エージェントが業務チャットを読み始めるとき、企業ナレッジベースはどう変わるのか

材料は十分にある。チームに足りないのは、説明し直さずに使える文脈だ

これまで、企業のナレッジベースは主に、ドキュメント、企画書、プレゼンテーション資料、会議議事録などを収集することで拡大してきました。AI の登場により、こうした正式な資料はさらに速く、そして大量に生成されるようになるでしょう。

しかし、アーカイブできる資料が増えることは、活用できる知識が増えることを意味しません。誰にも読まれない完璧なドキュメントは、レイアウトが美しくなったところで価値を生み出しません。また、無意味な会議を正確に記録した議事録があっても、その会議自体が必要だったことにはなりません。AI は仕事の成果物を生み出すコストを下げられます。一方、知識労働の難所である問題の発見、仮説の変更、意見の対立の処理、そしてチーム全体が次の行動と理由を理解するところまでは自動化できません。

もし特定の背景情報が必要になったときに、チームが今もなお会議を開き、説明を繰り返さなければならないなら、ナレッジベースは単にファイルが増えただけで、知識の断絶は解決されていません。エージェントが業務上の会話を読み取るようになると、評価基準も変わります。以前は「どれだけの資料が保存されたか」が指標でしたが、現在は「物事の経緯を再度見つけ出せるか」が指標となっています。

会話は、ドキュメントよりも多くのものを残す

これまでのナレッジマネジメントは、正式な成果物を重視してきました。ドキュメントは安定しており、整然としていて、アーカイブしやすいからです。一方、チャットは仕事の過程で出る排気ガスのように見なされ、断片的で、反復が多く、真剣に保存する価値がないとされてきました。

DeLanghe 氏は、この軽重の捉え方は逆だと考えています。一つのプロダクト概要書は一見「分厚く」見えますが、通常、そこに保存されているのは、ある時点での結論だけです。本当に方向性を変えた部分は、その概要書の外にあるかもしれません。エンジニアが非現実的なスケジュールに反対した、顧客との電話で当初の仮説が覆された、ある議論によって問題の定義が変わった、あるいは誰かが計画が形になる前に悪いアイデアをいくつか却下した、といったことです。

ドキュメントは、理解が形成された後に残る領収書のようなものです。一方、会話は、理解がどのように形成されたかを示しています。誰が異議を唱えたのか、根拠にどのような変化があったのか、チームが何を諦めたのか、信頼がどこで構築され、あるいは失われたのか。会話には矛盾があり、時間があり、組織の意図があります。それらは最終成果物よりも整理が難しく、また、知識労働の実際の厚みにより近いものです。

正式なドキュメントが重要でなくなるわけではありません。契約書、仕様書、安定した事実、最終決定は、引き続き明確に記録される必要があります。今や、ナレッジベースの基本単位は、単一のファイルから、時系列に沿ったコンテキストへと拡張されています。結論、根拠、異論、取捨選択、そしてその後に発生した条件の変化です。エージェントは、これまでドキュメントの外に置かれていた形成過程を、現在の判断に再び持ち込むことができます。

エージェントは結論に加え、理由と変化も見つける

エージェントがチャット履歴から「最終決定」を見つけ出すだけなら、それはまだキーワード検索に近く、単に回答が流暢になったにすぎません。

「なぜその決定をしたのか」とさらに問いかけることで、回答には当時の根拠、反対意見、取捨選択の情報が含まれ始めます。さらに「その後、どのような条件が変化したのか」を問うことで、チームは古い決定が今も有効かどうかを判断できます。結果を見つけ出すことは検索ですが、結果が成立していた条件を復元することは、より知識に近いと言えます。

