生成AI時代のナレッジマネジメントとは。RAGで失敗しないAI Readyの5つの手順

判断をAIに引き継ぐことに「興味がある」と答えた管理職は59.5%、およそ6割にのぼりました。一方で、暗黙知を組織的に記録する仕組みが「ある」と答えた人は16.5%にとどまります（いずれも株式会社taiziii調べ・管理職200名・インターネット調査。両者は別々の設問への回答です）。AIに判断を渡したい人は多いのに、渡すための中身が社内に書かれている会社はその3分の1にも届きません。

この差はAIチャットを導入したあとの体験にそのまま表れます。規程やマニュアルの場所は正確に答えてくれるのに、「この案件、受けるべきか」と踏み込んだ瞬間、当たり障りのない一般論しか返ってこない。結局はいつものベテランに聞き直すことになり、せっかく入れた仕組みが使われなくなっていきます。

そこで、AI検索やRAG、社内文書を読み込ませた生成AIを入れてナレッジマネジメントを立て直す、というのもよく取られる対処です。

しかし、ツールを入れても、踏み込んだ質問への答え（ベテランの判断）は出てきません。RAGも生成AIも参照先に書かれていることしか返せないからです。そして先ほどの16.5%が示すとおり、多くの会社ではベテランの判断基準がそもそもどの文書にも書かれていないのです。より賢いとされる新しいモデルに替えても、参照先に判断が書かれていなければ返ってくる答えはほとんど変わりません。整えるべきは知識そのものより、その奥にある「なぜそう判断するか」という判断のほうです。

この記事では、生成AIでナレッジマネジメントの何が変わったか（変わらないか）をまず整理します。そのうえで、なぜ踏み込んだ質問に答えが出ないのか、その構造を分けて示します。最後に、ツール選定の前に判断をAIが参照できる形へ整える「AI Ready化」を、どう考えどんな手順で進めればよいかを解説します。

すでにAIチャットを入れたのに踏み込んだ質問に弱い、という段階を想定しています。この記事を読むことで、次の理解が深まります。

• RAGの限界がなぜ起きるのかを「不在層・埋没層・鮮度層・受け手層」という4つの外し方に分けて説明できるようになること
• 判断をAIが参照できる形に整える「AI Ready化」を、対象選定から効果測定まで5つのステップで自社の現場に当てはめられること
• ツールを買う前に自社の文書がAIに渡せる状態かを確かめる8問の診断と、その結果ごとの次の一手
• 検索型・チャット型・プラットフォーム型というツールの類型を、自社の状況に照らして選び分ける軸

導入後に「思ったほど使われない」を繰り返さないための判断材料を、この順で渡していきます。

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ナレッジマネジメントで変わったこと

AIナレッジマネジメントとは、生成AIを使って社内の知識の蓄積・検索・活用を支援する取り組みの総称です。具体的には、社内文書に対する自然文での質問応答、文書の自動要約・分類、ナレッジの自動整理などが含まれます。

その中核になっている技術がRAG（Retrieval-Augmented Generation　検索拡張生成）です。名前のとおり「検索」で「生成」を「拡張」する仕組みで、動きは3つの工程に分けて見ると分かりやすくなります。

第1工程は検索です。利用者が質問を入力すると、AIはいきなり答えを書き始めるのではなく、まず社内に登録された文書の中から質問に関係しそうな箇所を探し出します。第2工程は根拠化です。探し出した箇所を回答の材料としてAIに渡します。ここで渡された文書が答えの拠りどころになります。第3工程は生成です。渡された材料をもとに、AIが自然文の答えを組み立てます。このとき、材料に書かれていた事実を引用しながら答えを作るため、AIが事実でないことをもっともらしく答えてしまう現象（ハルシネーション）を抑えやすくなります。社内AIチャットの多くがこの方式を採っているのはこの3工程目の「根拠に基づいて答える」性質があるからです。

3工程に分けると、RAGの守備範囲がどこまでかも見えてきます。汎用的な業務で考えてみます。経費精算の規程について「出張の宿泊費に上限はありますか」とAIチャットに尋ねたとします。第1工程で経費精算規程の該当条文が検索され、第2工程でその条文がAIに渡され、第3工程で「役職別に1泊あたりの上限が定められています」といった答えが条文を引きながら返ってきます。規程に書かれている事柄なので、RAGはこれを得意とします。一方で、「この出張、そもそも宿泊する必要があるか」という問いには、規程は答えを持っていません。宿泊の要否は出張の目的・移動時間・翌日の予定を勘案した判断であり、それを「どんな条件のとき宿泊と決めるか」という形で書いた文書が社内に存在しないと、第1工程で検索すべき材料がそもそも見つからないからです。RAGが守れるのは、第1工程で材料が見つかる範囲までと言い換えられます。

何が変わったのか。検索のかたちが「キーワードで探して、自分で読む」から「質問すると、要約された答えが返る」に変わりました。複数文書の横断、表記ゆれの吸収、多言語対応も実用レベルになりました。これは従来のナレッジ検索と比べて、はっきりした進歩です。「あの規程はどこか」「この用語の定義は何か」「過去の議事録でこの案件はどう扱われたか」といった、答えがどこかの文書に書かれている問いについては探す手間が大きく減りました。

一方で、変わっていないことがあります。参照先に書かれていないことは、答えられない。この一点がこの記事で掘り下げる問題です。

ここで、この記事を通じて使う2つの言葉を先に定義しておきます。シリーズの他記事とも共通の整理です。1つは管理する知識です。規程・手順・FAQ・用語定義のように、事実として書き出せて正解が決まっている知識を指します。従来のナレッジマネジメントもAI検索もここを扱うのは得意です。もう1つは継承する判断です。「どんな条件のとき、何を手がかりに、どこまで許容し、どこからNGとし、どの行動を取るか」という、ベテランが状況に応じて下している判断のことです。これは正解が一つに決まらず、条件によって変わります。本記事が「踏み込んだ質問に答えが出ない」と呼んでいるのはこの継承する判断のほうが文書になっていない状態を指しています。生成AIで「変わったこと」は管理する知識を探す工程、「変わらないこと」は継承する判断が書かれていなければ返せないこと、と対応させて読み進めると以降の話が整理しやすくなります。

生成AIでナレッジマネジメントが楽になる3つの場面

生成AIは、ナレッジマネジメントに実際の改善をもたらしています。主なものは次の3つです。

探す時間の削減

「あの規程はどこにあるのか」という探し物が短時間で解決します。なぜ短くなるのかというと、従来は「どのフォルダか」「どのwikiか」を人が当たりをつけてからキーワードで検索し、ヒットした複数の文書を自分で開いて読み比べる必要がありました。RAGでは、質問に対して関連箇所が自動で検索され、要約された答えが返るため、当たりをつける工程と読み比べる工程が省けます。

汎用的な例で、前後を比べてみます。これまで、経費規程の保管場所への問い合わせが総務に集中していたとします。社員は「規程のPDFはどこですか」「最新版はどれですか」と総務にメールやチャットで尋ね、総務が都度リンクを返していました。AIチャットが一次回答する状態に置き換わると、社員はチャットに直接尋ね、規程の該当箇所と保管場所が要約で返ってきます。総務に届く問い合わせのうち、置き場所を尋ねるだけの定型的なものが減り、総務は判断を要する個別相談に時間を使えるようになります（固有名・数値を伴わない、業務の前後を示すための仮の例です）。

