Column

ベテランが辞める前に、暗黙知を AI スキルに変換できるか ── COLLEAGUE.SKILL の可能性

専門家の分散した知識を AI エージェントが実行可能な「スキルパッケージ」へ自動変換するフレームワーク COLLEAGUE.SKILL が登場した。ベテラン退職前の暗黙知継承コスト削減と、AI エージェントへの業務引き継ぎを現実的な選択肢にする研究を、人材育成・ナレッジマネジメント担当者向けに解説。

2026 / 06 / 02 5 分で読める English version →

ベテラン社員の頭脳から知識が抽出され、構造化パッケージに変換され、AIエージェントへ移植されるフローの抽象ビジュアル

こんにちは。Affectosphere Group の井下です。

こういう話、聞いたことがありませんか。

「40 年のキャリアを持つ熟練技術者が来年定年退職する。引き継ぎは 3 ヶ月やったが、伝わったのは手順書に書けることだけ。本当に大事なのは『なぜこうするのか』という判断の根拠だったが、それは言語化できなかった」。

「コンサルタントが育ったと思ったら転職していった。育てた知識は本人の頭の中だけにある」。

「マニュアルは作った。でも誰もマニュアル通りには動いていない。現場での実際の動き方は、見ていないと分からない」。

これは「暗黙知の継承問題」と呼ばれる、ほぼすべての組織が抱える課題です。体系化できていない知識、ルール化できていない判断、文章に落としにくい直感 ── これらをどうやって組織に残すか。

2026 年 5 月に arXiv で公開された研究（Tianyi Zhou, Dongrui Liu, Leitao Yuan ら、arXiv:2605.31264）は、このテーマに AI エージェントから迫ります。専門家の実践知・メンタルモデル・判断ヒューリスティックを、AI エージェントが実行可能な「スキルパッケージ」へ自動変換するフレームワーク COLLEAGUE.SKILL を提案しています。

今日の 3 点

価値: 暗黙知を「実行可能な構造化パッケージ」に変換することで、知識の継承・移植・管理が可能になる。
スキルパッケージの仕組み: 自然言語で編集・バージョン管理・ロールバックできる構造。
ビジネス応用: ベテラン退職前の知識保全と AI エージェントへの業務引き継ぎを現実的に設計する方法。

① なぜ暗黙知は引き継がれないのか

まず問題の構造を整理します。

知識には「形式知」と「暗黙知」の区別があります。形式知は言語化・文書化できる知識で、マニュアルや手順書に落とせます。暗黙知は言語化が難しい知識で、「なぜこの判断をするのか」「この状況ではどう対応するのか」という経験則や直感が含まれます。

暗黙知が継承されにくい理由は、「言語化しようとした瞬間に失われるものがある」からです。複雑な判断プロセスを文章にすると、コンテキスト依存の細かいニュアンスが脱落します。マニュアルを読んでも「実際の場面でどう使うか」が伝わらない。

これは「プロンプトエンジニアリング」でも起きている問題です。ベテランが LLM に与えるプロンプトは、多くの場合「なぜそのプロンプトが効くのか」を説明できない暗黙知の塊です。他の人がそのプロンプトを引き継いでも、改善や応用ができない。

② COLLEAGUE.SKILL のアプローチ

COLLEAGUE.SKILL が目指すのは、「暗黙知を透明なパッケージに変換する」ことです。

具体的には、専門家の知識を以下の3つのレベルで収集・構造化します。

実践知（Procedural Knowledge）

「何をどの順番でするか」という手順の知識です。これは比較的言語化しやすいですが、COLLEAGUE.SKILL はこれを単純な手順書ではなく、「エージェントが実行可能なステップ」として構造化します。

メンタルモデル（Mental Models）

「この状況をどう解釈するか」という判断の前提となる世界観の知識です。ベテランが状況を見たときに「これはこういう問題だ」と即座に判断できる背景にあるモデルです。これが最も言語化しにくく、かつ最も重要な知識です。

