本文へスキップ
CoRISE

暗黙知をAIが扱える仕事へ — 観察から判断基準と例外を取り出す

人の判断をそのままプロンプトにせず、基準、例外、責任を検証可能な形にする。

約2分で読めます
  • workflow
  • ai
  • data
目次を開く

結論

人の判断をそのままプロンプトにせず、基準、例外、責任を検証可能な形にする。

背景

業務担当者が自然に行う判断には、手順書へ書かれていない例外や情報の読み取りが含まれる。操作と判断を観察し、第三者が追える単位へ分ける。

設計と検証の論点

構成を検討するときは、次の責任と境界を分けて確認します。

  • 業務の観察
  • 明示的な判断基準
  • 業務フロー
  • データ
  • システム・AI
  • 人による確認

判断理由

業務担当者の説明と実際の作業を照合し、同じ入力でも判断が変わる条件を観察する。判断基準、例外、必要な情報、判断を引き取る担当者を表にする。ルール化できる処理と不確実な判断を分けてから、検索、通常のシステム、自動化、AIを比較する。

トレードオフ

判断を明文化するには観察とレビューの時間が必要で、暗黙知の全てを抽出できるわけではない。例外を削りすぎると現場に合わず、全てを記述すると維持できなくなる。人へ戻す条件を残し、業務変更に応じて判断基準を更新する責任を定める。

制約

実作業の観察記録、判断例と反例、担当者レビュー、承認点を確認する。ヒアリングだけで業務全体を形式化できたとしない。

関連事例

関連事例の担当範囲や設計判断を参照します。記事で提案する実験・構成を、その事例で実施済みとするものではありません。

Contact

技術的な課題を、お聞かせください。

設計や実装、運用の課題について、CoRISEにご相談いただけます。

相談する