ナレッジ整備の負荷軽減

散在する文書の要約・分類・FAQ化をAIが補助するため、「書く・整える」コストが従来のナレッジマネジメントより小さくなりました。従来型のナレッジマネジメントが続かなかった理由の一つは、整備そのものが重い手作業だったことです。議事録を読んでFAQにまとめ直す、似た文書を分類する、古い記述を見つけて直す、といった作業を人手で続けるのは負担が大きく、途中で止まりがちでした。AIがこの下ごしらえを補助することで、整備が止まって形だけ残る、という従来型の失敗を起こしにくくする効果があります。

ただし注意したいのは、整備の負荷が下がること自体は判断が書けることを意味しない点です。AIが要約・分類できるのは、もとの文書に書かれている内容までです。判断基準がどの文書にも書かれていなければ、いくら整備の負荷が下がっても判断が文書に現れることはありません。

新人の立ち上がり支援

「誰に聞けばいいか分からない」段階でも、AIチャットが一次回答してくれます。質問するたびに先輩の作業を止めてしまう、という遠慮も要りません。新人が最初につまずくのは、業務そのものより「この場合、誰に確認すればよいのか」が分からないことです。AIチャットがあれば、規程や手順の範囲については人に聞く前にまず自分で確かめられます。これは新人の心理的なハードルを下げ、先輩の割り込み対応も減らします。

利用者側の期待も大きいことが分かっています。AI導入で期待するメリット（複数回答）の1位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〕で54.6%、2位は24時間いつでも誰でもノウハウにアクセスできることで50.4%でした（出典　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200名・インターネット調査）。

ただし、注意したいのはこの1位の中身です。「若手でもベテランに近い判断ができる」という期待は、次章で見るとおり、文書をAIに読ませるだけでは実現しません。ベテランに近い判断をAIが返すには、ベテランの判断基準が参照先に書かれている必要があります。ところが、その判断基準こそが多くの会社で文書になっていません。期待が集まっている1位がいちばん難しい部分だという構図になっています。

「文書を全部読ませれば解決」が、うまくいかない理由

導入済みの方なら、「規程には答えるのに、踏み込んだ質問には弱い」と感じ始めているかもしれません。この体験には、構造的な理由があります。理由は4つあり、それぞれ別の場所で起きています。

理由1　書かれていない判断は、返せない

規程・手順への質問には正確に答えるのに、「この案件、受けるべきか」には一般論しか返らない。この差はAIの能力の差ではなく、参照先の差です。規程や手順は文書になっています。しかし「どんな条件ならOKを出すか」という判断基準は、ほとんどの会社で文書になっていません。RAGは検索で見つかった文書を根拠に答えを組み立てる仕組みですから、参照先のどこにも判断基準がなければ根拠にできるのは世間の一般的な知識だけになります。

汎用的な例で考えます。営業担当者が「この値引き、受けてよいか」とAIチャットに尋ねたとします。値引きの申請手順や決裁ルートは規程に書かれているので、AIは「3%までは課長決裁、それを超えると部長決裁です」と正確に答えます。ところが「今回のお客様は5%を求めているが、受けるべきか」と踏み込むと答えは一般論に変わります。「取引の継続性や利益率を総合的に勘案して判断しましょう」といった、どの会社にも当てはまる無難な答えです。なぜなら、「この顧客は来期の継続が見込めるから、今回は5%でも受ける」「この商材は値引きすると他案件に波及するから、3%で止める」というベテランの判断基準が、どの文書にも書かれていないからです。AIは根拠にできる材料を持たず、世間の一般論で埋めるしかありません。モデルを最新のものに替えても、この構図は変わりません。

理由2　文書を増やすほど、精度が下がることがある

「情報が足りないのかもしれない」と文書を大量投入すると、むしろ回答の精度が下がることがあります。関連の薄い文書が検索のノイズになり、本当に必要な情報が検索結果の上位に来なくなるためです。RAGの第1工程である検索は質問に関係しそうな箇所を順位づけして拾います。関係の薄い文書が大量にあると、その中に紛れて本当に必要な手順書や基準が上位から押し出されてしまいます。

汎用的な例です。AIチャットの回答精度が上がらないのは情報不足のせいだと考えて、念のため関連しそうな部署の議事録・古いマニュアル・参考資料を片端から登録したとします。狙いとは逆に、回答の精度が下がることがあります。質問に対して、本来参照すべき現行の手順書ではなく関連の薄い議事録の断片が上位で拾われ、それを根拠に答えが組み立てられてしまうからです。「とにかく全部読ませる」は対策に見えて、悪化の原因になり得ます。

加えて、長い文脈を言語モデルに渡したときの使われ方を調べた研究では、中間に置かれた情報を見落としやすいという傾向が報告されています（出典　Liu, N. F. et al. “Lost in the Middle: How Language Models Use Long Contexts,” Transactions of the Association for Computational Linguistics, 12, 2024）。先頭と末尾は参照されやすく、真ん中に埋もれた記述は使われにくい、という性質です。必要な情報を渡しているつもりでも、大量の文書の中間に埋もれていれば答えに反映されないことがあります。

理由3　「貯めれば使える」という前提が、そのまま持ち込まれる

従来のナレッジマネジメントが形骸化した中心的な理由は、ツールの古さではなく、「知識は貯めておけば再利用できる」という前提のほうにありました。この「KMはもう古いのか」という問い自体は、別記事『ナレッジマネジメントは古いは本当か』で正面から扱っています。この前提のまま、置き場所を社内wikiからAIに替えても「参照先に判断が乗っていない」という核心の問題はそのまま残ります。wikiに書かれていなかった答えはAIに聞いても出てきません。ツールの入れ替えは、検索の体験を良くしても参照先の中身を増やすわけではないからです。

汎用的な例です。これまで社内wikiに業務手順を蓄積してきたが、肝心の判断は「先輩に聞く」で回していた会社が、wikiをやめてAIチャットに切り替えたとします。検索の体験は良くなり、手順への質問は快適に答えが返るようになります。しかし「この場合どう判断するか」を尋ねると、やはり一般論しか返りません。wikiの時代に判断が書かれていなかったのと同じ判断がAIの参照先にも書かれていないからです。ツールを替えても書かれていない判断は現れません。

そしてもう一つ見落とされがちなのが、整えた知識が更新され続けているかどうかです。マニュアルや判断基準の型は時間とともに古くなります。更新が止まった文書は参照先にあっても古い判断を返す原因になります。汎用的な例では、数年前に作ったまま更新が止まった旧版マニュアルが参照先に残っていると、AIはそれを根拠に現行と異なる古い手順や基準を自信を持って返してしまいます。利用者は、それが旧版に基づく答えだとは気づきません。更新が続いているかどうかがその知識が今も生きているかどうかの目安になります。

理由4　それらしい一般論を、信じてしまう

ここまでの3つが参照先（AIに渡す中身）の話だったのに対して、4つ目は、その答えを受け取る人間側の工程の話です。検索結果の一覧であれば、複数のヒットを「自分で読んで確かめる」という工程が残っていました。AIの要約された答えは最初から一つの結論として返ってくるため、この確かめる工程を省きやすくします。

