# 暗黙知をAIで残す方法と、資料を入れるだけでは足りない理由

> 暗黙知は、AIに社内の資料を読ませるだけでは残りません。資料に書かれていないからです。AIを、聞き出す・まとめる・答える・足りない所を見つける、の4つの役割で使う進め方と、NotebookLMなどの道具との違いを、当社の試しと現場の例をもとに解説します。

元のページ: https://day-1.tokyo/blog/tacit-knowledge-ai
公開日: 2026-11-19

ベテランの退職が近づき、「社内の資料をAIに読ませておけば、知識は残るのではないか」と考える会社が増えています。生成AIは文章を読むのが得意で、社内の報告書やマニュアルを入れれば、それらしい答えをすぐに返してくれます。ところが実際に使ってみると、ベテランならすぐに答えられる質問ほど、AIは「資料に記載がありません」と返してくることが少なくありません。

当社が社内資料で答えるAIを導入してきた現場でも、同じことが起きていました。ベテランが覚えていることがたくさんあり、その多くが報告書にもマニュアルにも書かれていなかったのです。暗黙知は、言葉や資料になっていないからこそ暗黙知であり、AIに入れようにも入れる資料がありません。

結論から言うと、AIは暗黙知を持っていないので、覚えさせるのではなく、聞き出す・まとめる・答える・足りない所を見つける、の4つの役割で使うのが近道です。このうち「答える」だけなら、NotebookLMのような一般の道具でもできます。暗黙知を残せるかどうかは、残りの3つを回す仕組みがあるかで決まります。

## 暗黙知はAIで残せるか

暗黙知とは、経験や勘にもとづいていて、本人もうまく言葉にできない知識のことです。設備の音の違いで不調に気づく、客先の様子で話を切り上げる時期を決める、といった判断がこれにあたります。意味や形式知との違いは「[暗黙知とは？形式知との違いとSECIモデル](https://day-1.tokyo/blog/tacit-knowledge)」で詳しく書いています。

生成AIが知っているのは、学習した文章と、あとから渡された資料に書かれていることだけです。社内の誰かの頭の中にしかない判断は、どちらにも入っていないので、AIがどれほど賢くても答えられません。「AIに学ばせれば暗黙知が形式知になる」と期待されがちですが、学ばせる材料が言葉になっていない以上、学ばせるだけでは残らないのです。

### 資料を入れるだけでは残らない理由

資料をAIに入れても暗黙知が残らない理由は、大きく3つあります。

1つ目は、そもそも書かれていないことです。冒頭の現場の例のように、ベテランが日々使っている判断の多くは、報告書にもマニュアルにも出てきません。報告書には起きたことと対応は書かれていても、「なぜその対応を選んだのか」「ほかに何を疑ったのか」までは書かれていないことがほとんどです。

2つ目は、判断の手がかりが抜けていることです。マニュアルには正しい手順が書かれていても、手順から外れるときの見分け方、たとえば「この数値がこの範囲なら様子を見る」「この音がしたら止める」といった手がかりは、本人にとって当たり前すぎて書かれません。AIはその手順を読んで答えるので、例外の場面ほど外れた答えになります。

3つ目は、古い資料が混ざることです。何年分もの資料をまとめて入れると、改訂前の手順や、もう使っていない設備の資料もAIの答えの材料になります。ベテランは古い資料を無意識に読み飛ばしていますが、AIにはどれが古いのかが分かりません。

![資料に無い知識は、AIにも入らない](https://images.microcms-assets.io/assets/bb7f40c25b634b67bf8d159bc7944890/4d1592f9d55f4d609f6ce56fc230600e/tka-02-nodoc.png)

## AIの4つの役割

では、AIは暗黙知の役に立たないのかというと、そうではありません。AIに知識を覚えさせようとするのではなく、知識を言葉にして残す作業を手伝わせると考えると、使い道がはっきりします。当社はこれを、聞き出す・まとめる・答える・見つける、の4つの役割に分けて考えています。

![AIの4つの役割](https://images.microcms-assets.io/assets/bb7f40c25b634b67bf8d159bc7944890/d944ad54a582469a872ba404ca08b5f8/tka-03-roles.png)

4つは一方通行ではなく、ぐるりと回ります。聞き出した話をまとめて資料にし、その資料でAIが答え、答えられなかった質問から次に聞き出す所が見つかる、という流れです。SECIモデルの言葉でいえば、AIは表出化（暗黙知を言葉にする段階）と連結化（言葉にしたものを組み合わせる段階）を手伝う役にあたります。

### 1. 聞き出す ベテランへの聞き手になる

暗黙知を言葉にするいちばんの方法は、本人に書かせることではなく、具体的な場面を聞き取ることです。ただ、ベテランへの聞き取りは聞き手の腕に左右されやすく、時間も取りにくいものです。そこでAIを聞き手にし、決まった問いを順に重ねてもらいます。

当社は、架空のベテランに9つの知識を仕込んで、聞き取りの形を比べる試しをしました。決まった問いの表を本人が自分で埋めた場合に出た知識は1つでしたが、AIが聞き手になって問いを重ねると7つ、問いを少し変えたもう1回では6つが出ました。さらに、聞く幅（判断の場面・見立てが外れたこと・時期と前ぶれ、など）を分けて5回に分けて聞くと、8つまで出ています。

