ベテランのノウハウをAIに移す属人化解消の進め方と手順

「あの人が辞めたら、この業務は誰も回せない」。そんな不安を抱えている会社は本当に多いです。ベテランの頭の中にしかない判断基準や段取りは、マニュアルにも残っていません。

この記事では、ベテランのノウハウをAIに移して属人化を断つための、具体的な進め方と手順を解説します。何から手をつけ、どの順番で、どこを人が確認すればいいのか。現場でつまずくポイントまで含めて、実際に手を動かせるレベルでお伝えします。

Contents / 目次

1. 結論。属人化は4つの層に分けて、AIが効く順に手をつける
2. 具体的なやり方。ベテランに書かせずノウハウを引き出す手順
3. 効果。取り組むとどう変わるか、成功企業の共通点
4. よくある失敗と回避法。現場でつまずく3つのパターン
5. 使う側の落とし穴。AI移管が新しい属人化を生むとき
6. よくある質問
7. まずは止まったら困る一業務から整理してみませんか

結論。属人化は4つの層に分けて、AIが効く順に手をつける

まず結論からお伝えします。属人化の解消は「全部いっぺんに仕組み化しよう」とすると必ず失敗します。属人化を4つの層に分解し、AIが直接効く層から順に手をつけるのが、遠回りに見えて一番確実な進め方です。

属人化とひとことで言っても、中身は均一ではありません。マニュアルにすれば済むものから、AIでも肩代わりが難しいものまで混ざっています。この4層をごちゃ混ぜにしたまま「AIで解決」と言い出すと、成果が出ずに頓挫します。

ここで言う暗黙知とは、本人が言葉にできないまま体で覚えている判断やコツのことです。逆に、手順書に書き出せる知識を形式知と呼びます。属人化を断つ作業の中心は、この暗黙知をできるだけ形式知に移し替えていくことにあります。

属人化の層	中身の例	AIの効き方
情報	取引先の連絡先、過去案件、価格表、対応履歴	◎ 最も効く。検索・要約で即戦力化
判断	見積の出し方、クレームの初動、優先順位の付け方	◯ 過去事例を渡せば「たたき台」を出せる
関係性	あの担当者との信頼、社内の根回しルート	△ 直接は移せない。人の引き継ぎが要る
暗黙知	音や手触りでの異常検知、場の空気の読み方	△ 記録の支援は可能。習得は人が要る

表のとおり、AIがすぐ効くのは「情報」と「判断」の層です。ここは今日からでも着手できます。一方で「関係性」と「暗黙知」は、AIが間接的に支援はできても、最終的には人の育成や引き継ぎとセットでないと解決しません。

最初の判断。止めたい業務が「情報・判断」寄りなら今すぐAI化に進めます。「関係性・暗黙知」寄りなら、まず動画や記録で残すことから始め、AIは補助に回すのが現実的です。

まずは自社の止まったら困る業務を、この4層のどこに当たるか仕分けるところから始めましょう。

具体的なやり方。ベテランに書かせずノウハウを引き出す手順

ここからは実際の手順です。ポイントを先に言うと、ベテラン本人に「マニュアルを書いてください」と頼まないことです。書く作業は負担が大きく、後回しにされて必ず形骸化します。しゃべってもらった内容や、日々の業務記録をAIに整理させるほうが、はるかに続きます。

初動の3ステップ。まず1業務だけで小さく回す

いきなり全社展開を狙わず、1つの業務で完結させて型を作るのが成功の近道です。次の順で進めます。

1. 止めたい業務を1つ選ぶ：「この人が休むと止まる」「問い合わせが特定の人に集中する」業務を1つだけ選びます。範囲は狭いほど成功しやすいです。
2. ベテランに30〜60分しゃべってもらう：「新人にゼロから教えるつもりで」と伝え、作業の流れと判断の理由を口頭で説明してもらい、録音します。
3. 録音とメモをAIに渡して初版を作る：文字起こしをAIに整理させ、手順書のたたき台を作ります。ここまでを1日で終える気持ちで進めます。

