「あのベテランが辞めてから、不良率が目に見えて上がった」。製造業の現場で、この声を耳にする頻度が増えています。設備も工程も変わっていないのに、品質だけが悪化する。原因を調べても設備異常は見つからない。実はその品質不良の根本原因は、退職したベテランが持っていた暗黙知の喪失にあります。
経済産業省「2024年版ものづくり白書」によると、製造業の事業所の82.8%が能力開発や人材育成に問題があると回答しており、その最大の要因は「指導する人材が不足している」（62.4%）です。ベテランが退職すれば、指導者はさらに減り、品質を支えてきた暗黙知は急速に失われます。
本記事では、ベテラン退職後に品質不良が増加するメカニズムを解明し、暗黙知の喪失を防ぐための具体的なナレッジ管理戦略を提示します。技術伝承の全体像については、「技術伝承とは？暗黙知を形式知化する方法を徹底解説」で体系的にまとめていますので、あわせてご確認ください。
なぜベテラン退職後に品質不良が増えるのか
暗黙知とは何か：マニュアルに書けない知識
暗黙知とは、長年の経験を通じて身体に染みついた感覚的な知識のことです。手触りや音で素材の状態を瞬時に判断する能力、微妙な設備の挙動変化を察知して調整する技能、季節や湿度に応じた加工条件の微調整など、言語化が極めて困難な知識がこれに当たります。
製造現場では、この暗黙知が品質を支える最後の砦として機能しています。たとえば、ある金属加工の現場では、ベテラン作業者が切削音のわずかな変化から工具摩耗の進行度を判断し、不良品が出る前に工具を交換していました。マニュアルには「異音がしたら交換」としか書けませんが、ベテランは「どの周波数の音が、どの程度変化したら」を経験的に知っていたのです。
品質を支えていた「見えない防波堤」の消失
ベテランの暗黙知は、製造工程における「見えない防波堤」です。通常の作業手順書やチェックリストでは捉えきれない微細な異常を、ベテランは五感で検知し、不良品の発生を未然に防いでいます。
この防波堤が退職によって消失すると、以下のような連鎖が発生します。
- 異常の早期検知ができなくなる：数値化されていない異常兆候を見逃す
- 条件設定の最適化ができなくなる：環境変化に応じた微調整の知見が失われる
- トラブル対応が遅れる：過去の経験に基づく迅速な原因特定ができない
- 品質のばらつきが拡大する：作業者ごとの技能差が品質に直結する
データで見る技能継承の危機的状況
経済産業省「2024年版ものづくり白書」は、製造業の技能継承が危機的な状況にあることを複数のデータで示しています。
人材育成の問題点（製造業事業所の回答割合）：
| 問題点 | 割合 |
|---|---|
| 指導する人材が不足している | 62.4% |
| 人材育成を行う時間がない | 46.6% |
| 人材を育成しても辞めてしまう | 39.6% |
| 鍛えがいのある人材が集まらない | 33.1% |
出典：経済産業省・厚生労働省・文部科学省「2024年版ものづくり白書」
注目すべきは、技能継承に取り組んでいる事業所が92.1%に達しているにもかかわらず、問題が解消されていないという事実です。取り組みはしているが、成果が出ていない。この構造的な問題の背景には、暗黙知を適切に捉え、伝える仕組みの不在があります。
同白書によると、技能継承の具体的な取り組みとして最も多いのは「退職者の中から必要な人材を選抜し、指導者として活用する」（70.5%）という方法です。しかし、この手法は退職者本人が引き続き関与できることが前提であり、完全退職や健康上の問題が生じた場合には機能しません。
2025年問題による大量退職の影響については、「2025年問題と製造業の技術伝承危機：団塊世代退職で何が失われるか」で詳しく解説しています。
暗黙知の喪失が品質不良を引き起こす3つのメカニズム
メカニズム1：異常判定基準の属人化
品質管理の現場では、検査基準書に記載された数値だけでは判定できないケースが数多く存在します。たとえば、外観検査における「許容範囲内のキズ」と「不良品レベルのキズ」の境界線は、ベテラン検査員の経験的な判断に依存していることが少なくありません。
ベテランが退職すると、この判定基準が曖昧になります。後任者は判断に迷い、「見逃し」と「過剰判定」の両方が増加します。見逃しは顧客クレームに直結し、過剰判定は歩留まりの悪化を招きます。
メカニズム2：工程条件の暗黙的な最適化の喪失
多くの製造工程では、標準作業条件に加えて、ベテランが経験的に行っている微調整が存在します。
- 季節や天候による温湿度変化に応じた加工条件の補正