ナレッジベースは、もはや「最終的に何が決まったか」に答えるだけでなく、「なぜそう決まったのか」「その決定は今も有効か」にも答え始めています。しかし、この能力には明確な限界があります。エージェントが記録を閲覧できることは、必ずしも正確に理解できることを意味しません。材料が完全であるか、古い結論が時代遅れでないか、人によって発言が食い違っていないか、モデルの推論が信頼できるか、といったことが回答に影響します。思考プロセスを復元する能力は、決して間違いのない自動記憶装置ではなく、新たな能力なのです。

個人向け AI は人を速くするが、知識をチームに戻すことはない

今日、最も一般的な AI の活用方法は、個人がプライベートなウィンドウを開き、自分の AI と一緒にドキュメントや分析、企画を完成させるというものです。これは確かに個人の生産性に優位性をもたらしますが、同時に、ますます多くの作業プロセスを、誰の目にも触れない場所に隠してしまいます。

戦略ドキュメントが、一人の人間と AI の間だけで作成された場合、チームが見るものは、またしてもきれいに整頓された「領収書」です。チームは、どの仮説が採用されたのか、どのような反対意見が存在しなかったのか、また AI がユーザーの既存の判断に沿って強化を続けていないかについて知ることができません。結果は完全に書かれているかもしれませんが、その結果が形成されたプロセスをチームが検証することはできません。

これにより、一見矛盾するような状況が生まれます。個人は皆、より生産的に見える一方で、組織全体は依然として滞っているという状況です。ある人は AI を使って企画を作成し、別の人は自分のウィンドウで同じ企画を再作成する。数字は複数の個人用エージェントによってそれぞれ整理される。異なるチームはそれぞれ整合性のある回答を得るが、共通の方向性は生まれない。

そもそもイノベーションは、反論、偶然の発見、衝突に依存しています。現在のユーザーに応答するだけの AI は、人が心地よくない疑問に直面する機会を減らし、他の役職や状況からの予期せぬ情報を見る機会も減らしてしまいます。シングルプレイヤー AI のリスクは、個人のウィンドウが仕事の終着点になることに集中しています。そこにある背景情報は、チームが検証・再利用できる共通の知識にはなりません。

共有ワークスペースで、知識は見え、疑われ、引き継がれる

複数人が同じチャットを覗き込んだり、個人の回答をグループにコピーしたりするだけでは、マルチプレイヤー AI とは言えません。人間とエージェントは、同じワークスペースで目標、コンテキスト、成果物、次のステップの責任を共有する必要があります。

プライベートなウィンドウでは、AI の成果は主に現在のユーザーに役立ちます。共有ワークスペースに入ると、同じ結果を同僚が見て、疑問を呈し、修正することができます。人間の修正は、エージェントが次に実行するためのコンテキストとなり、後から参加する人も、なぜ仕事がここまで進んだのかを知ることができます。

マルチプレイヤーは、四つのことによって組織への付加価値を生み出します。作業プロセスが見えること、判断に異議を唱えられること、結果を引き継げること、コンテキストを蓄積し続けられることです。知識が個人の私的な歴史から離れ、チームが共同で修正できる作業現場に戻ります。他の人が既存の結果に基づいて作業を続けられれば、個人向け AI の利点をチーム全体で活用する機会が生まれます。

Anthropic はマルチプレイヤーエージェントを、「グループにボットがいる」というよりも厳密に定義しています。エージェントはチームの目標を継続的に記憶し、特定の従業員に依存しないアイデンティティを持ち、安全な境界内で情報への長期的なアクセスを持つ必要があります。そうでなければ、それはチャンネルの脇にある自動化ツールに過ぎず、チームの共有記憶の一部にはなり得ません。

ある決定の完全な背景は、しばしば五つのツールに散らばっている

エージェントがどこまで関与できるかは、まず、どれだけの作業現場が見えるかにかかっています。

ある決定は、Slack での議論から始まり、会議で取捨選択が行われ、メールで外部からのフィードバックを受け、カレンダーに時系列が残り、最終的に結論だけがドキュメントに書かれるかもしれません。どのツールも、単独で見ると断片に過ぎません。チャット、会議、メール、カレンダー、ドキュメントを結びつけることで、エージェントは問題の発生から結論が変わるまでの一連の経緯をたどれます。

