生成AIが迫るナレッジマネジメントの再設計

生成AIの急速な普及は、従来の「ファイルを探す」ことを前提としたナレッジマネジメント（KM）の限界を露呈させている。今後、企業が目指すべきは、文書を意味的な最小単位（アトム）に分解し、AIが文脈に応じて動的に組み立てる「アトミック合成型KM」へのシフトである。本稿では、生成AI時代に適合した新しいKMアーキテクチャの基本概念を示すとともに、転換が求められる背景と必要性を論じる。

生成AIによって顕在化した従来型KMの課題

企業において、多くのナレッジマネジメント（以下、KM）システムは、これまで「ファイル」や「ページ」を管理の基本単位としてきた。これは、「人が必要な情報を見つけられること」を第1の目的として設計されてきたためである。しかし、生成AIの登場は、こうした従来型のKMのあり方に変化を要求している。現在、ユーザーが望むナレッジ活用体験は、「情報を探して読むこと」から「意図を伝え、答えを得て、次の行動に進むこと」へと変化しつつある。これは同時に、ナレッジの利用主体が人間だけでなくAIにも拡張されていることを意味する。

KMを生成AIと結び付ける以上、そこには、情報探索の効率性だけでなく、回答の正確性や根拠の追跡可能性、更新の即時性、利用者属性に応じた権限管理といった新たな要件が加わる。多様なノイズが混入するファイルを処理対象とする場合、情報の曖昧さや重複、陳腐化といった課題は、人であれば暗黙的にある程度補うことが可能であるが、AIにとっては致命的な問題となる。例えば、ハルシネーションなどの誤回答を引き起こすだけでなく、更新がファイル単位に限定されることによって文脈の分断や類似ファイルの乱立が発生し、AIがどの情報を「正」として参照すべきかを判断できない状態を招くことになるからである。

つまり、ファイルベースで構成された従来型のKMシステムは、AIの本格的な活用を目指す企業にとって、「データ負債」とも呼ぶべき状況を作り出す温床ともなる。こうした問題を解消するために、企業は今後、知識の管理単位そのものを再検討する必要に迫られると考える。従来型のKMと、生成AI時代に求められるKMを比較し、知識構造に関する要件の違いを図1に整理した。

図1．ナレッジマネジメントに求められる知識構造のギャップ