ベテラン社員が辞めたら、御社の業務は回りますか？

中小企業の経営者なら、一度はこの恐怖を味わったことがあるはずだ。

見積もりの勘所を知っているのはAさんだけ。クレーム対応の落としどころを判断できるのはBさんだけ。この取引先との交渉パターンを覚えているのはCさんだけ。——こうした「頭の中にしかないノウハウ」が、会社の生命線を握っている。

マニュアルを作ろうとしても、ベテランの判断は暗黙知の塊だ。「なんとなくこういう時はこうする」が多すぎて、文書化しきれない。結果、属人化は放置される。

この構造が、いま技術的に壊せるフェーズに入った。しかも、月5万円以下で。

何が起きたのか：Tencentが「AIの記憶」をオープンソース化した

Tencentが2025年にオープンソース公開した「TencentDB Agent Memory v2.0」は、AIエージェント向けのチームレベルのメモリハブだ。MITライセンス。無料で使える。

これが何をするかを一言で言うと、「会話・文書・コード、あらゆる業務のやりとりを、AIが再利用できる形で記憶し続ける」仕組みだ。

具体的には、蓄積された情報を4つのメモリアセットに自動変換する。

• チャットメモリ：過去の会話履歴から文脈を保持。同じ説明を何度もしなくていい
• スキル：成功した判断パターンや手順を抽出・再利用可能にする
• LLM-Wiki：社内ナレッジを構造化し、AIが参照できる形で蓄積
• コードグラフ：コードの依存関係や変更履歴を記憶し、開発業務を効率化

ポイントは「一度説明したことを、二度と説明しなくていい」という点だ。新しいセッションを立ち上げても、過去のプロジェクト文脈を引き継ぐ。人間で言えば、「引き継ぎ資料を読み込んだ状態で初日から戦力になる新人」が、何人でも生まれるようなものだ。

導入はDockerで1コマンド。自社サーバーでホスティングできるから、機密情報を外部に出す必要もない。エンジニアが1人いれば、半日で動く環境が作れる。

本質はコストの構造変化だ

ここで考えたいのは、「便利なツールが出た」という話ではない。ナレッジマネジメントのコストが桁違いに下がったという構造変化だ。

これまで、属人化を解消しようとすると何が必要だったか。

• ベテラン社員へのヒアリング：数十時間
• マニュアル作成の外注：50〜300万円
• ナレッジ管理システムの導入：年間100〜500万円
• それでも「暗黙知」は文書化しきれない

合計で数百万円かけても、結局マニュアルは読まれず、システムは形骸化する。中小企業にとっては「やりたいけど手が出ない」領域だった。

それが、こう変わる。

• TencentDB Agent Memory：無料（OSS）
• 自社サーバーまたはクラウドのインフラ費：月1〜3万円
• LLMのAPI利用料（GPT-4oやClaude等）：月1〜3万円
• 初期セットアップの工数：エンジニア1人×1〜2日

月額5万円以下。初期費用もほぼゼロ。

300万円が5万円になった。この差は「やるかやらないか」ではなく、「知っているか知らないか」の差でしかない。

さらに先がある：AIが「自分で学んで進化する」研究

Tencentのメモリハブは「記憶」の仕組み化だが、もう一つ注目すべき動きがある。AIエージェントが実務を通じて自らスキルを獲得・進化させる研究だ。

「EvoHarness-RL」というフレームワークでは、エージェントがオフラインで基本的な判断パターンを学習した後、実際のタスク実行を通じてリアルタイムに外部状態を更新しながら能力を向上させる。いわば「OJTで育つAI」だ。

これが実用化されると何が起きるか。

例えば、製造業の見積もり業務。最初はベテラン社員の過去の見積もりデータと判断基準をメモリハブに蓄積する。AIはそれを参照しながら見積もりを作成する。ここまでは「記憶の再利用」だ。

しかし自己進化型のエージェントなら、実際に受注できた案件・失注した案件のフィードバックを取り込み、見積もりの精度を自律的に上げていく。ベテラン社員の「勘」を超える可能性すらある。

重要なのは、この進化がチーム全体で共有される点だ。一人のエージェントが学んだスキルは、メモリハブを通じて他のエージェントにも展開できる。属人化の真逆——「誰がやっても最善手が打てる」状態が、技術的に実現可能になりつつある。

中小企業こそ、この波に乗れる理由

「でもうちにはエンジニアがいない」「大企業向けの話でしょ」——そう思うかもしれない。逆だ。

大企業がこの手のツールを導入しようとすると、セキュリティ審査、情シス部門の承認、ベンダー選定、PoC、稟議……最低でも半年はかかる。

中小企業なら、社長が「やろう」と言えば来週には動ける。Docker環境を立てて、まずは1つの業務——例えば問い合わせ対応や見積もり作成——でメモリハブを回してみる。1ヶ月試して効果を見る。ダメなら止める。月5万円なら、撤退コストもほぼゼロだ。

この「意思決定の速さ」と「小さく始められること」は、中小企業の最大の武器だ。大企業が稟議を回している間に、実験を3周できる。

具体的に、何から始めればいいのか

「面白そうだけど、で、結局どうすればいいの？」——ここまで踏み込まないと意味がない。

ステップ1：属人化している業務を1つ選ぶ
全部やろうとしない。「この人がいないと止まる」業務を1つだけ特定する。見積もり、クレーム対応、発注判断、なんでもいい。

ステップ2：その業務の「判断ログ」を貯め始める
ベテラン社員の業務中の会話、メール、チャットを（本人の了承を得て）記録する。完璧なマニュアルを作る必要はない。生のやりとりでいい。

ステップ3：TencentDB Agent Memoryを立てて食わせる
Docker 1コマンドで起動。蓄積したログをメモリハブに投入する。AIが自動的にスキルやナレッジに構造化してくれる。

ステップ4：実務で使ってみる
新人や別の社員が、AIエージェント経由でその業務をやってみる。精度を見て、フィードバックを回す。

ステップ5：効果測定
1ヶ月後、対応時間・ミス率・ベテラン社員への質問回数を比較する。数字で判断する。

ここまでの投資：月5万円以下＋エンジニア数日分の工数。失敗しても痛くない金額だ。

「属人化」は、もう言い訳にできない

正直に言う。この技術が完璧かと聞かれれば、まだ発展途上だ。ベテランの暗黙知をすべて再現できるわけではない。複雑な判断には人間のレビューが必要だし、業務によっては合わないケースもある。

しかし、「属人化を解消する手段がない」という時代は終わった。

オープンソースのメモリハブ、月5万円以下のランニングコスト、Docker 1コマンドの導入。技術的なハードルは劇的に下がった。あとは「やるかやらないか」だけだ。

ベテラン社員が定年を迎える前に、その頭の中を仕組み化できるか。これは技術の問題ではなく、経営判断の問題だ。

月5万円で始められる実験を、やらない理由があるだろうか。

—