業務を変えずに社内ナレッジを貯めるには？──設計1回、あとは会議の録音を渡すだけの2段階

Q01業務を変えずに、社内ナレッジを貯めるにはどうすればいいですか？

2段階に分けます。第1段階で「どの業務の、どんなナレッジを、どう引き出したいか」の構造を1回だけ設計する。第2段階は、普段の会議や打ち合わせを録音してAIに渡すだけ。この形にすると、業務フローを一切変えずに、燃料が貯まり続けます。

ポイントは、設計は1回、蓄積は仕組みに任せる という分担です。2つ目さえ仕込んでしまえば、現場の人は普段どおり喋っているだけでいい。この「業務を変えない」が、続くかどうかの分かれ目になります。

Q02社内の文書を「とりあえず全部集める」やり方は、なぜうまくいかないのですか？

燃料は、集める前に「どう持つか」を決めないと使えないからです。社内にある文書の大半は形式の決まっていない、そのままではAIが読み解きにくいデータだと指摘されています（LAC WATCH 2024ほか）。決めずに集めると、立派な倉庫にガラクタを積むことになります。

Q03ナレッジの構造設計では、何を決めればいいのですか？

決め手は3つです。「どの業務で使うか」「どんなナレッジを貯めるか」「どう引き出したいか」。この3つを別々に見ず、1本の線でつなげて初めて、貯める形が決まります。設計は1回で済みますが、答えが自社の業務の中にしかないぶん、いちばん難しいパートです。

おすすめしている体制は、業務を言語化できる人とAIエンジニアで組む ことです。業務に詳しい人だけだと、AIに合う形に落とせない。エンジニアだけだと、現場の判断がそもそも見えない。「どんな情報があれば仕事がラクになり、事業が伸びるか」を一緒に言葉にする組み方が、遠回りなようで一番速いです。

もうひとつ。少し前まで、ベテランの勘所は言語化コストが高すぎて射程の外でした。でも今は、そこも蓄積・分析の対象に入ってきています。大手メーカーが熟練者の暗黙知を生成AIで形式知化する取り組みを進めている事例も出ています（ライオン×NTTデータ）。

Q04会議を録音して渡すだけで、本当に使えるナレッジになるのですか？

なります。第1段階の構造さえあれば、AIが録音の中身を「次に使える形」に構造化してくれます。これを支えているのが文字起こしの進化で、条件次第では日本語でも誤りが数％まで来ているという報告もあります（音声認識モデルの日本語評価・データセット依存の値）。

Q05この仕組みを、実際に動かしている会社はありますか？

あります。ある製造メーカーで、日々ナレッジが貯まる仕組みがすでに動いていて、その設計を私たちGembaShiftが手伝っています。最初から全部を構造化せず、「どの業務の、どの判断を再利用したいか」をたった1つだけ決めて、会議の録音を渡す運用を1ラインだけ回し始めました。

よくある質問（FAQ）

Q. なぜ「ノウハウを文書にまとめてください」では続かないのですか？

A. 書く作業そのものが負担であることに加え、本人が自分の知っていることを自覚していないケースが多いからです。人に書かせるのではなく、会議や打ち合わせで自然に話した中身から、AIに抜き出させるのが現実解です。

Q. 文字起こしの精度を上げるコツはありますか？

A. 使う専門用語・製品名・人名をあらかじめ登録しておくことです。固有名詞は文字起こしで一番化けやすく、録音前のひと手間で後工程の精度が一段上がります。なお日本語の精度は単語ではなく文字単位で測るのが普通で、「数％の誤り」でも実際にはかなり読める水準です。

Q. 議事録はどんな形に構造化すると、使えるナレッジになりますか？

A. 「決定事項とToDoに、担当者名まで残す」形です。逆に全発言へ話者ラベルを付けると、読みにくくなって誰も見なくなります。網羅よりも「後で使う形に寄せる」ことが効きます。

Q. ベテランの暗黙知も、ナレッジ化の対象にできますか？

A. できる時代になってきました。以前は言語化コストが高すぎて諦められていた領域ですが、大手メーカーが熟練者の暗黙知を生成AIで形式知化する取り組みを進めている事例も出ています（ライオン×NTTデータ）。製造業では技能継承を課題に挙げる会社が他産業より突出して多い、という調査もあります。

Q. ナレッジが貯まると、何が変わりますか？

A. AIの精度が上がり、精度が上がるともっと使われて、もっと貯まる──この改善ループが回り始めます。ループが回り始めると、他社との差は静かに、でも確実に開いていきます。ただしナレッジは一日では貯まらないため、始めた会社から順に前へ出ます。