複数ツールを接続する目的は、文脈を引き継ぐことです。接続数そのものに意味はありません。人がツール、プロジェクト、共同作業者を変えるたびに、前後の経緯を手作業で説明し直す必要があるかどうかが重要です。資料が結びつけられると、エージェントがすでに却下された計画を再び提案する可能性も下がります。ナレッジベースは複数の業務ツールに分散したままでも、エージェントが関連する内容を見つけてチームにつなげられます。

より多くの資料を接続することは、可視範囲を広げるだけで、回答の正確さを自動的に保証するものではありません。アクセス権限は元の境界を引き続き尊重する必要があり、エージェントは検索の便宜のために、本来見るべきでない情報へのアクセスを得るべきではありません。コンテキストの広さとアクセス管理は、常に一緒に設計されなければなりません。

ツールを接続した後は、作業プロセスを共有スペースに入れる

Slack は初期の頃から、チャンネルをデフォルトで公開にすることを提唱してきました。これまで、これは主にコラボレーション文化の問題でした。新人が履歴を見ることができ、チームが同じことを繰り返し尋ねる必要がないようにするためです。エージェントの登場により、公開コミュニケーションにはもう一つの技術的な意味が加わりました。

エージェントは、アクセスを許可されたコンテンツのみを利用できます。重要な決定がすべて、ダイレクトメッセージ、個人用 AI ウィンドウ、記録のない会議で行われた場合、要約、準備、行動を担当するエージェントにとって、その部分の組織史は空白になります。他の同僚にとっても同様です。

しかし、「デフォルト公開」は、すべてを一つの大きなチャンネルに放り込むことではありません。機密性の低い日常のプロジェクト、お知らせ、Q&A、作業の進捗状況は共有スペースに適しています。一方、本当に機密性の高い情報は、意識的に分離されるべきです。さらに微妙なのは、草稿や未完成品です。これらは多くの場合、秘密というわけではありませんが、人々は自分の考えがまとまっていない状態を同僚に見られたくないのです。

心理的安全性は、共有コンテキストの厚みを直接左右します。チームが粗い草稿、未完成の問題、修正プロセスを公開することを許可しない場合、人間とエージェントが見ることができるのは、結局のところ、あの領収書だけです。技術的な権限は何を見ることができるかを決定し、組織の信頼は、どれだけの実際の作業プロセスを残そうとするかを決定します。

コンテキストを得たエージェントは準備を行い、人間が判断する

エージェントが継続的なコンテキストを獲得すると、人間との関係は、一回限りの Q&A から、繰り返されるバトンリレーへと変わります。

DeLanghe 氏の月曜の朝はその一例です。エージェントは、日次ブリーフィング、先週のプロダクトワークショップの振り返りとエスカレーション項目、外部の AI 関連動向、当日の会議資料、そして彼女が以前エージェントに修正を依頼していた自己紹介文を事前に準備します。エージェントが収集、整理、モニタリング、初期成果物の作成を行い、彼女が結果をレビューし、優先順位を決め、決定を下し、次のステップをエージェントに返します。

彼女の Slack チャンネルでは、引き継ぎは絵文字一つで完了することもあります。人がメッセージにリアクションを追加すると、その項目がタスクリストに入り、エージェントが後で処理を引き継ぎます。

このサイクルは、ワークロードと責任を同時に再配分します。エージェントは、大規模な読書、準備、実行を担当するのに適しています。人間は引き続き、何に価値があるか、どのリスクを受け入れられるか、いつ方向性を変えるべきかを判断する責任を負います。各ステップの結果は共有スペースに戻り、次のラウンドのコラボレーションのためのコンテキストになります。

