製造業の技術伝承では、標準書を作るだけでは残せない知識があります。熟練者は、音、振動、色、におい、前後工程の状況など、複数の情報から異常を判断しています。その判断を「経験と勘」の一言で済ませると、退職や異動の後に再現できません。
技術伝承DXの目的は、熟練者の頭の中をすべてデータ化することではありません。業務上重要な判断を、後任者が検索し、理解し、実務で確かめられる形にすることです。生成AIは、インタビューの整理、文書の構造化、社内知識の検索を支援できます。
図：重要知識の選定から収集、構造化、検索・教育、実務検証、更新までを循環させる
技術伝承が進まない4つの原因
1. 何を残すか決まっていない
対象が「ベテランのノウハウ全般」では広すぎます。重要設備の異常対応、品質判定、段取り替え、条件調整、顧客別の注意点など、失われた場合の影響が大きい業務から選びます。
2. 結果だけで判断過程がない
トラブル記録に「調整して復旧」としか書かれていなければ、後任者は再現できません。何を観察し、どの仮説を立て、何を確認し、なぜその処置を選んだかを残す必要があります。
3. 文書が分散し、最新版が分からない
標準書、設備マニュアル、個人メモ、メール、動画が別々に保管されていると、検索しても正しい情報へたどり着けません。生成AI検索を導入する前に、版、所有者、対象設備、製品、工程などの管理項目を整えます。
4. 教育と実務がつながっていない
資料を読んだだけでは、現場で判断できるようになりません。知識の理解、模擬ケース、監督下での実践、単独作業の認定までを一つの育成プロセスとして設計します。
先に「失うリスク」を棚卸しする
熟練者の年齢や文書数だけで優先順位を決めると、重要度の低い知識へ時間を使う可能性があります。業務単位で、影響と代替可能性を評価します。
| 評価項目 | 確認する質問 |
|---|---|
| 安全・品質影響 | 判断を誤ると、人、顧客、法令へどの程度影響するか |
| 停止・納期影響 | 知識がない場合の停止時間や納期遅延はどれくらいか |
| 発生頻度 | 日常業務か、低頻度だが重大な例外か |
| 代替可能性 | 同じ判断をできる人は何人いるか |
| 習得期間 | 後任者が単独対応できるまで何か月かかるか |
| 記録状況 | 判断理由、失敗例、例外が文書化されているか |
「影響が大きく、代替者が少なく、習得に時間がかかる」業務を優先します。低頻度でも、重大事故時の初動や製造再開条件などは対象に含めます。
生成AIが技術伝承で支援できること
生成AIは、主に次の役割を担えます。
- インタビュー音声の文字起こしと要点整理
- 判断条件、例外、注意点、確認質問の抽出
- トラブル事例の分類とタグ付け
- 標準書やFAQの草案作成
- 社内文書から関連箇所を探す検索支援
- 教育用のケース問題と理解度確認の作成
ただし、文書に存在しない知識を正しく補えるわけではありません。回答に引用元を付け、原文と現場で確認できる仕組みが必要です。
暗黙知を形式知に変えるインタビュー
「コツを教えてください」と聞くだけでは、一般的な回答になりがちです。実際の事例を時系列で聞きます。
聞くべき項目
- どのような状況だったか
- 最初に何を見て異常だと感じたか
- 他にどの可能性を考えたか
- 何を確認して候補を絞ったか
- どの処置を行い、結果はどうだったか
- 通常と違う例外条件は何か
- 経験の浅い人が誤りやすい点は何か
- どの状態なら作業を止め、誰へ連絡するか
写真、図、実物、過去のトラブル票を見ながら聞くと、具体的な判断を引き出しやすくなります。
1回のインタビューで作る成果物
録音や文字起こしを残すだけではなく、インタビュー後に次の成果物へ分けます。
- 判断カード：状況、観察点、確認順序、しきい値、例外、停止条件
- トラブル事例：事象、仮説、確認、処置、結果、再発防止
- 用語集：現場特有の呼び方と正式名称、似た用語の違い
- 未確認リスト：本人の記憶だけで、図面や実績と照合できていない内容
- 教育ケース：後任者に状況を示し、確認順序と判断理由を説明させる問題
