2018年05月18日

ナレッジマネジメントのコアフレームワーク:SECIモデル

みなさんこんにちは。
営業担当の宮澤です。

前回の私のブログでは、
「ナレッジマネジメントは会議室で起きてるんじゃない、現場で起きてるんだ!」
と熱弁させていただきましたが、今回はそのナレッジマネジメントを推し進めていく上で、
最もコアなフレームワークとなるSECI(セキ)モデルについてお伝えしていきます。

■SECIモデル
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
一橋大学の野中郁次郎教授が日本から世界に向けて発信した経営理論の1つ。
ナレッジマネジメントにおける形式知を生み出すプロセスである、
・Socialization:共同化
・Externalization:表出化
・Combination:連結化
・Internalization:内面化
の頭文字をとってSECIと名付けられた。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー

・・・と言われてもなんだかよく分からないと思いますので、
ここから4つのプロセスを順番に紐解いていきます。


■SECIモデル 4つのプロセス
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
STEP1.共同化(Socialization)※暗黙知→暗黙知
対話や経験などによって、暗黙知をお互いに共有するプロセス。
(例)OJTなどの共体験を通じて暗黙知を伝達すること、など。

STEP2.表出化(Externalization)※暗黙知→形式知
得られた暗黙知を共有できるよう形式知に変換するプロセス。
(例)社内に存在する暗黙知をマニュアルなど客観視できるものに変換すること、など。

STEP3.連結化(Combination)※形式知→形式知
形式知同士を組み合わせて新たな形式知を創造するプロセス
(例)形式知をグループウェアやFileserverなどに集約し体系的な知識へと変換すること、など。

STEP4.内面化(Internalization)※形式知→暗黙知
利用可能となった形式知を基に、個人が実践を行い、その知識を体得するプロセス。
(例)新に創造された形式知を個人が身体化し、知的資産へと変換すること、など。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー


SECIモデル.png


いかかでしたでしょうか?

つまりSECIモデルとは、暗黙知と形式知の知識変換プロセスを4つのフェーズに分けて考え、
これらを循環させることで組織として戦略的に知識を創造し、マネジメントすることです。

個人の暗黙知を組織へ展開し、それらを形式知化して集約することで新たな形式知を創造、
そしてその形式知を再び個人が吸収して周りに伝達していく、、、
という理想的なサイクルといえますが、みなさんの社内ではうまくこのサイクルを回せていますか?

SECIモデル4つのプロセスのうち、自分たちはどこがボトルネックになっているのだろう、
と考えてみることもナレッジマネジメントを推し進めていく上では重要なポイントになりそうですね。

それでは今回はこの辺で。



posted by CBIT宮澤 at 12:15 | Comment(0) | コンサルティング | このブログの読者になる | 更新情報をチェックする

2018年05月07日

ナレッジマネジメントを成功に導くためのプロセス

こんにちは。
マーケティング・営業担当の池田です。

弊社が社内情報共有ツール「ナレッジリング」をリリースしてから早5年以上経ちますが、
最近では、ナレッジマネジメントの重要性に気づき、積極的に取り組もうとされているお客様が増えてきました。
あえてこちらから説明しなくても情報活用のポイントを理解されている熱心なお客様が多いことは、
サービスを提供する私たちにとっても非常に喜ばしいことです。

ところで、ナレッジマネジメントを成功に導くためにはいくつかのプロセスがあります。
既にナレッジマネジメントに取り組んでいるという皆さん、どのあたりの段階まで進んでらっしゃいますか?

1)ナレッジを集める
  文書ファイル、メール、電子化されていない資料など、既存情報があればそれらをベースに整理し、
  既存情報がなければ、どこからどんな情報をナレッジとして集めるかを決定し収集します。

2)ナレッジを体系化する
  集めたナレッジは、分類し活用しやすい形に成形します。(いわゆるデータベース化)

3)ナレッジを活用する
  ユーザーによってナレッジが実業務で活用されている状態です。
  ナレッジの定着とも言える段階です。

4)ナレッジを評価する
  ナレッジが、誰にどのような効果をもたらしているかを評価します。
  評価結果はナレッジに反映し情報としての質の向上を図ります。

ここで、上記1)〜4)について、ナレッジリングユーザー様の平均値を大公開!

【集める】【体系化する】というプロセスにおいては、
導入時のモチベーションも手伝ってほぼ予定通りクリアできるお客が多いです。
ナレッジリングの導入時点で既存情報を保有しているお客様が大多数のため、
この工程は平均して1ヶ月程度で完了します。

【活用する】というプロセスになると、少しハードルが高くなります。
ナレッジマネジメントを主導する担当者が、自社のユーザーに対していかに熱心に根気よく働きかけられるか
がポイントになります。
「定着した」と実感するまでは導入から1年くらい、というお客様が多いです。

【評価する】というプロセスについては、
実際に取り組んでいるというお客様はまだまだ少数に留まっています。
ナレッジマネジメントに対する意識が高いお客様でも、
「導入当初はすぐにユーザーから反響があり効果を肌で感じることができていたが、
 最近はユーザーがどう利用してどのように感じているのかわからない。」
という声をよく聞きます。

