属人化より怖い「属AI化」。AIに聞けば分かる組織が失うもの

これまで作ってきた50件を超える業務マニュアルは、一つのSharePointフォルダへ集約しています。

ファイル名の先頭には、内容を表すカテゴリ番号とカテゴリ名を付けました。

そして、その名前を読み取って自動分類する、社内ネットワーク専用のHTMLページも作りました。

タイトルやファイル名を入力すれば、該当するマニュアルをすぐ開けます。

公開対象外の資料は、フォルダには残したまま検索画面には表示しません。

つまり、

「どこにマニュアルがあるのか」

という問題は、すでにかなり解決できていました。

でも、別の問題が残っていました。

・課題発見力の証拠になる資料はどれか
・要件定義や実装の意図が残る資料はどれか
・運用設計や定着支援を説明できる資料はどれか
・次の投稿に使える判断理由は、どこに残っているか

ファイルは探せても、意味までは検索できなかったのです。

そこでAIに資料を横断して読ませ、実績や設計思想との関係を整理しました。

便利でした。

ただ、整理が終わったとき、一つの疑問が残りました。

次の投稿を作るときも、またAIに同じ意味を探させるのだろうか。

それでは、人が探していた作業をAIへ移しただけではないか。


AIに聞けば分かる。それで本当に知識は増えたのか

最近は、AIエージェントが資料を探し、要約し、必要な情報を引き出してくれます。

複数の文書を読み比べる。
必要な箇所を抜き出す。
結論を整理する。

以前なら時間がかかっていた作業を、AIが代わりに進めてくれるようになりました。

私自身も、その恩恵を受けています。

ただ、毎回AIに探させて、答えを受け取って終わるなら、本当に知識が増えているのでしょうか。

質問する
↓
AIが探す
↓
答えを受け取る
↓
その場では解決する

そして次回、また同じような質問をする。

AIは再び資料を探し、別の言葉で答えを作る。

これでは、探索を高速化しただけです。

検索しなければ分からない構造自体は、改善されていません。


「あの人に聞けば分かる」から「AIに聞けば分かる」へ

従来の属人化では、よくこう言われます。

「あの人に聞けば分かる。」

担当者の頭の中に知識が集まり、その人が休んだり異動したりすると、仕事が止まる状態です。

AIを導入すると、この問題が解決したように見えます。

「AIに聞けば分かる。」

しかし、次のことが分からないままなら、知識が組織へ移ったとは言えません。

・どの資料を参照したのか
・なぜその情報を選んだのか
・どこまでが事実で、どこからが推測なのか
・前回と同じ手順で再現できるのか
・条件が変わったとき、次にどこを確認するのか

知識を持つ人が、AIへ置き換わったわけではありません。

回答を生成する仕組みに、仕事の判断を預けただけです。

私は、この状態を「属AI化」と呼んでいます。

AIが悪いという話ではありません。

AIの答えを、組織の知識だと勘違いすることが危険なのです。


属AI化が生むブラックボックス

属AI化が進むと、最初は便利になります。

質問すれば答えが返る。
資料を読まなくても概要が分かる。
経験が浅くても、判断材料を得られる。

しかし、回答を受け取るだけの運用を続けると、少しずつ問題が蓄積します。

AIがすぐ答える
↓
利用者がその場で満足する
↓
参照元や判断理由を残さない
↓
次回もAIに同じ探索をさせる
↓
過去の判断を検証できなくなる
↓
AIの回答だけが運用上の正解になる

