える記入欄は、Excel付録「AIマニュアルプロンプト集」のシート2にまとめています。印刷して、聞き取りの手元資料として使えます。

条件文にする効果を、汎用的な仮の例で対比します。ベテランに聞くと、最初はたいてい「臨機応変に対応している」「ケースバイケースですね」という言葉が返ってきます。これはそのままでは引き継げません。次の人が読んでも、何をどうすればよいか分からないからです。そこで深掘りします。「臨機応変というのは、たとえばどんなときに、普段と何を変えるのですか」。すると、「初めて取引する相手で、しかもうちが取引したことのない業界のときは、金額が小さくても審査部に回している」といった具体が出てきます。これを条件文に整えると、「初回取引かつ過去取引のない業界なら、金額にかわらず審査部へ回す」になります。「臨機応変」は本人にしか分かりませんが、この条件文なら、次の人が読んでそのまま判断できます。判断を引き出すとは、つまるところ「臨機応変」を条件文に翻訳する作業です。

ポイントは、手順書の「次にこのボタンを押す」とは別に、分岐の条件を言葉にしておくことです。つまり、どういう状態になったら通常の流れから外れるのかを書いておきます。なお、手順書ツールの解説記事がこの判断・例外の領域をあまり扱わないのはそれらが手順を作るための機能だからです。手順を速く正確に整える用途では、ここはもともと守備範囲の外にあります。だからこそ、AIで手順を量産できるようになったいまは、例外時の判断をベテランから聞き出して書き足す工程を、別に意識して組み込む必要があります。

このとき、守ってほしい原則が一つあります。複数のベテランで答えが分かれた場合、平均して一本のルールにまとめないことです。Aさんの基準とBさんの基準を丸めて中間の数字にした瞬間、どちらの判断の根拠も消えます。誰の・どの条件での判断かという帰属を保ったまま、別々の条件付きルールとして残し、例外は例外として分けて書いてください。

なお、AIが聞き手となって対話で判断基準を引き出し、学習させていく使い方には、現場の関心も集まっています。当社調査では、AIが対話を通じて判断基準を引き出し学習する仕組みに「興味がある」と答えた管理職は約6割（59.5%）でした。

AIマニュアルが使われなくなる4つの落とし穴

ここまでの手順で、マニュアルの形は整います。最後の仕上げの前に、AIでマニュアルを作った職場が実際につまずきやすい点を4つ挙げます。いずれも、知っていれば防げるものです。

それらしい手順が現場に合わない理由

AIは渡された資料に足りない部分を一般論で埋めます。その結果、文章は読みやすいのに、自社の実態とは細部が違う文書ができあがります。やっかいなのは読みやすいせいで間違いに気づきにくいことです。ステップ5の現場レビューを省くと、このずれは公開後に発覚します。

ではどう防ぐか。防ぎ方はステップ5のレビュー設計に尽きます。読んで誤字を直すだけのレビューでは、このずれは見つかりません。実際にその作業をしている担当者に一手順ずつ確認してもらい、さらにその業務を知らない人に試しに手を動かしてもらう。この2段構えを工程に組み込んでください。読みやすさに惑わされず、手順どおりに動けるかで判定するというレビューの基準を最初に決めておくことが、いちばんの予防になります。

例外に答えられないマニュアルが止まる理由

手順は完璧なのに、イレギュラーが起きたときどうするかが書かれていません。理由は単純で判断基準が入力されていないからです。前章の「判断を引き出す質問」で埋めてください。ここを埋めない限り、文書が何枚増えても、例外のたびに質問はベテランに集中し続けます。冒頭で挙げた「文書は揃っているのに、現場は詳しい人に聞きに行く」という現象の正体はほとんどの場合この落とし穴です。

ではどう防ぐか。前章の4つの問い（基準線・例外・仮定・対比）でベテランから判断を引き出し、条件文にして【考え方】欄へ書き足すという工程を、手順作成とは別に必ず立てます。これは後回しにすると永遠に着手されない工程なので、最初から段取りに入れておきます。この落とし穴が現場でいかに重いかは、数字にも表れています。当社調査では、引き継ぎで不足した判断の観点の最多が「例外発生時の判断の基準」（40.5%）であり、ベテランが突然退職した場合に起きる問題として「誰も解決できなくなる」を挙げた管理職が36.5%にのぼりました（いずれも当社調査・複数回答）。例外時の判断が空白のままだと、その人がいなくなった瞬間に、現場は答えを失います。

