【ベテランの"勘"は財産か、リスクか】〜AIが問い直す、属人化した技術・経験の正体〜
中小企業には、マニュアルに書かれていない判断を毎日こなしているベテランがいる。「この客は少し待てば動く」「この工程はここで確認しないと後で詰まる」——そういった経験の蓄積が、現場を回している。多くの経営者はそれを「財産」と呼ぶ。だがその財産が、本人の頭の中だけに存在するとき、それは同時に組織の「脆弱点」でもある。
「ベテランにAIを使ってもらえば属人化は解消できる」という声がある。しかし問題はそう単純ではない。重要なのは、AIがベテランの知識を吸い出す道具になることではなく、ベテランが自分の経験をAIとの対話を通じて言語化し、それによってはじめてITの輪に入る動機が生まれるという、逆向きの構図である。
本稿では、属人化の本質と、AI活用がそれをどう変えうるか——そして経営者がどう設計すべきかを整理する。
"勘"の正体は何か——属人化の構造を分解する
ベテランが持つのは「経験」ではなく「判断基準」である
ベテランの強みを「長年の経験」と言うのは正確ではない。正確には、長年の経験から蒸留された「判断基準」と「例外処理の引き出し」である。
たとえば、10年以上顧客対応をしてきた営業担当者は、「この客は価格より納期を気にしている」「こういう言い方をすると話がこじれる」といった判断を、ほぼ無意識に行っている。それが「勘が鋭い」と言われる正体だ。問題は、その判断基準が本人の中で言語化されていないことである。
言語化されていない知識は、組織にとって「存在しない」に等しい
カーネマンの言葉を借りれば、熟練した判断の多くは「システム1」——意識的な思考を介さない、速く自動的な処理——によって行われる。本人が「なんとなくそう感じた」と言うのは、言い訳でも謙遜でもなく、実際にそのように機能しているからだ。
その判断は本人には自然に見えるが、他者には不透明である。 引き継ごうにも言語化できず、教えようにも言葉が出てこない。これが属人化の構造的な原因である。
「いてくれて助かる」が「いなくなったら困る」に変わる瞬間
中小企業の経営者は、優秀なベテランを「会社の柱」と表現することが多い。だがその評価は裏返せば、「その人がいないと回らない」という構造的リスクの告白でもある。
退職・病気・突然の離職——きっかけは何であれ、その日が来るまでリスクは見えない。 見えないから対策が後回しになる。これは損失回避バイアスの逆の罠で、「今は問題がない」という状況が、潜在リスクを意識の外に追いやり続ける。
なぜ属人化は「解消しよう」と思っても解消されないのか
「マニュアルを作れ」は機能しない
属人化対策として最もよく使われる手段は、マニュアル化である。だが多くの場合、それは機能しない。理由は単純で、マニュアルを作るのはベテラン本人だからだ。
言語化できていない知識を、ベテランが自力で言語化することは極めて難しい。「書いてみたら当たり前のことしか書けなかった」という経験をした経営者は少なくないはずだ。暗黙知は、表出させようとする外部のきっかけと対話がなければ、言葉にならない。
ベテランが「教えたくない」のではなく「教え方がわからない」
属人化が解消されない理由として、「ベテランが知識を独占している」という見方がある。しかしそれは多くの場合、正確ではない。ベテランは意地悪なのではなく、自分の判断基準をどう言葉にすればよいかがわからないのだ。
さらに言えば、「そんなこと聞かれるほどのことか？」という感覚が邪魔をする。本人にとって自明の判断を、わざわざ言語化することに価値を見出せない。これは認知のバイアスというより、経験値が高くなるほど生まれる「無意識の圧縮」の問題である。
「後継者に慣れてもらう」では組織リスクは消えない
もう一つよく取られる対策は、若手をベテランの横に置いてOJTで育てることだ。これ自体を否定するわけではないが、OJTは「あの人のやり方」を個人から個人に移すだけで、組織の知識にはならない。
次のベテランを作っても、属人化の構造は変わらない。経営者が本当に必要としているのは、個人の頭の中にある判断基準を、組織として参照できる形に変換することである。
AIはベテランの知識を「吸い出す」道具ではない
