「なぜ毎回、同じ前提から説明しないといけないのか」——多くの組織のいらだちの正体は、人の能力ではなく文脈の置き場所にあります。指示ではなく前提を蓄積する。その考え方と、AIエージェントがそこで果たしうる役割を、押し売りぬきで整理します。
新しいメンバーに仕事を渡すたび、同じ前提から説明し直す。「この取引先は納期に厳しいから初動を早く」「この案件は過去にクレームがあったから文面はこう」——本人は覚えているつもりでも、次の人にはまた一から。管理職の時間の少なくない部分が、この「文脈の再送信」に消えているのではないでしょうか。そしてこの負担は、人手不足が慢性化するほど重くのしかかります。人が入れ替わるたびに前提がリセットされ、教える側の消耗が積み上がっていくからです。
厄介なのは、これが「誰かのサボり」では説明できないことです。指示を受けた側も、悪気なく解釈をずらします。「早めに」が人によって半日にも三日にもなり、「いつものやり方で」が指す内容が部署ごとに違う。同じ言葉を使っているのに、頭の中にある前提が共有されていない。だから毎回、言葉を足して埋め合わせるしかない。これは能力ではなく、前提の置き場所の問題だと考えられます。
よく「属人化が問題だ」と語られますが、順序が逆かもしれません。判断の前提が個人の経験の中にしか無いから、その人にしか回せなくなる。つまり属人化は、文脈が参照可能な場所に置かれていないことの結果として現れる症状です。症状（属人化）を叱っても、原因（文脈の不在）が残る限り、別の誰かが同じ場所で詰まります。
逆に、少ない言葉で動けるチームを思い浮かべてみてください。ベテラン同士が「あれ、いつもの感じで」で通じるのは、テレパシーではなく、長い時間をかけて判断基準・NG例・過去の失敗が暗黙のうちに共有されているからです。この共有された前提こそが「文脈」です。文脈が厚いほど、必要な指示は短くなる。逆に言えば、毎回長い指示が要る組織は、文脈が個人の外に出ていないだけとも言えます。
この構造は、システム導入がうまくいかない場面とよく似ています。たとえばSFAが定着しない本当の理由は、多くの場合ツールの機能ではなく運用側にあります。「なぜこの項目を埋めるのか」「埋めた情報が誰のどんな判断に使われるのか」という前提が共有されないまま入力だけ求めても、現場は動きません。文脈が欠けたまま器だけ配っても、器は埋まらない。同じことが、AI導入でも起こりえます。
つまり論点は「もっと便利なツールは何か」ではなく、「判断の前提を、人にもAIにも参照できる共有物にできるか」です。ここを外すと、AIを入れても結局「毎回プロンプトで背景を全部説明する」羽目になり、口頭指示が長文プロンプトに置き換わっただけ、という結末になりかねません。
では、頭の中の前提をどう外に出すか。理想論としては「全部マニュアル化しましょう」ですが、現実には誰も更新しない分厚い文書が増えるだけ、というのは多くの人が経験しているはずです。ここで発想を変えます。人がわざわざ読みに行く文書ではなく、AIエージェントが対話のたびに背後で参照する共有基盤として前提を蓄積する、という形です。人は「探しに行く」のが苦手ですが、質問に答える形なら前提を引き出しやすい。
文脈の材料は、実は日常に大量に流れています。会議での決定、その決定に至った理由、却下された案とその理由。こうした「なぜそうしたか」こそ最も再利用価値が高いのに、議事録には結論だけが残り、理由は消えがちです。会議音声を文字起こしして活用するような取り組みは、この流れ去る前提をすくい取り、後から参照できるナレッジに変える一歩になりうると考えます。ただし、ただ全文を溜めるだけでは検索性の低い記録の山になるため、後述の設計が要ります。
重要なのは、これを一部の器用な人の個人技にしないことです。誰が入力しても、誰が問いかけても、同じ前提が引き当てられる。そのためには、蓄積の仕組みと同時に、それを扱える人を社内に育てる視点が欠かせません。AIを使いこなす人材を社内で育てるAI研修を並走させると、仕組みが「導入して終わり」で止まりにくくなると考えます。
文脈を溜める、と言っても何でも溜めればよいわけではありません。設計の勘所は「繰り返し参照されるもの」に絞ることです。一度きりの雑談まで溜めると、ノイズが増えて肝心の前提が埋もれます。優先度が高いのは、①判断基準（どういう時にどう決めるか）、②禁則・NG例（過去にやらかしたこと）、③固有の事情（取引先ごと・製品ごとの例外）の三つだと考えます。
AIが人の代わりに判断の“気配”を再現できるかどうかは、理由が残っているかにかかっています。「Aに決めた」だけなら状況が変われば使えませんが、「納期リスクを優先してAにした」まで残っていれば、別の場面でも応用が利く。文脈基盤に蓄積すべきは、答えそのものより、答えを導いた前提のほうだと考えます。これは人間の引き継ぎでも同じで、AIだから特別なのではなく、良い引き継ぎの条件をシステムに落としただけとも言えます。
