組織のAIナレッジを共有する — プロンプト・スキル・MCPの管理

同じAIを使っているのに、成果に大きな差が出る。差の正体は、指示の出し方・手順の与え方・ツールの揃え方というノウハウです。このノウハウは放置すると個人にたまり、異動や退職で消えます。AI活用の知見を組織の資産にする設計を考えます。

共有すべき3種のAIナレッジ

ポイントは、これらが「人が読む文書」ではなくエージェントが直接使える形式で共有できることです。良い手順書がエージェントに直接渡れば、配属初日のエージェントでもベテランの手順を参照して働けます。ここがAI時代のナレッジ共有が従来のドキュメント共有と違う点です。

「集める」より「審査して配る」

ナレッジ共有の古典的な失敗は、「共有フォルダを作って終わり」です。投稿されない・玉石混交・誰も探さない。AIナレッジでは、これに新しいリスクが加わります。質の悪いナレッジは、エージェントの動作を直接悪くするのです。誤った手順書は誤った作業を量産し、出所不明のプロンプトやツール構成は、意図しない指示の混入経路（プロンプトインジェクション）にもなり得ます。

だから設計の中心は、収集ではなく審査と配布です。

1. 投稿 — 現場（人でもエージェントでも）が候補を投稿する。投稿の敷居は低く
2. 承認 — 管理者・有識者がレビューしてから公開する。承認されるまで未公開が原則
3. 配布 — 承認済みナレッジを、対象のワークスペースに配る。エージェントがそのまま使える形式で

この流れは、MCPサーバーの公認リスト運用（MCPを企業で使う前に決めること）と同じ思想です。エージェントの口に入るものは、出所と中身を確認してから配る。

機密ナレッジの境界

もうひとつAI特有の論点が、ナレッジ自体の機密性です。「顧客データの匿名化手順」「機密システムの操作手順」のようなナレッジは、それ自体が機密情報を含みます。

原則は単純で、ナレッジはデータと同じ境界の中で管理することです。機密区分のナレッジは機密側の環境にだけ配布され、通常環境には存在しない。共有の便利さのために境界へ穴を開けると、データを部屋分けした意味が損なわれます（データ分類の実務・ワークスペース設計）。

運用を回す小さなコツ

• 使われた数を見る — 配布したナレッジの利用状況を見て、使われないものは引退させる。棚は小さく保つ
• 貢献を可視化する — 採用されたナレッジの投稿者と利用実績が見える形にする。投稿の動機は仕組みで作る
• エージェントの発見を拾う — エージェント自身が見つけた解決手順は、良質なナレッジ候補です。「エージェントの提案 → 人の承認 → 組織の資産」という流れを最初から設計に入れておくと、使うほど組織のAIが育つ循環ができます

まとめ

• AI活用の知見は放置すると属人化する。共有対象はプロンプト・スキル・MCPツールの3種
• AIナレッジは「エージェントが直接使える形式」で共有できるのが従来との違い
• 設計の中心は収集ではなく審査と配布。承認されるまで未公開、承認済みを部屋へ配る
• ナレッジはデータと同じ境界で管理する。機密ナレッジは機密側にだけ配る

スキル・知識の投稿・承認・配布と機密境界の管理を実行環境の機能にすると、承認済みのナレッジをワークスペース単位で配れます。Hoko（矛）はそれを備えたAIエージェント実行アプライアンスです。棚の作り方は製品トップで説明しています。