実際、知識労働者319名を対象にした自己申告調査では、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が報告されています（出典　Lee, H.-P. et al. “The Impact of Generative AI on Critical Thinking,” Proceedings of ACM CHI 2025。Microsoft Researchとカーネギーメロン大学の研究チームによる調査）。なお、この調査は自己申告に基づく相関の報告であり、AIが原因で吟味が減ったと因果を立証したものではありません。傾向として観察された、という温度で受け取るのが正確です。これとは別に、自動化の出力を鵜呑みにしてしまう「自動化バイアス」は、熟練者でも起こり簡単な訓練では防ぎにくいことが古くから指摘されています（出典　人間と自動化の関係を研究してきた工学心理学者 Parasuraman, R. & Manzey, D. H. “Complacency and Bias in Human Use of Automation,” Human Factors, 52(3), 2010）。

汎用的な例です。AIが返した流暢な一般論を、担当者が「自社の方針だ」と思い込み、確認工程を省いてそのまま顧客に提示してしまう。後から、それが自社の基準とは違っていたことが分かる。もっともらしい一般論を「自社の判断」と誤認するリスクは、紙のマニュアルや従来検索の時代より、むしろ上がっていると考えるべきです。

対策は両輪になります。受け手の側では、答えをそのまま受け入れず当否を確かめる工程を残すこと。そして参照先の側では、確かめる基準になるよう、自社の判断を正しく書いておくことです。

AIが答えを外す4つの層

ここまでの4つの理由は、別々の現象に見えて、AIが答えを外す「場所」で並べ直すと、見通しが良くなります。この記事では、4つを〈AIが答えを外す4層〉として名前をつけて整理します。これは既存の研究フレームの引用ではなく、4つの理由を読者の頭に残りやすくするためにこの記事で命名した独自の整理です。

• 不在層判断が、参照先のどこにも書かれていない（理由1に対応）。AIに渡す材料そのものが存在しないため一般論で埋まる。
• 埋没層文書を増やすほど、必要な情報が検索の上位に来ず埋もれる（理由2に対応）。材料はあるのに、第1工程の検索で拾われない状態です。なお、Liuらの “Lost in the Middle” が示したのは検索順位の失敗ではなく、情報が長いコンテキストへ入った後に、冒頭・末尾より相対的な中央位置が使われにくくなる傾向です。実務では同じ「届かない」問題として点検できますが、検索段階と生成段階を分けて原因を特定します。
• 鮮度層更新が止まった文書が、古い判断を返す（理由3に対応）。材料は拾われるが、その中身が現行と食い違っている。
• 受け手層もっともらしい一般論を、人が自社の判断と誤認する（理由4に対応）。AIの出力は届いているが、受け取る側の確かめる工程が抜けている。

この4層のうち、前の3つ（不在層・埋没層・鮮度層）は参照先、つまりAIに渡す中身の問題です。残る受け手層だけが、答えを受け取る人間側の工程の問題です。「3＋1」で覚えると、対策の方向も分かれます。前3層は「何を・どう書いて渡すか」を直す話、受け手層は「返ってきた答えをどう扱うか」を直す話です。次章以降の「AI Ready化」は、おもに前3層を、最後の確かめる工程の設計が受け手層を担います。

なお、この4層整理の裏づけとして、必要な情報にたどり着けない失敗（不在層・埋没層）と、情報は届いているのに使い方を取り違える失敗（鮮度層・受け手層の一部）を分ける見方は、知識を構造化する実務でも使われています（参照の失敗／解釈の失敗の二分法。次章で扱います）。借用した理論名で呼んでいるのではなく、この記事の理由1〜4を、この実務の見方に照らして層に並べ直したもの、と捉えてください。

AI Readyとは、AIが参照して外さない状態である

ここまで見てきた4層は、書かれていない、増やすと埋もれる、古い判断が残る、人が鵜呑みにする、と並べると別々に見えますが、行き着く問いは同じです。AIが参照して、答えを外さない状態とは、どんな状態か。ここではその状態を「AI Ready」と呼びます。

AI Readyの定義は、情報を増やすことでも、AIに考えさせることでもなく、判断を再現できる形に情報を整えることです。 AIが「参照して」「正しく解釈して」「使える」状態、と言い換えてもかまいません。なぜこの定義になるのかというと、4層のうち前3層はいずれも「参照先に何が・どう書かれているか」で決まるからです。判断が書かれていれば不在層は埋まり、業務トピック単位に絞って渡せば埋没層は防げ、更新が続いていれば鮮度層は防げます。情報を闇雲に増やすことは、むしろ埋没層を悪化させます。整える方向は「量を増やす」ではなく「再現できる形にする」です。

ここで整えているのは、規程やFAQのような管理する知識ではなく、その奥にある「なぜそう判断するか」という判断のほうです。狙いは、文書が増えることではなく、同じ条件なら同じ判断がAIの参照を通じて再現できること、つまり判断の品質保証にあります。

この「判断の品質保証」を、AI Ready化のゴールとして3点に分けておきます。シリーズを通して押している考え方です。1点目、対象は「文書があること」ではなく、「同じ条件なら同じ判断が再現できること」です。マニュアルが揃っていても、同じ状況で人によって判断が割れるなら、品質は保証されていません。2点目、単位はトピック（業務）ごとです。全社で一度に保証するのではなく、値引き判断なら値引き判断という業務単位で、参照を通じて判断が再現できるかを見ます。3点目、帰属を保ちます。誰の・どの条件での判断かを保ったまま条件付きルールにします。複数のベテランの判断を平均して一本にまとめると、どちらの判断の根拠も消え、再現性がかえって失われます。この3点を満たした状態が、AI Readyの到達点です。

ここで前提になるのが、AIが返した答えを、最後に人が受け入れられるかどうかです。流暢で高度に見える出力でも、担当者がその当否を判断できなければ現場では使えません。AI Readyとは、AIが答えを返せる状態であると同時に、人がその答えを判断して受け入れられる状態でもあります。これが4層でいう受け手層への備えにあたります。

なお「AI Ready」という言葉自体は、内閣府「AI戦略2019」をはじめ公的文書でも使われてきた概念で、当社の独自用語ではありません。ここでは「AIが参照して答えを外さないように、社内の知識、とくに判断を整えておくこと」という意味で使います。

整える対象を特定するために、AIが答えを外す原因を、もう一段だけ実務寄りに分けておきます。実際に起きる外し方をたどっていくと、必要な情報にそもそもたどり着けていない場合と、情報は届いているのに使い方を取り違えている場合に行き着きます。前者を参照の失敗、後者を解釈の失敗と呼んで分けておきます。先ほどの4層でいうと、不在層・埋没層が参照の失敗に、鮮度層と解釈のずれが解釈の失敗に、おおむね対応します。

参照の失敗必要な情報にたどり着けない失敗です。情報が多すぎて必要な文書が検索の上位に来ない、文書の単位が大きすぎて関係のない記述まで一緒に渡ってしまう、といった形で起きます。汎用的な例では、一つの部署マニュアルに10業務分の手順が詰め込まれていると、ある業務について尋ねても、関係のない9業務分の記述まで一緒に渡ってしまい、答えがぼやけます。対策は「絞って渡す」「業務トピック単位に分割する」です。

解釈の失敗情報は見つかったのに、使い方を間違える失敗です。どんな場面で使う知識なのかが書かれていない、通常時と例外時の記述が混在している、同じ用語を部署ごとに違う意味で使っている、といった形で起きます。汎用的な例では、「特急対応は半額の手数料を加算する」という記述があっても、それが通常時の話なのか繁忙期だけの例外なのかが書かれていないと、AIはどちらの場面にも当てはめてしまいます。対策は「使う条件の明記」「通常と例外の分離」「用語の統一」です。

