この記事を3行で要約：
- マニュアル整備で属人化が解消できなかった、3つの構造的な理由
- AI活用が属人化解消に効く仕組みと、マニュアルとの本質的な違い
- ベテランの暗黙知をAIで標準化していく、現実的な5ステップ
読了時間：約8分
｢あの人がいなくなったら、うちは回らないかもしれない。｣
そんな感覚を、薄々抱えている経営者の方は多いのではないでしょうか。
ベテラン社員の引退、若手への技術継承、新人教育の負担。
属人化は単なるコストではなく、経営そのものの脆さに直結する課題です。
過去にマニュアル化に取り組んだ会社も少なくありません。
ですが、ほとんどが「作って終わり」になってしまい、機能していないのが現実ではないでしょうか。
私の経験上、マニュアル整備だけで属人化を解消するのは難しいと感じています。
本記事では、なぜマニュアル化では属人化を解消できないのか、そしてAIとDXの力を使って暗黙知を“会社の資産”に変えていく5ステップをお伝えします。
監修：
みちしるべコンサルティング株式会社 代表
生井 聖人（なまい まさと）
マーケティング歴10年。中小企業のAI×DX支援を専門に、感覚経営から数字経営への移行を伴走支援している。
なぜマニュアル化では属人化を解消できなかったのか？
過去にマニュアル整備を試みた会社で、本当に運用が続いたケースはあまり多くないと感じています。
マニュアル化が機能しない理由は大きく3つあります。
そしてこの3つは、バラバラの問題ではありません。
｢マニュアルは”静的な文書”である｣という、ひとつの構造から生まれています。
だからこそ、AIとDXの考え方を入れることで、まとめて解消できる余地があります。
理由1：暗黙知は文書化しきれないから
ベベテランの判断には、本人すら言語化できていない領域があります。
マニュアルに書けるのは「何をするか」までです。
ですが、本当に難しいのは「どんな場面で、何を見て、なぜそう動いたか」のほうです。
- この電話は、クレームに発展しそうだ
- この問い合わせは、すぐ電話に切り替えたほうがいい
たとえば「電話対応に切り替える」という行動そのものは、文章にできます。
ですが「相手のどんな言葉や間（ま）から、その必要を感じ取ったか」は、条件の組み合わせが多すぎて書ききれません。
こうした”感覚的な判断”は、手順書に落とそうとしても抜け落ちてしまいます。
実際、2022年版ものづくり白書では、製造業の技能継承の取組として「作業標準書や作業手順書の整備」を挙げる企業は40.0%にとどまっています。
(出典：経済産業省・厚生労働省・文部科学省「2022年版 ものづくり白書」)
裏返せば、6割の企業はマニュアル整備すら追いついていないということです。
理由2：作成コストが高く、更新が止まるから
マニュアルを作るには、ベテランの時間を大きく削らなければなりません。
ようやく作り終えても、業務が少し変わるたびに更新が必要になります。
そして紙やドキュメントの場合、1箇所を直すと前後の整合性まで確認する必要があります。
更新を担う人もまた、現場が忙しくて手が回りません。
その結果、最初の1回は作っても、3ヶ月後には実態と乖離していきます。
｢マニュアルはあるけど、誰も見ていない｣状態が常態化していきます。
理由3：読まれず、現場で使われないから
マニュアルが読まれないのは、書き方が悪いからだけではありません。
新人が知りたいのは「今、この状況でどうするか」です。
ところがマニュアルは「業務全体の体系」の順に並んでいます。
状況から引けないので、大量のページの中から答えを探すことになります。
検索しても目的のページが見つからない、書き方が固くて読みにくい。
結局、ベテランが社内にいるうちは、「ちょっと教えてください」と聞くほうが早い、となってしまいます。
そして、ベテランが答えを返した時点で、属人化は解消していません。
AI活用でなぜ属人化を解消できるのか？従来のマニュアルとの違い３つ
マニュアルが解決できなかった部分を、AIは別のアプローチで埋めていけると感じています。
