職人の「カン」をAIに学ばせる前に現場で決めること
「ベテランが5年以内に辞める。技能継承AIを入れたいが、何から始めればいいかわからない」——そんな相談が増えている。
調べれば調べるほど、AIベンダーや導入事例の情報は出てくる。だが、いざ自社で動こうとすると必ず詰まる。「どの作業から学ばせるか」「誰のカンを記録すればいいか」「何件分集めれば動き出せるか」。この問いに答えられないまま、ベンダーへの問い合わせが止まる。
技能継承AIの導入が進まない本当の理由は、AIの性能や費用ではない。AI以前に「人が決めておくべきこと」が整っていないからだ。
技能継承の本質は、AIを入れる前の「聞き出す設計」にある
技能継承AIが「暗黙知の言語化」を迫る理由
技能継承AIの基本的な仕組みは、ベテランの「判断」をデータとして記録し、AIがそのパターンを学習して再現する、というものだ。
ここで多くの現場が直面するのが「AIに何を学ばせるか」という問いである。
ベテランが30年かけて積み上げた「カン」は、頭の中にある。「この音がしたら減速する」「このときの色味は要注意だ」——そういった判断は、言葉にしないまま体に染み込んでいることがほとんどだ。
重要なのはここだ。AIはデータを学習する。だが、まだデータになっていない「判断」は学習できない。
つまり技能継承AIの導入とは、「AIシステムを入れる」前に「AIに渡すデータを作る」というプロセスが先にある。AIはその後の話だ。
大企業の事例が教える「準備の深さ」
技能継承AIで成果を出している企業の事例を見ると、共通して「AI以前の作業」に膨大な時間をかけていることがわかる。
ドイツのSiemens Amberg工場は、2026年3月に約2億ユーロの投資を発表し、2030年までに製造プロセスをAIが自律制御する「未来の工場」へ刷新する計画を打ち出した（出典）。注目すべきは、AIが現場を「置き換えた」のではなく、エンジニアを「トラブル対処」から「モデルの改善・例外管理」へと引き上げている点だ。AIが判断できるのは、そのモデルに学ばせた範囲だけ。範囲外は、今でも人間が例外として処理している。
ダイセルは20年分蓄積したノウハウを構造化して整理し、AIに学習させた
国内では化学メーカーのダイセルが代表的な事例だ。同社は約20年にわたり熟練作業員の業務と生産現場データを蓄積・分析し、AIが現場ノウハウを学習する基盤を整えた（出典）。そのロジックをAIが学習し、工場の自律運転を実現している。注目すべきは蓄積したデータ量そのものより、ノウハウを「判断の前提条件→判断内容→結果」という構造で整理してきた設計思想だ。ランダムに集めた記録ではなく、構造化されているからこそAIが学習できる。
「カン」の正体は、言語化されていない前提条件
多くの現場で起きていることを正直に言うと、「ベテランのカンをそのままAIに学ばせる」ことはできない。
カンの正体は、「言語化されていない判断の前提条件」だ。
例えば「この材料はいつもと違う」と気づくとき、ベテランは何を見ているか。色か、手触りか、前工程からの情報か。そしてその「違い」をどういう基準で判断しているか。そこには、本人も言葉にしたことのない前提がある。
AIに学ばせる前に必要な作業は、その「前提条件の言語化」だ。AIに渡すデータを設計する前に、「何が判断の材料になっているか」を人間が整理しておく必要がある。これが「判断の地図」だ。
最初に作るべきはAIシステムではなく、判断の地図である。
この順序を逆にすると、高いシステムを入れても動かないか、動いても的外れな結果を返すことになる。
中小製造業の現実：ベテランが1人しかいない工場の課題
大企業の事例を参考にしながら、中小製造業の現場で立ちはだかる壁がある。それは「ベテランが1人しかいない」という現実だ。
経済産業省の「ものづくり白書」でも繰り返し指摘されているように、製造業全体で技能伝承を担う指導人材の不足が深刻化している。大企業では複数のベテランからノウハウを引き出し、整合性を取ることができる。しかし中小では、ノウハウの源泉が1人に集中しているケースが珍しくない。
このとき怖いのは、「あの人が辞めると全部終わる」という状況だ。しかも、その人は現役で忙しく、ヒアリングの時間がなかなか取れない。
ここで重要なのは、技能継承AIを「全ノウハウを一度に吸い出す装置」として捉えないことだ。最初から全部を学ばせようとすると、ヒアリング設計が複雑になりすぎて動けなくなる。
正しいアプローチは、「最初の1業務」を決めることだ。工場全体ではなく、「この1工程のこの判断から始める」と絞り込む。そのための「何を・誰に・どこまで聞くか」を決めることが、現場でやるべき最初の仕事になる。
「どの業務から始めるか」を現場で決めることが、技能継承AIの出発点になる
AIを入れる前に、現場で決めておく3つのこと
技能継承AIの検討を始めるとき、ベンダーを選ぶより先にやるべきことがある。
1. 「最初に学ばせる業務」を1つ決める
全工程を一度に対象にしない。「この機械のこの操作判断」というレベルまで絞る。ベテランの負担も、ヒアリングの複雑さも、最初の1業務に集中させる。
2. 「聞くべき相手」と「聞いていい時間」を確保する
ノウハウを持つ本人に協力を依頼し、週に何時間、何週間ヒアリングできるかを先に決める。退職の2〜3年前から動かないと、時間が足りないケースが多い。
3. 「判断の前提条件」を3つ書き出す
「なぜその判断をしているか」を、ベテラン自身に言葉にしてもらう。最初から完璧な言語化は不要だ。「こういうときはこうする」を3例でも書き出せれば、その構造から判断の地図が見えてくる。
この3つが整って初めて、「何を学ばせるか」というAIへの要件が固まる。要件のないシステム選定は、費用の無駄だ。
まとめ
技能継承AIに興味があっても「最初の一手」で止まる理由は、AIの問題ではなく、AI以前の設計が手つかずだからだ。
大企業の事例が示すのは、AIの性能より「人が整理した判断の地図」の質が成否を決めるということだ。カンとは言語化されていない前提条件であり、それを整理するのは人間の仕事だ。
今すぐできることは一つ。「退職が近いベテランが担っている業務」の中で、「最初にAIに学ばせる1業務」を決めることだ。システムの話はその後でいい。
「これ、AIでできない？」
業務の流れに落とし込みます。
相談内容をもとに、
AIで支援できそうな工程と、
人が確認すべきポイントを整理します。
まずは、分かる範囲で構いません。