利用者が毎回うまいプロンプトを書けないと動かない仕組みは、結局また属人化します。目指すのは、普通の言葉で聞けば関連する前提が自動で引き当てられる状態です。技術的には社内データの整理と検索の設計が要になりますが、ここで効果を「◯%効率化」などと数値で断定することはできません。組織ごとに溜まっている前提の質も量も違うため、実際にどれだけ効くかは、自社データでの検証を経てはじめて分かる、というのが正直なところです。
文脈基盤の本当の勝負は、公開した後です。ルールは変わり、担当は替わり、去年の正解が今年の間違いになる。更新されない前提を参照し続けるAIは、自信満々に古い判断を再生産する、いちばんたちの悪い存在になりえます。だからこそ「溜める仕組み」と同じ重さで「見直す仕組み」を設計する必要があります。
「気づいた人が直す」は、たいてい誰も直しません。運用に乗せるなら、更新が業務の自然な副産物になる導線が要ります。たとえば会議で方針が変わったらその場で理由ごと記録する、AIの回答が実態とずれたら「ここは古い」と一言フィードバックできる、といった摩擦の少ない仕掛けです。完璧な体制を最初から目指すより、小さく回して直し続けるほうが現実的だと考えます。
そして、この運用を外注し切らないことも大切だと考えます。文脈は自社の中身そのものなので、外の誰かが代わりに育て続けることはできません。作りながら自社で回せるようになる——作りながら学ぶAI内製化・開発研修のように、内製の型を組織側に残す進め方が、長い目では効いてくると考えます。
最後に、期待だけで進めると足をすくわれる点を正直に挙げます。ここを飛ばした導入は、たいてい半年で形骸化します。
では何から始めるか。おすすめは、いきなり基盤を組むことではなく、自組織で「実際に何度も繰り返されている指示・説明」を一週間ほど書き出してみることです。同じ前提を、誰が、誰に、何回説明しているか。これを可視化すると、溜めるべき文脈の優先順位が驚くほどはっきりします。多くの場合、上位のごく少数の前提が、繰り返しの大半を占めています。
次に、その上位だけを対象に、小さく蓄積と引き当てを試します。全社展開は、そこで手応えと限界を掴んでからで十分です。文脈基盤も社内AIエージェント基盤も、目的は「AIを導入すること」ではなく「同じことを何度も言わなくていい状態」をつくること。その原点から逆算すれば、必要な範囲は自ずと絞れると考えます。
私たちは、元キーエンス画像処理事業部で現場の判断基準を扱ってきた知見を土台に、まず自組織の繰り返しを客観的に把握するところからの伴走を大切にしています。何を溜めるべきか迷う段階でも構いません。現状の棚卸しから、一緒に整理していく進め方を取れると考えます。
高価な仕組みの前に、自組織で繰り返されている指示・説明を数日〜1週間書き出す棚卸しから始めることをおすすめします。誰が誰に何回同じ前提を伝えているかを可視化すると、蓄積すべき文脈の優先順位が明確になります。多くの場合、少数の前提が繰り返しの大半を占めるため、そこから小さく試すのが現実的だと考えます。
マニュアルは人が探しに行く前提の文書で、更新されず形骸化しがちという弱点があります。AIに文脈を持たせる考え方は、普段の会話や記録から前提を蓄積し、質問したときに背後で自動的に引き当てる形を目指します。ただし曖昧な前提を溜めると逆効果になりうるため、何を共有すべきかを人が詰める工程は省けないと考えます。
属人化は原因というより、判断の前提が個人の頭の中にしか無いことの結果として現れる症状だと考えられます。前提を人にもAIにも参照できる共有物にできれば、特定の人に依存せず同じ判断の“気配”を引き当てやすくなります。ただし効果の程度は自社に溜まる前提の質に依存するため、実際の効き方は検証を経て分かる部分が大きいです。
重要な判断は人が現物・現場で確かめることを前提にすることをおすすめします。AIの回答は流暢で正しく見えますが、固有の事情が絡む判断では古い前提や誤りを自信満々に再生産することがありえます。文脈基盤はあくまで前提を素早く引き当てる補助であり、最終確認を代替するものではないと考えます。
DX・IT導入や人材育成に関する公的支援制度は複数存在しますが、対象範囲・要件・金額は年度や制度により変わります。適用可否は個別の状況に依存するため、正確な内容は所管省庁や事務局の最新の公表資料でご確認ください。制度ありきで設計せず、まず自組織の課題整理から始めることをおすすめします。
まずは自組織で繰り返されている指示・前提を可視化するところから始められます。元キーエンス画像処理事業部の現場知見を持つ視点で、何を文脈として蓄積すべきか、現状の棚卸しに伴走します。効果はやってみて検証する前提で、無理のない小さな一歩からご一緒します。
社内AIエージェント基盤について相談する