量産したマニュアルほど古くなりやすい理由

作るのが楽になった分、文書は増えます。すると、更新されていない古い文書が検索結果に混ざり、正しい情報がかえって見つけにくくなります。対策は生成時に決めておくことです。文書を生成したら、その場で「業務オーナー（この文書の責任者）」と「更新のタイミング」を決めてください。この一手間が半年後の信頼性を分けます。

ではどう運用に落とすか。手順を3つに分けます。第一に、文書を生成したその場で、業務オーナー（中身の正しさに責任を持つ人）を1名決めて文書に明記します。所属部署ではなく個人を決めるのがコツです。「誰かが見るだろう」は誰も見ません。第二に、更新トリガーを決めます。「半年ごと」のような時間トリガーと、「対象システムの画面が変わったら」「規程が改定されたら」のようなイベントトリガーの両方を書いておきます。とくに録画型で作ったスクリーンショット入りの手順書は、画面変更のイベントトリガーが必須です。第三に、古い版の扱いを決めます。新しい版を公開したら、古い版は検索に出ないようアーカイブするか削除します。これを怠ると、量産したぶんだけ古い文書が増え、正しい文書が埋もれます。生成が速くなったいまこそ、作る前に「誰が・いつ更新するか」を決める習慣が効きます。

作った本人が理解しないまま公開される危うさ

AIに丸投げで作ると、作成者自身の業務理解が深まらないまま文書だけが完成します。

これには実証研究があります。トルコの高校生約1,000名を対象にした高校数学のランダム化比較試験（RCT）では、練習中にAIに答えを出させた生徒は一見成績が伸びたものの、AIを使えない試験では、AIを一度も使わなかった生徒より17%低い成績になりました。重要なのはその先で、「答えを教えず、ヒントだけを出す」設計のAIに変えると、この悪影響はほぼ消えたのです（出典　Bastani et al., 2025年、米科学アカデミー紀要PNAS掲載・査読付き。トルコの高校生約1,000名を対象にした高校数学のランダム化比較試験）。

この落とし穴④は、できあがる文書の品質ではなく、作る本人の業務理解（学習）が育つかどうかの話です。Bastaniの研究も学習領域の実験です。ですから、マニュアルの成果物そのものの良し悪しを示すものではなく、AIに丸投げすると作る人のスキルが育ちにくくなる、その傍証として読んでください。

この「使わないと錆びる」という問題はAI以前から指摘されてきました。自動化研究の古典として、ベインブリッジは1983年の論文「Ironies of Automation（自動化の皮肉）」で、自動化はいちばん難しい仕事を人に残すという逆説を指摘しています（出典　Bainbridge, L. 1983, “Ironies of Automation,” Automatica）。普段の作業を機械に任せるほど、人が手を動かす機会は減ります。すると、いざ例外が起きて人が引き受けるべき場面で、肝心の熟練が育っていないということが起こります。これは自動化が熟練の継承を保証しないという理論的な土台です。あくまで40年前に提示された一般論であり、AIマニュアルでの因果を直接示すものではありませんが、「便利だから任せる」が「任せきりで育たない」に転びうることを、早くから言い当てています。

関連して、自動化への過信そのものを扱った研究もあります。パラスラマンとマンゼイは、自動化コンプレイセンシー（自動化を過信して監視がおろそかになること）と自動化バイアス（出力をそのまま鵜呑みにすること）を整理し、これらは熟練者にも起こりうると報告しています（出典　Parasuraman, R. & Manzey, D. H. 2010, “Complacency and Bias in Human Use of Automation: An Attentional Integration,” Human Factors, 52(3)）。この論文は生成AIの文章の流暢さや、AIマニュアルの検証行動を直接調べたものではありません。ここで言えるのは、自動化出力を十分に確認しない傾向が熟練者にも生じうるという点までです。ベインブリッジは理論的指摘、パラスラマンらは既存研究の整理です。一方、Bastaniらの高校数学を対象にしたRCTでは、答えを直接出す設計とヒントを出す設計で学習への影響が異なりました。ただし、これは高校数学という特定条件の結果であり、AIマニュアルへ同じ効果が一般化できるとまでは言えません。本記事では、これらを踏まえた実務上の安全策として、人が判断を提供し、出力を検証する工程を置きます。

教訓ははっきりしています。丸投げと活用の分かれ目はAIの性能ではなく、使い方の設計です。マニュアル作成でも、AIに「書かせて終わり」ではなく、人間が判断を提供し、出力を検証する設計にすれば、この落とし穴は避けられます。