ここで言う「AI」とは、主にChatGPTやGeminiなどの生成AIを指します。
文章で質問すると、文章で答えてくれるタイプのAIです。
マニュアルとの本質的な違いは、大きく3つあります。
そして、この3つの違いが、AI×DXによる属人化解消の核心部分です。
違い1：対話で暗黙知を引き出せる
これは、先ほどの「理由1：文書化しきれない」を裏返す力です。
AIは“聞き出す”のが得意です。
ベテランに「なぜそう判断したのですか？」「過去に失敗した例はありますか？」と質問しながら、判断の理由を構造化していけます。
文書化が苦手なベテランでも、会話なら答えられます。
その会話ログを整理すれば、頭の中にあった暗黙知が、少しずつ言葉になって取り出せます。
ベテランが1時間話した内容をAIで構造化するだけで、新人向けの判断マニュアルの下地が一気にできあがります。
違い2：更新コストが低く、会話ログがそのまま資産になる
これが「理由2：更新が止まる」への答えです。
業務が変わったときも、AIへの指示文(プロンプト)を少し書き換えるだけで対応できます。
紙のマニュアルのように、何十ページも修正する必要はありません。
さらに、新人とAIの会話ログがそのまま「よくある質問集」として蓄積されていきます。
会話するほどに、社内のナレッジが厚みを増していく構造です。
違い3：探すのではなく、聞けば答えてくれる
これは「理由3：読まれない」を直接ひっくり返します。
従来のマニュアルは「探す」前提でした。
AIは「聞けば答える」前提です。
新人が「こういう顧客から、こういう問い合わせが来た。どう返信すればいい？」とAIに聞くと、ベテランの判断ロジックを学習したAIが、すぐに答えを返してくれます。
これは新人にとって、ベテランの脳に直接アクセスできるのに近い体験です。
｢分厚いマニュアルを開く｣から「AIに聞く」へ。
このシフトだけで、現場の使われ方が劇的に変わると感じています。
４つの循環でDXとして仕組み化できる
ここに、AI×DXの本質があると考えています。
単にツールを導入するのではなく、
- 対話して引き出す
- AIに蓄積する
- 現場で使われる
- さらに更新される
という循環をDXとして仕組み化すること。
これが、属人化を“資産化”に変える仕組みです。
実際に、OECDが2024年に7カ国の中小企業を対象に行った調査では、生成AIを活用している日本の中小企業の63.3%が「スキル不足を補完してくれた」と回答しており、これは7カ国中で最も高い水準でした。
(出典：OECD「Adoption of Artificial Intelligence in Small and Medium-Sized Enterprises」(2025年))
中小企業の生成AI導入率はまだ23.4%にとどまっていますが、使った企業ほど効果を実感しているのが日本の特徴です。
(出典：東京商工リサーチ「生成AIに関する企業向けアンケート調査」(2025年8月))
暗黙知をAIで標準化する5ステップとは？
ここからは、実際にAI活用をどう進めていくかの具体的な手順です。
進め方は、次の5つのステップで整理できます。
- 属人化している業務を見える化する
- ベテランに“判断の理由”をインタビューする
- 判断ロジックをAIに学習させる
- 現場で試運転し、ズレを埋めていく
- 全社で共有・更新する仕組みに乗せる
特別なITスキルは必要ありません。
社長自身が手を動かせる範囲から始められる手順にしています。
ステップ① 属人化している業務を見える化する
最初にやるのは「うちの会社で、誰にしかできない業務があるか」をリスト化することです。
観点は4つあります。
- 判断：
見積もり額、人材採用、顧客対応の優先順位など - 顧客対応：
クレーム処理、初回商談、リピート顧客との関係性 - 技術：
現場の段取り、機械の調整、品質チェック - 調整：
仕入れ先・協力会社との交渉、社内の根回し
リスト化したら、優先順位を「影響度 × 退職リスク」でつけていきます。
