AI導入で一番最初に壊れるのは「ベテランのやり方」だった

AIを導入するとき、相談に来る方の多くが最初に心配するのは「現場は使ってくれるだろうか」「ITが苦手な人がついてこられるだろうか」です。

でも、実際に現場で起きるのは、少し違うところからのつまずき。 AI導入で一番最初に困惑するのは、新人でも若手でもなく、ベテランのやり方だったというケースは少なくありません。

ベテランが悪い、という話ではない

最初に大事なことを言っておきます。

これは、ベテランが悪い、変化を嫌っている、という話ではありません。むしろ逆です。

ベテランほど、現場を知っている、判断が速い、イレギュラーに強い。 だからこそ、AI導入と衝突しやすいのです。

ベテランの仕事は「言語化されていない」

ベテランのやり方には、共通点があります。

• 判断基準を言葉にしていない
• 状況を見て「感覚」で決めている
• 毎回少し違う判断を、自然にやっている

本人にとっては当たり前でも、それは長年の経験が積み重なった結果です。 一方、AIはルールが必要、入力が必要、判断条件が必要。

つまり、暗黙知のままでは扱えない。この瞬間に、摩擦が生まれます。

AIは「正しい判断」を壊すことがある

ベテランが戸惑うのは、AIが間違った答えを出すからではありません。 むしろ、「理屈としては正しいけど、現場ではそれじゃない」こう感じる瞬間です。

AIは、ルールに忠実で、過去データに基づき、一貫性があります。 でも現場では、今日は天気が違う、この取引先は癖がある、今回だけは急ぎ、こうした「微妙な違い」が日常的にあります。

ベテランは、そこを無意識に補正してきました。 AI導入は、この無意識の補正を表に引きずり出す作業でもあります。

壊れているのは「人」ではなく「順番」

AI導入がうまくいかない現場では、こんな進め方をしてしまいがちです。

1. 便利そうなAIを入れる
2. 既存業務を当てはめる
3. ベテランに「使い方」を聞く

これだと、ベテランの頭の中にあるものを、いきなりAIに移植しようとする形になります。 当然、うまくいきません。

壊れているのは人ではなく、設計の順番です。

tugiloがやっている「痕跡の可視化」の進め方

tugiloでは、ベテランのやり方をそのままAI化しようとはしません。最初にやるのは、これです。

• 判断は人のまま
• 記録と整理だけをAIに任せる

たとえば、

• 何を見て判断したか
• どこで迷ったか
• 例外だった理由は何か

これをログとして残す。判断を奪わず、判断の痕跡だけを可視化する。

この段階では、AIは「正解を出す存在」ではありません。整理係です。

この順番で進めると、ベテランは「自分のやり方を否定されている」と感じにくく、自然に言語化が進みます。

「判断の痕跡を残す」と言っても、いきなりログや記録の仕組みを整える必要はありません。 最初は、ベテランが「ここで迷った」「今回はこう判断した」とメモを残す場所を1つ用意するだけでも十分です。

それを見返しながら、「なぜそう判断したか」を一緒に言葉にしていく。 その繰り返しで、暗黙知は少しずつ形式知に変わっていきます。

ベテランの価値は、むしろここから上がる

この進め方をすると、面白い変化が起きます。

• ベテランの判断が言語化される
• 若手が「考え方」を学べる
• 属人化がゆるやかにほどける

結果として、ベテランがいないと回らない → ベテランがいると精度が上がる状態に変わっていきます。 AIは、ベテランを置き換える道具ではありません。ベテランの価値を共有可能にする道具です。

tugiloの相談現場でも、ベテランの判断を「整理係」として記録する形に変えたあと、「若手が相談しやすくなった」「同じ質問を何度もされなくなった」という声をよく聞きます。 ベテラン本人も、「説明する負担が減った」と感じるケースが多い。 置き換えるのではなく、共有可能にすると、両方が楽になります。

相談の場でtugiloが「要注意」と判断する場合

ベテランがAI導入に戸惑っている現場では、次のような状態になっているケースをよく見かけます。

• 「ベテランにマニュアルを書いてもらおう」から入っている → ベテランは言語化が苦手なことが多い。まず「話してもらう」形から始めることを提案します。
• 「AIの出力をベテランにチェックしてもらう」だけで終わっている → チェック基準が言語化されていないと、属人化が進むだけ。何を見て判断しているか、記録するところから入ります。
• 「ベテランが使わないから広がらない」と感じている → ベテランに「使わせる」のではなく、ベテランの判断を「残す」設計に切り替えることを提案します。

判断を奪わず、痕跡を残す。この順番に変えると、ベテランの抵抗感はかなり減ります。

「ベテランがAIを使わない」と感じるとき、現場では「AIに判断を委ねる」設計になっていることが多いです。 ベテランは、自分より劣ると感じる出力を信用しづらい。

逆に、「判断は自分のまま、記録と整理だけAIに任せる」形にすると、ベテランは「自分の仕事を手伝ってくれる」と受け止めやすくなります。 tugiloでは、この「委ねる」と「手伝ってもらう」の違いを、設計の段階で分けるようにしています。

AI導入は「人の扱い方」が9割

AI導入の成否は、技術よりも人で決まります。

• どこまで任せるか
• どこは任せないか
• 誰の判断を尊重するか

これを間違えると、現場は静かに疲れていきます。

「ベテランにAIを使ってもらう」ではなく、「ベテランの判断をAIで残す」という発想に切り替える。 これだけで、進め方が変わります。

tugiloの相談でも、この切り替えをした現場では、ベテランが自然に参加し始めるケースをよく見かけます。 奪うのではなく、残す。その順番が、人の扱い方の核心です。

まとめ

AIは、正しさを作る道具ではありません。回り続ける仕組みを作る道具です。

次回は、「AIは8割で動かす。毎回違う仕事は、あとから育てる」という、運用設計の話を書きます。

tugiloから一言

私たちは、ベテランの判断を奪うのではなく、その「痕跡」を可視化するところから始めます。判断は人のまま、整理だけをAIに任せる。その順番が、現場の混乱を防ぎます。