はじめに
製造業、建設業、設備保全などの現場では、長年の経験を持つ熟練者の退職や人材不足によって、技能伝承が重要な経営課題となっている。
しかし、熟練者の作業を動画で撮影し、手順書にまとめるだけでは、技能の本質まで伝えられるとは限らない。
熟練者は、作業中のわずかな音の変化、部品の感触、設備の振動、周囲の状況などを総合的に捉え、瞬時に判断している。その判断の多くは無意識に行われるため、本人に「なぜそうしたのか」と尋ねても、「経験で分かる」「何となく違和感があった」としか説明できない場合がある。
このような言語化されていない知識が「暗黙知」である。
暗黙知を若手へ継承するには、作業結果だけでなく、熟練者が何に注目し、どの情報を手がかりに、どのような判断を下したのかを明らかにしなければならない。
そのための方法として注目されているのが、認知的タスク分析によるヒアリングと、AR、AI、センサー技術を組み合わせた教材設計である。
なぜ作業動画だけでは暗黙知を伝えられないのか
作業動画は、手順や道具の使い方を伝えるうえでは有効である。一方、映像に記録されるのは、基本的に外から見える動作である。
熟練者の技能には、映像だけでは捉えにくい次のような要素が含まれている。
- どの箇所を重点的に見ているか
- 正常と異常を何によって見分けているか
- 作業を止めるタイミングをどう判断しているか
- 複数の情報から何を優先しているか
- 初心者が間違えやすいポイントはどこか
- 想定外の状況で、どのように手順を変更するか
例えば、機械の異常を察知した熟練者が、設備の音や振動を確認しているように見えても、実際には音の高さ、周期、負荷の変化、過去の故障経験などを同時に参照している可能性がある。
したがって、技能伝承では「何をしたか」だけでなく、「何を見て、どう判断したか」を抽出する必要がある。
ACTAを活用した認知的ヒアリング設計
認知的タスク分析（Cognitive Task Analysis：CTA）は、作業者の頭の中で行われている認識、評価、判断、意思決定を明らかにする手法である。
その実務向けの簡易手法として活用できるのが、Applied Cognitive Task Analysis（ACTA）である。ACTAは、主に次の3種類のインタビューから構成される。
タスクダイアグラム・インタビュー
最初に、対象となる作業全体を大まかな工程に分解する。
工程を細かくしすぎると、手の動きや道具の操作といった物理的な作業ばかりに注目が集まり、重要な判断が見えにくくなる。そのため、作業全体をおおむね3～6程度の主要工程に整理する。
そのうえで、熟練者に次のような質問を行う。
- 最も難しい判断が必要な工程はどこですか
- 経験の浅い人が失敗しやすい工程はどこですか
- 品質の差が生まれやすい工程はどこですか
- 作業を中断すべき状況はありますか
- 手順どおりに進められないのはどのような場合ですか
ここで特定された工程が、AR教材で重点的に可視化すべき領域となる。
知識監査（ナレッジオーディット）
知識監査では、熟練者が持つ判断の手がかりや、初心者には見えにくい変化を掘り下げる。
「作業のコツは何ですか」といった抽象的な質問だけでは、十分な回答を得にくい。具体的な経験を思い出してもらう質問が重要である。
例えば、次のように問いかける。
- 他の人が気づかなかった異常に気づいた経験はありますか
- そのとき、最初に何が目に入りましたか
- 音、振動、温度、色、匂いなどに変化はありましたか
- 初心者が見落としやすい予兆は何ですか
- 少ない手間で効率よく作業するための工夫はありますか
- 正常な状態と危険な状態の境界をどう判断していますか
これらの質問によって、熟練者が利用している「手がかり」「判断基準」「注意点」「効率化の工夫」を整理できる。
シミュレーション・インタビュー
シミュレーション・インタビューでは、過去に発生したトラブルや、難易度の高い状況を再現し、熟練者の判断を時系列で追跡する。
確認すべきなのは、最終的な正解だけではない。
- 最初に何を確認したか
- その時点で状況をどう評価したか
- どの情報を根拠に行動を決めたか
- 途中で判断を変更した理由は何か
- 誤った判断をした場合、どのような危険があるか
こうした質問によって、熟練者の判断を条件分岐として整理できる。AR教材では、この分岐をトラブル対応シナリオや警告表示、操作ガイダンスへ変換できる。
視線・動作・環境データでヒアリングを補完する
ヒアリングだけですべての暗黙知を抽出できるとは限らない。本人が意識していない動作や感覚については、客観的なデータによる補完が必要である。
視線計測で「どこを見ているか」を把握する
アイトラッキングを利用すると、熟練者が作業中に注目した場所、順序、時間、視線の停止点を記録できる。
記録した視線映像を熟練者と一緒に確認しながら、「なぜこの箇所を見たのか」「ここで何を判断したのか」と尋ねることで、本人も意識していなかった重要な着眼点を発見できる。
抽出した情報は、AR画面上の強調表示や、対象物を見たときに説明を出す視線連動型インターフェースへ応用できる。
動作計測で身体的なコツを数値化する
モーションキャプチャーやウェアラブルセンサーを使用すれば、腕や腰の角度、動作速度、姿勢、力の入れ方などを計測できる。
例えば、「腰を少し引く」という説明を、角度や重心位置の目安として表せるようになる。AR上で熟練者の理想姿勢と学習者の姿勢を重ねれば、動作のずれをリアルタイムにフィードバックできる。