ここにはもう一つ、見落とされやすい土台があります。AIが流暢で高度に見える文書を出しても、それを読んで正しいか判断し、必要なら直せる人がいなければ、その文書は組織として受け取れたことになりません。結局、出せるマニュアルの質は最後に「これでいい」と引き受ける人が理解・判断できる範囲までで決まります。だからレビューを省ける段階は来ませんし、作った本人が中身を理解していない状態はその意味でも危険です。

補足として、AIへの信頼が高い人ほど出力を批判的に吟味する労力が減る傾向も知識労働者319名の自己申告調査で報告されています（出典　Lee et al., 2025年、ACM CHI 2025発表、Microsoft Research × カーネギーメロン大学）。自己申告に基づく相関であり因果関係を示すものではありませんが、レビュー工程を個人の心がけに任せず、仕組みとして残しておく理由にはなります。

AIマニュアル作成でつまずきやすい疑問

ここまでの手順を実際にやってみると、必ず次の疑問にぶつかります。実務でよく出るつまずきを、この章で整理します。

ベテランが判断の質問に協力してくれないときは

ベテランが質問に乗り気でないと、聞く側も気まずく感じます。協力を得るには、評価ではなく相談として持ちかけ、事例を絞り、機密に踏み込まない形にします。第一に、評価ではなく相談として持ちかけること。「あなたの判断を記録します」と言われると、品定めされている、自分の仕事を奪われる、と身構えられがちです。「若手が同じ場面で困っているので、考え方を教えてほしい」という相談の形にすると、協力を得やすくなります。第二に、事例起点で短く聞くこと。「全部教えてください」ではなく、実際にあった案件を一つ選んで「あのときのあの判断だけ、なぜそうしたか教えてください」と、範囲を絞って短時間で聞きます。第三に、機密に踏み込まず一般原則だけ扱うこと。具体的な顧客名や取引額そのものではなく、「どういう条件のときに通常と違う手を打つか」という判断のロジックを聞きます。協力してもらううえでの摩擦はたいてい「評価される」という構えから来ます。相談の姿勢と事例の絞り込みで、その構えはほどけます。

複数のベテランで答えが分かれたときは

AさんとBさんで判断基準が食い違うと、「どちらが正しいのか」を決めたくなります。ここでは、平均せず、帰属を保ち、分岐条件を探ります。第一に、平均して一本にまとめないこと。中間の数字に丸めた瞬間、両方の根拠が消えます。第二に、帰属を保ったまま別々の条件付きルールとして残すこと。「Aさんは○○の条件で△△、Bさんは□□の条件で◇◇」と、誰の・どの条件での判断かをつけて両方記載します。第三に、分岐の条件を探ること。答えが違うのはたいてい前提にしている状況が違うからです。「Aさんはどんなときにそう判断しますか」「Bさんは」と条件を聞いていくと、矛盾ではなく条件分岐だったと分かる場合があります。判断を統合せず帰属を保つという原則の具体的な運用です。手順層と判断層の二層に分ける書き方や、食い違う複数の判断をどう残すかは、別記事『使われないマニュアルはなぜ生まれるのか』でも掘り下げています。

生成した手順に古い情報が混じっていたときは

AIが出した手順に古い数値や廃止された画面が混じっていたら、発覚したその場で直すのはもちろんです。再発を防ぐには、入力資料、更新責任者、更新トリガーの3点を固定します。第一に、入力する資料を最新版だけに絞ること。古い版を混ぜて読み込ませると、古い情報が出力に紛れ込みます。第二に、更新責任者を1名決めること。落とし穴③と同じで、文書ごとに中身の正しさに責任を持つ人を明記します。第三に、更新トリガーを決めること。「対象システムの画面が変わったら」「規程が改定されたら」というイベントを、更新のきっかけとして文書に書いておきます。古い情報が混じるのは一度きりの事故ではなく、放っておけば必ず再発します。直すだけでなく、誰が・いつ直すかをセットで決めてください。

AIの出力が一般論で薄い理由と材料の絞り方

では、何度プロンプトを直しても出力が一般論のままのときは、どうすればよいのでしょうか。効くのは、「プロンプトを磨く」から「材料を変える」に発想を切り替えることです。