- ロットごとの原材料特性に合わせた設定値の微調整
- 設備の経年変化を考慮したパラメータの漸進的な修正
これらの微調整は作業標準書には記載されていません。ベテランが退職すると、標準条件のみで運転することになり、結果として品質のばらつきが拡大します。
メカニズム3：トラブルシューティング知識の断絶
製造現場では、過去に発生したトラブルの原因と対策が、ベテランの記憶の中にだけ蓄積されているケースが頻繁にあります。「以前も同じ症状があったが、あの時はこうして対処した」という経験知は、新たな問題が発生した際に迅速な原因特定と対策立案を可能にします。
この知識が失われると、同じトラブルが発生した際にゼロから原因を調査しなければならず、対応に時間がかかります。その間、不良品は出続け、損失は拡大します。
品質維持のための暗黙知マネジメント戦略
戦略1：暗黙知の「見える化」を段階的に進める
暗黙知をすべて一度に形式知化しようとすると、膨大な労力がかかり、途中で挫折するケースが多く見られます。優先順位をつけ、段階的に取り組むことが重要です。
ステップ1：品質影響度の高い暗黙知を特定する
まず、品質不良の発生頻度やインパクトが大きい工程を洗い出し、その工程でベテランが行っている判断や調整を特定します。全工程を対象にするのではなく、パレートの法則に従い、品質不良の80%を占める20%の重要工程に集中します。
ステップ2：ベテランの作業を観察・記録する
特定した工程について、ベテランの作業を動画で撮影し、作業中に口頭で判断基準を説明してもらいます。「なぜそうするのか」「何を見て判断しているのか」を引き出すことが重要です。
ステップ3：判断基準を構造化する
記録した情報を「条件」「判断基準」「対処方法」の3要素で構造化します。完璧を目指す必要はありません。まずは70%の再現度を目標に、ベテランの判断プロセスを言語化します。
ベテランの暗黙知を効率的に構造化するには、AIの活用が有効です。技術伝承AIは、ベテランへのインタビュー内容を自動で整理し、検索可能なナレッジベースとして蓄積します。詳しくは技術伝承AI know-how-aiをご覧ください。
戦略2：品質基準の定量化と標準化
暗黙知に依存した品質判定を、可能な限り定量的な基準に置き換えます。
外観検査の定量化例：
| 従来（暗黙知依存） | 改善後（定量基準） |
|---|---|
| 「このくらいのキズならOK」 | 「長さ0.5mm以下、深さ0.1mm以下はOK」 |
| 「色味がおかしい」 | 「色差値（Delta E）が2.0以内であればOK」 |
| 「表面が荒い感じ」 | 「表面粗さRa 1.6μm以下」 |
すべての暗黙知を定量化できるわけではありませんが、測定可能な項目を増やすことで、ベテラン不在時の品質判定のばらつきを抑制できます。
戦略3：ナレッジ管理システムの構築
暗黙知を記録・蓄積しても、必要な時に必要な人が参照できなければ意味がありません。以下の要件を満たすナレッジ管理の仕組みが必要です。
- 検索性：キーワードや状況から関連するナレッジを即座に検索できる
- 更新性：新たな知見やトラブル事例を随時追加・更新できる
- アクセス性：現場のタブレットやスマートフォンから閲覧できる
- 体系性：工程・設備・品目ごとに整理された構造を持つ
紙のマニュアルやExcelでは、情報量が増えるほど検索性が低下し、更新も滞りがちです。デジタルツールを活用した一元管理が品質維持の基盤となります。
戦略4：多能工化とクロストレーニングの推進
暗黙知を特定の個人だけが持つ状態を解消するために、計画的な多能工化を進めます。
経済産業省「2024年版ものづくり白書」では、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行っている事業所は30.3%にとどまっています。文書化と並行して、複数の作業者がベテランと一緒に作業する機会を意図的に設け、暗黙知の「体験的な共有」を促進することが重要です。
具体的には、以下のような取り組みが有効です。
- ペア作業制度：ベテランと若手が1対1で同じ工程を担当する期間を設ける
- ローテーション計画：重要工程に複数の担当者を配置し、定期的にローテーションする
- 振り返りミーティング：作業後にベテランと若手が判断のポイントを共有する場を設ける
品質不良を未然に防ぐ「予兆管理」の導入
データとベテランの知見を組み合わせる
暗黙知の喪失による品質不良を防ぐもう一つのアプローチは、ベテランが五感で捉えていた異常兆候を、センサーやデータ分析で代替する「予兆管理」です。