ただし、熟練者の動作をそのまま唯一の正解として固定してはならない。体格差や設備条件、安全基準を考慮し、許容範囲として設計することが重要である。
IoTデータで感覚的な異常を客観化する
熟練者が「いつもと音が違う」「振動が重い」と感じている場合、音響マイク、振動センサー、温度センサーなどを用いて変化を記録する。
ヒアリングによって作業を止める判断点を確認し、そのときの測定値と照合すれば、経験則を一定の判定基準として整理できる。
これは、熟練者の感覚を否定するものではない。人間の判断と計測データを組み合わせ、再現可能な教材へ変換するための工程である。
AIを使って暗黙知をAR教材へ変換する
ヒアリング音声、作業映像、視線データ、センサーログは、収集しただけでは教材として利用できない。AIを活用し、検索・再利用できる知識へ変換する必要がある。
生成AIによる文字起こし・要約・分類
AIは、インタビュー音声の文字起こし、発言の要約、作業工程ごとの分類を支援できる。
例えば、熟練者の発言から次の項目を抽出する。
- 作業工程
- 判断に使用する手がかり
- 正常・異常の判定条件
- 推奨行動
- 禁止行動
- 初心者が陥りやすい誤り
- 安全上の注意点
- 例外的な対応
ただし、AIの出力をそのまま教材として公開してはならない。熟練者、現場責任者、安全管理担当者による確認が不可欠である。
ナレッジグラフによる判断ロジックの構造化
断片的な知識を「状況」「手がかり」「判断」「行動」「結果」の関係として整理すると、熟練者の思考を条件分岐として可視化できる。
例えば、「特定の振動が発生した」「温度が上昇した」「加工音が変化した」という複数条件と、設備停止や点検の判断を結びつける。
この構造は、AR教材の表示条件やトラブル対応シナリオの基盤になる。
RAGによる質問可能な現場知識の構築
RAG（検索拡張生成）を利用すると、作業者が現場で自然な言葉を使って質問し、熟練者の記録や過去の対応履歴から回答を得られる。
例えば、ARグラスを装着した作業者が「この音が出たときは何を確認するのか」と質問すると、関連する点検箇所、過去の事例、熟練者の助言を呼び出す仕組みを構築できる。
回答には参照元を表示し、最新の手順書や安全基準を優先する設計が必要である。
AR教材は「表示内容」より「表示する瞬間」が重要
AR教材では、情報量を増やせば教育効果が高まるわけではない。作業中に大量の文章を表示すると、視界を妨げ、認知負荷や事故リスクを高める可能性がある。
重要なのは、必要な情報を、必要な場所とタイミングで表示することである。
具体的には次のような設計が考えられる。
- 部品の取り付け位置へ矢印や輪郭線を重ねる
- 危険区域に近づいたときだけ警告を表示する
- 視線を向けた設備の点検履歴を表示する
- 異常発生時に対処手順を段階的に提示する
- 熟練者の作業動画を対象物と連動して再生する
- 遠隔の専門家が現場映像へ指示を書き込む
ARを単なる「空中に表示するマニュアル」にせず、熟練者の判断を適切な状況で再現する仕組みにすることが重要である。
導入を成功させる実践ステップ
1．対象作業を絞り込む
最初から工場全体を対象にせず、技能差が品質や安全性に影響する作業、教育に時間がかかる作業、トラブル対応が属人化している作業を選ぶ。
2．熟練者との信頼関係をつくる
技能を提供することで、自分の価値や役割が失われるのではないかと不安を感じる熟練者もいる。目的は人員削減ではなく、知識を次世代へ残し、熟練者の貢献を組織資産として位置づけることだと明確に伝える必要がある。
3．ヒアリングと計測を同時に行う
作業後の聞き取りだけでなく、実際の作業映像、視線、動作、設備データを同期して収集する。作業直後に映像を見ながら振り返ることで、記憶が鮮明な状態で判断理由を確認できる。
4．小さなAR教材を試作する
一つの工程、一つの異常対応など、限定した範囲で試作する。現場での見やすさ、表示タイミング、作業の妨げにならないかを確認し、改善する。
5．効果を複数の指標で検証する
評価では作業時間だけでなく、教育期間、作業ミス、手戻り、安全確認の漏れ、熟練者への問い合わせ回数、学習者の理解度などを確認する。
導入時に注意すべきポイント
暗黙知のデジタル化では、技術よりも運用設計が課題になることが多い。
特に注意すべきなのは、熟練者一人の方法を絶対的な正解として登録しないことである。複数の熟練者へのヒアリングを行い、共通する判断基準と個人固有の工夫を区別する必要がある。
また、AIが生成した手順や回答には誤りが含まれる可能性がある。安全や品質に関わる判断は、正式な作業標準、安全基準、設備メーカーの情報と照合しなければならない。
教材公開後も、設備更新、部品変更、事故情報、法令や社内基準の改訂に合わせて知識を更新する体制が求められる。
まとめ
熟練工の暗黙知をAR教材化するには、作業動画を撮影するだけでは不十分である。
ACTAなどの認知的ヒアリングを通じて、熟練者が注目する手がかり、判断基準、例外対応を抽出し、視線、動作、音、振動などのデータで補完する必要がある。
さらに、生成AIによる情報整理、ナレッジグラフによる関係性の構造化、RAGによる検索・質問機能を組み合わせることで、暗黙知を現場で利用できる知識へ変換できる。
AR教材化の本質は、紙のマニュアルをデジタル表示することではない。熟練者が蓄積してきた「見る力」「気づく力」「判断する力」を、適切な場所とタイミングで次の世代へ引き継ぐことにある。
コメント