ここで分かったのは、どの知識が出てくるかは、その知識に当たる問いがあったかでほぼ決まり、1回で全部を出すのは難しいということです。聞き取りは1回で終わらせず、幅を分けて何回かに分けるほうが、多くの知識が出てきます。試しの詳しい結果と使った問いは「[技術継承ができない理由と、AIでベテランに聞き取る方法](https://day-1.tokyo/blog/skill-transfer-interview)」に載せています。

### 2. まとめる 聞いた話を判断の表にする

聞き取った話は、そのままでは長い会話の記録です。後から読む人が使えるように、AIに「どんな場面で・何を見て・どう決めたか・よくある失敗は何か」の形に整理させます。こうした判断の表にしておくと、1つの問いに1つの答えが対応するので、AIが答えるときにも探しやすくなります。

まとめるときに気をつけたいのは、AIが聞いていない所を、もっともらしい文で埋めてしまうことです。当社の試しでも、AIが聞いていない「状況のつかみ方」を、まとめのときに自分の言葉で書き足した所がありました。まとめたものは必ずベテラン本人に読んでもらい、分からない所は空けたまま残しておくのが安全です。書く形の選び方と確かめ方は「[形式知化とは？暗黙知を形式知に変えるやり方](https://day-1.tokyo/blog/keishikichi-ka)」で詳しく書いています。

### 3. 答える 社内資料で答えるAIに載せる

まとめた判断の表や手順を、社内資料で答えるAIに載せます。現場の人が質問すると、AIは資料から関係のある箇所を探し、どの資料のどこに書いてあるかを示しながら答えます。引用が付いていれば、答えが正しいかを人が確かめられますし、資料に無いことをAIが作って答えるのも防げます。

ここで大事なのは、改訂前の版や使っていない資料を外しておくことです。前に書いたとおり、AIには資料の新旧が分からないので、何を載せて何を外すかは人が決めます。社内AIの仕組みと作り方は「[社内AIの構築方法と、社内資料で答えるAIの作り方](https://day-1.tokyo/blog/internal-ai-build)」にまとめています。

### 4. 見つける 答えられなかった質問から次に聞く所を知る

4つの中でいちばん見落とされやすく、暗黙知を残すうえでいちばん効くのがこの役割です。どの知識が足りないのかは、聞き取る前には分かりません。ところが、AIを現場で使い始めると、答えられなかった質問がたまっていきます。その質問こそが、まだ言葉になっていない知識のありかを指しています。

当社が社内資料で答えるAIを導入した現場では、答えられなかった質問を記録に残し、そこから2つの手を打ちました。1つは、その質問をベテランのところへ持って行って答えを聞き、資料に足したことです。もう1つは、答えられない質問が多かった分野について、顧客に資料を追加でそろえてもらったことです。足りなかったのは資料そのものではなく、「この症状のときはこの原因を疑う」という結び付けだった、という場面もありました。どちらも、何が足りないかが、同じような質問が答えられずに残ったことで初めて見えたものです。

![答えるだけなら道具は何でもよい](https://images.microcms-assets.io/assets/bb7f40c25b634b67bf8d159bc7944890/725fd48d919a4091bc6c0d50fee096ee/tka-04-tools.png)

聞き取りを「全部を最初に聞き出す作業」と考えると、ベテランの時間がいくらあっても足りません。答えられなかった質問を手がかりに、足りない所だけを少しずつ聞き足していけば、ベテランの負担を抑えながら、使われる知識から順に残っていきます。

## 答えるだけなら道具は何でもよい

AIで暗黙知を扱う方法を調べると、RAG（資料を探してから答える仕組み）、ファインチューニング（AIに追加で学ばせる方法）、ナレッジグラフ（知識どうしのつながりを持たせる方法）といった技術の名前がよく出てきます。ただ、どの技術を選んでも、入れる中身が言葉になっていなければ働きません。暗黙知の場合、技術を選ぶ前に、中身を言葉にすることが先になります。

もう少し踏み込むと、資料を入れて答えさせる「答える」の役割だけなら、NotebookLMのような一般の道具でも十分にできます。まず手元の資料で試してみるなら、こうした道具から始めるのもよい方法です。

![答えられなかった質問から次に聞く所を見つける](https://images.microcms-assets.io/assets/bb7f40c25b634b67bf8d159bc7944890/c4cb419b25d9472d95b9dbd5f6771700/tka-05-loop.png)

| **4つの役割** | **一般の道具（NotebookLMなど）** | **暗黙知を残すために要ること** |
| --- | --- | --- |
| 答える | できる | 古い版を外し、引用つきで答える |
| 聞き出す | できない | ベテランに問いを重ね、資料に無い話を引き出す |
| まとめる | 一部できる | 判断の表に直し、本人に確かめてもらう |
| 見つける | できない | 答えられなかった質問を記録し、次に聞く所を知る |

