現場の「カン・コツ」をAIで標準化する：マニュアル作成工数を8割削減するプロンプト設計術

「現場のベテランが退職すると、長年培われたノウハウも一緒に消えてしまう」
「マニュアルを整備したいが、日々の業務に追われてヒアリングや執筆に割く時間がない」

このようなナレッジマネジメントの課題は、多くの組織において珍しくありません。課題解決の手段として、ChatGPTやClaudeなどの生成AIを活用してマニュアル作成を試みるケースが増えています。最新のChatGPTでは高度な推論や情報の構造化能力が向上し、Claudeでは自律的な操作や長大な文脈理解を活かしたエージェント機能が強化されるなど、技術は目覚ましい進化を遂げています。しかし、単にAIへ「マニュアルを作って」と指示するだけでは、結果として出力されるのは「当たり障りのない、現場では役に立たないドキュメント」ばかりになってしまうのではないでしょうか。皆さんの現場でも、似たような経験はありませんか？

現場の泥臭い「カン・コツ」や暗黙知を抽出するためには、AIを単なるライターとして扱うだけでは不十分です。求められるのは、AIを優秀な「業務アナリスト」として振る舞わせるための設計図、つまり精緻なプロンプトエンジニアリングです。特に最新のAIモデルが備える、タスクの複雑度に応じた深い思考プロセスを引き出す指示設計が鍵を握ります。

効果的なアプローチとして注目されているのが、AIエージェントを活用して社内に散在する情報を構造化し、ドキュメント生成から図解までを自動化するパイプラインの構築です。最新のAI環境では、過去のコンテキストを踏まえた一貫性のある出力や、外部ツールと連携した情報収集も容易になっています。こうした仕組みを整えることで、手作業によるドキュメント作成の工数を大幅に削減しつつ、現場で確実に機能する実用的な品質を担保することが期待できます。

本記事では、35年以上の開発現場で培った知見をベースに、現場ですぐに活用できる具体的なプロンプトテンプレートを提示しながら、属人的な暗黙知を組織の形式知へと変換するための論理的なアプローチを紐解きます。単純な文章生成から一歩踏み出し、AIを高度なナレッジマネジメントの基盤として機能させるための実践的な手法を明らかにします。

なぜAIによるドキュメント化は「浅く」なりがちか

まず、なぜ多くのAI製マニュアルが失敗するのか、その根本原因を見ていきましょう。これを知らずにプロンプトをいじっても、効果は限定的です。

「まとめて」だけでは抽出できない現場の文脈

よくある失敗は、会議の議事録やチャットのログをAIに放り投げて、「これを元にマニュアルを作って」と指示することです。

AIは渡されたテキストの中に書かれていることしか理解できません。しかし、現場の業務というのは、テキスト化されていない「文脈」や「暗黙の了解」で動いています。

• 「Aの場合はBをする（ただし、A'の兆候があるときはCをする）」
• 「部長の承認が必要（でも急ぎの時は事後報告でOK）」

こういった判断基準（Decision Making）こそが現場のナレッジなのですが、単に「要約して」と頼むと、AIはこれらの細かいニュアンスを「ノイズ」として切り捨て、きれいすぎる（＝使えない）手順書を作ってしまいます。

形式知化におけるAIエージェントの役割定義

重要なのは、AIに対するスタンスを変えることです。AIを「言われたことを清書するライター」として扱うのではなく、「何も知らない新人だが、論理的思考力はずば抜けている業務アナリスト」として扱ってみてください。

新人に仕事を教えるとき、「これ見ておいて」と資料を渡すだけでは不十分ですよね。「この資料のここに着目して、もし不明点があったら質問して」と指示するはずです。AIに対しても同様に、「何が書かれていないか」を探らせる役割を与える必要があります。

ドキュメント品質を決める「前提条件」の渡し方

入力データ（素材）の質と、プロンプト（指示）の質は掛け算の関係にあります。いくら良いプロンプトでも、素材がスカスカでは良いアウトプットは出ません。逆に、素材が良くてもプロンプトが悪ければ宝の持ち腐れです。

ここで私が強く推奨しているのは、AIにドキュメントを書かせる前に、必ず「前提条件の整理」というフェーズを挟むことです。いきなり完成品を求めず、まずは素材を料理しやすい形に下処理する。この工程を挟むだけで、出力されるマニュアルの解像度は劇的に上がります。

