退職者の業務知識を引き継ぐ｜AI活用のナレッジ抽出テクニック

定年退職まで3ヶ月を切ったベテラン社員がいる。長年の現場経験から培った判断力と段取り力は社内でも随一だが、「マニュアルを作ってもらえませんか」と頼んでも、なかなか筆が進まない。本人も「どう書いたらいいかわからない」と首をかしげる。そういった状況に心当たりがある担当者は多いだろう。

製造業を中心に、退職者の業務知識を組織の財産として残すことへの関心が高まっている。本記事では、従来のマニュアル作成では解決できない問題の本質を整理したうえで、AI活用による実践的なナレッジ抽出の手順を解説する。

なぜ退職者の知識は引き継げないのか

暗黙知は「本人も気づいていない知識」

経済産業省・厚生労働省・文部科学省が共同で発行する2024年版ものづくり白書によると、製造業の事業所の61.8%が「指導する人材が不足している」と回答している。また、退職予定者の技能やノウハウを文書化・データベース化する取り組みを実施している企業は30.3%にとどまっており、対策が遅れている現状が浮かび上がる。

（出典：2024年版ものづくり白書｜経済産業省）

問題の核心は、「知識には2種類ある」という点だ。

暗黙知の厄介な点は、「本人が意識していない知識である」ことだ。ベテラン社員は長年の反復で判断が自動化されており、「なぜそうするのか」を問われても即答できないケースが多い。大阪中小企業診断士会の調査では、技術伝承がうまくいかない理由として52.6%の企業が「技術伝承のノウハウ・仕組みがない」と回答している。

マニュアル作成が失敗する理由

従来の引き継ぎ手法が機能しない主な原因は以下の3点に集約される。

• 作成負担が大きい: 退職直前のベテランは業務引き継ぎ業務自体も抱えており、文書作成に時間を割けない
• 言語化の難しさ: 複数の状況変数を同時に判断するノウハウは、文章で表現することが本質的に困難だ
• 心理的な抵抗: 「若い頃に苦労して習得したものを簡単に渡したくない」という心理が、情報開示を阻む場合もある

マニュアルの作成を依頼するだけでは、表面的な手順しか残らない。実際の現場で活きている判断の根拠こそが伝承すべき知識であり、それを引き出す方法論が必要だ。

AIインタビューが暗黙知を引き出す仕組み

問いかけが知識を掘り起こす

2025年2月、デロイト トーマツグループは「AIインタビューエージェント」の開発を発表した。このシステムはAIが音声でインタビューを行い、聞き出した情報を構造的に整理してグラフ型データベースに格納するものだ。

（出典：デロイト トーマツ、企業内の暗黙知をデータ化する「AIインタビューエージェント」を開発｜デロイト トーマツ）

AIインタビューが効果的な理由は、対話形式にある。人間がレポートを書こうとすると「何を書くべきか」で止まってしまうが、問いに答えるという行為は比較的取り組みやすい。AIは以下のような問いかけを繰り返す。

• 「その判断をするときに、何を見ていましたか？」
• 「うまくいかないと感じるのはどんな状況ですか？」
• 「新人がよく間違えるのはどの部分ですか？」
• 「昔やっていた方法と今のやり方、何が変わりましたか？」

こうした問いかけは、本人が「当たり前」と感じて見過ごしている判断基準を意識の表面に引き上げる効果がある。

構造化と蓄積がポイント

AIインタビューで収集した情報は、そのまま音声データや文字起こしテキストとして保存するだけでは不十分だ。有効なナレッジとして機能させるために、以下の構造化が必要になる。

1. 状況の分類: どのような状況・条件下での判断なのかを明確化する
2. 判断の根拠抽出: 「何を見て」「何を感じて」その判断に至ったのかを言語化する
3. 例外パターンの記録: うまくいかなかった経験・失敗談を含める
4. 検索可能なタグ付け: 後から活用できるよう、作業種別・設備名・状況分類などで分類する

📱 技術伝承AI - AIとの対話でベテランの暗黙知を効率的に引き出し、組織の知財として蓄積できる。 👉 詳細を見る

実践的なAIナレッジ抽出の進め方

ステップ1：対象者と対象知識の選定

すべてのベテランに対してインタビューを実施するのは非現実的だ。まず「誰の知識を」「何のために」残すのかを明確にする。

選定の基準として有効な観点は以下のとおりだ。

• 退職時期の緊急度: 1〜2年以内に退職予定の熟練者を優先する
• 再現が難しい業務: 後任が同じスキルを習得するまでに長期間を要する業務
• トラブル対応ノウハウ: 設備異常や品質問題への対処経験は特に価値が高い
• 属人化度合い: 「あの人でないとわからない」と言われる業務