影響度が大きく、その人が抜けたら本当に困る業務から、AI活用の対象にしていきます。
最初から全部やろうとしないことが大切です。
ステップ② ベテランに“判断の理由”をインタビューする
優先順位が決まったら、対象のベテランに話を聞いていきます。
ここでおすすめなのが、AIそのものを「聞き手」として使うやり方です。
ベテランに長々と自由に話してもらうと、時間もかかり、肝心なことが抜けがちです。
そこで、AIにあらかじめ「いくつかの観点で質問して」と頼んでおき、その質問に答えてもらう形にします。
聞くことは、難しく考えなくて大丈夫です。
ひとつの判断について、次のように順番に掘り下げていくだけです。
- 場面：
それは、どんなときに迷う判断ですか？ - 判断基準：
そのとき、何を見て決めていますか？ - 例外：
いつもと違う対応をするのは、どんな場合ですか？ - 答え合わせ：
あとで“うまくいった”を、どこで確かめていますか？
特に、過去の失敗談から聞くと、判断の理由が出てきやすいです。
この4つを順に聞くだけで、「勘で決めている」が、具体的な手がかりの話に変わっていきます。
進め方は、こうです。
- ChatGPTやGeminiの音声入力をオンにする
- 下のような指示文(プロンプト)を最初に渡し、AIに質問役をしてもらう
- ベテランは、AIの質問に口頭で答えるだけ
- ひと通り終わったら、AIにそのまま整理してもらう
この3つを軸に深掘りすると、暗黙知が言葉になって出てきやすくなります。
録音して、あとで文字起こしして、別途まとめる、という手間は要りません。
1業務あたり15分ほど、対話するだけで形になります。
最初に渡す指示文は、次のような形です。
ステップ①で優先順位をつけた業務を、文中の「〇〇」に入れて使います。
あなたは、当社のベテラン社員から仕事の判断の仕方を聞き出すインタビュアーです。
これから私が「〇〇の業務に関する判断」を答えるので、次の4つが埋まるまで、1問ずつ質問してください。
1. それは、どんなときに迷う判断か（場面）
2. そのとき、何を見て決めているか（手がかり）
3. いつもと違う対応をするのは、どんな場合か（例外）
4. あとで“うまくいった”を、どこで確かめているか（答え合わせ）
私の答えがあいまいなときは、具体例を引き出す質問を重ねてください。
4つが埋まったら、最後に「場面・手がかり・例外・答え合わせ」の形で整理してください。
AIが1問ずつ聞いてくれるので、ベテランは「勘で決めてる」としか言えなかったことも、答えているうちに言葉になっていきます。
ここで整理したものが、次のステップ③でAIに学習させる材料になります。
ステップ③ 判断ロジックをAIに学習させる
インタビューで得た情報を、AIに渡せる形に整えていきます。
このとき意識すると効果が出やすいのは、次の3つの観点を含めることです。
- 役割の前提：
そのAIに何の業務を担ってほしいのか - 判断の基準：
こういう場面ではこう動く、というベテランのルール - 出力のかたち：
どんな粒度・形式で答えを返してほしいか
具体的なプロンプトの文面は、業務によって全く変わります。
たとえば、顧客からのメール返信を若手スタッフが下書きするための、AIへの指示文(プロンプト)はこのような形になります。
あなたは、当社のベテラン営業担当として動いてください。
【会社の前提】
中小企業向けの業務システムを販売しており、既存顧客の多くは20〜30名規模の製造業です。
【判断の基準】
・既存顧客からの問い合わせは“原因把握 → 暫定対応 → 恒久対応”の3段で返す
・価格や納期の交渉が含まれる場合、その場で確約せず「社内確認のうえ翌営業日までに回答」と返す
・クレーム調のメールには、まず謝意ではなく事実関係の確認を先に行う
【入力】
顧客からのメール文面を貼り付けます。
【出力のかたち】
・顧客への返信メールの下書き（件名込み、ですます調、1メール400字以内）
