AIが入っても、なぜ“現場の判断”は属人のままなのか。
1. AIを入れても、「最後はAさんに聞かないと」が消えない現実
ここ数年で、現場にもAIがどんどん入ってきました。
・見積書や報告書のたたき台はAIが作ってくれる
・過去案件の検索や、似た事例探しもすぐ出てくる
・チェック漏れや単純ミスは、かなり減ってきた
それでも、こんな会話は、あまり減っていません。
「この単価で出していいかは、最終的にAさんに確認してください」
「この取引先はちょっと特殊だから、Bさんの判断を仰いでください」
「この案件、スケジュール的にいけるかどうかは、工事課のCさんじゃないと…」
AIが入っても、「最後のOK」「ギリギリの判断」は、相変わらず特定の人に集中したまま。
なぜ、ここだけはいつまでも“属人”から抜け出せないのでしょうか。
2. 現場判断が属人化する、いくつかの理由
2-1. 判断の「前提条件」が言語化されていない
例えば、こんな判断があります。
・見積の単価を上げるか、そのまま飲むか
・工期ギリギリの案件を引き受けるか、断るか
・お客様の「この一文」をどう解釈して設計に落とし込むか
熟練者は、頭の中でこんなことを同時に考えています。
・このお客様とのこれまでの関係性
・過去に似たことをやったときのトラブルの有無
・社内のリソース状況や、他案件とのバッティング
・将来的に広がりそうな案件かどうか
でも、それを「ルール」としてちゃんと書き出している会社は、ほとんどありません。
結果として、
「なんとなく、今回はこうしておいた方がいい」
「このパターンは危ないから、やめておこう」
という“勘と経験”で済んでしまい、判断のロジックが見えません。
AIに任せたくても、「何をどう考えて、その結論になっているのか」が整理されていないので、任せようがないのです。
2-2. データではなく「エピソード」で記憶している
現場のベテランに話を聞くと、よく出てくるのはこんなフレーズです。
「昔あのお客様で痛い目を見てね…」
「前の現場で似たことがあって、そのときはこうしたんだよ」
つまり、記憶の単位が「データ」ではなく「エピソード」です。
・どの案件で
・どんな条件で
・どんな判断をして
・結果がどうだったのか
ここまで整理して記録されることは、ほとんどありません。
せいぜい、社内の議事録にサラッと書かれている程度で、そのときの温度感や「嫌な予感」のニュアンスは消えてしまいます。
AIはエピソードではなく、構造化されたデータで学びます。
人はエピソードで学び、語り、判断します。
このギャップが、属人化の温床になっています。
2-3. 「判断を残す仕組み」がそもそも用意されていない
多くの会社では、入力や作業ログは残していても、「判断ログ」は残していません。
・どんな情報を見て
・どんなリスクを考えて
・最終的にどう判断したか
・なぜ、その判断を選んだのか
ここが、システム上はほぼ“空白”になっているケースが多い。
判断の痕跡が残らないということは、
「人の判断」が、会社の資産にならない
ということでもあります。
結果として、
・同じような案件が来るたびに、毎回ゼロから悩む
・人が増えても、判断レベルは“水で薄めたように”下がっていく
・ベテランが抜けると、一気に判断の質が落ちる
これを「属人化」と呼んでいるだけで、実態としては
「判断を組織の知として残す設計を、そもそもしていない」
ということが多いのです。
3. AI導入の“落とし穴” ― 作業は自動化されても、判断プロセスは放置されがち
AI導入の現場を見ていると、こんな流れになっていることが多いです。
・帳票の読み取りや転記をAI-OCRで自動化
・報告書や見積書のたたき台を生成AIで作成
・NGワードチェックや単純な整合性チェックも自動化
ここまでできると、かなり楽になります。
ですが、その先の
「この条件ならOKにしていいか」
「このリスクは許容範囲かどうか」
「この案件にどこまで踏み込んでコミットするか」
といった“腹をくくる判断”は、依然として人間が担っています。
そして、その判断のやり方だけは、導入前とほぼ変わらないまま。
つまり、
・「AIが作った案を、ベテランがチェックして修正して終わり」
・判断のプロセスは、以前と同じように頭の中だけで行われる
・その修正の理由も、ログとしては残らない
これでは、いくらAIを入れても、属人判断は減りません。
むしろ「AIがやってくれた分だけ、ベテランの判断がさらにボトルネックになる」という構造が、よりくっきりと浮かび上がってきます。
4. 属人から「チームの判断」へ変えるために
では、どうすれば「現場の判断」を属人から卒業させられるのか。
いきなり“全部AIに置き換える”必要はありません。
まず、こんなところから始めるのが現実的です。