インタビューでAIに渡す材料の集め方

AIの整理精度は、渡す材料の質で決まります。ベテランへのインタビューでは、次の3点を必ず聞き出しておくと、後の整理が一気に楽になります。

• 作業の順番：まず何をして、次に何をするか。分岐（こういう時はこう変える）も含めて。
• 判断の理由：「なぜそうするのか」。ベテランが無意識にやっている選択の根拠がここに眠っています。
• 失敗の勘所：「ここでミスると事故になる」というポイントと、その見分け方。

特に大事なのは2つ目の「なぜ」です。手順だけなら誰でも書けますが、判断の理由こそがベテランの価値であり、属人化の正体だからです。インタビュー中に「今、なぜそっちを選んだんですか」と一歩踏み込んで聞くと、本人も気づいていなかったコツが言葉になります。

AIに渡すたたき台のプロンプト例

整理を頼むときのプロンプトは、作り込む必要はありません。役割とやってほしいことが伝われば、あとはAIと対話しながら自社の状況に合わせて詰めていくのが今のやり方です。出発点として、次のような短い指示から始めてみてください。

あなたは業務マニュアルの編集者です。
以下はベテラン社員へのインタビュー文字起こしです。

［ここに文字起こしを貼り付け］

これを未経験者向けの手順書に整理してください。
・作業の順番を番号付きで
・各手順に「なぜそうするか」の理由を添える
・注意すべき失敗ポイントは別枠で
・専門用語には短い補足をつける
不明な点や、確認が必要な点は最後にリストで挙げてください。

ここで一番価値があるのは、AIが出した手順書を人が確認する工程です。AIは文字起こしにない部分を、それらしく補って書いてしまうことがあります。だからベテラン本人に読んでもらい、「ここは違う」「この判断が抜けている」を直してもらいます。

この確認と修正までがワンセットです。AIは草案を高速で作れますが、正しさの最終判断は人がやる。ここは省けません。

整理した知識を「質問すれば探せる状態」にする

手順書ができたら、次は探せる状態にします。ファイルに保存しただけでは、結局「どこにあるか分からない」で使われなくなります。ここで有効なのが、社内文書をAIに読み込ませて質問に答えさせる仕組みです。いわゆるRAG（検索拡張生成）と呼ばれる考え方で、つまり自社の資料を根拠にAIが回答してくれる仕組みのことです。

仕組みの詳しい作り方は社内情報をAIで構築するRAG活用ガイドや、蓄積の考え方はNotebookLMで過去資料を引き出す仕組みでも解説しています。まずは無理に高度なシステムを組まず、整理した手順書を1か所に集約し、そこにAIで検索をかけられる状態を作るところから始めれば十分です。

効果。取り組むとどう変わるか、成功企業の共通点

結論から言うと、うまく回り始めた会社に共通するのは「ベテランへの問い合わせが減り、若手が自分で調べて動けるようになる」という変化です。属人化の解消は、派手な自動化よりも、この地味な変化の積み重ねで効いてきます。

たとえば、ある業務で新人が判断に迷うたびにベテランへ質問していたとします。1件5分の質問が1日10件あれば、ベテランは毎日50分、自分の仕事を中断されている計算です。

この質問の多くを、整理した手順書とAI検索で先に自己解決できれば、ベテランの中断は大きく減ります。ここでの数字はあくまで説明のための例ですが、「聞かれる側の時間が空く」効果は、多くの現場で実感として現れます。

生成AIの社内活用については、日立が推進する生成AI利活用（Lumada）の取り組みのように、大手でも生産性向上を狙った実装が進んでいます。規模は違っても、考え方は中小企業でも同じように応用できます。

成功している会社の共通点を挙げると、次のとおりです。

• 小さく始めている：全社ではなく1業務から着手し、型を作ってから横展開している。
• ベテランに書かせていない：しゃべってもらい、AIと担当者が形にする分業ができている。
• 更新が仕組みに乗っている：手順が変わったら誰かが必ず直す運用ルールが決まっている。

逆に言えば、この3つが欠けると、どんなに良いツールを入れても定着しません。ツールの導入自体がゴールになってしまう失敗については、生成AI定着の90日設計もあわせて読むと、進め方のイメージがつかめます。