・上記とは分けて、「※社内メモ」として、今回どの判断基準を使ったかを箇条書きで明記（この部分は顧客には送らない）ここまで具体的に書くと、AIはベテランの判断軸に近い回答を返してくれるようになります。
そしてここまでは、プロンプトをコピーして使う「手作業」の段階です。
ただ、これを毎回コピペするのは現実的ではありません。
最終的には、「文章を貼れば、ベテランの判断で答えが返る」専用の画面にまとめる。
人が探しにいくAIから、業務に組み込まれたAIへ。
この”仕組み化”こそが、AI活用とDXの分かれ目です。
弊社のCMO AIは、まさにこの一歩を伴走します。
ステップ④ 現場で試運転し、ズレを埋めていく
作ったAIを、いきなり全社展開してはいけません。
まずは新人1〜2人に使ってもらい、ベテランがそのAIの回答をチェックします。
- この回答はズレている
- ここは違う言い方をしてほしい
というポイントを集めます。
なぜこの工程があるかというと、AIの回答が不正確な場合があるからです。
だからこそ、AIに任せきりにせず、人がチェックする仕組みを先に作っておくことが大事だと感じています。
チェックで気づいたズレは、口頭で済ませず、簡単な表に記録していくのがおすすめです。
スプレッドシートに、次の4つの列を作るだけで十分です。
| 質問 | AIの回答 | ベテランの正解 | 追記すべき判断基準 |
|---|---|---|---|
| 新人がAIに投げた質問 | AIが返した内容 | 本来こう答えるべき、という修正 | その差を埋める一言ルール |
右端の「追記すべき判断基準」が、いちばん大事な列です。
ここに書いた一言を、ステップ③のプロンプトの【判断の基準】ブロックに1行ずつ足していきます。
たとえば「納期を聞かれて、その場で即答してしまった」というズレが出たとします。
その場合は【判断の基準】に「納期はその場で確約せず、社内確認のうえ回答する」と1行追記します。
この「ズレを1行に変えて、プロンプトに戻す」作業の繰り返しが、精度を上げていきます。
完璧を目指さず、7割の精度で運用を始め、現場で磨いていくのが現実的です。
ステップ⑤ 全社で共有・更新する仕組みに乗せる
プロンプトが安定してきたら、全社で使える状態に整えていきます。
ここがDXとして仕組み化できるかの分岐点です。
ポイントは2つあります。
- プロンプトを共有する場所を決める
→ Google Driveの専用フォルダ、Notionなど - 更新ルールを決める
→ 誰が・いつ・どう更新するか
共有する場所は、まずは普段使っているツールで構いません。
以下のような社内の知識を蓄える専用ツールもあります。
- NotePM：マニュアルや手順を一元管理し、ファイルごと全文検索できる社内wiki
- Qast：質問と回答をためていく、社内のQ&A型ナレッジ共有ツール
どれを選ぶにせよ、大事なのはツールの多機能さではありません。
｢新人が、困ったときにすぐ引ける場所が1つにまとまっているか」だけを基準にすると、迷いません。
更新の頻度は、最初は月1回の見直し、安定してきたら3ヶ月に1回でも十分だと感じています。
属人化解消をAIで進めるとき、押さえておきたい3つのポイントは？
AIとDXで属人化解消を進めるときに、つまずきやすいポイントがあります。
気をつけたいのは3つです。
ポイント1：完璧なAIプロンプトを目指さない
最初から100点のプロンプトを作ろうとすると、永遠に完成しません。
7割の精度で運用を始め、現場で磨くのが現実的だと感じています。
完璧主義は、AI活用の最大のブレーキになります。
ポイント2：ベテランを協力者として巻き込む
｢AIに仕事を奪われる｣と受け取られると、ベテランの協力は得られません。
｢あなたの価値を会社に残すため｣「あなたの引退後も、若手が同じ判断をできるようにするため」と伝えるのが大事だと感じています。
ベテラン自身が主役だと感じられる関わり方を、最初に作っておくことをおすすめします。
ポイント3：プロンプトを“個人持ち”で終わらせない
作ったプロンプトを、担当者個人のパソコンに置きっぱなしにしないでください。