プロンプト設計の核心：AIに「業務の前後関係」を理解させる構造

効果的なプロンプトには、必ず守るべき「型」があります。これを私は「コンテキスト・インジェクション（文脈注入）」と呼んでいます。

入力情報の整理：チャットログ、メモ、画面ログの扱い

AIに業務を理解させるには、以下の4つの要素を明確に伝える必要があります。

1. Role（役割）: 誰として振る舞うべきか（例：熟練の業務改善コンサルタント）。
2. Context（背景）: この業務は全体のどこに位置するのか、何のために行うのか。
3. Input（入力データ）: どの情報をソースとするのか。
4. Constraints（制約）: 絶対に守るべきルールは何か。

特に「Context」が重要です。「これは経理部の新人向けのマニュアルです」と伝えるだけで、AIは専門用語の解説を加えたり、トーンを優しくしたりと、出力を調整してくれます。

出力要件の定義：誰が読むためのドキュメントか

ターゲット読者の設定も品質を左右します。

• 新人向け: 背景知識の説明を厚くし、手順を細分化する。
• 熟練者向け: チェックリスト形式で簡潔にまとめ、例外処理に重点を置く。

プロンプト内で「ターゲット読者の知識レベル」を定義することで、AIは情報の粒度を自動調整します。これを怠ると、誰にとっても帯に短し襷に長しなドキュメントになってしまいます。

制約条件の設定：業界用語、フォーマット、粒度

AIは放っておくと、一般的すぎる言葉や、逆に難解な表現を使う傾向があります。これを防ぐために、制約条件でコントロールします。

• 「専門用語はそのまま使い、括弧書きで解説を入れること」
• 「『適宜』や『確認する』といった曖昧な動詞は禁止。具体的に『何を見てどう判断するか』を書くこと」

特に2つ目の「曖昧語の禁止」は、現場で使えるマニュアルを作るためのキラーテクニックです。ぜひ覚えておいてください。

---

ここからは、実際に現場で使えるプロンプトテンプレートを、難易度別の4段階（Lv1〜Lv4）で紹介します。これらは、私が長年のAIエージェント開発や研究を通じて調整を重ねてきた実践的なものです。{{ }} で囲まれた部分は、状況に合わせて書き換えて使ってください。

ここで大切なのは、「まず動くものを作る」というプロトタイプ思考です。私自身、ReplitやGitHub Copilot等のツールを駆使して日々の開発を行っていますが、AI活用においても同様です。まずはこれらのプロンプトをコピーしてAIに投げ、仮説を即座に形にして検証してみてください。

テンプレートLv1：散乱した情報を構造化データへ変換する

まずは、チャットツール（SlackやTeams）のやり取りや、会議の自動文字起こしテキストから、業務に必要な要素を抽出するプロンプトです。

【用途】会議議事録やチャットログからのタスク抽出

非構造化データ（話し言葉の羅列）を、構造化データ（表形式やリスト）に変換します。情報の欠落を防ぐため、「誰が」「いつ」「何を」「どのような条件で」行ったかを明確にタグ付けさせます。

【プロンプト構文】情報分類とタグ付けの自動化

# Role
あなたは優秀な業務アナリストです。提供されたテキストデータから業務プロセスを抽出し、整理する専門家です。

# Input Data
{{チャットログや会議の文字起こしテキストをここに貼り付け}}

# Goal
入力データから、特定の業務プロセスに関する情報を抽出し、構造化されたリストとして出力してください。

# Constraints
- 事実に基づかない情報は記載しないこと。
- 「誰が（Actor）」「いつ（Timing）」「何を（Action）」「なぜ（Reason/Trigger）」の4要素を明確にすること。
- 不明確な点や情報が不足している点は、「【要確認】」として明記すること。

# Output Format
以下のMarkdown形式で出力してください。

## 業務名: {{業務名を推定または指定}}

| No | Actor | Timing | Action | Trigger/Reason | Note |
|----|-------|--------|--------|----------------|------|
| 1  |       |        |        |                |      |

【出力例】時系列と担当者別のアクションリスト

このプロンプトを実行すると、ダラダラとした会話ログが、すっきりとしたテーブル形式に変換されます。特に「Trigger/Reason」の列を作ることで、単なる行動だけでなく「なぜその行動をとったか」という文脈を残せるのがポイントです。

テンプレートLv2：標準業務手順書（SOP）への昇華

構造化された情報を元に、第三者が再現可能な標準業務手順書（Standard Operating Procedures: SOP）を作成します。ここでは、曖昧さを徹底的に排除します。