よくある失敗と回避法。現場でつまずく3つのパターン

ここでは、属人化解消の現場で実際によく見かける失敗を3つ挙げ、防ぎ方をセットでお伝えします。どれも「よかれと思って」やってしまうものばかりです。

失敗1。ベテランにマニュアル作成を丸投げする

「あなたの仕事、マニュアルにまとめておいて」と頼むパターンです。この状況は、ベテランが多忙なほど起きます。結果どうなるかというと、通常業務が優先され、マニュアル作成は永遠に後回しになります。仮に作られても、要点が抜けた形だけの資料になりがちです。

防ぐには、書く作業を本人にさせないことです。インタビューで30分しゃべってもらい、整理はAIと別の担当者が引き受ける。ベテランの役割は「話すこと」と「できた草案を直すこと」の2つだけにする。この分業にするだけで、驚くほどスムーズに進みます。

失敗2。データを整理しないままAIに放り込む

古いファイル、重複した手順書、間違った情報が混ざったフォルダを、そのままAIに読み込ませるパターンです。これをやると、AIは古い情報や誤った情報を根拠に、もっともらしい間違った回答を返します。しかも見た目は自然なので、新人はそれを信じてしまいます。

防ぐには、AIに渡す前に元データを整理することです。全部を完璧にする必要はありません。まず対象の1業務に絞り、その業務に関する資料だけを集め、明らかに古いものと重複を外す。「今も正しい情報だけ」を渡すのが鉄則です。情報の鮮度を保つため、更新日を各資料に入れておくと、後々の管理が楽になります。

失敗3。会社のデータを危険な環境に入れてしまう

無料のAIサービスに、取引先情報や社外秘の手順を何も考えずに入力してしまうパターンです。サービスによっては、入力した内容がAIの学習に使われる設定になっていることがあります。つまり、自社の機密が外に出ていくリスクがあるということです。

防ぐには、入力してよい情報の線引きを最初に決めることです。個人情報や機密はどこまで入れてよいのか、どのサービスを業務で使ってよいのか。この社内ルールを先に作ります。具体的な決め方はAIに入力してはいけない個人情報と社内ルールの作り方で解説しています。

使う側の落とし穴。AI移管が新しい属人化を生むとき

最後に、教科書にはあまり書かれていない現場の本音をお伝えします。それは、AIで属人化を解こうとした結果、今度は「AIを使いこなせる人」に業務が集中する、新しい属人化が生まれるという落とし穴です。

よくあるのは、AIに詳しい担当者が一人で全部のプロンプトを作り、その人の頭の中だけに「うまく動かすコツ」が溜まっていくケースです。これでは、ベテラン依存が「AI担当者依存」に置き換わっただけで、根っこの問題は解決していません。その人が辞めたら、やっぱり業務が止まります。

これを防ぐには、プロンプトや運用手順そのものを組織の資産として共有することです。うまくいったプロンプトはメモに残して共有フォルダに置く。誰がどう直したか分かるようにしておく。地味ですが、この習慣がAI属人化の最大の予防策です。社内に旗振り役を一人立てる進め方はAI推進担当の育て方も参考になります。

AIは「情報」と「判断」の層には強く効きますが、「関係性」と「暗黙知」の層は苦手です。この2つまでAIで解決しようとすると、無理が出ます。ここは人の引き継ぎや育成と組み合わせる前提で、AIには過度な期待をしないのが、かえって成功への近道です。

内製と外注の切り分けも、正直に言えば悩みどころです。データ整理や最初の型づくりは、伴走してくれる相手がいると圧倒的に速く進みます。一方で、日々の更新や運用は自社でやらないと、結局また「外注先に聞かないと分からない」属人化に戻ります。最初だけプロと組み、運用は自社に残す。この切り分けが、費用対効果の面でも現実的です。

よくある質問

まずは止まったら困る一業務から整理してみませんか

ここまで読んで、進め方は分かったけれど自社だけでやり切るのは難しそう、と感じた方もいると思います。コレットラボのAI業務システム化支援では、どの業務から手をつけるかの整理や、暗黙知の引き出し方から伴走します。まずは現状を一緒に棚卸しするだけでも大丈夫です。AI業務システム化の詳細はこちらから、気軽にお話を聞かせてください。