必ず社内で共有し、更新できる状態にしておきます。
ここをサボると、属人化したマニュアルが、属人化したプロンプトに置き換わっただけ、という状態になります。
ここまで読んだあなたへ
今回お伝えしたのは、「マニュアルではなく、AIに聞ける状態を作る」という”考え方の地図”です。
ただ、正直に言うと、ここまでは「AIを使う」段階にすぎません。
プロンプトを毎回コピーして、文章を貼り付けて、出力を確認する。
この手作業を、現場の一人ひとりが続けるのは現実的ではありません。
本当のゴールは、その先です。
- 文章を貼れば、「ベテランの判断で答えが返る」専用の画面にまとめる
- 人がAIを”使いにいく”のではなく、業務の中にAIが組み込まれている状態にする
人に依存する業務を、仕組みに置き換える。
ここまで来て、はじめて”DX”と呼べます。
AIを触ってみるだけなら、誰でもできます。
それを、現場が毎日使う仕組みにまで落とし込めるかどうか。
そこが、成果の出る会社と、出ない会社の分かれ目になります。
そして、その”仕組み化”の最初の一歩は、会社によって全く変わります。
- 社員3〜5名で、まず1業務だけ自動化したい会社
- 社員10名規模で、ベテランの引退が3年以内に控えている会社
- 全社的にAI×DXを進めたいが、何から始めるべきか迷っている会社
もし「うちの場合、結局なにから始めればいい？」と感じていたら、公式LINEに一言だけ投げてみてください。
業種・規模・今の状況を教えていただければ、“あなたの会社ならここから”を具体的にお返しします。
みちしるべコンサルティング株式会社では、集客 → 利益 → 仕組み化までAIで一気通貫に支援する「CMO AI(Marketing Agent × DX Agent)」を提供しています。
記事の感想だけでも、もちろん歓迎です。
よくある質問は？
Q1. 小さな会社でも、AIで属人化を解消できますか？
可能だと感じています。
むしろ社員数が少ない会社のほうが意思決定が早く、1人のベテランの暗黙知を整理するところからAI活用を始められます。
Q2. ベテランが協力してくれない場合は、どうすればいいですか？
｢あなたの価値を残すため｣と伝え方を変えるのが第一歩です。
それでも難しい場合は、ベテランの過去の業務記録(メール、議事録、報告書など)からAIで判断ロジックを抽出する方法もあります。
直接インタビューが難しくても、文書資産からAI活用を始める余地はあります。
Q3. 何から始めればいいですか？
ステップ①の「属人化している業務をリスト化する」だけでも、まず手をつける価値があります。
リストを見れば自社の経営リスクが可視化されるので、優先順位の高い1業務に絞ってAI活用を始めるのが現実的です。
Q4. 費用はどのくらいかかりますか？
ChatGPTやGeminiの有料プラン(月3,000円程度)から始められます。
最初は社長か担当者1人分のアカウントで十分で、本格的なDXとしての仕組み化に進む段階で伴走支援や追加ツールを検討すれば良いと感じています。
Q5. AIに任せて、品質は下がりませんか？
短期的には、ベテランが対応する場合と比べて品質が下がる場面もあります。
ただ、ステップ④で説明した「試運転 → ベテランのチェック → プロンプト改善」のループを回すことで、徐々に品質は安定していきます。
3〜6ヶ月で「ベテラン9割の精度」に近づくケースが多い印象です。
まとめ
属人化はゼロにできるものではなく、ゼロにする必要もないと感じています。
ベテランの知見は、会社にとって最大の財産です。
ただ、その財産を「個人の頭の中」に置いたままにするのは、経営上の大きなリスクになります。
AIとDXは、その財産を“会社の資産”に変える、現実的な手段の1つです。
暗黙知をAIに蓄積できれば、その先は集客判断や利益管理、業務全体の仕組み化へとつながっていきます。
売上を追うより先に、利益を生み続ける仕組みを残せるかどうかが、これからの経営の分岐点になると考えています。
