ライオンが熟練者の勘所を文書化、生成AI検索で技術継承に挑む取り組み

衣料用粉末洗剤の製造プロセス開発では、研究所でビーカーサイズで作った組成を工場の大型設備で量産できるように条件を詰めていきます。ここで効率よく検討を進めるコツや、原料の性状に応じて運転条件を決める判断は、OJTやマニュアル・手順書だけでは伝わりきらず、身につけるのに時間がかかるという状態が続いていました。少子高齢化と労働力人口の減少が重なり、教える側の熟練者にも負担が集中します。

編集部の見立てでは、ここでの困りごとは「情報が足りない」ことではありません。ライオンは社内データベースにある形式知を効率的に集めて提供する技術開発をすでに進めており、検索できる情報自体は積み上がっています。それでも継承が進まないのは、最も価値のある判断基準がどこにも文章として存在せず、検索の対象にすらなっていなかったからではないでしょうか。つまり、AIで探す前に、探せる対象を作る工程が抜けていた、という構造の問題として捉えられます。

この取り組みで目を引くのは、AIに暗黙知を直接学ばせようとせず、いったん人の手で「勘所集」という文書に落としてから生成AIに載せる、という二段構えの設計です。熟練者へのインタビューと、幅広い役職の社員が参加するワークショップという地道な情報収集を前段に置き、その抽出にはNTTが研究開発した技能抽出・コンテンツ化手法をベースにしたコンサルティングサービスを充てています。暗黙知の抽出という属人的になりやすい作業に確立された手法を当てることで、担当者の聞き取り技量に成果が左右されにくくなる。ここが、後段のAI検索の中身の質を決めていると考えられます。

対象を「衣料用粉末洗剤の製造プロセス開発」という一領域に絞り込んだ点も、実行可能性を大きく左右しているはずです。アジアでの需要が堅調で、かつ暗黙知の比重が高いテーマを選ぶという判断は、抽出コストに見合うだけの継承価値がある範囲を先に見極めるやり方といえます。全社の技術知を一気に形式知化しようとすれば、インタビューの母数だけで動けなくなる。範囲を限って型を作り、そこから他製品や海外拠点へ広げていく順序が想定されています。

三つ目は、抽出工程そのものを将来の負荷として見込み、インタビュー結果をまとめる作業に生成AIを適用することを検討している点です。暗黙知の形式知化は一度で終わる作業ではなく、対象範囲を広げれば広げるほど文書化の手間が積み上がります。成果物を生み出す工程にもAIを回す前提を最初から織り込んでおく設計は、継続的に更新される仕組みを目指すうえで理にかなっています。ライオン側にすでに対話型生成AI「LION AI Chat」や知識伝承AIシステムという土台があり、その上に暗黙知という新しい素材を載せる形になっている点も、立ち上がりの速さに寄与していると見られます。

この取り組みは2024年6月に開始された段階であり、削減時間などの定量的な成果はまだ公表されていません。想定される活用場面として、製造工程で品質に影響する留意点を検索して短期間で検討手順を学べること、原料の性状などを踏まえた製造条件設定のコツを生成AI経由で伝えることで、熟練者が新規参画者を指導する負荷を軽くすることが挙げられています。今後は暗黙知の抽出範囲の拡大や定期的な抽出、他製品への展開が予定され、より機微な内容を扱う手段としてNTT版大規模言語モデル「tsuzumi」の活用も検討対象とされています。