ベテランが「音で判断していた」工具摩耗を振動センサーで数値化し、「手触りで判断していた」表面状態を画像検査装置で定量化する。このように、暗黙知をテクノロジーで補完することで、ベテラン不在でも品質を維持できる体制を構築します。
ただし、センサーやAIだけですべてを代替できるわけではありません。重要なのは、ベテランが退職する前に「何を見ていたのか」「何に注意していたのか」を聞き出し、それをセンサー設置やデータ収集の設計に反映することです。暗黙知がなければ、何を計測すべきかすら分かりません。
品質データの蓄積と活用
過去の品質データとベテランの判断履歴を紐づけて蓄積することで、経験の浅い作業者でも根拠のある判断ができるようになります。
- 「この原材料ロットでは、加工温度を標準より2度下げるのが最適だった」
- 「梅雨時期は湿度の影響で接着強度が低下するため、乾燥時間を20%延長する」
- 「この設備は稼働3,000時間を超えるとX値のドリフトが始まるため、補正が必要」
こうした条件分岐の知識は、ベテランの頭の中にだけ存在していることが多く、退職後に「なぜか品質が安定しない」という事態の原因となります。
よくある質問（FAQ）
Q1. ベテランが退職するまで時間がありません。最低限何をすべきですか？
時間が限られている場合、最も優先すべきは品質に直結する判断基準の記録です。ベテランに「普段、何を見て良否を判断していますか」「標準条件からどのような場面で変更しますか」と質問し、回答を動画または音声で記録してください。完璧な文書化は後から行えますが、ベテラン本人の言葉による説明は退職後には得られません。1日30分のインタビューを2週間続けるだけでも、重要な暗黙知の多くを記録できます。
Q2. 暗黙知の喪失と品質不良の因果関係を経営層にどう説明すればよいですか？
経営層への説明には、定量的なデータが有効です。ベテラン在籍時と退職後の不良率の推移を比較し、「ベテランAさんの退職後、X工程の不良率が0.5%から1.8%に上昇した」のように具体的な数字で示します。不良1件あたりのコスト（材料ロス、手直し工数、クレーム対応費用）を掛け合わせれば、年間の損失額を算出できます。暗黙知の喪失が「見えないコスト」として経営を圧迫していることを、数字で可視化することが承認を得るポイントです。
Q3. 小規模な製造業でも暗黙知のナレッジ管理は実現できますか？
実現できます。大規模なシステム投資は必要ありません。まずはスマートフォンでの動画撮影とクラウドストレージへの保存から始められます。重要なのは、「やり方」よりも「やると決める」ことです。ベテランへのインタビューを週1回のルーティンにする、トラブル発生時の対応記録を必ず残すルールを設ける、といった小さな仕組みを定着させることが第一歩です。デジタルツールを活用すれば、少人数でも効率的にナレッジを蓄積・活用できます。
まとめ：暗黙知の喪失は品質不良の「根本原因」である
ベテラン退職後の品質不良は、設備の問題でも工程の問題でもありません。長年にわたって品質を支えてきた暗黙知が、退職とともに失われたことが根本原因です。
経済産業省「2024年版ものづくり白書」が示すとおり、製造業の82.8%の事業所が人材育成に問題を抱え、62.4%が「指導する人材の不足」を訴えています。技能継承の取り組みとして退職者を指導者に活用する事業所は70.5%に上りますが、退職予定者の知見を文書化・データベース化している事業所は30.3%にとどまります。暗黙知を組織の資産として残す仕組みが、圧倒的に不足しているのが現状です。
品質を維持するためには、ベテランが退職する前に暗黙知を「見える化」し、組織として蓄積・活用できる体制を構築する必要があります。暗黙知の特定、判断基準の定量化、ナレッジ管理システムの構築、多能工化の推進。これらを段階的に進めることで、ベテランが退職しても品質を維持できる現場をつくることができます。
技術伝承AIを無料で体験する --> https://know-how-ai.genbacompass.com/trial
ベテランの暗黙知をAIが構造化し、現場の誰もが即座に検索・活用できるナレッジベースを構築します。品質不良の根本原因である暗黙知の喪失を防ぐ仕組みを、まずは無料デモで体感してください。5分で始める無料デモ
出典・参考資料：
- 経済産業省・厚生労働省・文部科学省「2024年版ものづくり白書」
- 厚生労働省「2024年版ものづくり白書（厚生労働省概要）」
- 経済産業省「製造基盤白書（ものづくり白書）」
