なぜベテランは「教えられない」のか
公開日：2026年7月28日｜カテゴリ：製造業DX・技能継承・AI活用
「あの機械の異音は、Aさんじゃないと原因が分からない」
「立ち上げ時の微調整は、20年やってきたBさんの勘に頼っている」
「Cさんが来年定年だが、代わりが育っていない」
大型製造機器を扱う現場で、これは日常の光景だ。そして問題の本質は「人手不足」ではない。その人の頭の中にしかない判断基準が、言語化されないまま失われようとしていることだ。
経済産業省「2025年版ものづくり白書」でも、技能継承は製造業の最重要課題のひとつとして明示されている。深刻なのは、言語化されていない判断基準・感覚知を持った担当者が現場に1人しかいないケースだ。退職までの期間で引き出せる暗黙知の量には物理的な上限がある——今年中に引き出せなければ失われる知識が、目の前にある。
だが希望もある。従来10年かかっていた技能習得を3〜5年に短縮する事例が報告されており、生成AIの登場で暗黙知の言語化・マニュアル化の難易度が大きく下がった。中小製造業でも手が届く領域になっている。
本記事では、行動経済学・認知科学・成功者の思考パターンをもとに、大型製造機器の属人化をAIで解消し、人材育成を可能にする具体的な手順を解説する。
第1章：なぜベテランは「教えられない」のか——認知科学の答え
「知識の呪縛」——熟練するほど説明できなくなる
ベテランが後輩に教えるのを渋っているわけではない。認知科学が明らかにした「知識の呪縛（Curse of Knowledge）」——ある技能を習得しきった人は、自分がどう判断しているかを自覚できなくなる——が原因だ。
熟練者の判断は「自動化」されている。異音を聞いた瞬間に原因が分かるが、その判断プロセスは意識に上らない。だから「どうやって分かるんですか」と聞かれても「長年やってれば分かる」としか答えられない。これは不親切ではなく、脳の仕組みだ。
ここにAIの役割がある。AIは「なぜそう判断したのか」を掘り下げる質問を、疲れず、遠慮なく、何度でも繰り返せる。人間の後輩が10回聞けば「しつこい」と思われる質問を、AIなら100回できる。これが暗黙知の形式知化の突破口だ。
行動経済学：ベテランが知識を出し渋る「合理的な理由」
もう一つの障壁は心理的なものだ。行動経済学の観点で見れば、ベテランが技能を共有しないのには合理性がある。「自分しかできない」ことが、その人の社内での価値と雇用の安定を担保しているからだ。知識を全部渡せば、自分の希少性が失われる——この損失回避の心理は自然な反応だ。
だから「技術を教えてください」という頼み方は機能しにくい。成功する組織は設計を変える。技能を提供した人を「先生」として処遇し、評価と報酬に紐づける。「あなたの判断基準を会社の財産として残す」というフレーミングにすることで、知識提供が地位の喪失ではなく地位の確立になる。この設計なしにAIを導入しても、データが集まらない。
第2章：暗黙知には3タイプある——それぞれに合う手法が違う
「ベテランの技能」とひとくくりにするから難しくなる。実際には性質の異なる3タイプがあり、それぞれに適したデジタル化手法がある。自社の技能特性に応じて手法を組み合わせることが定石だ。
図1｜暗黙知の3タイプと対応するAI手法
| 暗黙知のタイプ | 大型機器での具体例 | 適したAI手法 | 導入難易度・コスト |
|---|---|---|---|
| ① 判断・診断系
「なぜそうすると分かるか」
|
異音の原因特定、材料ロット別の設定変更、トラブル時の切り分け手順、段取りの判断 | 対話型LLM 熟練者へのインタビュー音声をLLMで構造化し、判断基準を抽出する |
低（最優先） ICレコーダー＋AI利用料のみ。今日から着手可能 |
| ② 動作・手順系
「どう体を動かすか」
|
大型機の分解整備手順、治具の取り付け、危険箇所での動き方、点検ルート | 画像・動画解析 作業映像から熟練者と若手の動作差をAIが自動抽出する |
中 スマホ撮影＋AI解析。まず動画を撮り貯めるだけでも価値あり |
| ③ 感覚・微調整系
「手の感触・力加減」
|
締め付けトルクの感覚、送り速度の微調整、振動の”いつもと違う”感、仕上げの触感 | モーション計測 モーションキャプチャ・グローブ型センサーで手首角度・握力・速度を記録 |