4-1. どの判断がボトルネックになっているかを特定する
・見積査定の「OK／NG」
・工期の「受けられる／受けられない」
・設計の「この解釈で進める／やり直す」
など、現場で「ここだけはAさんに聞かないと」と言われている判断を洗い出します。
すべてを対象にするのではなく、
・頻度が高い
・金額インパクトが大きい
・トラブルの原因になりやすい
このあたりを優先して、「重要な判断ポイント」を特定します。
4-2. 判断基準を「完璧でなくていいから」仮ルールにする
次に、その判断が行われるときに、ベテランが頭の中で見ているポイントを、ざっくりと言語化します。
・この条件なら基本はOK
・この条件が揃ったら要注意
・この条件の時は、必ず上長判断
最初から完璧なルールにしようとしないことが重要です。
むしろ、
「とりあえず今のAさんの頭の中を、そのまま仮ルールとして出してみる」
くらいのノリの方が、前に進みます。
4-3. 例外ケースを“宝物”として集める
判断の世界で一番重要なのは、むしろ「例外」です。
・ルール通りにやっていたら、うまくいかなかったケース
・たまたま助かったけど、冷静に考えると危なかったケース
・ルールには書いていないけど、現場では暗黙の了解になっているケース
こうした例外を、「面倒なもの」ではなく「宝物」として集めていく発想が大切です。
例外の集積こそが、「その会社らしい判断」の正体だからです。
4-4. 判断ログのフォーマットを決める
そして、判断ログを残すためのフォーマットを決めます。
・どの案件で
・どんな情報を見て
・どんな判断をしたか
・迷ったポイントはどこか
・結果どうだったか（後から追記）
これを、現場の負担にならないレベルで、サッと残せる仕組みを用意します。
細かいUIや入力方法は各社それぞれですが、
「人の判断」があとから検索できる状態で溜まっていく
ことが重要です。
4-5. AIには「判断の代行」ではなく「判断の助言」をさせる
ここまでくると、ようやくAIの出番がちょっと変わってきます。
・過去の判断ログから、似た案件を引っ張ってくる
・そのときの判断と結果を、今の案件と並べて見せる
・仮ルールに照らすと「基本はOKだが要注意」などとラベルをつける
つまり、AIがやるのは
「決めてあげること」ではなく
「決めるための材料を、過去の知恵も含めて揃えてあげること」
です。
最終判断は人間が行うけれど、
その判断のプロセスは、AIと人が一緒に作り上げる。
こうして初めて、「属人判断」が「チームとして再現可能な判断」に変わっていきます。
5. 「判断ログ」は、新しい競争力になる
帳票やデータを溜めている会社は、もう珍しくありません。
でも、「人がどう判断してきたか」のログを体系的に溜めている会社は、まだまだ少ないのが現状です。
・ベテランの引退や異動に強くなる
・新しいメンバーが、短期間で“らしい判断”に追いつける
・判断のブレを減らし、クレームや手戻りを減らせる
・AIに学習させる“自社ならではの判断データ”が蓄積される
判断ログは、単なる記録ではなく、会社独自の「判断OS」を育てるための材料です。
ここまで行けると、「AIを入れた会社」と「判断を設計した会社」の差は、数年単位で大きな差になっていきます。
6. AI時代にこそ、「現場の判断」を設計し直す
AIは、計算と生成のプロです。
人間は、文脈を読み、責任を引き受けるプロです。
AIが入ったからこそ、
「現場の判断」を“ブラックボックスのまま”にしておくリスクは、むしろ大きくなっています。
・判断の前提を言語化する
・例外を宝物として集める
・判断ログを残す仕組みをつくる
・AIには「判断の助言役」として入ってもらう
このあたりから一歩ずつ始めていくと、
「AIがあっても属人」という状態から、
「AIと人で、判断を再現し続けられる現場」へと、少しずつ変えていけるはずです。
あなたの現場で属人化している“あの判断”は何か。
そこから逆算して、AIと人の役割分担を組み直していくことが、これからのDXの本丸になっていくのだと思います。
Connected Baseのご紹介
「AI-OCR」「RPA」から
“LLM＋人の判断”の再現へと移りつつあります。
Connected Base は、日々の見積書・請求書・報告書など、
人の判断を必要とする“あいまいな領域”を自動で処理し、
現場ごとのルールや判断のクセを学習していくAIプラットフォームです。
これまで人が時間をかけて行ってきた仕分けや確認を、
AIとルール設定だけで再現・蓄積・自動化。
単なる効率化ではなく、「判断の継承」まで含めたDXを実現します。
現場の知恵を未来につなぐ──
その第一歩を、Connected Baseとともに。
