ベテランの暗黙知を引き出し言語化する！TAKUMIプロンプトの「逆質問」の意味
製造現場や品質管理の現場で、「いつもと何かが違う……」という小さな違和感に気づき、大事故になる前に対処することは極めて重要です。
しかし現実には、「ベテランは一瞬で異常に気づくのに、若手社員は見逃してしまう」という悩みが絶えません。
なぜこのギャップが生まれるのでしょうか？
そして生成AIを使ってどう解決すればよいのでしょうか？
今回は「ハインリッヒの法則」と、最新の画像認識AI技術「VLM（視覚言語モデル）」を活用した解決アプローチを解説します。
1. なぜ「兆候」を見逃すと大事故になるのか？（ハインリッヒの法則）
安全管理の基本原則である「ハインリッヒの法則（1:29:300の法則）」をご存知でしょうか？
1件の重大事故の裏には29件の軽微な災害があり、さらにその下には300件の「異常・不調（ヒヤリハット）」が隠れているという法則です。
これを製造現場の品質管理に当てはめると、次のようなピラミッド構造になります。
【1】重大な問題： 大規模な不良流出、顧客からの巨額クレーム、ライン停止
【29】軽微な不具合： 社内検査での手直し、ちょっとした寸法ズレ、治具の破損
【300】異常の兆候（ヒヤリハット）： 「いつもより音が大きい」「ネジ締めの手応えが硬い」「表面がわずかにザラつく」
土台である「300件の兆候」の段階で手を打てば、頂点にある「重大な問題」は絶対に起きません。
2. なぜベテランは気づき、若手は見逃すのか？
ここに「ベテランと若手の壁」が存在します。
（1）ベテランの脳内（暗黙知）
長年の経験から「いつもと違う違和感」を捉えた瞬間無意識に「このままだと後工程で刃具が折れる」「室温が上がっているから寸法が狂う」と先のトラブルを予測し、機械を止めたり調整したりできます。
（2）若手社員の現状
マニュアルに書かれた規定値内であれば、「いつもと違う違和感」があっても「ルール通りだから大丈夫」と見過ごしてしまいます。
「兆候」を「異常」として認識する基準（Know-Why）が頭の中にないためです。 その結果、300件の兆候が放置され、29件の不具合に育ち、最終的に「1件の重大クレーム」として爆発してしまうのです。
3. 「濱田式AI品質スタンダード」による解決策
このギャップを埋めるのが、ベテランの暗黙知を蓄積した「匠ナレッジコア」と「AI品質ナビゲーター」です。 解決の流れ若手の「違和感」をその場で受け止める
若手が「いつもよりネジが硬い気がする」とスマホや端末からAI品質ナビゲーターに一行入力します。
（1）ベテランの「気づきの基準」をAIが提示
AIがデータベース（匠ナレッジコア）から、ベテランの暗黙知をもとに作られた「判断カード」を呼び出します。
【判断カードの例】
条件： ネジが硬いと感じ、室温が28度以上の場合
判断： タップの摩耗を疑い、直ちに加工径を確認せよ
理由： 熱を持ちやすく、ピッチがズレて後工程でカジリ（破損）が発生するため
（2）大事故になる前に「300の土台」で消し込む
ベテランがその場にいなくても、若手は「今打つべき手」に気づくことができ、ハインリッヒのピラミッドが頂上に達するのを未然に防ぎます。
4. 目を持ったAI「VLM（視覚言語モデル）」が現場を変える！
さらに今、現場のDXを劇的に進化させているのがVLM（Vision-Language Model）です。
従来のAIはテキスト（文字）だけでしたが、VLMは文字と画像・動画を同時に理解できる「目を持ったAI」です。現場の若手が文字で状況を上手く説明できなくても、写真を撮るだけでAIが一瞬で理解してくれます。
VLMの具体的な活用例3選
（1）【異常検知・ヒヤリハットの発見】
場面： 若手が設備を見て「いつもと違う気がするが、何がおかしいか言葉にできない」とき。
使い方： スマホで設備全体の写真を撮り、AIに見せる。
AIの反応： 写真から「配管の継手部分にわずかなオイルの滲み（テカリ）がある」「ボルトが1本緩んでいる」などを自動検知。
言葉にできなくても、写真1枚で300件の兆候を見つけ出します。
（2）【ベテランの「勘・コツ」の言語化】
場面：熟練工が「溶接の仕上がり」や「金型の磨き具合」をチェックしているとき。
使い方： 合格品と不合格品の拡大写真をVLMに読み込ませる。
AIの反応： 2つの画像を比較し、「合格品は表面が均一ですが、不合格品は中央部にわずかな『うねり』があります。違和感の原因はここですか？」とAI側から逆質問。
ベテランが無意識に行っていた判断基準を、AIが先頭に立って言葉（判断カード）に落とし込みます。
（3）【ミスのない「ポカヨケ」チェック】
場面： 出荷前の最終梱包や、複雑な部品の組み立て作業。
使い方： 作業完了後の状態を上から写真撮影。
AIの反応： お手本画像と比較し、「ワッシャーが1枚抜けています」「配線の取り回しが逆です」と画像上に赤丸をつけて指摘。思い込みによるミスを確実にシャットアウトします。
まとめ日常の小さな「おかしいな」を、「これくらい大丈夫だろう」と放置することこそが最大の経営リスクです。 AIを使ってベテランの「気づきのセンサー」を組織の共通言語にし、写真1枚・一行の入力で異常を検知できる仕組みを作ること。
これこそが、現場を重大事故から守る最強の防壁となります。
次回予告（第3回）【事例2】なぜ現場で「ルール」が守られないのか？
「注意しても手順書通りに作業してくれない……」とお悩みの管理者必見！「作業者の意識が低い」と責めるのをやめ、AIを活用して「守らざるを得ない、守りたくなる仕組み（判断カード）」へ変革する方法をお伝えします。お楽しみに！