ステップ2：インタビュー設計と環境整備

AIインタビューは、ツールを起動するだけで機能するわけではない。事前の設計が品質を左右する。

効果的なインタビュー設計のポイントを以下に示す。

• 1セッション30〜45分以内に絞る: 集中力が保てる範囲で区切ることで、より具体的な回答を引き出せる
• 業務領域ごとに分割する: 「受入検査」「設備調整」「トラブル対応」などテーマを絞る
• インタビュアーは外すか同席させる: 上司が同席すると発言が変わる場合があるため、1対AIで実施するのが理想だ
• 実物や写真を手元に用意する: 説明の際に現物を参照させると、記憶が引き出されやすい

ステップ3：収集知識の整理と検証

インタビュー後の整理プロセスが、知識の実用性を決める。AIが整理した内容を、後任担当者や同じ業務経験を持つ中堅社員が読んで「これは実際の現場で使えるか」を確認する検証ステップが必要だ。

検証の観点としては以下が挙げられる。

• 状況の設定が具体的かどうか
• 「なぜそうするのか」の根拠が含まれているか
• 後任が読んで実際の判断に活かせるか
• 例外や注意点が網羅されているか

ステップ4：継続的なアップデート

一度作成して終わりでは、知識は陳腐化する。設備の更新、材料の変更、工程の見直しに合わせて、ナレッジベースを更新する運用体制が必要だ。理想的なのは、現場で気づきが生じたその場でナレッジを追加できる仕組みだ。

引き継ぎ完了の目安と評価指標

「引き継ぎが完了した」とはどの状態を指すのか。これを曖昧にしたまま進めると、退職後に初めて抜け漏れが判明する。

ナレッジ引き継ぎの完了基準として設定すべき指標は以下のとおりだ。

ベテランが退職後もメール等で問い合わせを受けている場合、それはナレッジ移転が未完了であることのサインだ。問い合わせゼロを目標とせず、「問い合わせ件数が週1件未満」などの実現可能な基準を設定することを推奨する。

現場での具体的な活用事例

製造業の設備調整ノウハウの移転

ある機械加工メーカーでは、定年を迎える熟練オペレーターが持つ「音と振動で判断する加工条件の微調整」を引き継ぐことに課題を抱えていた。通常の手順書には「異常を感じたら調整する」としか書けず、その「感じ」の部分が伝わらなかった。

AIインタビューを導入したところ、オペレーターが「どんな音がするとき」「どの方向にハンドルを何回転させるか」という具体的な対応を語り始め、これまで言語化されていなかった30種類以上の微調整パターンが文書化された。

コールセンターでの顧客対応ノウハウ継承

顧客サービス部門でも同様の活用が進んでいる。長年の経験を持つオペレーターが「クレームが拡大するかどうかの予感」を持つ理由をAIが掘り下げた結果、「声のトーン」「話す速さの変化」「特定のキーワードの出現」という3つのパターンが引き出され、新人教育に組み込まれた事例がある。

📱 技術伝承AI → 👉 詳細を見る

まとめ

退職者の業務知識を引き継ぐ課題は、マニュアル作成という方法論の問題ではなく、「暗黙知は問われなければ出てこない」という知識の本質的な性質に起因する。

AIインタビューは、対話を通じて本人も意識していない判断の根拠を引き出す点で、従来手法が抱える限界を突破する手段だ。大切なのは、以下の3点を押さえた運用だ。

• 退職前に十分な時間を確保して計画的に実施する
• インタビューで収集した情報を構造化・検索可能な形で蓄積する
• 後任が実際に活用できるかを検証する仕組みを設ける

ものづくり白書が示すように、技術継承への対策を実施している企業はまだ少数派だ。今から着手することが、退職者による知識流出を防ぐ最短のルートである。

姉妹サービスの関連記事

GenbaCompassの姉妹サービスでも、現場改善に役立つ記事を公開している。

• 技術伝承と暗黙知の形式知化
• なぜなぜ分析とフィッシュボーン図の比較

現場改善に役立つ関連アプリ

GenbaCompassでは、技術伝承AI以外にも現場のDXを支援するアプリを提供している。

参考情報

• 2024年版ものづくり白書｜経済産業省
• デロイト トーマツ AIインタビューエージェント開発リリース（2025年2月）
• Qast AIナレッジインタビュー機能発表｜ASCII STARTUP
• 製造業における技術継承の現状と課題｜tebiki