1人社長のナレッジDB設計：最初に集める5種類の情報

1人社長がナレッジDBで最初に集めるべきは、判断の基準・頻出の問い合わせとその答え・やってはいけない禁止事項・過去の勝ち負けとその理由・顧客ごとの事情の5種類です。どれも新しく書く資料ではなく、すでに交わした会話やメールに散らばっている実務知です。海外では、通話録音とメールをAIに読ませて手順に変換し、初めての採用に踏み出した1人社長の例があります。

要点(TL;DR)

• 最初に集める5種類=判断の基準/頻出の問い合わせと答え/禁止事項/過去の勝ち負けの理由/顧客ごとの事情
• どれも新規作成でなく、すでにあるメール・通話・チャットから抜き出す作業
• 米国の財務コンサルタントは、通話録音とメールをAIに読ませて手順化し、初めて2人を採用した
• Anthropicの社内事例では、AIに渡す前に「言っていいこと」を人が先に決めていた
• 完璧な整理より、まず1つの業務から書き出すほうが早く土台になる

なぜ、新しく作るのではなく「すでにある物」を集めるのか

ナレッジDBという言葉を聞くと、専用のツールを入れて資料を整備する作業を想像しがちです。しかし1人社長にとっての出発点はそこではありません。判断のほとんどは、すでに頭の中か、過去のメール・LINE・商談メモの中にあります。ナレッジDBを作る最初の作業は、書くことではなく、すでにある物を集めて構造化することです。この着手順がなぜ効くのかはなぜAIエージェントは、ナレッジDBから作るべきなのかで扱っています。本記事は、その5種類を具体的に何から集めるかに絞ります。

通話録音とメールを、手順に変換した1人社長の例

米国のMoney Storytellerを1人で9年運営してきたKatherine Pomerantzは、業務マネージャーの採用を何度も考えながら、踏み出せずにいました。理由は、自分の判断が声のやり取りと文脈に依存しており、新しい人がそのまま従える手順の形になっていなかったことです。

転機は、ChatGPTを「第二の脳」として使い始めたことでした。彼女は顧客との通話録音、メール、自分のブレインストーミングのメモをそのままAIに読ませました。AIはそこから、彼女が普段どう判断しているかのパターンを抜き出し、他の人が従える手順に変換しました。たとえば顧客からロスIRAについて質問が来たとき、担当のアドミニストレーターはAIに「Pomerantzならどう答えるか」の詳細な想定を出させ、その内容をもとに返信します。最終判断は今も彼女自身が持ちつつ、初動の対応は仕組みに移せた形です。

この結果、彼女は昨年、初めて2人を採用しました。米国拠点のアドミニストレーターとフィリピン拠点のブックキーパーです。本人の言葉では「顧客は増え、締め切りにはすべて余裕を持って間に合わせている」状態になり、チームの作業量は1人で回していた頃の2倍に達しています。ここで集められたのは、頻出の問い合わせと答え、そして判断の基準そのものです。新しい資料を書いたのではなく、すでにあった通話とメールを、読める形に変換しただけだという点が要点です。

AIに渡す前に、人が「言っていいこと」を決めていた例

もう一つの事例は、判断基準の逆側、禁止事項の作り方です。Anthropicは自社のマーケティング業務でClaudeを使う際、コピーや広告文をAIにそのまま生成させていません。同社の公式ブログによれば、広告担当者は自社ブランドの言葉遣いと製品の正確性を守るためのAgent Skillsを先に作り、Claudeが出す下書きはこのSkillsと照合されます。さらに「Claudeに渡すコピーと例文はすべて、プロダクトマーケティングとコピーライティングの各チームと組んで人が作成した」と明言されています。AIが自由に言葉を選ぶのではなく、言っていいこと・言ってはいけないことの型を、人が先に決めて渡している構造です。

この仕組みで、広告コピー1本の作成は2時間から15分に短縮され、1人が生み出すクリエイティブの量は10倍に増えたと同社は報告しています。量が増えるほど、逸脱のリスクも増えます。だからこそ、量を増やす前に「言っていいこと」の型を先に固定したという順序が、1人社長にも当てはまります。禁止事項は、うまくいった例より、うまくいかなかった提案やクレーム対応を振り返るほうが早く見つかります。何を言って失敗したかは、何を言うべきかより明確に記憶に残っているからです。

日本の1人社長・マイクロチームでは、何が違うか

海外の事例と比べたとき、日本の1人社長には固有の傾向があります。第一に、判断の根拠を言葉にする文化的な習慣が薄いことです。長年の付き合いのある顧客ほど「察して対応する」比重が大きく、なぜその判断をしたかを言語化する機会がそもそも少ない。第二に、記録の場所がLINEとメールと口頭に三分割されがちなことです。海外の事例のように録音データを一括で扱う前に、まず散らばった記録をどこか1箇所に集めるという、より手前の作業が要ります。

