第2回では、VRIOフレームワークを使って「AIツール自体には希少性がない、差がつくのは自社独自のナレッジだ」という結論を出しました。今回はその続き——そのナレッジを、具体的にどう準備すればいいかをお伝えします。

1. AIが「平均的な回答」しか出さない理由

AIを使い始めた方から、よくこんな声を聞きます。

「ChatGPTの回答、なんか教科書的なんだよね」「うちの業界の特殊事情を分かってくれない」「結局、一般論しか返ってこない」

これは、AIが悪いわけではありません。現在のAI（大規模言語モデル）は、インターネット上の膨大な情報を学習した「超優秀な一般人」です。どんな業界の質問にもそれなりに答えられますが、あなたの会社のことは何も知りません。御社の主要取引先の特徴、過去に起きたトラブルとその対処法、「うちではこうする」という暗黙のルール——これらは、インターネットのどこにも載っていないのです。

2. 問題は「情報の形式」にある

「なるほど、自社の情報を読み込ませればいいのか」——そう思って、社内のPowerPoint資料や過去の報告書をAIに渡してみた方もいるでしょう。でも、期待したほどの結果が出なかった経験はありませんか？

実は、ここに大きな落とし穴があります。私たちが日常的に作っている資料の多くは、「人間が見てわかる」ことを目的に作られています。視覚的にインパクトのある図解、矢印や囲みで関係性を表現したレイアウト、キーワードだけの箇条書き（詳細は口頭で補足）——これらはプレゼンの場では効果的ですが、AIにとっては非常に「読みにくい」形式なのです。

3. 「Human-Readable」と「AI-Readable」の違い

ここで、2つの概念を整理させてください。Human-Readableとは、図・グラフ・レイアウトで視覚的に伝える形式で、「見ればわかる」ことを前提に行間や文脈を読み手が補完します。一方、AI-Readableとは、テキストで論理的に記述され、前提条件・判断基準・結論が明示されており、「書いてあることだけで完結」している形式です。

たとえば、経費精算のルールを例に比べてみましょう。

【Human-Readable：従来のマニュアル】

申請 → 上長承認 → 経理確認 → 支払い
※金額により承認者が異なります（別紙参照）
※領収書必須（例外あり）

人間が見れば「だいたいわかる」資料です。でも「金額によりどう異なるのか」「例外とは何か」は、この資料だけではわかりません。

【AI-Readable：構造化された記述】

# 経費精算ルール

## 承認フロー
– 申請者が経費精算システムで申請を作成する
– 承認者が内容を確認し、承認または差し戻しを行う
– 経理担当が最終確認を行い、支払い処理を実行する

## 承認者の決定基準
– 10万円未満の場合：直属の上長が承認
– 10万円以上50万円未満の場合：部長が承認
– 50万円以上の場合：経営管理部長が承認

## 領収書の要否
– 原則として、すべての経費に領収書が必要
– 例外：公共交通機関の運賃（ICカード履歴で代替可）
– 例外：慶弔費（招待状・案内状のコピーで代替可）

こちらはAIが読み取りやすい形式です。「15万円の経費を申請する場合、誰の承認が必要ですか？」と聞けば、AIは「部長の承認が必要です」と正確に答えられます。

4. 前回の経理事例を振り返る

第1回でご紹介した卸売会社の経理担当者の事例を、もう一度見てみましょう。彼女がやったことは、まさに「AI-Readable化」でした。

Before（頭の中にあった状態）：「A社は月末締めじゃなくて20日締めなんだよね」「この経費は、勘定科目が特殊で…」「このパターンは要注意」

After（言語化した状態）：

# 取引先別・請求処理ルール

## A社
– 締め日：毎月20日（※他社と異なるので注意）
– 届く請求書の形式：PDF（メール添付）
– 確認ポイント：消費税の端数処理が独自方式。1円単位で確認する。

## 勘定科目の判断基準
– 社員の研修参加費 → 「教育研修費」
– 外部講師への謝礼 → 「支払手数料」（※「研修費」ではない）
– 書籍購入 → 5,000円未満は「消耗品費」、5,000円以上は「図書費」

このようにテキストで、条件と判断基準を明示した形にすることで、NotebookLMに読み込ませた際に、AIが正確に回答できるようになったのです。

5. 「口頭で補足」をやめる

多くの会社で、資料作成の際にこんなことが起きています。PowerPointは「見栄え重視」で作る。詳細は「会議で口頭説明」する。質疑応答で出た補足情報は「議事録に残らない」——結果として、本当に重要な情報は、誰かの頭の中、または会議室の空気中にしか存在しない状態になります。

これはAI時代以前から「属人化」の問題として語られてきたことです。ただ、AI時代においては、この問題の重要性がさらに増しています。

6. 今日から始める「AI-Readable化」3つのステップ

「AI-Readable化」は、高度なシステム導入の前に、経営者の号令一つで始められます。

ステップ1：「資料はAIも読む」という前提に切り替える

社内の議事録や報告書を作成する際、「この資料を、AIに読ませて質問したらどうなるか？」を意識してみてください。図だけで説明していないか？「詳細は別途」で逃げていないか？前提条件を省略していないか？——この意識があるだけで、資料の作り方は自然と変わっていきます。

ステップ2：判断の「理由」を記録する

結論だけでなく、「なぜその判断に至ったか」を残す習慣をつけましょう。

• ❌ 悪い例：「A案を採用」
• ⭕ 良い例：「A案を採用。理由：初期コストは高いが、3年間の運用コストを考慮するとA案が最も安価。また、B案は保守業者が遠方のため、緊急対応に不安があった。」

この「理由」の蓄積が、AIがあなたの会社の「判断の癖」を学ぶ材料になります。

ステップ3：ベテランの頭の中を「棚卸し」する

第1回でお伝えした「この人がいないと困る」業務。その担当者に、週に30分でいいので「最近どんな判断をしたか」を聞く時間を作りましょう。聞き方のコツは、「最近、ちょっと迷った案件ってありました？」という質問です。迷った案件には、必ず「判断基準」が隠れています。「結局こうしたんですけど、理由は○○で…」という説明が、そのまま貴重なナレッジになります。

今回のまとめ

• AIが「一般論」しか返さないのは、自社の情報を与えていないから。
• 従来の「見やすい資料」は、AIにとっては読みにくいことが多い。
• 「AI-Readable」とは、前提・条件・判断基準がテキストで明示された形式のこと。
• 「口頭で補足」する文化を見直し、書かれたものだけで完結する資料を目指す。

今日からできる小さな一歩

• 社内で最もよく使われる資料を1つ選ぶ：マニュアル、申請書の記入例、FAQ、何でもOK。
• その資料を、AIに読み込ませてみる：NotebookLMでもChatGPTでも可。「この資料について質問していい？」と聞く。
• 試しに質問してみて、回答の精度を確認する：正しく答えられない部分＝「AI-Readable」になっていない部分。
• その部分を、テキストで補足してみる：「この場合は○○」「理由は△△」を書き足すだけで、精度が上がる。

この作業を1つの資料でやるだけで、「AI-Readable化」の感覚がつかめます。まずは、明日30分だけ時間を取ってみてください。

次回（第4回・最終回）では、これらの仕組みを「動かし続ける」ためのリーダーシップについてお伝えします。一度仕組みを作っただけでは、すぐに陳腐化します——AIの進化に合わせてナレッジをアップデートし続ける、新時代の「経営のOS」をお話しします。