AI活用の誤解——「入力すれば自動で整理される」という幻想
AIを使えば暗黙知を抽出できる、という期待がある。確かにAIは、対話を通じて論点を整理し、言葉を引き出す力を持っている。だが「AIがベテランに質問して知識を取り出す」という設計は、ほぼ機能しない。
AIは、言語として入力されたものしか扱えない。ベテランが「なんとなく」で判断していることを、AIに尋ねてもらっても、「う〜ん、場合による」という答えしか返ってこない。AIに暗黙知を吸い出させようとする試みは、「言語化できていないもの」を「言語で引き出す」という矛盾を内包している。
AIが機能するのは「対話の引き出し」としてである
では、AIはこの問題に何もできないのか。そうではない。AIが真に機能するのは、ベテラン自身が「自分の判断を言葉にしようとする」プロセスの伴走者としてである。
「この案件、なぜ通常より納期を長めに設定したのか」をベテランに聞き、その答えをAIに入力して整理し直す。AIは「それは◯◯という判断基準に基づいているように見えます。他のケースにも当てはまりますか？」と問い返す。このやりとりの中で、ベテランははじめて自分の判断基準に気づく。
言語化は、AI単独でも、ベテラン単独でも難しい。二者の対話によって初めて言葉になる。
ベテランがAIを「使ってみたい」と思う動機は、教育ではなく承認から来る
ここに、もう一つの重要な構図がある。ベテランにAIを使わせようとするとき、「教育」として設計すると失敗する。
「AIを使えるようになりましょう」というアプローチは、ベテランに「自分は時代に乗り遅れた存在」というメッセージを暗に伝える。これは動機を生まない。むしろ抵抗を生む。
逆に、「あなたの知識を整理する場にAIを使う」という設計は、ベテランの経験に価値があることを前提にする。 チャルディーニが「影響力の武器」の中で論じた「コミットメント」の原理に近い構造がここにある——自分の知識が価値あるものとして扱われる体験が、能動的な関与を引き出す。
経営者はどう設計するか——AIをベテランへの「問い」として使う
ベテランの「なぜ」を聞く場を作る
経営者がまず着手すべきは、ベテランに「なぜそう判断したか」を話す場を定期的に作ることだ。週次の業務報告の中に「今週判断に迷ったこと・直感的に決めたこと」を一項目加えるだけでよい。
その内容をAIに入力して整理することで、ベテランの判断基準が少しずつ言語化されていく。 完璧なマニュアルを一気に作る必要はない。断片的な言語化の積み重ねが、やがて参照可能な知識の地図になる。
「AIを教える側」にベテランを置く
有効な設計の一つは、ベテランに「AIに自分の仕事を教える」役割を与えることだ。「AIに自社の業務を覚えさせるために、あなたの経験を入力してほしい」というフレームは、ベテランを「教わる側」ではなく「教える側」に置く。
この設計は、ベテランの自尊心と整合する。自分の経験が組織の資産として扱われることで、IT活用への関与に対する心理的なハードルが下がる。
言語化した知識を「使われる仕組み」に組み込む
言語化しただけでは意味がない。整理された判断基準が、実際の業務の中で後輩や若手に参照される仕組みを作ることが、属人化解消の本丸である。
FAQでも、チェックリストでも、社内チャットのピン留めでも形式は問わない。重要なのは「ベテランが言語化したものが、ベテランがいなくても使われる状態を作る」ことだ。AIはその言語化を助ける道具であり、組み込む仕組みの設計は経営者の仕事である。
結論 — 経営者が取るべき次の一歩
ベテランの"勘"は確かに価値がある。だがそれが言語化されず個人の中に留まるとき、価値と同時にリスクを組織に埋め込んでいる。AIはその構造を変える道具になりうるが、「AIがベテランから知識を吸い出す」という発想では機能しない。ベテランが自分の判断基準をAIとの対話で言語化し、それが組織に残る仕組みを作ることが本質である。
経営者は、AI活用をベテランへの「デジタル教育」として設計するのではなく、ベテランの知識の価値をAIで証明し、言語化を引き出す場として設計すべきである。
第一歩は、「今週、あなたが直感的に判断したこと」をベテランに一つ話してもらい、その内容をAIで整理する15分のセッションを試すことである。