高 専用機材が必要。まず①②で成果を出してから検討 |
※中小企業がまず着手すべきは①の対話型LLM。設備投資ほぼゼロで、失われつつある判断基準を最速で救出できる。
第3章：最優先で始める「対話型ヒアリング」の実践手順
2026年には、退職前のベテランから対話で暗黙知を引き出す方式の製品が複数登場している。だが専用ツールがなくても、ICレコーダーと汎用AIだけで今日から始められる。手順を具体的に示す。
Step 1：インタビューの「質問設計」をAIに作らせる
まずAIにこう指示する。
「大型プレス機の保全を20年担当したベテラン技能者にインタビューします。本人が無意識にやっている判断を引き出すための質問を30個作ってください。『どうやるか』ではなく『なぜそう判断するか』『失敗したときはどうだったか』を掘り下げる質問にしてください。」
ポイントは「失敗経験を聞く」ことだ。認知科学的に、人は成功体験より失敗体験のほうが鮮明に言語化できる。「今まで一番ヒヤッとしたのはどんな時ですか」「新人がやりがちなミスは何ですか」——この2問だけで、マニュアルに書かれていない重要知識が大量に出てくる。
Step 2：録音して文字起こし、AIに構造化させる
インタビューは1回1時間、機械ごと・作業ごとに分けて実施する。録音を文字起こしし、AIにこう投げる。
「この会話から、（1）判断基準（○○のときは△△する）、（2）注意すべき危険、（3）よくある失敗と対処、（4）本人が『当たり前』と思っているが新人には自明でない前提、の4つに分類して整理してください。」
特に価値が高いのは(4)だ。ベテランが「そんなの当然」と思っている前提こそ、新人が最も躓く場所であり、既存マニュアルから抜け落ちている部分だからだ。
Step 3：AIに「追加で聞くべきこと」を洗い出させる
整理結果をAIに読ませ、「この内容で説明が不十分な点、新人が実行するには情報が足りない箇所を指摘して」と依頼する。ここで出た質問リストを持って、2回目のインタビューに臨む。この往復を3回ほど繰り返すと、実用に耐える知識ベースができあがる。
第4章：12ヶ月の導入ロードマップ
スモールスタートで段階的に進めることが現実的だ。技術継承AIの構築はデータ整備・PoC・本番展開を含めて数か月〜1年以上かかるケースもある。無理のない12ヶ月計画を示す。
図2｜技能継承AI 12ヶ月導入ロードマップ
| 時期 | フェーズ | 具体的にやること |
|---|---|---|
| 1〜2ヶ月目
緊急救出
|
退職間近の人から着手 | 定年・退職が近い順に対象者をリスト化。最も緊急度の高い1〜2名から対話型ヒアリングを開始する。完璧を待たず、まず録音を残す。「今年引き出せなければ失われる知識」から救出するのが鉄則。 |
| 3〜5ヶ月目
形式知化
|
構造化とマニュアル生成 | インタビュー記録をAIで構造化し、機械別・作業別のナレッジ文書に整形。同時に作業動画をスマホで撮影し始める。既存の点検記録・故障履歴・作業日報もデジタル化して集約する。 |
| 6〜9ヶ月目
現場実装
|
現場QAシステム構築 | 蓄積したナレッジをRAGで検索可能にし、現場のタブレットから質問できる状態にする。設備保全マニュアルの検索時間短縮という成果が報告されている領域。機密情報を扱うならローカルLLMを選択する。 |
| 10〜12ヶ月目
育成運用
|
教育プログラム化 | 新人教育カリキュラムにAI-QAを組み込む。「AIが答えられなかった質問」を月次で記録し、ベテランに追加ヒアリングして知識を補強する。この改善ループが継承の質を決める。 |
※中小企業省力化投資補助金など、AI導入を対象とする補助金が活用できる場合がある。金額・要件は改定されるため必ず公式サイトで最新情報を確認すること。
第5章：新人が「AIに聞きながら育つ」教育設計
知識を集めるだけでは人材は育たない。重要なのは新人の学習プロセスにどう組み込むかだ。認知科学の知見を踏まえた設計を示す。
図3｜AIを使った新人育成の設計原則
| 設計原則 | やってはいけない設計 | 正しい設計 |
|---|---|---|
| ① 考えさせてから教える | 質問すると即座に答えが出る。新人は考えずにコピーするだけになり、判断力が育たない | AIに「まず『あなたはどう思いますか』と返し、本人の考えを聞いてから解説する」と設定。ただし安全に関わる質問は即答させる |