この2つを潰していく作業がAI Ready化であり、ツールの乗り換えより先にやるべきことです。

AI Readyを作る5つの手順

AI Ready化は、対象を選び、判断を引き出し、構造化し、用語を揃え、効果を測る、という5ステップで進めます。言い換えると「判断を言語化し→構造化し→RAGに載せ→回答を検証する」という流れです。この流れのどこかが空のままだと、どれほど検索の性能が高くても欲しい答えは返ってきません。

ステップ1　対象トピックを選ぶ

全社一斉にやらないことが、成否を最初に分ける選択です。問い合わせが集中している判断業務を1〜2個だけ選びます。なぜ絞るのかというと、次のステップの判断の引き出しも、最後の効果測定も、対象が広いほど現実離れしていくからです。10業務を同時に扱おうとすると、ベテランへのヒアリングだけで何ヶ月もかり、効果を測る前に息切れします。1業務に絞れば、数週間で「判断を引き出し→カードにする→試す→測る」を一周でき、手応えが次の業務への燃料になります。

では、どの業務を選べばよいのでしょうか。まず、総務・情シス・経理・営業事務など、問い合わせを受けている窓口に「直近1ヶ月で多かった質問」を挙げてもらいます。次に、その質問を「答えがどこかの文書に書いてあるもの（管理する知識）」と「ベテランの判断を要するもの（継承する判断）」に仕分けます。AI Ready化で効くのは後者です。後者の中から、頻度が高く、かつ担当できる人が限られている業務を1つ選びます。頻度が高いほど効果が見えやすく、担当者が限られているほど属人化のリスクが大きいからです。

ビフォーアフターで言うと、ビフォーは「AIを全社の全業務に入れたが、どの業務でも一般論しか返らず、結局使われない」。アフターは「問い合わせが集中する1業務に絞り、その業務の踏み込んだ質問にAIが答えられるようになり、窓口の負荷がはっきり減る」です。

ステップ2　判断を引き出す

選んだ業務のベテランに質問します。このとき「マニュアルを書いてください」と頼んでも、判断基準は出てきません。ベテラン本人が、自分の判断基準を普段は意識していないからです。「なぜそう決めたのですか」と直接聞いても「経験です」「勘ですね」としか返らないことがほとんどです。判断基準がすぐに言葉にならないのは、本人が隠しているからではなく、まだ言葉として整理されていないからです。

そこで、知識工学の分野で使われてきた引き出しの手法を使います。この記事ではSkillRelayの独自手法としてではなく、知識を引き出すための一般的な5つの型として紹介します。このうちCDMは、消防士や看護師など専門家の現場判断を研究した心理学者ゲイリー・クラインらの「自然主義的意思決定（NDM）」に由来する手法です。

1. CDM（重要事例法）過去の具体的な判断を、本人にもう一度たどってもらう手法です。「最近、判断に迷った案件を一つ思い出してください。何を見て、最終的にどう決めましたか」と、実際の出来事に沿って聞きます。抽象的に基準を尋ねるより、具体的な場面のほうが言葉が出ます。
2. 対比法通した案件と落とした案件、OKにした例とNGにした例を並べ、その差を聞く手法です。「この案件は通したのに、似たこの案件は見送ったのは、何が違ったからですか」。差を言葉にする過程で、判断の分かれ目が浮かび上がります。
3. 境界条件プロービング　OKとNGの境目を探る手法です。「どこまでなら受けますか」「あと何が変わったら、判断はひっくり返りますか」と、ギリギリの線を聞きます。閾値が数値で出てくることもあります。
4. 仮想シナリオ（反実仮想）条件を変えたらどうなるかを聞く手法です。「もし納期が半分だったら、判断は変わりますか」「もし相手が新規の取引先だったら」。条件を動かすことで、判断が何に依存しているかが見えます。
5. 例外パターン通常フローに乗らない勘所を聞く手法です。「数字は悪くないのに、警戒したほうがよいのはどんなときですか」。ベテランの価値が最も出るのが、この例外への対応です。

汎用的な質問の型としては、「基準内なのに見送った案件はありますか」「もし納期が半分だったら判断は変わりますか」「数字は良いのに警戒したケースは」といった、境界条件と反実仮想を組み合わせた問いが効きます。引き出した内容は、後でカードにまとめるので、誰のどの発言かが分かる形で記録しておきます。ベテランの判断を問いで引き出す型のさらに詳しい使い方は、別記事『暗黙知はAIで形式知化できるのか』で掘り下げています。

ビフォーアフターで言うと、ビフォーは「ベテランに『基準を教えて』と聞いて『経験です』で止まる」。アフターは「具体的な過去案件を5つたどり、対比と境界を聞くことで、『利益率が◯%を下回る、かつ継続見込みが薄い案件は見送る』といった条件付きの言葉になる」です。

ステップ3　1業務1カードに構造化する

引き出した内容を、AIが参照しても外しにくいよう、最小の単位に整えます。トピックカードと呼ぶ、1業務1枚の型です。「1業務1カード」と「例外は別カード」を守ることが、解釈の失敗を防ぐ要になります。

カードは次の項目で書きます。状況の定義は「5W＋WHICH」で固定します。

• 【トピック名】現場で実際に使われている言い方（検索で外さないため、正式名称より現場の呼び方を優先）
• 【状況の定義】WHO（誰が）・WHEN（いつ）・WHY（何のために）・WHAT（どの文書・システムを参照するか）・WHICH（通常か／例外か）
• 【結論】OK・NGの結論
• 【やり方】手順（手順層）
• 【考え方】判断基準・数値（判断層。「なぜそう決めるか」をここに書く）
• 【禁止事項】やってはいけないこと

このカードは、手順層（やり方）と判断層（考え方）の二層で構成します。従来のマニュアルは手順層だけで止まりがちでしたが、踏み込んだ質問に答えるには判断層が必要です。

特に外してほしくないところが2つあります。

1つ目は、例外は必ず別カードに分けることです。通常と例外を1枚に混ぜると、AIはどちらの記述を根拠にすべきか区別できず誤答の原因になります。ビフォーアフターで示します。ビフォーは、1枚のカードに「通常は3%まで値引き可。ただし期末で在庫過多のときは10%まで可」と混ぜて書いた状態です。AIは期末でない平常時にも「10%まで可」を拾ってしまう可能性があります。アフターは、通常カードに「3%まで」、例外カードに「期末・在庫過多のときは10%まで」と分け、それぞれのWHICHを「通常／例外」と明記した状態です。これで、AIは状況に応じてどちらのカードを根拠にすべきかを区別できます。

2つ目は、複数のベテランで判断が異なるとき、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値にした瞬間、どちらの判断の根拠も消えてしまいます。汎用的な例では、Aさんは「利益率が条件Xを下回ったら見送る」を重視し、Bさんは「継続見込みが条件Yを満たすなら受ける」を重視していたとします。これを「だいたい中間で」と一本化すると、AさんもBさんも「自分の判断とは違う」と感じ、現場で使われなくなります。中間ルールにせず、誰の・どの条件での判断かの帰属を保ったまま2本の条件付きルールとして残します。どちらを適用するかは、案件の条件で分岐させます。一本化しない理由は、判断は条件に依存しており、平均すると条件が消えて再現性が失われるからです。

