AI-POWERED KNOWLEDGE CREATION
SECIモデルの知識創造サイクルをAIで加速する、
ナレッジマネジメントフレームワーク。
熟練者の判断や現場の工夫をAIが引き出し、社内の文書やデータと結びつけ、学習と業務支援を通じて、一人ひとりが実務で使える形で届けます。
企業には多くの経験、情報、ノウハウが存在します。
しかし、それらを蓄積するだけでは、組織の知識として十分に活かすことはできません。
熟練者の判断、現場での工夫、顧客対応の勘所、失敗から得た学び。
実務で重要な知識ほど言語化されにくく、人の経験の中に残ります。その結果、共有や継承が難しくなり、異動や退職とともに失われるリスクがあります。
文書、メール、チャット、会議、データベース、業務システム。
情報は大量に存在していても、それぞれが分断されていると、必要な情報を見つけるだけでなく、複数の情報を結びつけて新しい知見を得ることも困難です。
マニュアルやナレッジベースを作っても、現場で使われなければ価値は生まれません。
さらに、実際に使った結果や新しい経験が知識へ戻らなければ、ナレッジは次第に現場の実態から離れていきます。
SECIモデルは、野中郁次郎・竹内弘高の両氏が『知識創造企業』（原著1995年）で提唱した、組織的知識創造の理論です。組織における知識創造を、暗黙知と形式知の相互変換として捉えます。
人が持つ経験や感覚は、他者との経験共有を通じて伝わり、言葉や文書として形式知になり、既存の知識と組み合わされ、再び人の経験や能力として身についていきます。
経験を共有し、人から人へ知識を伝える。
経験や判断を言語化し、共有可能な知識へ変える。
複数の知識を結びつけ、より体系的な知識をつくる。
知識を実践し、自らの判断や能力として身につける。
SECIの重要なポイントは、4つのプロセスが一度で終わらないことです。
共同化▶表出化▶連結化▶内面化
を繰り返すたびに、新しい経験や知識が生まれます。
個人の経験から始まった知識は、チームへ、部門へ、そして組織全体へと広がりながら、螺旋状に成長していきます。
出典：Ikujiro Nonaka, Hirotaka Takeuchi, The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation, Oxford University Press, 1995（邦訳：野中郁次郎・竹内弘高『知識創造企業』東洋経済新報社、1996年）
SECIモデルの中心にあるのは、人の経験、対話、学習です。しかし企業の規模が大きくなるほど、知識の収集、言語化、整理、統合、教育を人だけで続けることは難しくなります。
AISECIは、人が得意な知識創造と、AIが得意な知識処理を組み合わせます。4つのプロセスごとに人とAIの役割を分け、ナレッジスパイラルを回しやすくします。
これまでの情報ツールが扱えたのは、主に水面上の形式知でした。形式知同士を集め、整理し、結びつける連結化は、コンピュータが最も得意とする領域です。
生成AIは、対話を通じて人に問いかけ、言葉になっていない経験や判断の理由を引き出す手助けができます。これまで人に頼るしかなかった暗黙知の言語化にも、AIが関われるようになりました。
経験を共有する主役は人です。AIは対話の機会を増やし、専門家との疑似対話や日常の会話から経験を捉え、人と人の知識交換を促します。
Human-led / AI-accelerated暗黙知の源泉は人です。AIは専門家に問いかけ、会話を分析し、言葉になっていない判断基準や経験則を、文書や構造化された知識へ変換します。
Human knowledge / AI elicitation大量の形式知の収集、比較、関連付け、体系化は、AIの得意分野です。検索、分類、統合、更新の多くをAIが担い、企業全体の知識をつなぎ続けます。
AI-led knowledge integration知識を身につけるのは人ですが、個別教育、演習、フィードバック、現場支援の多くはAIが担えます。一人ひとりに合わせて知識を届け、業務の中でも支援します。
AI-led learning & performance support現場の経験収集から知識化、統合、実行支援、学習までを、一つの循環としてつなぎます。
番号を選択すると、各機能の説明を表示します。
専門家の知識や判断パターンをAIで再現し、対話を通じて経験知にアクセスできるようにします。
会議、商談、インタビューなどの日常会話から、重要な経験や判断理由、ノウハウを抽出します。
顧客や専門家などをAIが再現し、実務に近い対話や経験共有の機会をつくります。
会話や業務記録から、議事録、手順書、FAQ、SOPなどを自動生成します。
専門家との対話を通じ、言語化されていない判断基準や経験則を体系的に引き出します。
複数の経験や事例を比較・整理し、共通するパターンやルールとしてまとめます。
企業内に分散する文書やデータから、必要な情報を横断的に取得・統合します。
知識同士の関係性を構造化し、単独の情報では捉えにくい意味やつながりを表現します。
役割、業務、状況に合わせて、必要な知識を届けます。
個人の経験や理解度に応じて、学習内容や難易度を自動で調整します。
実務で起こり得る状況をAIで再現し、知識を実際の判断や対応へ結びつけます。
業務を行うその場で、必要な知識、手順、注意点、推奨アクションを提示します。
AISECIでは、12の機能をすべて導入する必要はありません。
対象となる業務や課題に応じて必要な機能を選び、4つの知識創造プロセスをつないでいきます。
商談や営業会議の中には、顧客の反応、質問の仕方、提案の工夫、失注理由など、多くの暗黙知が含まれています。
会話マイニングによって日常の商談から重要な経験を収集し、専門家ペルソナ・シミュレーションを使って、トップ営業の考え方や判断を他のメンバーも学べるようにします。
収集した商談や成功・失敗事例から、AIが重要な知識を抽出します。
知識抽出で「なぜ成功したのか」「どの判断が重要だったのか」を明らかにし、自動ドキュメント化によって営業プレイブック、トークスクリプト、FAQ、提案ノウハウなどへ変換します。
新しく得られた営業ノウハウを、CRM、過去商談、提案資料、製品情報、顧客情報などと組み合わせます。
エンタープライズRAGによって関連情報へアクセスし、ナレッジグラフによって顧客、課題、製品、成功事例などの関係性を構造化します。
作られた知識は、実際に使われて初めて営業力になります。
シナリオ演習によって顧客とのやり取りを事前に練習し、実際の商談では業務現場AIアシスタントが必要な情報や次のアクションを提示します。
そこで生まれた新しい経験は、再び共同化へ戻ります。
新しい経験は、再び「共同化」へ
経験、判断、ノウハウ、失敗から得た学びを引き出し、再利用できる知識として残します。
個人への依存を減らし、重要な知識を次の人、次の世代へ継承します。
ナレッジを保存して検索できるだけではなく、企業内の知識をつなぎ、必要な人へ、必要な場面で届けます。
業務から生まれる新しい経験や改善点を、再びナレッジスパイラルへ戻します。知識を、現場とともに進化し続ける組織資産へ変えます。
AISECIは、全社のナレッジマネジメントを一度に置き換える必要はありません。
知識継承や業務効率化の効果が大きい領域から始め、成果を確認しながら対象を広げます。
対象業務を分析し、どの知識が重要なのか、誰が持っているのか、どこで知識の流れが止まっているのかを明確にします。
文書、データベース、メール、チャット、会議、業務ログ、専門家との対話などから必要なナレッジソースを収集します。
12の知識創造機能から、対象業務に必要な機能を選びます。
既存システムや業務プロセスと統合し、共同化・表出化・連結化・内面化をつなぎます。
実際の利用状況、新しい事例、ユーザーからのフィードバック、業務結果を分析し、知識とAIの両方を継続的に改善します。