【用途】定期ルーチンワークのマニュアル化

Lv1で整理した情報を元に、新人が読んでも迷わず実行できるマニュアルを作成します。手順だけでなく、事前準備やトラブルシューティングも含めます。

【プロンプト構文】前提・手順・例外処理の章立て構成

# Role
あなたは業務標準化のプロフェッショナルです。誰がやっても同じ結果が出るSOP（標準業務手順書）を作成します。

# Input Context
{{Lv1で作成した構造化データ、または業務メモ}}

# Target Audience
{{配属1ヶ月目の新人担当者}}

# Constraints
- 「適宜」「柔軟に」「いい感じに」などの曖昧な表現は禁止。
- 具体的な数値、ツール名、画面のメニュー名を明記すること。
- 各手順には必ず「期待される結果（完了基準）」を記載すること。

# Output Format
以下の構成でMarkdownを出力してください。

# {{業務タイトル}}

## 1. 目的と概要
- この業務のゴール:
- 対象読者:

## 2. 事前準備
- 必要なツール/権限:
- 入力情報:

## 3. 手順詳細

### Step 1: {{手順名}}
- 操作: 具体的なアクション
- 判断基準: YesならStep 2へ、NoならStep 4へ
- 完了基準: 画面に「〇〇」と表示されたらOK

## 4. トラブルシューティング（例外処理）
- よくあるエラーと対処法

【出力例】新人でも再現可能なステップバイステップガイド

このテンプレートの肝は、「判断基準」と「完了基準」を明記させている点です。「送信ボタンを押す」で終わらせず、「送信完了画面が表示されたことを確認する」まで書かせることで、オペレーションミスを防ぎます。

テンプレートLv3：Mermaid記法によるワークフロー図の自動生成

テキストのマニュアルだけでは、複雑な条件分岐（Yes/Noチャート）や並行して進むプロセスは現場に伝わりにくいものです。そこで、AIに図解のためのコードを書かせ、視覚的なフローチャートを自動生成するアプローチを取り入れます。これにより、直感的な理解を促し、現場での作業の抜け漏れや判断ミスを防ぐ効果が期待できます。

【用途】複雑な分岐条件の可視化

Markdownに対応している多くのドキュメントツール（Notion、GitHub、VS Codeなど）で標準的に表示可能な「Mermaid記法」を活用します。この手法の最大の利点は、専用の作図ツールを開いて図形を一つひとつ手作業で配置する手間を完全に省けることです。

さらに、テキストベースで図の構造を管理・修正することが可能になります。これはシステム開発における「Docs as Code（コードとしてのドキュメント）」の考え方そのものであり、業務プロセスに変更が生じた際も、テキストを数行書き換えるだけで瞬時に最新の図面へと更新できる高いメンテナンス性を誇ります。

【プロンプト構文】テキストからフローチャートコードへの変換

以下のプロンプトは、言語化された手順書の中から論理構造や条件分岐を正確に抽出し、Mermaid形式のコードに変換するための実践的なテンプレートです。主要な生成AI（ChatGPT、Claude、Geminiなど）であれば、この指示の意図を高精度に解釈し、適切なコードを出力します。

# Role
あなたはシステム設計者であり、業務フローの可視化エキスパートです。

# Input Text
{{Lv2で作成したSOPのテキスト}}

# Goal
入力された手順書を元に、Mermaid記法を用いて業務フローチャートを作成してください。

# Instructions
- フローの方向は上から下（graph TD）とすること。
- 開始（Start）と終了（End）のノードを明確に定義すること。
- 条件分岐はひし形（decision）で表現し、Yes/Noのルートラベルを必ず記述すること。
- 各ステップのノードには、簡潔な行動内容（10文字程度）を記載すること。
- 必要に応じてサブグラフ（subgraph）を使用し、担当者や部門ごとのスイムレーンを表現すること。

# Output Format
```mermaid
graph TD
  %% ここにコードを出力

### 【出力例】視覚的に理解できる業務プロセス図

上記のプロンプトを実行すると、AIは入力された業務手順を解析し、以下のような構造化されたコードを出力します。

```mermaid
graph TD
  Start([開始]) --> A[請求書受領]
  A --> B{金額は10万円以上?}
  B -- Yes --> C[部長承認申請]
  B -- No --> D[課長承認申請]
  C --> E[経理部へ送付]
  D --> E
  E --> End([処理完了])