一方で、この規模には有利な条件もあります。判断者が1人なので、集める対象は自分の記憶とデータだけで済みます。大きな組織のように「誰が何を知っているか」を調べて回る手間がありません。禁止事項を明文化することへの抵抗も、社内合意が要らない分だけ小さくて済みます。集める作業そのものは、海外の事例よりむしろ日本の1人社長のほうが早く終わる構造です。

最初に集める5種類の情報

集める対象は、次の5種類です。どれも新しく作る資料ではなく、すでに業務の中で使っているのに、頭の中や個別のやり取りに散らばっているものです。

1. 判断の基準 — 「こういう場合はこう対応する」という、自分の中にある方針。Pomerantzの例のように、通話やメールの記録から後から抜き出せます。
2. 頻出の問い合わせと答え — 顧客から繰り返し聞かれる質問と、その定番の答え。返信のたびに毎回考え直している質問ほど、集める価値が高い。
3. やってはいけない禁止事項 — 過去に失敗した対応・クレームになった言い回し・二度とやらないと決めたこと。Anthropicの事例が示す「言っていいこと」の裏返しです。
4. 過去の勝ち負けとその理由 — 受注できた提案とできなかった提案を並べ、何が違ったかを1行で言い切ったもの。次の提案の当たりを付ける材料になります。
5. 顧客ごとの事情 — 契約条件、過去のやり取り、その顧客特有の配慮事項。一般論では対応できない、個別の前提情報です。

実践チェックリスト

集める作業を今日から始めるための、最小のチェックリストです。

1. 直近1ヶ月の顧客とのやり取り(メール・LINE・通話メモ)を1つのフォルダに集めたか
2. その中から「同じ質問に何度も答えている」箇所を3つ以上見つけたか
3. その答えに「なぜその判断をしたか」を1行加えて書き出したか
4. 過去の失注やクレームから「次は同じことをしない」を1行の禁止事項に変えたか
5. 受注できた提案とできなかった提案を並べ、違いを1行で言い切ったか
6. ここまでの5種類を、自分がいなくても他の人が読める文章の形で保存したか

ここまでできれば、AIエージェントに渡す最初のナレッジDBは形になっています。集め方の粒度を細かくする前に、まず1業務分で通しでやってみることが近道です。RAGを組んで検索させるべきか、そのまま全文を渡すべきかの判断は社内資料をAIに読ませる前に知るべき限界で扱っています。日々の判断をどう仕組みに変えていくかは、セカンドブレインで具体的な形をお見せしています。

よくある質問(FAQ)

Q. ナレッジDBに最初に集めるべき情報は何ですか? A. 判断の基準、頻出の問い合わせとその答え、やってはいけない禁止事項、過去の勝ち負けとその理由、顧客ごとの事情の5種類です。どれも新しく作るものではなく、すでに交わした会話やメールの中にあります。

Q. 資料が整理されていなくても始められますか? A. 始められます。米国の財務コンサルタントは、整理された文書ではなく通話録音とメールをそのままAIに読ませ、そこから判断のパターンを抜き出しました。整理は後からでもできます。

Q. 何から手をつければいいですか? A. 直近の顧客対応を1つ選び、同じ質問に何度も答えている箇所を書き出すところからです。そこに「なぜその判断をしたか」を1行加えるだけで、渡せる知識になります。

Q. 禁止事項はどうやって書き出せばいいですか? A. うまくいかなかった提案やクレーム対応を振り返り、「次は同じことをしない」と決めたことを1行ずつ言葉にします。成功例より、失敗の記憶のほうが境界線として機能します。

---

出典・参考

• Business Insider(Kelly Burch、2026年3月25日): Money Storyteller — 通話録音・メール・ブレストをChatGPTに読ませ「第二の脳」として手順化、初めて2人を採用し作業量が2倍に(Yahoo Financeへの転載記事) — https://finance.yahoo.com/sectors/technology/articles/ai-helping-solo-founders-first-144442578.html
• Anthropic公式(claude.com)「How Anthropic uses Claude in Marketing」: ブランドの言葉遣い・製品の正確性のAgent Skillsを先に作り、コピーと例文は人が作成してからClaudeに渡す運用 — https://claude.com/blog/how-anthropic-uses-claude-marketing
• 本記事の海外事例はいずれも当社の実績ではなく、外部の公表事例です。

監修: Kazuya Hibara(株式会社Automate&Augment 代表) — 業務フロー再設計とAIエージェント常駐運用を専門とする。