本記事では、AIが現場と合わない出力を出す原因は2つに分けられます（株式会社taiziiiの整理）。一つは参照の失敗です。必要な情報が渡した資料の中に埋もれていて、AIがそこに辿り着けていない状態です。対策は情報を増やすのではなく絞って渡すこと、そしてトピック単位で分けて渡すことです。資料が多いほど、肝心の情報は埋もれます。もう一つは解釈の失敗です。情報はあるのに、AIがその使い方を取り違えている状態で、例外と通常が同じ文書に混ざっていたり、社内用語の表記が揺れていたりすると起きます。対策は使う条件を固定すること、例外を別に分けること、用語を統一することです。出力が薄いと感じたら、まず「情報に辿り着けていないのか（参照の失敗）」「情報はあるが解釈を外しているのか（解釈の失敗）」を見分け、前者なら絞って渡し、後者なら条件と用語を整える。プロンプトの語尾をいじるより、この2つの切り分けのほうがずっと効きます。

どの業務からマニュアル化すべきか

業務がたくさんあって、どれからマニュアル化すべきか迷うときは、2つの軸で優先順位をつけます。第一の軸はその業務が失われたときの影響の大きさです。担当者がいなくなると業務が止まる、品質が大きく落ちる、顧客の信頼を失う、といった業務を上に置きます。第二の軸は保有者がどれだけ一人に集中しているかです。一人しかできない業務は、その人が抜けた瞬間にゼロになるので影響が同じなら集中度の高いものを優先します。当社調査でも、ベテランが突然退職した場合の問題として「誰も解決できなくなる」が36.5%、属人化している領域として「専門的な判断基準」が60.3%で最多でした（いずれも当社調査）。影響が大きく、かつ一人に集中している判断業務から手をつける。マニュアル作成は全部を一度にやろうとすると挫折しますが、この2軸で並べれば、最初に着手すべき1つは自然に決まります。

AIで作ったマニュアルの著作権・最終責任は誰にあるか

著作権や内容の責任は、法律や各サービスの利用規約に関わるため、ここでは一般原則の範囲でお答えします。一般論として、業務マニュアルの内容に対する最終的な責任は、それを公開し業務で使う組織側にあります。AIは下書きを生成する手段であり、内容の正しさを保証する主体ではありません。だからこそ、この記事では人によるレビュー（ステップ5）と業務オーナーの設定（落とし穴③）を繰り返し強調しています。著作権の扱いや生成物の権利関係は、利用するAIサービスの規約によって定めが異なります。商用利用や権利の帰属については、自己判断せず、利用するサービスの最新の規約を確認し、必要に応じて法務に相談してください。要点は一つで、AIが作っても、最後に「これでいい」と引き受けて公開するのは人と組織だということです。

マニュアル作成AIは無料で商用利用できるか

無料のAIを業務マニュアル作成に使ってよいかも、規約次第です。一般原則でお答えします。サービスによっては、無料プランでも業務利用が認められている場合があります。ただし、確認すべき点が2つあります。一つは入力した内容が学習に使われるかどうかです。無料版では学習に使われる場合があり、機密情報や個人情報を含むマニュアルの材料を入力するのは避けるべきです。もう一つは生成物を業務で使うことが規約上認められているかです。無料・有料を問わず、利用するサービスの最新の利用規約で、商用利用の可否とデータの取り扱いを確認してから使ってください。試しに作る段階なら無料で十分ですが、機密を含む本番運用に入る前に、規約とデータ条件の確認を済ませておくのが安全です。

画面録画から手順書を自動生成できるか

PC操作を録画するだけで手順書を作れます。この記事の3タイプでいう録画型がこれにあたり、PC操作を録画すると、クリックや入力を自動検出して、スクリーンショット付きの手順書を生成してくれます。システム操作が中心のマニュアルなら、いちばん速い方法です。ただし2点、注意があります。第一に、自動検出は取りこぼしがあります。キー入力や条件分岐の操作は拾われないことがあるので、生成後に人が補います。第二に、画面が変わると陳腐化します。システムのUIが変更されると撮り直しが必要になるため、更新責任者と更新トリガーを最初に決めておきます。画面録画は「作るのが速い」反面「古くなるのも速い」ので、運用の段取りをセットで用意してください。なお、録画型ツールの個別比較は、別途公開予定のツール比較記事で取り上げます。

