AI時代になぜ『日報』なのか？日報のログがコンテキストの土台に

こんにちは、ワークスアイディの奥西です。

AIの基盤モデルの性能が、また一段と高まっていますね。業務プロセスの“自動化”から、さらに一歩進んだ“自律化”がAIによって進んでいます。

私自身、AI伴走支援をさせていただく中で、あるところで壁にぶつかる現象を目にすることが増えてきました。それも、たくさんAIを使い込んでいる人ほど、共通してぶつかる壁です。

本日は、この共通する壁の正体について書いていきますね。
テーマは「AI時代になぜ『日報』なのか！？」という問いです。ぜひ、一緒に考えていきましょう！

プロンプトの工夫だけでは越えられない壁

現在、AI活用の議論の重心は『プロンプトエンジニアリング』から『コンテキストエンジニアリング』へ移行しています。

コンテキストエンジニアリングについては、以前のコラムで解説していますのでぜひご覧ください。

AIを“使いこなす組織”が実践する『コンテキストエンジニアリング』とは？
AIを使いこなす組織は何をAIに渡すのか。プロンプトとの違いと5つの要素、企業で難しい理由までを実務目線で解説。
 

重心がプロンプトからコンテキストに移った理由はシンプルで、AIモデルの推論能力が上がったからです。

指示の出し方が多少ラフでも、AIは意図を汲んでくれるようになりました。裏を返せば、アウトプットの質を左右する変数が『指示の巧拙』から『与える材料の質』へ移ったということです。

これを料理に例えてみると、わかりやすいかと思います。

一流のシェフに調理を依頼するとき、レシピの書き方を工夫しても大きな差はつきませんよね。
差がつくのは『どんな食材を渡すか』です。

AIが当たり障りのない答えしか返してくれないとき、犯人はプロンプトの出し方ではなく、渡す食材＝自社のコンテキスト（前提・文脈）が枯渇していることにあります。

“結論だけの報告”は、なぜコンテキストにならないのか！？

ここで、多くの企業がつまずくポイントをご紹介します。

「社内のドキュメントを片っ端からAIに読ませよう」という発想

議事録、報告書、提案書、日報などを片っ端からナレッジベースに投入する。
ところが、期待したほどAIは賢くなりません。それどころか、ノイズが増えて回答精度が下がることさえあります。

私自身、このような現場に何度も立ち会ってきました。

原因はいたって明確で、蓄積されているデータのほとんどが『結論』しか記録していないからです。

• A社との契約を締結しました
• B案を採用しました
• 本件は見送りとします

これらは事実として正しいのですが、AIから見れば情報量はほぼゼロに等しいのです。なぜなら、そこには“なぜそう判断したのか”という思考のプロセス（関数）が含まれていないからです。

答えだけが並んだ問題集を渡されて「解き方を学べ」と言われているようなもので、これではAIも自社の判断ロジックを再現しようがありません。

ベテランの頭の中にある“暗黙知のブラックボックス化”

