「あの人がいないと分からない」をなくす技能伝承｜スマホとノーコードAIで暗黙知を継承する方法

ベテランが持つ「目利き」の力——溶接の焼け色で良否を見分け、プレス音のわずかな違いで型の摩耗を察知する。こうした感覚はマニュアルには書けません。
この記事では、言葉にできない判断基準を「スマホで写真を撮る」という身近な方法で残し、次の世代へ引き継ぐやり方を紹介します。IT担当者がいない工場でも始められる方法に絞っています。プログラミングの知識は要りません。

ベテランの判断基準が消えると現場で何が起きるか

マニュアルには「傷がないこと」と書いてある。でも、どの程度の傷ならNGなのか——その線引きは、ベテランの頭の中にしかありませんでした。
製造業B社の事例でも、判断基準がベテラン個人の経験に依存し、マニュアルも教育資料も整備されないまま何年も過ぎていたそうです。こうした「暗黙知」（言葉にしにくい経験や勘のこと）は、本人が辞めてから初めて「あの判断ができる人がいない」と気づくことが多いのです。

では、マニュアルに書けない判断基準を、どうやって残せばいいのか。答えは「言語化しなくていい」——写真に撮るだけで残せる方法があります。

スマホ×ノーコードAIで暗黙知を技能伝承する仕組み

「AIを作る」と聞くと、プログラミングができる人が何か難しいことをするイメージがあるかもしれません。
でも今は、スマホで写真を撮ってフォルダに分けるだけで、判定用のAIが作れるツールがあります。これが「ノーコードAI」です。

ノーコードとは、文字通りプログラムのコード（命令文）を一行も書かないということ。スマホアプリを使える人なら操作できます。
全体の流れはたった3段階です。

特別な機材もサーバーも要りません。無料で使えるツール（Google Teachable Machineなど）なら、写真をドラッグ&ドロップして30分ほどで判定モデルが動き始めます。

「うちにはIT担当がいないんだけど……」という声をよく聞きます。
安心してください。必要なのはGoogleアカウント（Gmailを使っていればもう持っています）と、ふだん使っているスマホだけです。ネットワーク設定やサーバー構築といった専門的な作業はありません。ツールの画面もスマホアプリに近い操作感で、写真をフォルダに入れてボタンを押す——基本的にはその繰り返しです。

どの判断基準から手をつけるか

いざ始めようとすると、「ベテランの判断なんて何十個もある。どこから手をつければいいのか」と迷うはずです。
答えはシンプルで、目で見て合否を決めている作業から始めてください。

色味の違い、表面の傷、形のゆがみ——こうした「見た目で分かる判断」は、写真に撮ればそのままAIの学習データになります。
逆に、音の違いや手触りで判断している工程は、写真では伝わりません。これは後回しでOKです。

最初から完璧なシステムを目指す必要はありません。「1つの判断基準」をまず1つ残す。それだけで十分です。

OK品とNG品をスマホで撮って学習させる

取り組む工程が決まったら、やることは驚くほどシンプルです。

まず、ベテランがOKと判断した製品と、NGと判断した製品をそれぞれスマホで撮影します。
「何千枚も必要なんでしょう？」と思うかもしれませんが、それは昔の話です。最近のノーコードAIツールでは、OK品・NG品それぞれ数十枚ずつ——合計100枚程度あれば学習を始められます。

特別なカメラは要りません。普段使っているスマホのカメラで十分です。

撮影した写真をOK・NGの2つのフォルダに分けたら、あとはノーコードAIツールにドラッグ&ドロップするだけ。ツール側が自動で画像の特徴を学習し、新しい写真を見せると「これはOK」「これはNG」と判定してくれるようになります。

ここで大事なのは、AIは「見たことがないもの」は判断できないということです。
学習データにない種類の不良が出てきたら、AIは正しく判定できません。だからベテランの出番がなくなるわけではなく、新しい不良パターンが出たときに「これはNGだよ」と写真を追加してAIに教える——いわば「判定する人」から「AIに教える人」へ、ベテランの役割が変わるのです。

AIが判断を間違えたときはどうするか

もう1つ、現場で必ず聞かれるのがこの問題です。
AIの判定精度は100%にはなりません。見逃しもあれば、問題ない製品をNGと弾いてしまうこともあります。
大事なのは、間違いが起きる前提で運用ルールを決めておくことです。