ステップ4　用語を統一する

文書をAIに載せる前に、同じ言葉が部署によって違う意味を持っていないかを揃えます。揃えないと、AIは「長期顧客には〜する」という記述について、どこかの部署の定義を勝手に前提にして答えてしまい、それが質問者の想定と食い違います。これは4層でいう解釈の失敗、用語のずれにあたります。

例を挙げます（当社ウェビナー第2回で使っている説明用のサンプルです）。「長期顧客」という言葉の定義が、営業では「取引2年以上」、カスタマーサポートでは「3年以上」、経理では「契約更新2回以上」とバラバラだったとします。このまま文書をAIに読ませると、「長期顧客には〜する」という記述について、AIはどれかの定義を前提に答えてしまいます。それが質問した人の想定と同じとは限りません。統一定義（例　取引開始から3年以上）を先に決めてから載せる必要があります。

用語を揃える手順は3段です。まず、各部署が手元で実際に使っている定義やメモ（いわゆる虎の巻）を出してもらいます。次に、同じ用語が部署ごとにどう違うかの差分を一覧にします。最後に、統一定義を一つ決め、それを各カードに反映します。順番が大切で、いきなり「統一定義はこれです」と上から決めると現場の実態とずれた定義になりがちです。先に実態を集めてから差分を見て統一する、という順にすると、現場が納得しやすく、後から覆りにくくなります。

ビフォーアフターで言うと、ビフォーは「『長期顧客』という言葉が3部署で別の意味のまま文書がAIに載り、回答が部署によって食い違う」。アフターは「虎の巻を突き合わせて統一定義を決め、全カードで同じ意味に揃い、誰が尋ねても同じ前提で答えが返る」です。

ステップ5　効果を測定する

導入前に、必ず現状値を取ります。最低限とりたいのは、対象業務への問い合わせ件数です。試験導入を始めたら、回答の精度（質問に対して使える答えが返った割合）も記録します。「導入前の数値を取っていなかった」という失敗は、当社が導入支援の現場で最もよく見かけます。これを欠くと、改善もできなければ効果の証明もできなくなります。

現状値の取り方を具体化します。問い合わせ件数は窓口に届いたメール・チャット・口頭の質問を、対象業務に関するものだけ、1〜2週間カウントします。完璧に数える必要はなく、「導入前はだいたい週◯件だった」という基準が取れれば十分です。回答の精度は試験導入後に、利用者が「この答えは使えた／使えなかった」を記録していく形で測ります。母数が小さくてかまわないので、まず数十件で割合を見ます。

測定の枠組みは、研修評価の定番として知られるカークパトリックの4段階（Kirkpatrick, 1959/1994）に当てはめると整理しやすくなります。

• 反応　使いやすいか
• 学習　答えが当たるか
• 行動　現場で実際に使われているか
• 成果　問い合わせは減ったか

いずれの段階でも、測るべきは「文書が増えたか」ではなく「同じ判断が再現できているか」です。これがステップ1〜4で目指してきた判断の品質保証の確認にあたります。

なお当社では、AIの回答精度について「導入1ヶ月で60%、3ヶ月で75%、6ヶ月で85%」を目安に改善サイクルを回しています。これは実績の保証値ではなく、当社の運用上の目安です。経験上、精度が60%を下回る状態が続くと、利用者に「使えない」と見なされて利用自体が止まりやすいため、最初の1ヶ月で60%に乗せることを目標に置いています。

ビフォーアフターで言うと、ビフォーは「導入したが、効果を聞かれても『なんとなく便利になった』としか言えず、次の予算が取れない」。アフターは「導入前の問い合わせ件数と回答精度の推移を示し、『対象業務の問い合わせが◯割減り、精度は◯ヶ月で◯%に乗った』と説明でき、次の業務への展開が承認される」です。

AI Ready化でつまずきやすい疑問

5つのステップは、説明だけ読むと一本道に見えますが、実際に動かすと各ステップの入口で手が止まります。ここでは、ステップごとに現場で出やすい疑問を拾い、実務上の答えを整理します。

対象業務を1つに絞れないときの選び方

問い合わせの量が並んでいて選べないときは、量とは別の3つの軸で見ると決まります。

1つ目は、担当できる人の数です。問い合わせが同じくらい多くても、5人が答えられる業務と、1人しか答えられない業務では、後者のほうが属人化のリスクが大きく、止まったときの影響も大きくなります。担当者が限られている業務を優先します。

2つ目は、判断の比率です。問い合わせの中身を見て、「文書に書いてある場所を尋ねるだけ」のものが多い業務と、「どう判断するか」を尋ねるものが多い業務に分けます。AI Ready化で差が出るのは後者です。判断を要する問い合わせの比率が高い業務を選びます。

3つ目は、ベテランが協力してくれるかです。ステップ2でベテランの時間を借りるので、本人が前向きな業務から始めると最初の一周がうまくいきやすくなります。協力が得にくい業務は、最初の成功事例ができてから着手するほうが現実的です。

汎用的な例では、問い合わせ件数が同程度のA業務とB業務があり、A業務は3人が対応できて質問の多くが「場所を尋ねるだけ」、B業務は1人しか対応できず質問の多くが「どう判断するか」だったとします。この場合はB業務を選びます。属人化が深く、判断の比率が高く、効果が見えやすいからです。

ベテランが「勘ですね」で止まるときの聞き直し方

ベテランが「勘です」としか言わないのは隠しているのではなく、判断基準が言葉になっていないからです。抽象的に「基準は何ですか」と聞くと出てきません。具体案件、対比、条件変更の3方向から聞き直します。

1つ目は、抽象を聞かず具体を聞くことです。「基準は何ですか」ではなく、「最近、判断に迷った案件を一つ思い出してください。何を見て決めましたか」と、実際にあった出来事に沿って聞きます（CDM）。具体的な場面のほうが、記憶とともに言葉が出てきます。

2つ目は、二つ並べて差を聞くことです。「この案件は受けたのに、似たこの案件は断ったのは、何が違ったからですか」（対比法）。差を説明しようとすると、本人も意識していなかった分かれ目が言葉になります。

3つ目は、条件をずらして聞くことです。「もしこの条件が変わったら、判断は変わりますか」「どこまでなら受けますか」（仮想シナリオと境界条件プロービング）。条件を動かすことで、判断が何に依存しているかが見えてきます。

汎用的な例では、「与信の基準は」と聞いて「勘です」で止まっていたベテランに、「直近で与信を厳しめにした取引先を一つ挙げてください。何が引っかりましたか」「同じ業種で通したところとは、何が違いましたか」「もし取引額が半分だったら、通しましたか」と重ねていくと、「決算書の数字より、支払いサイトの変更要求が出たかどうかを見ている」といった、本人も明文化していなかった手がかりが出てきます。これを、誰の発言かを保ったままカードの判断層に書きます。

1業務1カードの粒度で迷ったときの分け方

粒度は「実際に参照される単位」で切ると決まります。判断は一つの文書やシステムで完結せず、複数を跨いで成立することが多いので、教科書的な業務分類ではなく現場で一度に参照される塊を1カードにします。

判断の目安は2つです。1つ目は、「その業務について踏み込んだ質問が来たとき、このカード1枚を見れば答えられるか」です。1枚で答えられないなら、足りない情報を同じカードに足します。逆に、1枚に複数の業務の判断が混ざっていて、状況によって使う部分が変わるなら、カードを分けます。2つ目は、WHICH（通常／例外）で分かれるなら迷わず別カードにすることです。

