「うちの業務は複雑すぎて AI では無理」の正体
ベテランの田中さんは、問い合わせを見た瞬間に「これは総務に回す案件」と判断できます。なぜ分かるのかと聞くと「長年の勘」としか答えられません。この状態で AI を入れても、AI は田中さんの判断を真似できません。AI が参照できるのは、文書やデータになっている知識だけだからです。
「業務が複雑すぎて AI では無理」と言われる場面の多くは、業務が複雑なのではなく、必要な知識が田中さんの頭の中にしかないことを意味しています。
- 暗黙知: 経験や勘として身についているが、言葉や文書になっていない知識。判断の根拠を説明しにくい。
- 形式知: 言葉・数値・図表で表され、マニュアル・FAQ・判定フロー・対応履歴として共有できる知識。
- ナレッジマネジメント: 個人に属する知識を整理・共有して、組織として使える状態にする取り組み。AIエージェント導入の前提条件です。
AIエージェントの「記憶」にあたるナレッジベースには、形式知しか入りません。モデルの性能をいくら上げても、暗黙知には届きません。
暗黙知が形式知にならない2つの壁
「マニュアルを書いてください」と頼んでも、たいてい出てきません。原因は怠慢ではなく、構造的な壁が2つあるからです。
- 言語化の難しさ。 熟練者ほど判断基準が無意識になっていて、自分でも説明できません。これは熟練の本質的な性質です。対策は、「どう判断していますか」と聞くのではなく、実際の案件を見せて「これはなぜ総務なのか」「こちらとどこが違うのか」と問いかけを設計することです。
- 知識の囲い込み。 「自分しか知らない」ことが職場での存在価値だと感じている人にとって、共有は自分の価値を下げる行為です。組織の利益と個人の利益が相反しています。対策は、知識が AI を通じて組織の資産になるという位置づけを明確にすることと、知識の提供を評価制度に組み込むことです。
RAG とファインチューニング：レシピ本か、シェフの修行か
ナレッジを AI に使わせる方法は2つあります。
- RAG: 回答するたびにナレッジベースを検索し、見つけた情報をもとに答える。料理のたびにレシピ本を開くやり方です。
- ファインチューニング: 自社のデータを追加で学習させ、モデル自体を特化させる。シェフ本人に覚え込ませるやり方です。
ファインチューニングには注意点が2つあります。学習用のデータを「この入力にはこの出力」と分かる形に整える手間が大きいこと、そして知識が変わるたびに再学習が必要なことです。価格・制度・規約・FAQ のように更新が多い情報には、文書を差し替えるだけで済む RAG が向きます。実務では併用が多く、文体や口調や専門用語の使い方はファインチューニング、最新情報や規程は RAG、という分け方になります。
どちらを選んでも、知識が整理されていなければ機能しない点は同じです。RAG の答えが変だと「AI の精度が低い」と言われがちですが、原因の多くはナレッジベース側にあります。誤った文書があれば自信を持って誤答し、古い文書があれば古い答えを正しいものとして返し、文書の粒度が粗ければ曖昧に答えます。
SECI モデル：知識が組織を回る4つの段階
知識経営の研究者、野中郁次郎が提唱した SECI モデルは、知識が人から人へ、暗黙知と形式知の間を行き来しながら増えていく循環を4段階で示します。AI 導入と結びつけて覚えます。
| 段階 | 何が起きるか | AI 導入での姿 |
|---|---|---|
| 共同化 | 暗黙知が、一緒に体験することで暗黙知のまま伝わる | インタビューの文字起こしや作業動画の解析で、暗黙知の採取が効率化される |
| 表出化 | 暗黙知が言葉になり、形式知に変わる | 言語化した判断基準をチャットボットやワークフローに実装する。AI 導入と最も関係が深い段階 |
| 連結化 | 形式知どうしを組み合わせて新しい形式知を作る | 複数エージェントの統合、社内ナレッジベースと外部データベースの連携 |
| 内面化 | 形式知が実践を通じて身体化し、新しい暗黙知になる | 新人が AI を使いながら業務を覚え、やがてガイドなしで判断できるようになる |
運用後に新人が「AI はこういうケースを苦手にしている」と気づいてフィードバックするのは、気づき（暗黙知）を言葉にしている行為なので表出化です。この循環を人の善意だけで回し続けるのは難しく、AI が間に入ることで、個人に止まっていた知識が資産として回り続けます。
早すぎる最適化の罠
「AI を入れるなら、まず社内の知識を全部整理しよう」。この判断は失敗しがちです。対象業務が決まる前に全部を整理しようとすると、必要性の低い情報まで含めてプロジェクトが長期化します。順番は逆で、まず解決する業務課題を決め、その課題に必要な知識から優先的に形式知化します。頻度の高いものから段階的に広げれば十分です。
試験で問われる観点
- ベテランの判断基準が文書化されていない状況で最初に取り組むべきこと（文書化してナレッジベースに取り込む）。
- 4つの活動を SECI の4フェーズ（共同化・表出化・連結化・内面化）に振り分ける。
- 運用後に新人が気づいた AI の苦手パターンをフィードバックする行為は表出化。
- RAG とファインチューニングの使い分け。更新頻度の高い情報には RAG。
- 「AI の精度が低い」の多くはナレッジベースの問題。
- 全部を整理してから始めるのは早すぎる最適化。課題に必要な知識から優先する。