意思決定ヒューリスティック（Decision Heuristics）

「こういう場合はこう判断する」という経験則です。「例外的にこのルールを曲げるのはこういう状況のときだけ」「この指標がこの値を超えたらアラートを出す」といった判断の基準です。

これらをひとつの「スキルパッケージ」として統合し、自然言語で記述・編集できる形式に変換します。

パッケージの管理機能

COLLEAGUE.SKILL のスキルパッケージは、以下の特徴を持ちます。

自然言語で読み書き可能（エンジニアでなくても内容を確認・修正できる）
バージョン管理（変更履歴の追跡と、問題が起きたときのロールバックが可能）
他エージェントへの移植（作成したスキルを別のエージェントに適用できる）
コミュニティ共有（オープンソースで他組織のスキルも参照可能）

論文によれば、すでに GitHub で 18,500 以上のスターを獲得し、215 件のコミュニティ公開スキルが蓄積されているとのことです。

③ 人材育成・ナレッジマネジメントへの応用

この仕組みを実際の組織運営に当てはめると、どういう使い方が考えられるでしょうか。

ベテラン退職前の「知識保全プログラム」

退職が近いベテラン社員に対して、COLLEAGUE.SKILL を使った「スキルパッケージ化セッション」を実施します。インタビューや業務観察を通じて、実践知・メンタルモデル・判断ヒューリスティックを抽出・構造化する。

従来の「引き継ぎマニュアル作成」と異なるのは、「エージェントが実際に実行できる形式」で保存される点です。マニュアルは読むものですが、スキルパッケージは動くものです。

たとえば、熟練トレーダーの判断ルール、資格試験の解き方、クレーム対応の判断基準、製品品質のチェックポイントなど、「見て学ぶしかなかった」ノウハウを組織資産として残せます。

新人教育の AI コーチとして

抽出されたスキルパッケージを AI エージェントに適用することで、「ベテランの判断基準で動く AI コーチ」を作れます。

新入社員が案件で判断に迷ったとき、「ベテランAのスキルパッケージ」を持つ AI エージェントに質問すると、ベテランの判断基準に沿ったアドバイスが返ってくる。ベテランが直接指導できる件数には限りがありますが、スキルパッケージを通じた間接指導は並列でスケールできます。

スキルの品質管理と改善

バージョン管理機能があるため、「このスキルパッケージを更新したら成果が改善したか」を追跡できます。うまく機能しなかった判断ルールを特定してロールバックすることも可能です。

通常の「暗黙知の継承」では、後から「どの知識が役立ったか」を追跡することができません。パッケージ化することで、知識の有効性を組織として検証し改善するサイクルが回せます。

「プロンプト」という不透明な箱から脱出する

この研究が提示する方向性は、「AI への指示を透明化・構造化する」という広いテーマとつながっています。

現在、多くの AI 活用現場では「良いプロンプトを持っている人」と「そうでない人」の差が大きい。でも、そのプロンプトは個人の資産になっていて、組織には残らない。

COLLEAGUE.SKILL のスキルパッケージは、「プロンプトの暗黙知を可視化・組織化する」ための設計思想を持っています。「誰が持っているか分からないノウハウ」ではなく、「編集・管理・継承できる組織資産」として扱う。

もちろん、すべての暗黙知がパッケージ化できるわけではありません。身体知や感覚的な判断は、言語化自体に限界があります。また、自動変換の品質は専門家の協力度や知識の特性に依存するため、どんな組織でも同じように機能するかは未知数です。

それでも、「暗黙知を扱う方法論が進化している」という事実は、ナレッジマネジメントに関わるすべての人にとって、追い続ける価値のある研究領域だと思います。

では！

参考論文

Tianyi Zhou, Dongrui Liu, Leitao Yuan, Jing Shao, Xia Hu (2026). COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation. arXiv preprint.

※ 本記事は一部 AI により執筆されており、間違った情報が含まれる恐れがあります。