“業務引き継ぎ”と“生成AI業務導入”は似ている話

最近、LLMを駆使して仕事をしたり研修講師をやったり、クライアントの生成AI導入の悩みを聞いたりしながら思うことがあります。

「まるで人間同士が仕事をするときの悩みと似ているなあ」

その中でも特に似ていると感じるのが、「業務の引き継ぎ」と「生成AIに成果物を求めるとき」の悩みに関することです。

私自身、仕事を引き継いだり、または生成AIが微妙なアウトプットを出してきたり、その度になぜうまくいかないのか頭を悩ませてきた結果、この二つは“似ている”と結論づけています。

本記事では、私が気づいたこの二点の構造などについて解説をしていこうかと思います。

業務引き継ぎと生成AI導入の難しさが似ている理由

まず、皆さんも「引き継ぎがどうもうまくいっていない」と感じたことはありませんか？ちゃんと案件の説明はしたはずなのに。ちゃんと業務フローを教えてあげたはずなのに。

また、生成AIを業務に取り入れようとしたものの、社員がなかなか業務効率化まで辿り着けないような、そんな課題にぶつかった経験はないでしょうか？ちゃんとプロンプトは書いたはずなのに。ちゃんとストラクチャーを渡したはずなのに。

上記の二件は、一見すると別々の問題に見えますが、結論から言うと私はこの2つは難しさの__本質が似ている__と考えています。

その理由について詳しく解説していきます。

属人化した仕事の言語化は難しいし、面倒

そもそも仕事というものは、マニュアルや設計書の通りに進むものではありません。

担当者の知見やスキル、そしてその人がこれまで経験し見てきたものに、必ずと言っていいほど依存しています。マニュアルに書かれていない例外対応やちょっとした判断は、担当者が過去の経験から無意識に補完しているはずです。だからこそ「その担当者」は仕事をこなせるわけで、属人化は怠慢の結果ではなく、仕事の性質上、自然に発生するものです。

では、属人化した仕事はなぜ言語化されないままなのか。理由は大きく2つあると思っています。

• 1つ目は、そもそも言語化が難しいこと
  • 暗黙知は本人ですら自覚しづらく、「なんとなくこう判断している」を文章に起こすのは想像以上に骨が折れます。
• 2つ目は、言語化の工数が思った以上に高いこと
  • 普段の業務が忙しい中で、マニュアル化のためのまとまった時間を確保するのは簡単ではありません。

結果として言語化は後回しになり、仕事は属人化したままになります。

背景情報・コンテキストの理解に時間がかかる

私は、何も引き継ぎをする人間のことだけに原因があると言いたいわけではありません。引き継ぎを受ける側、そしてAIの側にも壁があるはずです。

どんなに構造化された質の高い情報を渡されたとしても、「どういう経緯や背景があって、今のステータスに至ったのか」という、__個々の情報を横断するコンテキストの理解__には時間がかかるのです。

まずこの事実を受け止めることが大事で。理解には時間がかかるし、理解へのハードルは確かに存在する。そこを飛ばして「資料はもらったから大丈夫」と思い込むと、後で**絶対に確実に間違いなく必ず100%**つまずきます。（言い過ぎ）

同時に、情報を与える側、つまり引き継ぎをする側やAIに指示を出す側も、この難しさを理解しなければなりません。「ちゃんと資料を渡したのに」「プロンプトに書いたのに」と相手を責める前に、コンテキストの理解という別の壁があることは肝に銘じておきましょう。

「指示や情報」ではなく「仕事を他者に渡す」ことが大事

ここまでの話を踏まえると、1つの結論が見えてきます。引き継ぐ側にとっては「指示や情報を渡す」こと、AIを使う側にとっては「プロンプトを渡す」こと。ここまでが仕事なのではありません。

「自分の仕事そのものを他者に渡す」という意識を持つことが大事です。

具体的には、自分が辿ってきた背景や経緯を追体験してもらうための工数をあらかじめ設ける、一度渡して終わりにせず繰り返しミーティングの場を持つ、相手の理解度を測るためのチェックを挟むなど。

こうした取り組みが必要になります。AIに対しても同じで、コンテキストを段階的に与えたり、出力を検証しながらプロンプトを改善したりと、「渡して終わり」にしない工夫が求められます。

引き継ぎ相手も生成AIも自分の仕事の「写し鏡」である

ここまで、業務引き継ぎと生成AI導入の難しさに共通点があることはある程度共感いただけたかと思います。

では、どうすればうまく仕事を渡せるのでしょうか。

私は、引き継ぎ相手も生成AIも「自分の仕事の写し鏡」だと捉えることが鍵だと思っています。

アウトプットの質は「渡し方」と相手のマッチングで決まる

後任やAIのアウトプットがいまいちだったとき、「相手の能力が足りない」と片付けてしまうのは早計です。かといって、「すべて自分の渡し方が悪かった」と抱え込むのも極端でしょう。

大事なのは、相手の能力・特性と自分の渡し方がマッチしているかどうかです。同じ渡し方をしても、後任のスキルセットや、AIのモデル・得意分野によって結果は変わります。相手に合わせて渡し方を調整することこそ渡す側の腕の見せどころです。

「写し鏡」という言葉の意味もここにあります。アウトプットに映っているのは、相手の能力だけではありません。自分が相手をどう理解し、どう渡したか。それが結果に映り込んでいるのです。

受け手の「聞き方」も成果を左右する

とはいえ、渡す側だけの問題でもありません。受け手側の姿勢もまた、成果を大きく左右します。

わからないことを放置せず、疑問点があれば遠慮なく聞きまくる。これも立派な手です。
そしてもう1つ重要なのが、「自分の理解の現在地」を明確に伝えること。何がわかっていて、何がわかっていないのか。それを渡す側に見せることで、渡す側は次に何を補えばいいかを判断できます。

これはAIとのやり取りにも応用できます。
「不明点があれば質問してほしい」と指示に含めたり、理解した内容を要約させて現在地を確認したり。人間相手と構造は同じです。

人間も生成AIも対話設計が必要ということ

業務引き継ぎも生成AI導入も、難しさの本質は「仕事を他者に渡す」ことにあります。

だとすれば、「渡す」を一回きりのイベントとして扱うのは筋が悪い、ということになります。資料を渡して終わり、プロンプトを投げて終わり、ではうまくいきません。

渡す。受け手が理解の現在地を返す。足りない部分を補って渡し直す。このループを最初から設計しておくこと。これが「対話設計」です。

人間なら定例ミーティングや質問しやすい場づくり、AIなら理解内容の要約確認やプロンプトの反復改善。形は違えど、構造は同じです。