生成AIに整理させる場合も、「話していない内容を補わない」「推測は未確認と表示する」「発言箇所を示す」と指示し、熟練者と業務責任者が確認します。
技術知識を「一件一判断」で構造化する
長いインタビュー記録をそのまま保存しても、現場では使いにくいものです。次のような単位に分けます。
| 項目 | 内容 |
|---|---|
| 対象 | 設備、製品、工程、部位 |
| 状況 | 運転条件、前後工程、発生時点 |
| 事象 | 観察できた症状、数値、変化 |
| 判断 | 確認順序、判断基準、除外条件 |
| 対応 | 暫定処置、恒久対策、禁止事項 |
| 結果 | 復旧、品質への影響、再発有無 |
| 根拠 | 標準書、図面、写真、担当者 |
| 管理 | 版、承認者、更新日、機密区分 |
この構造は、トラブル事例データベース、FAQ、教育教材、生成AI検索の共通基盤になります。
社内ナレッジ検索に生成AIを使う
社内文書を検索して回答を作る仕組みでは、一般に、質問に関連する文書を検索し、その範囲をもとに生成AIが回答します。導入時は、次の条件を満たすか確認します。
- 回答に引用元の文書名と箇所が表示される
- 権限のない文書は検索結果にも出ない
- 旧版より最新版が優先される
- 「情報がない」と回答できる
- フィードバックから文書と検索条件を改善できる
- AI回答だけで安全・品質判断を完結させない
文書が古い、重複している、用語が統一されていない状態では、検索精度も上がりません。AI導入と文書整備を並行して進めます。
質問、検索された文書、生成された回答、引用元、利用者評価をログとして残すと、答えられなかった質問を次の知識収集へ戻せます。ただし、ログ自体に機密情報が含まれるため、保存期間と閲覧権限を決めます。
90日で始める技術伝承DX
1〜30日：対象を絞る
退職予定者の人数だけで決めず、停止損失、品質影響、教育期間、代替できる人の数から優先業務を選びます。対象は一つの設備または一つの判断業務まで絞ります。
31〜60日：知識を収集・構造化する
代表事例と例外事例をインタビューし、「一件一判断」で整理します。生成AIで草案を作り、熟練者と後任者の双方が内容を確認します。
61〜90日：検索と教育で使う
後任者が実際の質問で検索し、必要な情報へ到達できるか試します。模擬ケースや現場実習で、判断理由を説明できるか確認します。
後任者の到達度を4段階で確認する
「教育を受けた」ではなく、任せられる業務範囲で到達度を定義します。
| 段階 | 到達状態 | 確認方法 |
|---|---|---|
| 1：理解 | 用語、手順、禁止事項を説明できる | 確認テスト、口頭説明 |
| 2：模擬 | 代表ケースで確認順序と理由を示せる | ケース演習 |
| 3：監督下実践 | 現場で作業し、異常時に相談できる | 指導者チェック |
| 4：単独認定 | 許可範囲で判断し、記録と報告ができる | 実技評価、責任者承認 |
認定後も、低頻度の例外や工程変更は支援対象として残します。熟練者、後任者、業務責任者、文書管理者、IT担当者の役割を決め、知識の承認とシステム運用を一人に集中させないことが重要です。
効果測定の指標
文書の件数だけでは、技術伝承の成果を判断できません。次の指標を組み合わせます。
- 過去事例を探す時間
- 熟練者への同じ質問の回数
- 後任者が単独作業へ移るまでの期間
- トラブル時の初動時間
- 文書の閲覧、引用、更新回数
- 模擬ケースで判断理由を説明できた割合
利用されない文書は、分類、粒度、検索語、内容のいずれかに問題があります。利用ログと現場の声から継続的に直します。
まとめ
製造業の技術伝承DXは、知識を集めるだけでなく、重要な判断を選び、事例から判断過程を引き出し、検索と教育で再利用する取り組みです。生成AIは整理と検索を速めますが、根拠となる文書、アクセス権、版管理、現場確認が欠かせません。
標準書への展開は生成AIで作業標準書・マニュアルを作る方法を、全体のテーマ候補は製造業のAI・生成AI活用事例15選をご覧ください。
製造業向けの講座については、製造業DX実践シリーズをご確認ください。