なぜベテランの暗黙知は、文書化しても継承できないのか

なぜベテランの暗黙知は、文書化しても継承できないのか

ベテランの判断を若手に引き継ごうとマニュアル化しても、肝心の部分は毎回こぼれ落ちます。理由はシンプルで、本人が「言語化できていない・そもそも言語化すべきだと気づいていない」判断こそが価値の中心だからです。この記事では、なぜ暗黙知の継承が長年うまくいかなかったのか、その構造と、いまLLMで何が変わりつつあるのかを整理します。
2026.08.13

暗黙知とは何か

暗黙知とは、本人が実行できるのに、言葉で説明しきれない知識のことです。「マニュアルに書けること」の下に、「経験で身についた判断」が層になって隠れています。

現場で聞くと、だいたいこう返ってきます。「トラブルのとき、音や雰囲気でわかる。でも、それをどう伝えればいいかはわからない」。

ポイントは、暗黙知は「難しい知識」ではなく、本人が“当たり前”だと思っていて、認識すらしていない知識だということです。だから聞かれない限り出てこないし、本人も出せると思っていません。

なぜ文書化しても継承できないのか

理由は3つに整理できます。

1. 本人が自覚しているのは「上の層」だけ

判断をドキュメントに起こそうとすると、本人が書けるのは表層までです。「なぜそう決めたのか」を掘っていくと、言語化されていない“当たり前”の差分が次々に出てきます。最初の文書には、その差分が入っていません。

2. 静的なドキュメントは、更新されずに古びる

一度書いたマニュアルは、現場が変わっても更新されません。判断は日々アップデートされるのに、文書は書いた時点で止まります。

3. 肝心なときに読まれない

緊急時やトラブル対応の最中に、分厚いマニュアルを読み返す人はいません。一番必要な瞬間に、一番使われない。これが文書化アプローチの構造的な限界です。

0813logicTree

これまで、なぜ解決できなかったのか

暗黙知を引き出す方法自体は、昔からありました。熟練したインタビュアーが本人に何十時間もかけて問いを重ね、判断の理由を掘り起こす、という手法です。軍事・医療・救急のように「判断の再現」が命に関わる領域では、実際に取り組まれてきました。

ただ、この方法には決定的な弱点がありました。

  • スケールしない。熟練インタビュアーの時間がボトルネックになり、一人分を起こすのに膨大な工数がかかる
  • 更新できない。一度起こしても、その後の変化を追いかけ続けられない
  • 静的な成果物で止まる。結局は文書に落ち、前述の「読まれない問題」に戻る

つまり、「引き出せるが、割に合わない」状態で長年止まっていた、というのが実態です。

いま、LLMで何が変わりつつあるか

ここが変わってきたのは、問いを重ねる作業を、LLMがスケールさせられるようになったからです。

やっていることの骨子はこうです。日々の業務履歴と、これまで蓄積した判断との「差分」を見て、「この一週間で、いつもと違う判断をした部分はどこか」を洗い出す。そこに対して「なぜそう決めたのか」を短く問い、本人が答える。答えを判断のデータに反映する。これを週に十分程度、続ける。

熟練インタビュアーが数十時間かけていた作業の“問いを出す部分”を機械が担い、本人は答えるだけになります。継続できるので、静的な文書と違って古びません。

整理すると、かつては「熟練インタビュアーが長時間かけて一度きり、成果は文書で止まる」だったものが、いまは「差分から問いが自動で立ち、本人は短時間で答えるだけ、内容は更新され続ける」に変わりつつある、という話です。

ひとつ正直に線を引いておくと、これですべての暗黙知が扱えるわけではありません。判断やロジックのような“頭の中の知識(脳内知)”には有効ですが、機械の音や温度、手の感触で判断する“身体の知識(身体知)”は、この方法では取れません。そこはセンサーなど別のアプローチの領域です。扱える範囲とそうでない範囲を分けて考えるのが現実的です。

よくある疑問(FAQ)

Q. これは結局、AIに仕事を代わらせる話?

いいえ。狙いは代替ではなく、本人が言語化できていなかった判断を、本人と一緒に外に出して残すことです。判断の主体は人のままです。

Q. モデルを学習(ファインチューニング)させるの?

いいえ。モデル自体を再学習させるのではなく、その人の判断をコンテキストとして積み上げていくイメージです。

Q. どんな職種で効く?

判断や経験則がものを言う職種、たとえばベテランの技能、専門職、トップ営業、審査・設計などと相性が良いです。逆に、身体感覚に強く依存する現場作業は前述の通り範囲外です。

まとめ

  • 暗黙知が継承できないのは、本人が“当たり前”として認識すらしていない判断が価値の中心だから
  • 文書化が効かないのは、上の層しか書けない・更新されない・肝心なときに読まれない、の3点
  • 昔から「引き出す手法」はあったが、スケールせず割に合わなかった
  • LLMで「問いを重ねる作業」がスケールし始め、答えるだけで・更新され続ける形が現実になってきた
  • ただし有効なのは“脳内知”まで。“身体知”は別アプローチと組む前提で考える

こうした「言語化されていない判断を、本人と一緒に引き出して組織に残す」仕組みを、私たちは ghoost というサービスで形にしています。もし「あの人の判断を組織に残したい」という課題があれば、のぞいてみてください。


AI白書2026 配布中

クラスメソッドが独自に行なったAI診断調査をもとに、企業のAI活用の現在地を調査レポートとしてまとめました。企業規模別の活用度傾向に加え、規模を超えてAI活用を進める企業に共通する取り組みまで、自社の現在地を捉えるためのヒントにぜひ。

AI白書2026

無料でダウンロードする

この記事をシェアする

関連記事