一方で、聞き出す・まとめる・見つけるの3つは、資料を入れて答えさせるだけの道具では回りません。暗黙知を残せるかどうかは、どの技術を使うかより、この3つを回す仕組みと、それを続ける担当がいるかで決まります。

## AIに任せない所

AIに手伝わせる範囲が広がっても、人が持つべき所は残ります。

まず、何を残すかを決めるのは人です。すべての知識を残そうとすると、聞き取りの時間がいくらあっても足りません。止まると困る判断、何度も聞かれること、退職などで失われる時期が近い知識から順に選ぶのは、業務を知る人の役目です。

次に、まとめたものが正しいかを確かめるのも人です。前に書いたとおり、AIは聞いていない所をもっともらしく埋めることがあります。ベテラン本人と、実際に使う人の両方が読んで、違和感のある所を直します。

最後に、現場で使い、直し続けるのも人です。AIの答えを現場の人が使い、合わなかった所を知らせてくれることで、答えられなかった質問がたまり、次に聞く所が見えてきます。使われない仕組みからは、何が足りないのかも見えてきません。

## 始め方 小さく1つの判断から

最初から全社の知識を集めようとすると、準備だけで止まりがちです。次の5つのステップで、1つの判断から小さく始めるのがおすすめです。

![1つの判断から始める5つのステップ](https://images.microcms-assets.io/assets/bb7f40c25b634b67bf8d159bc7944890/202ce2145e6243afa3be1ac1885f5c0b/tka-06-steps.png)

1. 1つの判断の場面を選ぶ。止まると困り、何度も聞かれ、知っている人が限られている判断を1つ選びます

2. AIに聞き取らせる。決まった問いを重ね、幅を分けて2〜3回に分けて聞きます

3. 判断の表にまとめ、本人に確かめてもらう。分からない所は空けたまま残します

4. 社内資料で答えるAIに載せる。古い版は外し、引用つきで答えるようにします

5. 答えられなかった質問を見る。たまった質問をベテランに持って行き、答えを資料に足します

5まで来たら、2に戻って次の幅を聞き、答えられない質問の多い分野から範囲を広げていきます。当社も、自社の判断の手順書をAIに任せてから約2か月で50回以上書き足しました。書き足すきっかけの多くは、AIがうまく判断できなかった場面でした。知識は一度で残し切るものではなく、使いながら足していくものだと考えると、始めやすくなります。

## まとめ

AIは暗黙知を持っていないので、資料を入れるだけでは残りません。資料に書かれていない判断こそが暗黙知だからです。

- 暗黙知は資料に無いので、AIに資料を読ませるだけでは残らない
- AIは、聞き出す・まとめる・答える・足りない所を見つける、の4つの役割で使う
- 聞き取りは1回で全部を出そうとせず、幅を分けて何回かに分けて聞く
- 答えるだけならNotebookLMなどの一般の道具でもよい。暗黙知を残せるかは、聞き出す・まとめる・見つけるを回せるかで決まる
- 答えられなかった質問が、次に聞く所を教えてくれる

デイワンの「[相棒AI](https://aibo-ai.day-1.co.jp/)」は、社内の資料から引用つきで答え、答えられなかった質問を記録に残し、AIがベテランに聞き取ることもできる、4つの役割を1つで回すための道具です。ベテランの知識の残し方や、社内資料で答えるAIの導入でお困りでしたら、お気軽にご相談ください。

[社内の資料で答えるAI「相棒AI」について詳しくはこちら](https://aibo-ai.day-1.co.jp/)

## よくある質問

### 暗黙知はAIで残せますか。

AIに社内の資料を読ませるだけでは残りません。暗黙知は資料に書かれていないからです。AIを、ベテランに聞き出す・聞いた話をまとめる・社内資料で答える・答えられなかった質問から足りない所を見つける、の4つの役割で使うと、言葉にして残す作業を進められます。

### AIに学ばせれば、暗黙知は形式知になりますか。

学ばせる材料が言葉になっていないため、学ばせるだけでは形式知になりません。先にベテランから具体的な場面を聞き取り、判断の表などの形にまとめてから、AIに載せる順番が必要です。

### NotebookLMなどの一般の道具でも暗黙知を残せますか。

資料を入れて答えさせる役割だけなら、一般の道具でも十分にできます。ただ、ベテランに問いを重ねて聞き出すことや、答えられなかった質問を記録して次に聞く所を知ることは、資料で答えるだけの道具では回りません。

### AIによる聞き取りは、本人が書き出すのと比べて何が違いますか。

当社の試しでは、決まった問いの表を本人が自分で埋めた場合に出た知識は9つ中1つでしたが、AIが聞き手になると7つ・6つ、聞く幅を分けて5回に分けると8つが出ました。1回で全部を出そうとせず、幅を分けて聞くのが効果的です。

### 暗黙知をAIで残すには、何から始めればよいですか。

止まると困り、何度も聞かれ、知っている人が限られている判断を1つ選び、AIに聞き取らせて判断の表にまとめ、社内資料で答えるAIに載せます。そのあと答えられなかった質問をベテランに持って行き、答えを資料に足していきます。