ナレッジベースは、毎回の引き継ぎで新しい判断と修正を吸収できて初めて、真にワークフローに組み込まれます。より重要な問いは、エージェントがいつ決定を人間に委ねるべきかを知っているか、人間の修正が次の実行に反映されるか、後から参加した人がなぜこのように進んできたのかを理解できるか、です。引き継ぎポイントが適切に設計されていなければ、どんなに強力なエージェントでも、チームの隣で孤立した成果物を生み出すだけです。

エージェントには明確な役割が必要だ

人間が一つのチャットボックスを相手にしていると、AI を何でもできるツールと見なすのは簡単です。しかし、企業が複数の専門エージェントを持つようになると、「何でもこのエージェントに聞く」というやり方は、すぐに役割の混乱を引き起こします。

エージェントを同僚として扱うということは、管理上は次のことを意味します。チーム名簿と共有ワークスペースにエージェントを加え、同じ一連の成果物を使用し、明確な目標、責任、ツール、権限を与えることです。

エージェントの職務記述書（J.D.）は、少なくとも次の問いに答える必要があります。どのような問題を解決する責任を負うのか、どの資料とツールを使用できるのか、どの出力を人間がレビューしなければならないのか、どのような場合に人間に返すべきなのか、どのようなタスクで既にどの程度の自律性を獲得しているのか、そして、いつ使用を停止すべきなのか。

このような役割の明確化は、優れたエージェントが単にリクエストをより見栄えのする形式に変換するだけではない理由も説明しています。優れたエージェントは、すぐに戦力になる新人のように振る舞うべきです。歴史と進行中の議論を理解し、適切なタイミングで情報を呼び出し、チームが見落とそうとしていることを指摘し、誰も気づかなかった関連性を構築し、必要に応じて反対意見を述べます。この基準は、まだ Slack のプロダクトビジョンであり、独立した評価によって証明された効果ではありません。

Anthropic の社内チームは、人間とエージェントの両方の名簿（ロースター）を同時に管理し始めています。データ分析、リサーチ統合、デザイン標準、リリース管理は、それぞれ異なるエージェントが担当し、それぞれが対応するツールを持つことができます。人間は、人間にしか適さない取捨選択と最終判断を引き続き担当します。エージェントが知識に基づいて行動するようになると、ナレッジベースのガバナンス範囲は拡大します。誰が見ることができるかを規定するだけでなく、誰が責任を負うのか、どの決定を人間に委ねなければならないのかも規定する必要があります。役割が明確でなければ、人々はそれぞれが個人用 AI を運用し、重複した作業を行い、チームのコンテキストをさらに断片化させてしまうでしょう。

ナレッジベースは答えと再現可能な仕事のやり方を残す

組織が仕事の習慣を変えるきっかけは、多くの場合、身近ですでに機能している実例です。一律のトレーニング資料では、同じ効果を得るのは難しいでしょう。これまでのナレッジベースは、最終的な答えを保存するのが得意でした。エージェントの時代には、「その仕事が具体的にどのように成し遂げられたか」も保存する必要があります。

Salesforce には、「How I Slackbot」という公開チャンネルがあり、従業員が自動化スキル、デバッグのコツ、ワークフローを共有しています。DeLanghe 氏の個人的な集計によると、このチャンネルには数千人のメンバーがいます。営業チームのあるやり方が、エンジニアリングチームに共有され、まったく異なるプロセスに転用されることがあります。

Slack 社内で製品マネージャーに Claude の活用を促進した際にも、同様のプロセスが見られました。ある製品マネージャーが、まず開発者エクスペリエンス担当者に環境構築を手伝ってもらい、その後「何をしたか、どうやったか」を Slack Canvas に書き込みました。他の製品マネージャーがその形式をコピーし、その後、自らワークショップを組織し、それぞれのコードリポジトリを構築しました。