汎用的な例では、「請求業務」という大きすぎる単位で1カードにすると、通常請求・前払い・分割・督促の判断が一枚に混在し、AIがどれを根拠にすべきか区別できません。これを、「通常請求の判断」「督促の判断（例外）」のように、参照される場面で分けます。逆に、「督促の一次連絡」と「督促の二次連絡」が常に一続きで参照されるなら、無理に2枚に割らず1枚にまとめます。「業務名で切る」のではなく「参照される塊で切る」と覚えると、粒度が安定します。

判断が食い違うときに1本化してはいけない理由

複数のベテランで判断が割れるときは、平均して中間のルールを作るのではなく、それぞれの判断を適用条件つきの別々のルールとして残します。

1本にまとめてはいけない理由は、判断が条件に依存しているからです。Aさんが条件Xを重視し、Bさんが条件Yを重視するとき、二人の違いは「どちらが正しいか」ではなく、「どんな状況を念頭に置いているか」の違いであることが多いものです。これを「だいたい中間で」と平均すると、AさんもBさんも「自分が見ている状況では、それは違う」と感じます。結果として、どちらの判断の根拠も消え、現場で使われなくなります。

汎用的な例では、値引き判断について、Aさんは「利益率が条件Xを下回る案件は、継続見込みがあっても見送る」、Bさんは「継続見込みが条件Yを満たすなら、利益率が多少低くても受ける」だったとします。これを「利益率と継続見込みを総合的に勘案して判断」と丸めると、何も言っていないのと同じになります。残し方は、「利益率が条件Xを下回る場合は見送る（Aの基準）」と「継続見込みが条件Yを満たす場合は、利益率が条件Xを下回っても受ける（Bの基準）」を、それぞれ誰の判断かを保ったまま条件付きで書き、どちらを適用するかは案件の条件で分岐させます。帰属を保つことで、後から「この判断はどういう考えから来たのか」をたどれるようになります。

現場の言葉を変えずに用語をそろえる方法

用語統一でそろえるのは「意味」であって、現場の「呼び方」を奪う必要はありません。反発の多くは慣れた言い方を取り上げられることへの抵抗なので、呼び方は残したまま意味を一つに揃える設計にすると摩擦が小さくなります。

具体的には、まず統一する定義を一つ決めます。次に、各部署が使っている呼び方を、その定義に「ひもづけ」として登録します。「長期顧客（営業の呼び方）＝取引開始から3年以上」「お得意様（CSの呼び方）＝取引開始から3年以上」のように、呼び方は複数あってよく、指している意味が同じであればAIは正しく扱えます。揃えるのは意味の側です。

それでも反発が残るときは、定義を上から押しつけず、ステップ4の手順どおり、先に各部署の実態（虎の巻）を集めてから差分を見せます。「営業は2年、CSは3年で運用していました。このままだと同じ言葉でAIの答えが食い違います」と、揃えないと困ることを具体的に示すと納得が得やすくなります。呼び方は残す、揃えるのは意味、決め方は実態から、の3点で進めます。

導入前の数値がなくても効果を測る方法

導入前の現状値を取り損ねても、効果をまったく測れなくなるわけではありません。後から復元する方法と、これから測り始める方法の二段で対応します。

復元できるものは復元します。問い合わせ件数なら、メールやチャットの履歴をさかのぼって、対象業務に関する質問を数えられることがあります。完璧でなくてよく、「導入前はおおむね週◯件あった」という水準が分かれば比較の基準になります。

復元できない場合は、これから測り始めます。導入前と後の比較ができなくても「導入後、月を追うごとに回答精度がどう変わるか」「問い合わせ件数が今後どう推移するか」は、今から記録すれば追えます。加えて、利用者へのアンケートで「導入前と比べて探す手間は減ったか」を主観で聞くと、定量データの欠けを補えます。次の業務に展開するときには、今度こそ導入前の数値を取る、と決めておけば同じ取りこぼしを繰り返しません。

AI Readyかどうかを見抜く8問

ツール導入の前に、自社の文書がAIに渡せる状態かを確かめるためのチェックリストです。対象にしたい業務を1つ思い浮かべて、はい／いいえで答えてください。各問に、なぜその問いが効くのかと「はい」に近づける最初の一手を添えました。

この8問は、印刷して書き込めるExcel付録「AI Ready診断8問」としても別添に用意しています。設問・記入欄・不足時の対処（どのステップへ）・判定の見方を1枚にまとめています。

1. その業務の判断基準は文書になっている（いいえ→ステップ2）

   なぜ効くか　不在層を直接見る問いです。判断が文書になければ、AIは一般論で埋めるしかありません。

   最初の一手　ベテランに過去案件を一つたどってもらい、判断の手がかりを一行だけ書き出します。

2. 判断基準は「〜の場合は〜する」という条件つきの形で書かれている（いいえ→ステップ3）

   なぜ効くか　条件のない「総合的に判断する」は、AIにとって基準として使えません。

   最初の一手　既存の基準を一つ選び、「どんな条件のとき」を頭につけて書き直します。

3. 通常時の対応と例外時の対応は分けて書かれている（いいえ→ステップ3）

   なぜ効くか　通常と例外が混在すると、AIがどちらを根拠にすべきか区別できません。

   最初の一手　いちばん混ざりやすい1業務で、例外の記述を別の場所に切り出します。

4. 文書には「誰が・いつ使う知識か」という使う場面が書かれている（いいえ→ステップ3）

   なぜ効くか　使う場面（5WのWHO・WHEN）がないと、AIは場違いな場面で当てはめます。

   最初の一手　主要な手順書の冒頭に、想定する利用者と利用場面を一行足します。

5. 主要な用語の定義は部署間で揃っている（いいえ→ステップ4）

   なぜ効くか　同じ用語が部署で違う意味だと、回答が部署によって食い違います。

   最初の一手　食い違いが起きやすい用語を3つ挙げ、各部署の定義を並べてみます。

6. 文書は業務トピック単位に分割されている（いいえ→参照の失敗の対策）

   なぜ効くか　1文書に多業務が詰まっていると、関係のない記述まで渡り埋没層が悪化します。

   最初の一手　いちばん大きい文書を一つ選び、業務ごとに見出しで区切ります。

7. AIに読ませる文書は対象業務に関係するものに絞り込めている（いいえ→参照の失敗の対策）

   なぜ効くか　関連の薄い文書はノイズになり、必要な情報が上位に来なくなります。

   最初の一手　登録予定の文書から、対象業務に関係しないものを一旦外します。

8. 対象業務への問い合わせ件数など、導入前の現状値を測っている（いいえ→ステップ5）

   なぜ効くか　現状値がないと、改善も効果の証明もできません。

   最初の一手　対象業務への問い合わせ件数を、まず数え始めます。

判定の目安は次のとおりです。

「はい」が6問以上なら、RAG導入で効果が出やすい状態です。次の行動は、対象業務に絞ってAIチャットを試験導入し、ステップ5の効果測定を回し始めることです。すでに参照先が整っているので、検索の体験を良くするツール選定に進んでかまいません。

3〜5問なら、部分導入と並行して、上流（判断の言語化・構造化）の整備を進めてください。次の行動は、「いいえ」だった問いに対応するステップから着手することです。たとえば2と3が「いいえ」なら、ステップ3のカード化を1業務分だけ先に回します。整った範囲からAIに載せ、整っていない範囲は無理に載せません。

