ベテラン社員の暗黙知の重要性
いやーベテラン社員の方が、まあ移動とか退職とかで、その貴重なノウハウ、いわゆる暗黙知ってやつですかね。それがこう失われちゃうって結構聞く話ですよね。
あなたの周りでも、なんか引き継ぎ資料だけじゃこう全然カバーしきれない、あの人の勘どころみたいなものってあるんじゃないでしょうか。
今回はですね、株式会社miiboさんと株式会社ココロミさんが開催したセミナーの資料がありまして、それをもとにですね、この課題にAI、特にその会話型AIのmiiboでどうアプローチできるのかと、その辺の具体的なステップを深掘りしていきたいなと思っています。
単に情報を整理するんじゃなくて、生きた知識にするみたいな。
まさにおっしゃる通り、生きた知識にするっていうところが、あのすごく大事なポイントですね。ただ、情報をどこかにこうしまっておくんじゃなくて、対話を通じて誰もが必要な時に必要な形で引き出せるようにする。属人化しやすいノウハウをちゃんと組織の共有財産にしていこうっていう、そういう試みですね。
うーん、なるほど。そのための、じゃあ最初のステップですけど、ベテランご本人からどうやってその知識を引き出すか。資料にあったディープリスニングっていうのが影だと。これ単なるヒアリングとは違うってことなんですよね。
ええ、全く違いますね。あの技術的な質問とかをいきなりするんじゃなくて、まずその心理的安全性ですね。これを作るのがすごく大事です。
心理的安全性ですか。
はい。特に長年の経験で、もう無意識にやってることって本人もなかなか言葉にしにくいんですよ。なので、まずはしっかり信頼関係を築いてリラックスして話せる雰囲気づくり、これが最優先ですね。
あと社外の専門家、第三者が聞くっていうのも結構メリットがあって。
ああ、なるほど。
利害関係がないんで本音が出やすいっていうのはありますね。
ディープリスニングと知識の構造化
ああ、まずそこからなんですね。土壌づくりというか。
ええ、その上でどういう状況でどう考えてどう行動して結果どうなったかっていうのを感情面も含めて深く掘り下げていくんです。
単なる手順やり方だけじゃなくて、その背景にある考え方とか、半山の基準、つまりなんでそうしたのかっていうところまで引く、これが本当の暗黙値の抽出には不可欠ですね。
なるほどな、経験の裏側にあるその思考のプロセスまで掘り起こしていくと。
それで引き出したその貴重なお話、次はどうやってAIに食べさせるというか、理解させるんですか?構造化のステップですね。
ああ、そうですそうです。構造化。AIが理解しやすい形に翻訳してあげる作業ですね。これも知識の種類によって実は最適なフォーマットっていうのがあるんですよ。
へえ、種類によって違うんですか?
ええ、例えば仕事の哲学とかそういうちょっと抽象的な話はマークダウン形式がいいですね。見出しとか箇条書きを使って階層的に整理するんです。そうすると考えの骨組みみたいなのがAIにも分かりやすくなります。
なるほど、じゃあ業務のプロセスみたいな流れがあるものはどうでしょう?
ああ、そういう業務フロー的なものは、ヤムルとか、あとマーメイドっていう形式が向いてますね。
ヤムル、マーメイド。
ええ、これらはもしAだったらBに行って、そうでなければCに行くみたいな上天分岐を含む手順をAIがちゃんと追えるように記述できるんです。まあ言ってみればAI向けのフローチャートみたいなもんですね。
はあ、なるほど。分かりやすい。でも中には動画じゃないとちょっと伝わらない技術とかもありますよね。
まさにそういう身体的なスキルとか言葉にしにくいものは動画で記録するのが一番です。ただ動画だけだとAIは中身を理解できないので、その内容を説明するテキスト情報、これをちゃんと付与するんです。
ああ、テキストで補足するんですね。
そうです。そうするとAIはこの手順はこの動画の何分何秒あたりを見てくださいね、みたいに的確に案内できるようになるわけです。要は後でAIが検索したり理解したり活用しやすいように知識の特性に合わせてデータを整えてあげるということが大事です。
AIの活用と改善サイクル
データ形式を使い分ける。まさにAIフレンドリーにするってことですね。そしていよいよ最終段階。構造化したデータをその会話型AIのmiiboに実装していくと。ここでRAGっていう技術が重要になるという話でしたけど、このRAGっていうのはえっと。
RAGですね。リトリバルオーグメンテッドジェネレーション。これはAIが回答を作るときにですね、ただ自分の記憶、学習データだけに頼るんじゃなくて、まず関連性の高そうな情報を事前に用意しておいたデータストア、つまり構造化した知識の中から探してくる。リトリバル。
まず探す。
ええ。で、その見つけてきた情報に基づいて回答を組み立てる。ジェネレーション。こういう仕組みなんです。
ああ、なるほど。なんとなくAIに看扁を持たせてあげるみたいなイメージですかね。
ああ、まさに。すごく分かりやすく言うとそんな感じです。
これによって、AIは一般的な知識だけじゃなくて、その組織ならではの、しかも最新の、ちゃんと根拠に基づいた回答というのができるようになるんですね。
MIMOみたいなプラットフォームは、こういう色々な形式のデータを登録しやすくて、このRAGの仕組みを効果的に使えるようにうまく設計されているわけです。
なるほど。技術的な背景はよくわかりました。でも、どんなにいいAIを作っても、それが宝の持ち腐れみたいになっちゃったら意味ないですよね。実際の業務でどうやって使っていくかっていうのがやっぱり重要かなと。
おっしゃる通りですね。そこが一番大事かもしれません。やっぱりSlackとかTeamsとか、みんなが普段使っているツールに組み込んで、なんか気軽に質問できる環境を作るのが理想的ですよね。
ああ、日常のツールに。
たとえば、新人の人がOJTでちょっとわからないことを聞くとか、あるいは担当者の人がいないときに代わりに基本的な質問に答えてもらうとか、あとはマニュアルには載ってないようなちょっとしたコツとか裏技みたいなのを共有するのにも結構使えると思いますよ。
へー、裏技共有。それは面白いですね。
そうですね。現場で使えるっていうのが本当に大事です。それと、やっぱり使われた履歴、ログですね。これを分析したり、ユーザーさんからフィードバックをもらったりして、継続的にAIの知識を更新していく、改善していく。これが本当に価値のある知識資産にしていくための鍵になりますね。
miiboみたいなノーコードツールだと、ITの専門家じゃなくても現場手動でそういう改善のサイクルを回しやすいっていうのも結構大きなメリットかなと思います。
なるほどなー。いやー、よく分かりました。というわけで今回は、ベテランの暗黙地をAIで継承するためのディープリスニングでまずしっかり聞き出して、それを構造化してAIフレンドリーなデータにして、最後にmiiboとRAGで実装して現場で活用していく。そういう3つのステップを見てきました。
他に情報を保存するだけじゃなくて、対話を通じてアクセス可能の形にするっていうのがポイントでしたね。
そうですね。しなわれてしまいがちな個人の貴重な経験とか知識を組織全体の力に変えていく。これは単なる効率化っていう話だけじゃなくて、組織の学習能力そのものを高めるっていう意味で非常に戦略的な取り組みと言えるんじゃないでしょうか。
確かに。この話を聞いて、もしあなたの組織でこの暗黙地をAIで継承するってなったら、まず誰のどんな知識を対象にしてみたいか。ちょっとそんなことを想像してみるのも面白いかもしれないですね。