ここで共有されているのは、他の人が見て、コピーして、修正できる仕事のプロセスです。これは組織内のオープンソースに似ています。個人が実際の問題を解決し、その方法を共有スペースに置き、隣のチームが自分たちのバージョンに作り変える、という流れです。

社内の二つの事例だけで、この方法がすべての企業に適していると証明することはできません。しかし、この事例は、マルチプレイヤーが単発のプロジェクトの中だけで起こるのではなく、働き方そのものがどのように広がっていくかという点にも関係していることを示しています。他の人が見ることができて初めて、その上にさらに構築を続けることができるのです。

ナレッジベースが有用かどうかは、チームの重複作業が減ったかでわかる

ナレッジベースが検索システムから日常のワークフローに組み込まれると、企業が最も簡単に入手できる数値は、依然としてログイン数、呼び出し回数、メッセージ数、トークン消費量です。これらの指標は有用ですが、システムが誰かに使われていることを示すだけです。

DeLanghe 氏の反論は明快です。トークンで AI 変革を測るのは、電気料金の数字で工場の生産性を測るようなものです。使用量の増加は有効な仕事の結果かもしれませんが、誰も読まない文書、プレゼンテーション、会議要約が増えただけかもしれません。

活動量よりも価値に近い問いは、チームの整合性です。メンバーが何をしているのか、なぜそれをしているのかを理解しているか。そして、現在の行動が本当に目標に貢献しているかどうか。個人がそれぞれ高い生産性を上げていても、組織全体が機能不全に陥っている可能性はあります。

しかし、整合性はまだ成熟した標準 KPI ではなく、成果への因果を自動で特定できる指標でもありません。インタビューや長文記事にも、マルチプレイヤー AI が収益、コスト、品質を改善したと証明するデータはありません。現実的には三つの層を同時に観察します。システムが使われているか、仕事のプロセスで重複や断絶が減っているか、共通理解と事業成果が本当に変わったか、です。最後の層には、依然として経営判断と厳密な検証が必要です。

企業ナレッジベースは資料保管庫から作業現場へと変わりつつある

ここまでで、企業ナレッジベースは単なる検索の枠を超えました。

最も重要な変化は三つあります。知識の対象は、整理された文書から、その背後にある会話、理由、時間の経過へと広がりました。ナレッジベースの機能は、答えを見つけることから、答えが成立する条件を取り戻すことへと変わりました。そして、ナレッジベースの位置づけは、仕事が終わった後の保管場所から、人間とエージェントがタスクを引き継ぐ作業現場へと移りました。

公開コミュニケーション、複数ツールの連携、権限の境界、人と機械の受け渡し、エージェントの役割などは、すべてナレッジ管理の問題になりつつあります。企業は、新たな一連の管理上の問いに答える必要があります。どのプロセスを残すべきか、誰がこの背景情報を利用できるのか、誰が判断する責任を負うのか、そして新しい結果をどのように共通の文脈に戻すのか、ということです。

この判断は、現時点では主に Slack と Anthropic の実践および製品説明に基づいています。複数人で使う AI が一人で使う AI より必ず優れているとも、エージェントが組織の歴史を間違いなく再現できるとも証明されていません。Slack は当然、人間とエージェントの協業の中心になろうとしています。「仕事はどこで行われるべきか」という問いへの答えには、明確な製品上の立場があります。

商業的な立場は、問題そのものには影響しません。エージェントが仕事上のチャット記録を読み始めたら、企業は二つの点に答える必要があります。それは、エージェントが何を読む権限を持つのか、そして、現在の仕事が、人間とエージェントがさらに構築を続けられるほど、オープンで、継続的で、明確かどうか、です。この答えによって、企業ナレッジベースが資料保管庫から作業現場へと移行できるかどうかが決まります。

出典

• 会話を知識に変える：Slackが人間とエージェントのチームを構築する方法
• 仕事は会話である
• 効果的な人間とエージェントのチーム構築