2問以下なら、ツールを先に買わないでください。最初の仕事は、判断の言語化です。次の行動は、ステップ1で対象業務を1つ選び、ステップ2でベテランへの最初の質問を始めることです。この段階でツールを買っても、参照先が空のままなので、どのツールでも一般論しか返りません（最初の1ヶ月の進め方は、後半のFAQでも具体化しています）。

AIナレッジツールを選ぶ前に見るべき類型

社内AI検索・AIナレッジマネジメントのツールは、大きく3つの類型に分かれます。

どの類型が向くかは、自社の状況で変わります。それぞれ、向く状況の判断基準と、選ぶ前に確かめておく質問を挙げます。

検索型が向くのは、文書はそれなりにあるが、複数のシステムや部門に散らばっていて「どこにあるか分からない」が主な困りごとの場合です。判断基準は「探す手間がボトルネックか、判断が書かれていないことがボトルネックか」です。前者なら検索型が効きます。確認質問は「散らばった文書を一箇所に集約せずに横断できるか」「アクセス権限を保ったまま検索できるか」です。ただし、検索型は探す体験を良くするもので、不在層（判断が書かれていない）は解消しない点に注意が必要です。

チャット型が向くのは、定型的な問い合わせが特定の窓口に集中していて、その一次回答を肩代わりさせたい場合です。判断基準は「同じような質問が繰り返し来ているか」です。繰り返しが多いほど、チャット型の効果が見えやすくなります。確認質問は「回答に出典（参照した文書）が表示されるか」「答えられない質問を人に引き継ぐ導線があるか」です。

プラットフォーム型が向くのは、ナレッジ整備そのものをこれから立ち上げる場合や、判断の引き出し・構造化・用語統一といった上流から手をつけたい場合です。判断基準は「整える対象（参照先の中身）から作る必要があるか」です。確認質問は「文書を載せる前の整備（カード化・用語統一）を支援する機能があるか」「更新の仕組みが用意されているか」です。

選定にあたっては、どの類型を選ぶにせよ、次の4点を一度確かめておくと安全です。それぞれ、なぜ効くかと確認のしかたを添えます。

• アクセス権限の引き継ぎ元の文書で閲覧制限のある情報が、AIの回答に混ざらない設計か。なぜ効くかというと、RAGは検索した内容を要約して返すため、権限管理が甘いと、本来見えないはずの情報が回答経由で漏れます。確認のしかたは、権限の異なる利用者で同じ質問をして、回答が分かれるかを試すことです。
• 機密データの取り扱い入力した社内データが外部モデルの学習に使われない契約・設定か。なぜ効くかというと、社内文書には外に出せない情報が含まれるためです。確認のしかたは、学習利用の有無を契約条項とサービス設定の両方で確かめることです。
• ハルシネーション対策回答に出典（参照した文書）が表示され、根拠を確かめられるか。なぜ効くかというと、出典が見えれば、利用者が答えの当否を確かめられ、4層でいう受け手層のリスクを下げられるためです。確認のしかたは、回答に必ず参照元が併記されるか、その参照元をワンクリックで開けるかを見ることです。
• 運用体制回答精度の検証と文書の更新を、誰がどの頻度で回すか。なぜ効くかというと、更新が止まると鮮度層の問題が再発するためです。確認のしかたは、ツール側に更新候補を知らせる仕組みがあるか、更新の担当と頻度を決められるかを確かめることです。

ツールの中には、回答精度を担保する方法として「検証済みのナレッジ」を掲げるものもあります。専門家が内容を確認した正しい事実だけをAIに参照させる、という考え方です。これは事実の正しさを保証する有効なアプローチですが、この記事で見てきたAI Ready化とは目的の層が違います。検証済みナレッジが保証するのは「書かれている事実が正しいこと」です。一方、AI Ready化が目指すのは「同じ条件なら同じ判断が再現できること」、つまり判断再現性です。事実が正しいことを担保しても「どんな条件のときに、どう判断するか」が書かれていなければ踏み込んだ質問には答えが出ません。検証済みかどうか（事実の層）と、判断が条件付きで書かれているか（判断の層）は、別々に確認する項目だ、と分けて捉えておくと、選定時の見え方を誤りにくくなります。

そのうえで、この記事の観点から選定軸を1つ加えます。「上流」を支援する機能があるかです。ここまで見てきたとおり、AI検索の成否は参照先の中身で決まります。そこで、判断の引き出し・構造化・用語統一といった上流の整備を助ける仕組みをツールが持っているかを見ます。具体的には、ベテランへのヒアリングを支援する、引き出した判断をカード形式に整える、部署ごとの用語の差分を洗い出す、更新候補を知らせる、といった機能です。検索の性能だけで選ぶと、参照先に判断が書かれていないという最初の問題に戻ってしまいます。上流を誰がどう支えるかは、ツールの内蔵機能で賄うのか、運用と人手で賄うのかも含めて、選定時に決めておくとよい論点です。

よくある質問

Q. RAGとAIナレッジマネジメントは、何が違うのですか

いったん用語を分けて押さえると、選定や社内説明で混乱しません。RAGは技術方式の名前で、AIが回答前に文書を検索し、見つかった内容を根拠に答えを組み立てる仕組みを指します。AIナレッジマネジメントはRAGなどの技術を使って社内の知識の蓄積・検索・活用を支援する取り組みの全体を指します。たとえば「RAGを使った社内チャットを導入して、ナレッジマネジメントを改善する」という言い方になります。RAGは手段、AIナレッジマネジメントは目的を含んだ取り組み全体、と対応させてください。

Q. 社内AIチャットの回答精度を上げるには、どうすればよいですか

精度が上がらないとき、最初に手をつけるべきはモデルの変更ではなく、参照文書の整備です。理由は、この記事で見たとおり、踏み込んだ質問に答えが出ない原因の多くが、モデルの賢さではなく参照先の中身（不在層・埋没層・鮮度層）にあるからです。具体的には、業務トピック単位への分割、「〜の場合は〜する」という条件の明記、通常と例外の分離、用語の統一です（本文の5ステップを参照してください）。これらを整えてもなお精度が頭打ちなら、そのときに初めてモデルや検索方式の見直しを検討します。

Q. 何から始めればよいですか

着手の順番は決まっています。問い合わせの多い業務を1つ選び、「AI Ready診断（8問）→判断の引き出し→小さく導入」の順です。全社一斉のツール導入から始めないことが、結果的に早く効果につながります。1業務で一周回すと、何が効いて何がつまずくかが具体的に見え、次の業務への展開がスムーズになるからです。

Q. AIを使いながら若手の判断力を育てる方法

AIの便利さが若手の考える工程を肩代わりしてしまう。これは4層でいう受け手層の問題で、放っておくと若手の判断力が育ちません。対策は、AIに聞く順番を変えることです。先にAIに答えを出させるのではなく、若手にまず自分の仮説を出させてからAIの回答と突き合わせます。

