背景・課題
製造業が抱える「技術伝承問題」は、もはや業界共通の深刻なテーマだ。
熟練技術者の高齢化が進む中、その人だけが持つ「なぜここでこの判断をするのか」という暗黙知は、マニュアルにも動画にもなかなか落とし込めない。今回のクライアント（精密機器メーカー）でも、以下の課題が積み重なっていた。
- •ベテラン依存の属人化: 設備トラブルが起きると特定の熟練者しか対応できない。その人が不在だと現場が止まる
- •新人育成コストの増大: OJTに割ける先輩社員の時間が減り、「聞きたいけど聞けない」という新人が増加
- •マニュアルの陳腐化: 紙やPDFのマニュアルは膨大かつ更新が追いつかず、現場での活用率が低い
- •退職リスク: ベテランが退職した瞬間に、数十年分のノウハウが消える
「人に聞けばわかる。でも、その人が異動・退職したらどうなる？」——これが根本の課題だった。
ソリューション
ナレッジAI（技術伝承AIエージェント）の構築
Link AIが提案したのは、**ベテランの技術・知見をAIに学習させ、誰でもいつでも自然言語で質問できる「技術伝承AIエージェント」**の構築だ。
5つのステップで構築する
STEP 1 — 対象業務の選定
最初に「どの業務にAIを適用するか」を決める。設備保全、品質管理、安全管理、新人教育など、対象業務に優先順位をつけて絞り込む。
STEP 2 — AIの役割定義
対象が決まったら、AIが何を答えられるようにするかを明確にする。「設備の異音原因を特定する」「過去の不良事例を検索する」など、具体的な役割を定義することで、後続のデータ収集がぶれない。
STEP 3 — 熟練者へのインタビュー
ここが最も重要なフェーズだ。熟練技術者の「暗黙知」を引き出すインタビューを実施する。単に「知っていることを教えてください」では機能しない。Link AIは独自の引き出し手法を用いて、本人でも言語化していなかった判断基準や経験則を構造化する。
STEP 4 — 関連データの収集・整備
マニュアル、作業記録、過去の不具合報告書、設計図面など、現場に眠るデータを整備・クリーニングしてAIが学習できる形に変換する。
STEP 5 — AIエージェントの稼働開始
学習が完了したAIエージェントを現場に展開する。スマートフォンやタブレット、現場の端末から自然言語で質問するだけで、ベテラン同等のアドバイスが得られる。
活用シーン
- •設備トラブル対応: 「この設備の異音の原因は何が考えられますか？」と入力すると、ベアリングの摩耗・ベルトの張力不足・アライメント不良などの候補と点検手順を即座に提示
- •新人の技術習得: わからないことをいつでもAIに質問して自律的に学習できる。先輩の手を止めずに済む
- •品質管理・検査: 過去の不良事例と対策をAIが検索・提示することで、同様の問題の再発を防止
成果・効果
現場に起きた3つの変化
1. 「聞けない」がなくなった
新人が「忙しそうで聞きにくい」と感じる状況は、教育機会のロスと同時にモチベーション低下を招く。AIが24時間365日、どんな質問にも丁寧に答えることで、新人の自律学習が促進された。
2. ベテランが「教える」から「育てる」へシフト
熟練者の役割が変わった。「毎回同じことを教える」反復作業から解放され、より高度な判断や次世代育成の本質的な部分に時間を使えるようになった。
3. ナレッジが組織の資産になる
これまで個人の頭の中にあったノウハウが、AIというプラットフォームに蓄積される。退職・異動があっても組織の知見は失われない。使えば使うほどデータが積み上がり、回答精度が向上し続ける。
ナレッジAIプラットフォームへの拡張
技術伝承AIは「はじまり」にすぎない。
同じ仕組みを設備保全・品質管理・安全管理・技術営業・調達購買など、あらゆる部門のナレッジに適用できる。最終的には全社のナレッジが一つのAIプラットフォームに集約され、部署を超えた知見の共有が可能になる。
「製造業のDXは、大規模なシステム投資だけではない。現場の知恵をAIに移すことから始まる」
製造業の現場が持つ膨大な「暗黙知」——それを次世代に引き継ぐ仕組みを、AIで実現することがLink AIの取り組みだ。