生成されたこのコードを、Mermaid対応のエディタ（VS Codeのプレビュー機能やNotionのコードブロックなど）にそのまま貼り付けるだけで、美しく整ったフローチャートが即座に描画されます。

現場の「カン・コツ」を可視化する際、言葉だけの説明ではどうしても読み手によって解釈のブレが生じがちです。しかし、このように論理構造をフローチャートとして明確に定義することで、誰が読んでも同じ手順で業務を遂行できる真の標準化が実現します。プロセスに微修正が必要な場合でも、AIに「〇〇の条件を追加してコードを更新して」と追加指示を出すだけで済むため、マニュアルの継続的な運用・保守にかかる工数も大幅に削減可能です。

テンプレートLv4：インタラクティブな「抜け漏れ」検知と改善

最後に紹介するのは、作成したドキュメントの品質を上げるための「壁打ち」プロンプトです。人間が見落としがちな穴をAIに見つけさせます。

【用途】マニュアルの品質検証とリスク洗い出し

AIを「意地悪なレビュアー」に設定し、マニュアルの矛盾点や説明不足な点を指摘させます。また、現場へのヒアリング事項（逆質問）を生成させます。

【プロンプト構文】AIによる仮想レビューと質問生成

# Role
あなたはリスク管理に厳しい品質保証（QA）マネージャーです。論理的な矛盾や説明不足を絶対に見逃しません。

# Input Document
{{Lv2で作成したSOP}}

# Goal
このマニュアルを読み込み、以下の3つの観点でレビューを行ってください。

1.  論理的矛盾: 手順の前後関係がおかしい箇所はないか。
2.  情報不足: 初心者が読んだときにつまづく箇所（暗黙知に依存している箇所）はどこか。
3.  エッジケース: 想定されていない例外パターン（例：システムダウン時など）はないか。

# Output
指摘事項だけでなく、それを解消するために現場担当者に確認すべき「ヒアリング質問リスト」を作成してください。

【出力例】プロセス上のボトルネック指摘リスト

「Step 3で『承認を得る』とありますが、承認者が不在の場合はどうすればいいですか？」
「システムエラー時の連絡先が記載されていません」

といった鋭い指摘が返ってきます。これらを元にマニュアルを修正することで、現場で「使えない」と言われない強固なドキュメントが完成します。

AIドキュメント化の品質評価チェックリスト

ここまで紹介した手法を使えば、マニュアル作成の初稿はAIだけで8割方完成します。しかし、最後の2割、つまり「責任を持って仕上げる」部分は人間の仕事です。

現場にリリースする前に、以下のチェックリストで品質を確認してください。

再現性の確認：知識ゼロの人が実行できるか

• 専門用語には注釈がついているか？
• 「適宜」「確認する」などの曖昧語が残っていないか？
• 画面キャプチャが必要な箇所は特定できているか？（AIは画像生成までは完璧ではないため、人間が補足する必要があります）

メンテナンス性：変更があった際に修正しやすいか

• Mermaidのコードは保存されているか？（フローが変わったときにコードを修正するだけで図を更新できるため）
• バージョン管理ができているか？

AI依存のリスクと人間の最終確認ポイント

• AIが「幻覚（ハルシネーション）」を見ていないか？（存在しないメニュー名やURLをでっち上げることがあります）
• セキュリティポリシーや個人情報保護の観点で問題ない記述か？

まとめ：AIは「魔法の杖」ではなく「最強の右腕」

AIエージェントを活用したドキュメント化は、単なる工数削減だけでなく、現場の「暗黙知」という資産を掘り起こすプロセスそのものです。

1. 構造化: 散らばった情報を整理する
2. 標準化: 誰でもできる形（SOP）にする
3. 可視化: 図解（Mermaid）で直感的にする
4. 検証: AIとの壁打ちで穴を埋める

この4ステップを回すことで、組織のナレッジマネジメントは劇的に進化します。まずは一番手近な、議事録の構造化（Lv1）から試してみてください。きっと、その精度の高さに驚くはずです。

「自社の業務だとどうプロンプトを調整すればいいかわからない」「もっと高度な自動化事例を知りたい」といった疑問が湧いてきたのではないでしょうか？ ぜひ、まずは手を動かして検証し、チーム内で積極的に議論してみてください。疑問点があれば、社内のエンジニアや専門家にどんどん質問を投げかけることをお勧めします。双方向のコミュニケーションこそが、AI活用の解像度を上げる最短ルートです。

皆さんの現場が、AIの力でもっとクリエイティブになることを応援しています！