具体的な学習ループを、汎用的な例で挙げます。若手にまず、その案件の判断について自分の仮説を3つ出させます。次に、AIに過去事例や関連条件を提示させ、自分の仮説と突き合わせます。最後に、ベテランが、若手の仮説とAIの回答の両方を見て、見落としを指摘します。この順にすると、AIは若手の思考を肩代わりするのではなく、自分の考えと照らし合わせる相手になります。AIの出力をそのまま採用させるのではなく、「なぜその答えが妥当か」「どの条件なら外れるか」を若手に説明させることも、考える工程を残すのに効きます。なお、高校数学で行われた無作為化比較試験では、練習中にそのまま答えを出すAIを使った生徒は、AIを外した最終試験ではAIを一度も使わなかった生徒より成績が下がった一方、答えを渡さずヒントだけ出す設計にすると、その悪影響がほぼ消えたと報告されています（出典　Bastani, H. et al. “Generative AI Without Guardrails Can Harm Learning: Evidence from High School Mathematics,” PNAS, 2025）。設計しだいで、AIは判断力を育てる側にも空洞化させる側にも振れます。

Q. ベテランが「AIに仕事を奪われる」と感じて協力してくれません。どう巻き込めばよいですか

ベテランが非協力的に見えるとき、本人を責めても動きません。知識はベテランにとって自分の価値や立場と結びついているので、「吸い上げられる」と感じると守りに入るのが自然です。巻き込みでは、知識を出すほど立場が下がるのではなく、出すほど役割が高まる設計にします。

具体的には、ベテランを単なる情報提供者ではなく、AI回答の監修者、若手演習のレビュアー、判断基準の認定者として位置づけます。たとえば、AIが返した答えをベテランが「この条件ならこの答えでよい／この場合は違う」と監修する役割を担えば、知識を出すことが「自分の判断が会社の基準になる」という形で報われます。協力を「吸い上げ」ではなく「次世代への貢献」として設計し、その貢献が評価される仕組みを添えると守りが解けやすくなります。

Q. 一度作ったカードが古くなります。更新を止めないための仕組みはどう設計すればよいですか

カードは作って終わりではなく、業務条件や顧客が変われば古くなります。更新が止まると、4層でいう鮮度層の問題が再発し、AIが古い判断を返すようになります。更新を止めないには、更新を「思い出したらやる作業」にしないことです。

仕組みは3つの要素で設計します。1つ目は、利用ログを見ることです。どのカードがよく参照され、どのカードが「使えなかった」と記録されたかを見れば、直すべきカードが分かります。2つ目は、訂正の経路を作ることです。現場で「このカードは現行と違う」と気づいた人が、その場で修正を申請でき、誰かが承認して反映する流れを決めておきます。3つ目は、廃止の基準を持つことです。各カードに適用条件と版を持たせ、条件が変わったら古い版を廃止します。誰が・いつ・どの頻度で更新を回すかを決めておくことが、止めないための前提になります。

Q. RAGの精度を上げるために、まずモデルを最新版に替えるべきですか

替えたくなる気持ちは分かりますが、最初の一手としては勧めません。理由は、踏み込んだ質問に答えが出ない原因の多くが、モデルの賢さ（生成の工程）ではなく参照先の中身（検索の工程）にあるからです。判断が参照先に書かれていなければ、どれだけ賢いモデルでも根拠にできる材料がないため一般論で埋めます。最新版に替えても、不在層・埋没層・鮮度層はそのまま残ります。まず参照先を整え、それでも精度が頭打ちになったときに、モデルや検索方式の見直しを検討する、という順番が費用対効果に合います。

Q. AI Ready診断で「はい」が2問以下でした。最初の1ヶ月で何から手をつければよいですか

「はい」が2問以下のときは、ツール選定を一旦止めて、参照先を作る側に時間を使います。最初の1ヶ月は、ツールではなく1業務分のカードを作ることに集中します。

週単位の目安を挙げます。1週目は、ステップ1の対象業務の選定です。問い合わせ窓口に直近の質問を出してもらい、判断を要する業務を1つに絞ります。2〜3週目は、ステップ2の判断の引き出しです。選んだ業務のベテランに、CDM・対比法・境界条件の問いで過去案件をたどってもらい、判断の手がかりを記録します。4週目は、ステップ3のカード化です。引き出した内容を、通常と例外を分け、5W＋WHICHで状況を固定して、1業務1カードにまとめます。この1ヶ月で、ツールに載せられる参照先が1業務分できます。あわせて、ステップ5に備えて、対象業務への問い合わせ件数を1週目から数え始めておくと後で効果を示せます。

Q. 社内文書はそれなりにあるのに、踏み込んだ質問に弱いのはなぜですか

文書の量と、踏み込んだ質問に答えられるかは別の話だからです。社内にある文書の多くは規程・手順・FAQといった「管理する知識」です。これは「何をするか」「どこにあるか」は書いてありますが、「どんな条件のとき、なぜそう判断するか」という「継承する判断」は、ほとんど書かれていません。踏み込んだ質問はこの継承する判断を尋ねています。文書がいくらあっても、判断が書かれていなければAIは一般論で埋めるしかありません（4層でいう不在層）。加えて、文書が多いほど必要な情報が埋もれやすくなる（埋没層）ので、量があること自体が、かえって精度を下げていることもあります。直す方向は、文書を増やすことではなく、判断を引き出して条件付きで書き、絞って渡すことです。

ツールの前に判断をAIに渡せる形へ

生成AIは、ナレッジマネジメントの「探して読む」工程を大きく改善しました。規程・手順・FAQといった、すでに書かれた知識を探し出して使う場面では、確かに効果が出ます。一方で、AIは参照先に書かれていないことを返せません。社内で本当に欲しい「ベテランの判断」が文書のどこにもなければ、どのツールを選んでも返ってくるのは一般論です。

なぜ踏み込んだ質問に答えが出ないのかは、〈AIが答えを外す4層〉で見通せます。判断がそもそも書かれていない不在層、増やすほど埋もれる埋没層、更新が止まって古くなる鮮度層、人が一般論を鵜呑みにする受け手層。前の3つは参照先の問題、最後の1つは受け手側の問題です。

やるべきことは、順番にあります。先に、問い合わせの集中している業務を1つ選びます。判断を引き出し、帰属を保った条件付きルールとして構造化し、用語を揃えます。AI Readyになった範囲からAIを載せ、導入前に取った現状値と比べて検証する。この順番です。測るべきは「文書が増えたか」ではなく「同じ条件なら同じ判断が再現できているか」という判断の品質保証です。

ツール選定から始めたくなったら、AI Ready診断の8問を思い出してください。「はい」が2問以下なら、最初にやるべきことはツールの比較ではなく、ベテランへの最初の質問です。

関連記事

• ナレッジマネジメントはもう古いのか　従来のナレッジマネジメントの限界を見る
• 暗黙知をAIで形式知化する方法　AIが暗黙知を扱える範囲を確認する
• ナレッジマネジメントの基礎と導入手順　基礎概念から整理する

※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。導入前に自社の文書がAIに渡せる状態かを確かめられる「AI Ready診断（8問）」の配布版（Excel付録「AI Ready診断8問」。印刷して使えます）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）
• 内閣府 (2019)「AI戦略2019」
• Liu, N. F. et al. (2024) “Lost in the Middle: How Language Models Use Long Contexts,” Transactions of the Association for Computational Linguistics, 12
• 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）
• Bastani, H. et al. (2025) “Generative AI Without Guardrails Can Harm Learning: Evidence from High School Mathematics,” PNAS
• Parasuraman, R. & Manzey, D. H. (2010) “Complacency and Bias in Human Use of Automation: An Attentional Integration,” Human Factors, 52(3)
• Kirkpatrick, D. L. (1994) Evaluating Training Programs: The Four Levels, Berrett-Koehler（4段階評価の初出は1959年の論文連載）