このような方は、ぜひナレッジマネジメントの効果を定量的に評価することをおすすめします。

例えば、コールセンター業務に就いている方はよくわかると思いますが、KPIが重要になりますよね?
それと同様、ナレッジマネジメントによってもたらされる効果も定量的に測定します。

■定量的な評価指標の例

※コールセンター業務の場合
・一次解決率 ⇒ 「〇%アップ
・対応にかかった時間(AHT) ⇒ 「平均〇分短縮

しかし、これらの成果は、必ずしもナレッジマネジメント単独での効果とは限りません。
そこで、ナレッジマネジメントツールの利用状況分析も合わせて行う必要があります。

■ナレッジマネジメントツールの利用状況分析の例

・どんな情報にアクセスが集まっているか。(契約関連の情報、過去の事例、など)
・どの時間帯によく利用されているか。(始業後すぐ、など)
・どんなユーザーの利用頻度が高いか。(新人、シフト勤務社員、など)
・よく検索されているキーワードは何か。
・ユーザーは必要な情報を最終的に見つけられたのか。
・パターン的な傾向はみられるか。(情報Aを閲覧する人は情報Bも閲覧する傾向にある、など)

手法としては、ユーザーから定期的にアンケートを取るという方法もあります。
リアルな声を聞くことができる機会ですので、積極的に取り入れたいですね。

最終的にはこれらの分析結果をナレッジにフィードバックし、
【体系化】【活用】【評価】のサイクルを繰り返すことで、
知識を循環させて有益な情報がユーザーに活用されるようにすることが重要になります。

ナレッジマネジメントの本質は、新しい価値を創造すること。
それが出来て初めてナレッジマネジメントの本当の成功と言えるのかもしれません。

私たちCBITは、この境地に至るまでプロセスを確実に歩めるよう、
ナレッジマネジメントに取り組む皆さんのお手伝いをしております。
皆さん、真の成功を目指して、一緒に頑張りましょう!




posted by CBIT池田 at 17:17 | Comment(0) | コンサルティング | このブログの読者になる | 更新情報をチェックする

2018年04月20日

ゲームと人工知能

こんにちは。ナレッジリング開発担当の鈴木です。

 もうすぐゴールデンウィークですね。
2018年のゴールデンウィークは平日に重なる祝日としては、
昭和の日(4/29で日曜日ですが4/30が振替休日)、憲法記念日(5/3)、
みどりの日(5/4)と重なっておりますので、
残りの平日である5/1(火)と5/2(水)を有給休暇などを使ってお休みできれば
最大9連休(4月28日〜5月6日)です。
どこかへ旅行など計画されている方も多いのではないでしょうか。

 さて今回はゲームと人工知能というタイトルですが、
将棋や囲碁などのゲームではすでに人工知能の活躍が多く報じられており
あまり目新しい話題ではありませんので
今回はビデオゲームのジャンルの一つである「FPS」
(ファーストパーソン・シューティングゲーム)と人工知能に関する話題です。
先日ネットで人工知能関係の記事を探していて気になる記事を見つけました。

「アメリカの大手ビデオゲーム・コンピュータゲーム販売会社のエレクトロニック・アーツ社
 (以下EA社と略します)が同社のゲームタイトル向けに開発したAIのプレイが人間と同等の領域に発達した」

というものです。
FPSの分野では元々人工知能の研究が活発で、
オンラインゲームで複数プレーヤーで遊ぶゲームで頭数を合わせるための
ゲームボットなどに利用され親しまれてきた歴史があります。
しかし、従来のゲームのボットはゲームデータにアクセスしてマップや
アイテムの位置情報、キャラクターの位置情報まで把握して優位にゲームを進めるなど
人間の目から見て不自然かつ不公平な部分が多くプレーヤーのストレスになっていたようです。
今回EA社が公開したAIプレーヤーは人間のプレーヤーと同じく一人称視点の画面の情報と
ミニマップの情報だけを元にプレイを行なっているのがこれまでのゲームボットとは大きく異なる点です。
このAIは基本的なアクションを学習した後に、自分自身や他のゲームボットを相手に深層学習を
行いゲームのスキルを向上させたそうです。
その結果として、人間のプレーヤーと混ざってプレーさせた後に、他のプレーヤーに感想を求めても
AIと気づかないほど自然な動作だったそうです。

 EA社はこうした技術をこれまでテストプレーヤーを雇って行なっていたテストプレイなどに活用する事で
ゲームの品質向上に役立てるとしています。
ソフトウエア開発においてもモジュールテストの自動化は進んできましたが、
複雑な要素が関連してくるインテグレーションテストの部分では人海戦術となる事も多く、
EA社の開発したこうした技術が応用されてソフトウエアのテストの部分をAIが担ってくれるようになると
大変便利になるので非常に有用な技術ではないかと思い感心いたしました。

それでは今回はこのへんで。



posted by CBIT鈴木 at 17:19 | Comment(0) | その他 | このブログの読者になる | 更新情報をチェックする