ある製造業のお客様で、こんな場面がありました。
ベテランの生産管理担当の方が、AIの提案を見て一言。

理由を伺うと、「過去に類似の工程変更で品質トラブルを起こした経緯があり、その領域だけは慎重に扱う」という不文律が存在していたのです。

しかし、その経緯はどこにも文書化されていませんでした。
つまり、組織の判断基準がベテラン社員の頭の中にしか存在していなかったのです。

これこそが“暗黙知のブラックボックス化”です。
そして優秀な組織ほど、「言わなくても分かる」文化が発達しているため、この空洞が大きくなりがちです。

AIを汎用ツールから『自社の参謀』へ引き上げるために本当に必要なのは、結論ではなく、そこに至るまでの『思考の計算式』なのです。

日報を『コンテキスト生成マシン』に変える4つのログ

では、その思考の計算式はどこで拾い集めればよいのでしょうか？
その一つの答えが、『日報』です。

日報は、すでに多くの企業で運用されています。新しいツールの導入も、稟議も、予算も必要ありません。

しかも毎日、全社員が、記憶が新しいうちに書く。
コンテキストの供給源として、これほど条件が揃った良い装置はそうありません。

問題は、その中身です。
「本日、C社訪問。提案書を提出。反応は良好」といった形式では、先ほどの『結論だけのデータ』と変わりません。

そこで、日報のフォーマットに次の4つの視点を入れることをお勧めしています。

（1）何に迷ったのか（直面した課題と葛藤）

迷いは、判断の難しい論点がそこにあったという証拠です。AIにとっては業務の急所を示す最重要マーカーになります。

（2）どの選択肢を比較したのか（検討した複数のアプローチ）

選択肢の集合そのものが、その組織の“打ち手の引き出し”を表します。

（3）なぜその案を捨てたのか（自社特有のNG基準・リスク判断）

実はここが最大の宝です。

採用理由は一般論で書けますが、却下理由には自社固有の事情（取引先との関係性、過去の失敗、現場の力学など）が必ず滲みます。汎用AIには絶対に推測できない情報がここに宿ります。

（4）最終的に何を判断基準にしたのか（組織の価値観・意思決定軸）

スピードか、確実性か、顧客との長期関係か。この軸の蓄積が、そのまま『企業文化のデータ化』に繋がります。

ここで大事なのは、文章をきれいに書かせないことです。

「雑でいい」「箇条書きでいい」「1行でいい」。
ここを緩めないと、日報は形式的な作文になり、誰も本音を書かなくなってしまいます。

あるお客様では、日報の項目に「今日いちばんモヤっとしたこと」という欄をひとつ足しただけで、それまで見えていなかった現場のボトルネックが次々と可視化されました。

ちなみに最初の1ヶ月、その欄の記入率は3割以下でした。
しかし、上司が自分の日報にモヤモヤを率直に書き始めてから、一気に記入率が増えたそうです。

本当のボトルネックは“課題発見力”へ移る

ここまでコンテキストのお話をしてきましたが、この数年、伴走支援の現場で最も強く実感していることをお伝えします。

AI活用の成否を分けるのは、単なるAIの使い方だけではありません。
「何を解かせるか」という課題を設定できるかどうかです。

研修を実施し、全社にライセンスを配り、使い方も理解した。それでも活用が広がらない企業には、共通するご相談のパターンがあります。

• 広がらない企業 …「AIで何ができますか？」
• 爆発的に伸びる企業 …「この業務のこの部分が詰まっているんだけど、どうにかなりませんか？」

前者は『手段』から入り、後者は『課題』から入っています。この差が、半年後には決定的な開きになります。

AIが実行能力を担うようになるほど、人間に求められる役割は“問いを立てること”へとシフトしていきます。

ここに、日報のもうひとつの効能があります。
「何に迷ったか」「なぜモヤっとしたか」を毎日言語化する行為は、そのまま課題発見のトレーニングになるのです。

アウトプットを続けた社員は、自分の業務のどこに歪みがあるかを言葉にできるようになります。

結果として、AIに与える『質の高いコンテキスト』が溜まると同時に、“良い問い”を立てられる人材が育ち、企業でのAI活用を加速させていきますね。

まとめ

『コンテキストエンジニアリング』という言葉は、いかにも高度な技術論に聞こえるかもしれません。

しかし本質はとても素朴で、「自分たちの仕事の文脈を、言葉にして残す」という、ただそれだけのことです。

新しいツールの導入を検討する前に、ぜひ一度立ち止まってみてください。
まずは、日報のフォーマットを1行だけ変えてみる。『選ばなかった理由』や『モヤっとしたこと』を書く欄を、ひとつ足してみるのです。

明日から始められて、半年後には他社が絶対に真似できない強力な資産になっています。なぜならそれは、現場の生の実務でしか生まれない情報だからです。

現段階でのAI時代の競争優位は、モデルの性能差ではなく、“渡せるコンテキストの厚み”で決まりますね。

ぜひ、皆さまの会社でも『日報』の在り方について議論してみてください。

それでは、本日もGOOD JOB！！

▼こちらもおすすめ

AI時代の新スキル：問題を“解決”するスキルから、問題を“定義”するスキルへ
AIが解く時代、価値は「何を問うか」。現場事例で学ぶ問題定義力の要素と、成果につながるAI活用の順番。
 

AI時代の『非構造化データ』活用術 – 社内に眠る“宝の山”を資産に変える2つのポイント –
AI時代に重要性が高まる「非構造化データ」。議事録・マニュアル・経験知など社内に眠る情報を、業務変革につなげるための2つの設計ポイントを、現場事例を交えて分かりやすく解説。