Core Technology
ナレッジエンジニアリング
Tensoryのコアテクノロジーである「ナレッジエンジニアリング」は、企業に眠る暗黙知を形式知へと変換し、AIと人間が共に成長する「知の循環」を実現する技術体系です。
新しい知の循環
現代のSECIモデル
従来のSECIモデルでは、暗黙知を形式知に変換するために膨大な手間と環境の整備が必要でした。 インタビュー、観察、ドキュメント化、そして共有の仕組み構築には多大な時間とコストがかかります。 しかし、AIを活用することで、この知の循環は圧倒的に高速化しました。
従来のSECIモデル
野中郁次郎が提唱した知識創造プロセス — 従来では知識創造の流れが遅く、知識の循環が停滞することが多かった
暗黙知 → 暗黙知
共有体験を通じて、暗黙知を他者に伝達する
暗黙知 → 形式知
暗黙知を言語化・概念化して形式知に変換する
形式知 → 暗黙知
形式知を実践を通じて暗黙知として体得する
形式知 → 形式知
異なる形式知を組み合わせて新たな形式知を創造する
Tensoryが提唱する「AI時代の知の循環」
データストラクチャリングとコンテキストエンジニアリングにより高速循環
暗黙知（人間）
現場のベテランの経験・勘・ノウハウの共有
構造化された形式知（AI）
現場の勘や属人的な情報をデータストラクチャリングにより集約・構造化し、有効活用可能なナレッジを創出
新たな暗黙知（人間）
AIによる示唆や分析を人が活用することにより新たな暗黙知やフィードバックを取得し、改善
AIによる知識活用・生成
コンテキストエンジニアリングにより構造化した情報を連結し、新たな気づきを示唆し、高次の知識を創造
循環のポイント
AI時代の知識創造を加速する4つの要素
暗黙知の形式知化
表出化の加速
- • ベテランの経験・勘をAIが理解できる形で記録
- • 自然言語でのインタラクションにより、暗黙知の抽出が容易に
AIによる知識の増幅
連結化の強化
- • 構造化された知識をAIが分析・統合
- • 人間には見えなかったパターンや関連性を発見
パーソナライズされた知識提供
内面化の促進
- • 個人の状況に応じた知識の提示
- • 必要なときに必要な情報を適切な形で提供
継続的な学習と改善
自己強化ループ
- • AIの回答に対するフィードバックが新たな知識として蓄積
- • 利用されるほど精度が向上する自己強化ループ
2つの柱
ナレッジエンジニアリングを支える2つの技術的アプローチ
Data Structuring
データストラクチャリング
未加工の情報（ドキュメント、会話ログ、業務マニュアル、ベテランのノウハウなど）を整形・構造化し、AIが効果的に利活用できる「ナレッジ」へと加工するプロセス。
プロセス
多様なソースから情報を収集、インタビュー・観察
フォーマット統一、ノイズ除去、重複整理
メタデータ付与、階層構造・関係性の定義
AIモデル向けチャンク分割、インデックス設計
Context Engineering
コンテキストエンジニアリング
構造化されたナレッジを最適に利活用するため、「どのように知識を蓄積し、AIエージェントに活用させるか」を設計・実装するプロセス。
主要コンポーネント
情報の選択・優先順位付け、動的コンテキスト生成
システムプロンプト設計、出力フォーマット制御
短期・長期・作業記憶の統合管理
複数AIエージェントの協調・タスク分解
実装パターン
ナレッジエンジニアリングを具現化する技術アプローチ
RAG
Retrieval-Augmented Generation
ナレッジベースから関連情報を検索し、生成に活用
Agent Memory
エージェントメモリ
対話履歴や学習内容を蓄積し、パーソナライズされた応答を生成
Multi-Agent System
マルチエージェントシステム
専門性の異なる複数エージェントが協力して複雑なタスクを解決
Tensoryのナレッジエンジニアリングは、単なるAI導入ではなく、
組織の知識を持続的に活用・発展させるための基盤技術です。