AIマニュアルとExcel/Word/PowerPointテンプレートの使い分け

AIでマニュアルを作るのと、Excel・Word・PowerPointのテンプレートを使うのとは、競合しません。役割が違うからです。テンプレートは「型」を提供します。見出しの並び、記入欄の構成、体裁といった器を、最初から整った形で用意してくれます。AIは「中身を埋める作業」を速くします。集めた材料を、その型に沿った文章へ変換するところで効きます。実際には併用が現実的です。テンプレートで器を決め、その器に合わせてAIに下書きを書かせ、人がレビューして判断基準を書き足すという流れです。型が決まっていないままAIに任せると出力がばらつき、型だけあって中身を人が一から書くと時間がかります。テンプレートで型を、AIで中身を、人で判断を、と分担すると無駄がありません。すぐ使えるテンプレート集と、それを形骸化させないための使い方は、別途公開予定のテンプレート集で配布・解説する予定です。

AIマニュアル作成ツールは何で選ぶべきか

ツールは知名度ではなく、自社の状況とのマッチングで選びます。判断の軸は前章までで出揃っています。

• 既存資料（規程・過去マニュアル・研修資料）が豊富 → 資料型（NotebookLMなど）
• システム操作の手順書が中心 → 録画型
• ゼロから整理しながら作りたい → 対話型（ChatGPTなど）

組織導入の場合は、これに加えてセキュリティ（入力データの扱い）・権限管理・料金体系の3点を確認してください。3点それぞれ、何を見るかを具体的に挙げます。

セキュリティ（入力データの扱い）で見るのは、入力した内容が学習に使われないか、学習オプトアウトの設定があるか、データの保存場所と保存期間はどうか、の3点です。機密を含むマニュアルを扱うなら、ここが最初の関門になります。

権限管理で見るのは、誰がどのデータにアクセスできるか、部署や役職で利用範囲を制限できるか、入力できる人とできない人を分けられるか、です。全員が何でも入力できる状態は、機密の観点で危険です。

料金体系で見るのは、課金の単位（人数・利用量・文書量のどれか）、無料枠と有料枠の差、組織で使ったときに費用が読めるか、です。一人で試すときと、組織で広げるときとで、費用の構造が変わる点に注意します。

ツールを選ぶときは、料金だけでなく、更新責任・セキュリティ条件・出典確認のしやすさも合わせて見ます。

NotebookLMとChatGPT、用途での使い分け

NotebookLMとChatGPTは、どちらか一方ではなく、用途で使い分ける（あるいは併用する）のが現実的です。判断軸を表にします。

既存資料が手元にあって出典を担保したいならNotebookLM、ゼロからの整理や判断の引き出しならChatGPT、という分け方です。実務では、NotebookLMで手順の叩き台を作り、ChatGPTで判断基準を言語化するという併用が自然な流れになります。

人が聞くべき1割を残す役割分担

「書く手間」はAIへ、「何を書くか」と「これでよいか」の判断は人へ。この記事の結論を役割分担の形にすると、次のように分かれます。

AIに任せること

• 清書・構成・翻訳の下訳作成・要約・体裁統一・更新案づくり（「書く手間」のほぼ全部）

人がやること

• 何をマニュアル化するかの選定
• 判断基準の提供（AIは聞き手にはなれますが、答えは人の中にしかありません）
• 現場との整合チェック
• 翻訳の最終確認（用語、文体、地域・文化への適合、誤訳、安全・法務上のニュアンス）
• 安全・品質の最終的な線引きと、公開の責任

この分担は、現場の期待とも一致しています。当社調査では、AI導入に期待するメリットの最多は「業務品質の標準化、若手でもベテランに近い判断ができるようになること」（54.6%・複数回答）でした。つまり、期待の中心は判断のばらつきがなくなることにあると読み取れます。そして判断は、人が提供しない限りAIの出力には入りません。この食い違いを埋めるのが前章までの判断引き出しの工程です。役割分担とは、AIに任せて浮いた時間を、この判断の引き出しに振り向けるという時間配分のことでもあります。

AIは「魔法のペン」ではなく「設計アシスタント」です。9割の手間をAIに渡し、浮いた時間を「書けない1割」＝判断の引き出しに使う。それが、使われるマニュアルを作る、いちばん確実な順序です。この記事で示した「9割／1割マップ」は、その時間配分を決めるための地図にほかなりません。

よくある質問

Q. 無料プランでどこまでできますか

A. 利用できる機能や上限はサービスと時期によって変わるため、現行プランを確認してください。まず非機密の資料で構成案・下書き・校正・要約を試し、組織で使う前に、機密情報の入力可否、データの取り扱い、権限、ログの4点を社内ルールと利用規約で確認します。