間違いがあったら、その製品の写真を正しいフォルダに追加して再学習させるだけ。使うほど判定は正確になっていきます。

町工場がベテラン依存から抜け出した記録

前のセクションで紹介した仕組みが「実際にやるとどうなるか」——従業員20名ほどの金属加工工場で起きた変化を見ていきます。

導入前——「あの人がいない日」が経営リスクだった

この工場では、溶接部の外観検査をベテラン1人が担っていました。
問題は「辞めたとき」より前に起きていました。有休の日、体調を崩した日、そのたびに若手は判断に迷い、出荷判定が翌日に持ち越される。月に2〜3回のペースで納期遅れが発生し、取引先から改善要請が入るようになっていたのです。

工場長が危機感を持ったのは、ベテランの定年まであと2年を切ったタイミングでした。「あと2年で、この人の目をどうにか残さないといけない」——しかしマニュアル化を試みても、ベテラン本人が「これは見ればわかるんだけど……言葉にしろと言われると」と首をかしげる。まさに暗黙知の壁です。

導入後——若手がスマホで即時判定

前のセクションで紹介したやり方で、まず溶接部の外観検査にノーコードAIを導入しました。ベテランがOK品・NG品を数十枚ずつ撮影し、ツールに読み込ませるまで約2週間。導入にかかったコストは月額数千円程度です。

変わったのは、若手の動き方です。
スマホをかざせば数秒で合否が表示されるので、迷ってラインを止める場面がなくなりました。基本的な外観判定であれば、3年かかっていた習熟が数週間に縮まった——ベテランの「目」がデータとして若手の手元にある状態です。

そしてベテランの働き方も変わりました。検品ラインに張りつく必要がなくなり、新しい不良パターンが出たときに写真を追加してAIを育てる役割へシフトしています。長年の経験が「ツールの精度」という形で蓄積され、本人が現場を離れた後も残り続ける——技能伝承の新しいかたちです。

外観検査の次——音や動きも残せるか

「目で見る判断」はスマホの写真で残せることがわかりました。では、音や手の動きで判断している工程はどうでしょうか。

結論から言うと、外観以外の技能伝承も技術的には可能になりつつあります。ただし、写真ほど手軽ではありません。

手法	現状
外観検査	スマホ写真で今すぐ始められる
異音検知	スマホのマイク＋専用アプリで対応可能だが環境音の影響を受ける
動作分析	作業動画から姿勢を認識する技術があるが導入コストが高い

異音検知——プレス機や回転体の「いつもと違う音」をベテランが聞き分けている工程です。スマホのマイクで音を録り、正常音と異常音をAIに学習させるアプローチがあります。ただし、工場は騒音が多い環境なので、精度を上げるには対象機械の近くにマイクを固定するなどの工夫が必要です。

動作のコツ——「この角度で工具を当てる」「この力加減で押す」といった体の使い方は、作業動画を撮影して教材にする方法が現実的です。AIで作業者の姿勢を認識して「お手本との違い」を表示する技術も出てきていますが、導入コストはまだ高めです。

どちらもまずは「動画を撮って残す」だけでも十分に価値があります。ベテランの手元を動画で記録しておけば、少なくとも「見て覚える」材料が残ります。

外観検査のノーコードAIで手応えをつかんでから、次のステップとして検討するのがよいでしょう。

明日から始める技能伝承の第一歩

ここまで読んで「うちでもやれそうだ」と感じた方へ。明日——いえ、今日からできる3つのステップをまとめます。

かかるお金の全体像

コストが気になる方も多いと思います。ここで全体像を整理しておきます。

項目	費用の目安
スマホ	すでにお持ちのものでOK（0円）
スマホスタンド	100均で購入（110円）
ノーコードAIツール	無料〜月額数千円（Google Teachable Machineは無料）
初期設定の工数	撮影＋学習で約2週間（通常業務の合間に実施可能）

なお、中小企業向け「IT導入補助金」の対象になるケースもあるため、公式サイトで確認してみてください。

最後に、現場でよく見る失敗パターンを1つだけ。

全部やろうとしなくていい。まずは1つの判断基準を、スマホで残すところから始めてみてください。