| ② 誰の知恵か分かるように | 出典不明の情報が混在。経験3年の人のメモと経験25年の人の判断が同列に扱われる | ナレッジに「誰が・経験何年で・いつ語ったか」をメタデータで付与。信頼度の重み付けができ、ベテランへの敬意も残る |
| ③ 現場で使える形に | PCでしか見られない。手が汚れる・工具を持つ現場では実質使われない | タブレット・スマホから音声で質問できる形にする。「機械の前で3秒で引ける」が定着の条件 |
| ④ 危険を先回りで警告 | 聞かれたことだけ答える。新人は「何を知らないか」を知らないため、危険に気づけない | ヒヤリハット事例をナレッジ化し、関連作業の質問時に「過去にこの工程で事故があります」と自動で警告させる |
| ⑤ AIを最終権威にしない | 「AIが言ったから」で作業を実行。AIの誤りがそのまま事故につながる | 重要作業・初回作業は必ず人が最終確認するルールを明文化。AIは相談相手であり、責任者ではない |
※すべての技術が完全にAI化できるわけではなく、対象業務の見極めが重要。特に身体感覚と安全に直結する領域は、AIは補助にとどめOJTと併用する。
認知科学：なぜ「AI＋OJT」が最速なのか
ヴィゴツキーの「最近接発達領域」理論では、人は「一人ではできないが、支援があればできる」レベルの課題で最も速く成長する。従来のOJTでは、この支援役はベテラン1人に集中していた。ベテランの時間は有限だから、新人は「待つ時間」が長かった。
AIは、この待ち時間を消す。基本的な疑問はAIが即座に答え、ベテランは本当に難しい判断や実技指導に時間を使える。ベテランを代替するのではなく、ベテランの時間を最も価値の高い場面に集中させる——これが技能継承AIの本質だ。
第6章：成功者の思考パターン——「人が辞める前提」で設計する
優れた経営者は、組織を「特定の個人が永続する前提」で設計しない。人は必ず辞め、老い、いなくなる。それを前提に、能力を個人ではなく組織に蓄積する仕組みを作る。
トヨタの「標準作業」は、この思想の結晶だ。ベテランの動きを標準化し、誰でも再現できる形にして、そこからさらに改善する。属人化の解消は「ベテランを軽んじること」ではない。ベテランの知恵を、その人が去った後も生き続ける資産に変える最大の敬意だ。
AIはこの思想を、これまでにない速度と低コストで実現する道具になった。国が「製造業の暗黙知の形式知化」を政策テーマに掲げ、石けん製造の釜炊きから西陣織、鋳造、特注設備の設計まで、多様な現場で取り組みが進んでいる。あなたの現場だけが特殊で不可能、ということはない。
まとめ：今日から動ける3つのアクション
アクション1（今日中）： 社内の技能者を「あと何年で退職するか」順にリスト化する。上位2名が、今すぐヒアリングすべき対象だ。緊急度の順序を可視化するだけで、優先順位の議論が終わる。
アクション2（今週中）： その1名に1時間インタビューし、録音する。質問はAIに作らせる。「今まで一番ヒヤッとした経験」「新人がやりがちなミス」の2問だけでも、必ず録る。完璧な計画を待つ間に、知識は失われていく。
アクション3（今月中）： 録音をAIに構造化させ、A4数枚のナレッジ文書にする。それを本人に見せて「これで合っていますか」と確認する。この確認プロセス自体が、ベテランの当事者意識を生み、次のヒアリングへの協力を引き出す。
従来10年かかった技能習得を3〜5年に縮める——これは技術の話ではなく、「今日、誰の話を録音するか」という極めて具体的な行動の話だ。設備投資も専門家も要らない。必要なのは、ICレコーダーとAI、そして「今年引き出せなければ失われる」という危機感だけだ。
データ出典：経済産業省「2025年版ものづくり白書」・NEDO/経済産業省「GENIAC-PRIZE」（2026年3月受賞企業公表）・AI総合研究所・OptiMax・AIsmiley・各社公開情報（2025〜2026年）。補助金の金額・要件は改定される可能性があるため、必ず公式サイトで最新情報をご確認ください。
タグ： 製造業 | 技能継承 | 属人化 | 暗黙知 | 人材育成 | AI活用 | 大型機械 | 保全 | 認知科学 | 中小企業DX