Q. NotebookLMとChatGPTはどちらがいいですか

A. 既存資料からの生成と出典の明示はNotebookLM、ゼロからの整理や対話はChatGPTが向いています。用途が違うので、併用が現実的です。手順の叩き台はNotebookLM、判断基準の引き出しはChatGPT、という分け方を起点にしてください。

Q. セキュリティで気をつけること

A. 無料版では入力内容がAIの学習に使われる場合があります。社内規定を確認したうえで、法人向けプランやオプトアウト設定（入力を学習に使わせない設定）の利用を検討してください。あわせて、誰が何を入力してよいかの権限と、入力の記録（ログ）が残るかも確認しておくと安全です。

Q. AIで作ったマニュアルの著作権や責任は誰にありますか

A. 一般論として、業務で使うマニュアルの内容に対する最終的な責任は、公開し利用する組織側にあります。AIは下書きを作る手段で、内容の正しさを保証する主体ではありません。著作権や権利の帰属は利用するAIサービスの規約で定めが異なるため、商用利用や権利については最新の利用規約を確認し、必要に応じて法務に相談してください。

Q. マニュアル作成AIは無料で商用利用できますか

A. サービスによって異なります。無料プランでも業務利用が認められている場合がありますが、入力内容が学習に使われるか、生成物を業務で使ってよいかを、利用規約で確認してから使ってください。機密や個人情報を含む材料を無料版に入力するのは避けるのが安全です。

Q. 画面録画から手順書を自動で作れますか

A. 作れます。録画型のツールがPC操作を録画してクリックや入力を検出し、スクリーンショット付きの手順書を生成します。システム操作のマニュアルに向きますが、自動検出の取りこぼしを人が補うことと、画面変更で陳腐化するため更新の段取りを最初に決めておくことが必要です。具体的な録画型ツールの比較は、別途公開予定のツール比較記事で取り上げます。

Q. AIで作るのと、Excel/Word/PowerPointのテンプレートはどう使い分けますか

A. 競合しません。テンプレートは「型（器）」を、AIは「中身を埋める作業」を担います。テンプレートで型を決め、AIで下書きを書き、人が判断基準を書き足す、という併用が無駄のない流れです。

9割はAIで進み、残り1割は人に聞く

構成も、下書きも、校正も、もう人が抱え込む仕事ではありません。マニュアル作成の手間の大半はAIで本当に消えます。ここは安心してAIに渡してください。

ただし、マニュアルの価値を決める残りの1割、つまり例外のときどう判断するかは、入力されない限りAIには書けません。これはツールを替えても解決しない構造です。だから、AIで浮いた時間で、ベテランに4つの質問を投げかけてみてください。「やり直しの基準は何か」「手順どおりに進めなかったケースはあるか」。返ってきた答えを、帰属を保った条件文として【考え方】欄に書き足したとき、そのマニュアルは「読まれる文書」から「聞かれなくなる文書」に変わります。手元に置いておきたいのは、たった一枚の地図です。マニュアルの中身を、AIに任せる手順（9割）と、人から引き出す判断（1割）に分ける「9割／1割マップ」。これさえあれば、ツールにもプロンプトにも迷いません。

関連記事

• 使われるマニュアルに変える二層設計　使われるマニュアルの設計原則を見る
• 生成AI時代のナレッジマネジメント　AIに渡す前のナレッジ整備を確認する
• AIで業務引き継ぎを進める方法　引継書への応用を確認する

※この記事は、知識ではなく「判断力」の継承に取り組む株式会社taiziiiが運営しています。この記事のプロンプト集（手順用3種＋判断引き出し用4種＋AIインタビュアー指示文）をまとめた配布版は、こちらからダウンロードできます。

出典・参考文献

• 株式会社taiziii「企業の属人化防止完全ガイドブック2026」掲載調査（管理職〔課長以上〕200名・インターネット調査。資料記載の調査期間：2025年8月14日〜18日、2026年2月24日〜3月6日）
• Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö. & Mariman, R. (2025) “Generative AI Without Guardrails Can Harm Learning: Evidence from High School Mathematics,” Proceedings of the National Academy of Sciences (PNAS)
• Lee, H.-P. et al. (2025) “The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers,” Proceedings of ACM CHI 2025（Microsoft Research × Carnegie Mellon University）
• Bainbridge, L. (1983) “Ironies of Automation,” Automatica, 19(6), 775–779
• Parasuraman, R. & Manzey, D. H. (2010) “Complacency and Bias in Human Use of Automation: An Attentional Integration,” Human Factors, 52(3), 381–410. https://doi.org/10.1177/0018720810376055