質問の仕方が変われば、別の答えになるかもしれません。

参照できる資料が変われば、結論も変わるかもしれません。

前回の回答を作った条件が残っていなければ、違いの理由も分かりません。

そのとき、誰も「なぜこの運用になったのか」を説明できなくなります。

属人化では、人がいなくなると分からなくなります。

属AI化では、AIが答えられなくなった瞬間、何を根拠に仕事をしていたのかまで分からなくなる可能性があります。


文書検索の次に、意味を探す索引を作った

そこで、二つ目の索引を作りました。

一つ目は、すでに使っていた社内HTMLです。

マニュアル名やキーワードが分かる
↓
カテゴリまたは検索欄から探す
↓
原本をすぐ開く

これは、文書の所在を探す索引です。

新しく作った二つ目の索引は、役割が違います。

「要件定義の記事を書きたい」
↓
どの資料に設計意図が残っているか
↓
どの能力の証拠になるか
↓
何を確認すれば発信へ使えるか

こちらは、意味と証拠を探す索引です。

索引には、次の情報を残しました。

・投稿テーマごとに、どの資料を先に確認するか
・各資料から、どのような証拠を得られそうか
・課題発見、要件定義、実装、運用設計、定着支援のどれを証明できるか
・本文まで確認済みか、追加確認が必要か
・公開時に匿名化すべき情報

たとえば、

「注意ではなく、構造でミスを防ぐ」

という記事を書きたい場合は、すべての資料を読みません。

納品前チェック、承認運用、進捗管理に関する候補資料だけを確認します。

「要件定義は、困りごとの翻訳である」

という記事なら、「完了／未完了」だけでは表せない中間状態や、項目追加の理由が残る資料へ進みます。

投稿テーマを決める
↓
意味索引から候補資料を2〜4件へ絞る
↓
社内HTMLから原本をすぐ開く
↓
必要な資料だけ確認する
↓
新しく分かった事実を意味索引へ戻す

社内HTMLと、AIで作った意味索引。

この二つを組み合わせることで、AIを使うたびに、次回の探索量を減らせるようになりました。


答えではなく、次の判断へ使える形を残す

AIの回答を知識へ変えるには、答えそのものだけでなく、最低限、次の三つを残す必要があります。


1．参照資料

どの資料、記録、データを根拠にしたのか。

参照元が分かれば、回答をそのまま信じるのではなく、自分で確認できます。


2．判断理由

なぜその結論や方法を選んだのか。

別の案を採用しなかった理由は何か。

判断理由が残れば、条件が変わったときに、過去の判断を見直せます。


3．次の確認先

条件が変わったとき、どこを確認し、何を更新すればよいのか。

次の確認先が分かれば、未来の自分や次の担当者がゼロから調べ直す必要はありません。

参照資料
判断理由
次の確認先

この三つが残っていれば、AIの回答は、その場限りの答えではなく、次の判断へつながる知識になります。


AIを使うほど、組織知が増える状態へ

AI活用には段階があると思います。

第1段階：質問すると答えが出る
第2段階：AIが検索や作業を代行する
第3段階：得られた情報を分類し、索引や判断根拠として残す
第4段階：AIを使うほど、次回の探索と判断のばらつきが減る

価値が大きくなるのは、第3段階からです。

優れたプロンプトを毎回書くことが目的ではありません。

一度の探索を、次回も使える仕組み知へ変えること。

AIが働くほど、組織の中に参照先、判断理由、再現手順が増えていく。

人が判断できる材料が増え、次の人が続きを作れるようになる。

それが、私の考える健全なAI活用です。


AIに依存しないために、AIを使う

私はAIを否定したいわけではありません。

むしろ、AIがあるからこそ、50件を超える資料を短時間で横断し、意味や実績との関係を整理できました。

ただ、答えが速く出ることで満足してしまうと、その先にある仕組み化を止めてしまいます。

AIに聞けば分かる状態を、ゴールにしない。

AIを使った結果、次の人が少ない探索で正しい情報へたどり着ける。

判断の理由を確認できる。

条件が変わっても、どこを直せばよいか分かる。

そこまで残して、初めて知識になります。

「あの人に聞けば分かる」という属人化より、
「AIに聞けば分かる」という属AI化の方が、将来は怖いかもしれません。

だから私は、AIに答えを出させるだけで終わらせません。

AIを使うたびに、人と組織へ知識が戻る仕組みを作ります。