結論から言う。属人化のエラー率は「100%」だ

AIメモリのエラー率が95%——この数字だけ見ると「使い物にならない」と思うだろう。

だが、ちょっと待ってほしい。

あなたの会社にいる「あの人しかわからない業務」、そのエラー率は何%だ？

その人が辞めたら？ 倒れたら？ 情報の再現率は0%だ。エラー率じゃない。全損だ。

95%のエラーと100%の全損。どっちがマシか。答えは明白だろう。

この記事では、AIメモリの「95%エラー」という数字の正体を解きほぐしながら、中小企業が「不完全なAI」をどう使えば得をするのか、具体的な数字で示す。

—

そもそも「95%エラー」とは何の話か

まず、この数字を正確に理解しておきたい。

最近の調査で報告された「AIメモリのエラー率95%」とは、LLM（大規模言語モデル）が過去の会話文脈を長期的に保持・再現する際の精度に関するものだ。つまり「3ヶ月前にユーザーが言ったことを正確に覚えているか」というテストで、95%は不正確だった、という話。

これは「AIの回答の95%が間違っている」という意味ではない。ここを混同すると判断を誤る。

AIが「今この瞬間」に与えられた情報を処理する精度と、「過去の記憶を引き出す」精度はまったく別物だ。人間だって、昨日の会議の内容を正確に再現できるかと言われたら怪しい。3ヶ月前なら絶望的だ。

重要なのは、記憶の仕組みを外部化すれば、この問題はほぼ消えるということ。

—

属人化のコストを数字で見る

中小企業の現場で、属人化がどれだけのコストを生んでいるか。具体的に計算してみよう。

ケース：従業員30人の製造業。受発注管理を1人のベテラン社員（勤続18年）が担当。

• ベテラン社員の年収：450万円
• この社員が退職した場合の採用コスト：80〜120万円
• 新人が同等レベルに達するまでの期間：最低12ヶ月
• その間の業務効率低下による損失：月あたり30〜50万円 × 12ヶ月 = 360〜600万円
• 引き継ぎ漏れによるクレーム・失注リスク：算定不能（だが確実に発生する）

合計すると、1人のベテランが抜けるだけで500〜800万円が吹き飛ぶ。

しかも、これは「退職」というイベントが起きた場合の話だ。実際には退職前から問題は始まっている。その人が休んだ日に電話が来て誰も答えられない。その人の気分や体調で業務品質が変わる。その人に聞かないと見積もりが出せない。

これが属人化の本当のコストだ。年間で見えないコストを含めれば、1人あたり200〜300万円は常に失われていると見ていい。

—

不完全なAIで「5%の記憶」を仕組みにする

では、AIメモリのエラー率95%——つまり「5%しか正確に覚えていない」AIは、本当に使えないのか？

答えはノーだ。そもそも使い方が違う。

AIの記憶に頼るのではなく、AIに「参照すべき情報」を毎回食わせる設計にすればいい。

具体的にはこうだ。

1. 業務マニュアル・手順書をテキスト化する（既存のものでいい。完璧じゃなくていい）
2. 過去の対応履歴・メールをデータベース化する
3. AIに質問するたびに、関連する情報を自動で検索して一緒に渡す（RAGと呼ばれる仕組み）

こうすれば、AIの「記憶力」に依存しない。AIは「今渡された情報を読んで、適切に答える」だけでいい。これなら精度は格段に上がる。

この仕組みを作るコストはいくらか。

• ナレッジベース構築（社内文書の整理・投入）：30〜80万円
• RAG環境の構築：20〜50万円
• AIツールの月額利用料：月2〜5万円（年間24〜60万円）
• 運用・メンテナンス：月1〜3万円（年間12〜36万円）

初年度トータル：90〜230万円。2年目以降：36〜96万円。

属人化による年間損失200〜300万円と比べてほしい。初年度でほぼペイ、2年目から確実にプラスだ。

—

「完璧じゃないと使えない」という思い込みが最大の敵

中小企業の経営者と話していて、一番多い反応がこれだ。

「AIって間違えるんでしょ？ うちの業務は間違いが許されないから」

気持ちはわかる。だが、冷静に考えてほしい。

今の「あの人しかわからない」体制は、間違いが起きていないのか？ 本当に？

• ベテランの思い込みで古い単価のまま見積もりを出していた
• 口頭伝達で発注数量を間違えた
• 「いつもの」で通じると思って仕様を確認しなかった

こういうミスは日常的に起きている。ただ、ベテランの経験値でリカバリーされているから表面化しないだけだ。属人化とは、エラーが見えなくなる仕組みでもある。

AIの良いところは、エラーが可視化されることだ。出力が文字で残る。チェックできる。修正できる。改善できる。

属人化されたベテランの頭の中は、チェックできない。修正できない。そして、ある日突然消える。

どちらが「管理可能なリスク」か、明らかだろう。

—

実践：まず何から始めるか

抽象論はここまでにして、具体的なアクションを3つ示す。

ステップ1：「あの人」の業務を1週間記録する

まず、属人化している業務を1つだけ選ぶ。その担当者に1週間、業務内容を音声メモで記録してもらう。スマホの録音アプリでいい。それをAI文字起こしツール（月額数千円）でテキスト化する。

これだけで「何をどう判断しているか」の骨格が見える。完璧な手順書じゃなくていい。骨格が見えることに価値がある。

ステップ2：AIチャットに「参照資料付きで質問」してみる

テキスト化した業務記録を、ChatGPTやClaudeに貼り付けて「この業務について、新人に説明するように整理して」と頼む。月額2,000〜3,000円のプランで十分だ。

出てきた内容を担当者に見せて「ここは違う」「ここは合ってる」とフィードバックをもらう。これを3回繰り返すだけで、そこそこ使えるナレッジベースの原型ができる。

ステップ3：「AIに聞いてから人に聞く」ルールを作る

新人や他の社員が業務について質問するとき、「まずAIナレッジに聞く → わからなければ担当者に聞く」というルールにする。

これだけで担当者への問い合わせが体感で3〜5割減る。担当者の時間が空く。空いた時間でさらにナレッジを整備できる。好循環が回り始める。

—

中小企業だからこそ、今やる意味がある

大企業は属人化していても、組織の厚みでカバーできる。10人いれば誰かは知っている。

中小企業は違う。1人抜けたら詰む。

だからこそ、不完全でもいいからAIで知識を外部化する意味がある。大企業が数千万円かけてやるナレッジマネジメントを、中小企業は数十万円で、しかもAIの力を借りて実現できる時代になった。

AIメモリのエラー率95%。この数字に怯える必要はない。

本当に怖いのは、「あの人が辞めたら終わり」という状態を、今日も放置していることだ。

完璧なAIを待つ必要はない。5%の記憶でも、仕組みにすれば0%の属人化に圧勝する。

まず1つの業務で、今週から始めてみてほしい。

—