ナレッジ・属人化– category –

属人化解消の対策は「マニュアルを書きましょう」で終わって形骸化しやすい。バス係数という考え方でリスクを数字に変え、本業のついでに記録が残る仕組み・評価制度への組み込み・ローテーションという4ステップで定着させる方法を、研究現場で実際に作った仕組みの一次情報を交えて整理する。

2026年1月のDavosで、Anthropic CEO Dario Amodeiは「1〜2年でAGI」、Google DeepMind CEO Demis Hassabisは「5〜10年」、Yann LeCunは「現行LLMでは到達しない」と真っ向対立する見解を示しました。予測が割れる理由と、半年後の現実チェック、研究現場でAI活用を推進する立場から見えた実感を整理します。

「LLM Wiki」パターンの提唱者Andrej Karpathyが、2026年5月にAnthropicの事前学習チームへ移籍し「Claudeに自分自身の事前学習研究を加速させる」という再帰的自己改善に挑んでいる。ナレッジをAIに編纂させる発想の延長線上にある挑戦の中身と、その後の進捗や限界、そして研究現場でAI活用を推進する筆者自身が同じ壁にぶつかった話を整理する。

公式AIメモリ機能・Claude Skills・Obsidian(個人PKM)・Notion wiki(チーム)。生成AI時代のノウハウ蓄積の選択肢は増えたが、結局どれを使えばいいのかは整理されていない。4つの手法を目的別の星取り表で比較し、実際にどう組み合わせて使い分けるべきかを、write-blogリポジトリ自体の運用実績を一次情報に解説する。

経験や知識が増えるほど、なぜか別の問題に応用できなくなっていく。エビングハウスの忘却曲線とシナプス刈り込みという脳の仕組みから、蓄積だけでは足りない理由と、知識を「転用できる形」に変える圧縮・抽象化・構造化・文脈抽出という4つの処方箋を整理します。

「技術的負債」という言葉には馴染みがあっても、それが知識管理にも当てはまるとは考えたことがないかもしれない。ウォード・カニンガムが1992年に生んだこの比喩を知識蓄積に重ね、個々の知識より依存関係が複雑化する「知識負債」と、部門や領域間が分断される「サイロ化」という2つの現象を区別して整理します。

過去の実験データ、報告書、議事録。保存してあるのに、いざ見返すと「何のために取ったデータか」思い出せない。企業データの60〜73%が使われず「ダークデータ」化するというGartnerの指摘をもとに、時間とともに失われるのはデータそのものではなく文脈だという構造と、その対処を整理します。

社内Wikiや個人のナレッジベースに情報はあるのに、活用されない。原因は一つではなく、目的の情報にたどり着けない「検索コスト」と、見つけた後にどれを使うか決められない「選択コスト」という別々のボトルネックが重なっている。サイモンの「注意の貧困」論とシュワルツの「選択のパラドックス」から、この2つを整理します。

社内Wikiや個人のメモが増えるほど、なぜか「使いにくく」なる。情報過多、データ墓場、知識負債、忘却の機能。4つの現象を統合すると見えてくる「蓄積」と「使える状態にすること」は別問題だという核心と、その処方箋を整理します。

総務・庶務の属人化は「マニュアルを書けばいい」では解消しない。業務範囲の広さ・非定型判断・裏技的なノウハウが文書化の対象外になりやすい構造を整理し、それが組織のナレッジサイロ化と同じ現象であることを示す。