メインコンテンツへスキップ
DEFINITIONPillar 1 ─ AX for Revenueとは

Field Intelligence とは何か｜言語化されていない現場の知性

Published
Updated
Reading
8 min
  • Field Intelligence
  • フィールド・インテリジェンス
  • 現場の知性
  • 暗黙知
  • PI
  • Primal Intelligence

AI が学習できる領域は、すでに誰かが言葉にし、データにし、ネット上に流通させた情報に限られる。しかし、事業の現場には、まだ誰も書き残していない情報が膨大に眠っている。製造現場のベテランが部品の音だけで異常を察知する瞬間、営業担当が顧客の表情の微細な変化を読み取る瞬間、店舗のスタッフが客足の引き方から翌週の売上を見立てる瞬間。これらは社内文書のどこにも書かれていないが、確かに事業を支えている。

Field Intelligence は、この「書かれていないが、確かにある情報」を捉えるための概念である。AlphaDrive が AX for Revenue の中核概念として提示する PI（Primal Intelligence） は、Crazy Intelligence と Field Intelligence の2要素から構成される。本記事は、そのうちの Field Intelligence を、書籍『AI収益進化論』第4-4章の整理に沿って解説する。

Field Intelligence の定義

Field Intelligence とは、現場に足を運び、観察を密に重ねることで得られる、外側からの情報である。書類にも残らず、データベースにも記録されず、社内会議の議事録にも上がらないが、その現場で長く仕事を続けてきた人の身体感覚と経験のなかには、確かに蓄積されている。

書籍は Field Intelligence を次の3つの性格で整理する。第一に、まだ言語化されていないこと。第二に、データになっていないこと。第三に、それでも現場には確かに存在すること。この3要素が揃って初めて Field Intelligence と呼べる（麻生要一『AI収益進化論』第4-4章）。

学術的に近接する概念として、マイケル・ポランニーの暗黙知（tacit knowledge）がある。Field Intelligence は暗黙知の系譜に連なる概念だが、書籍では「人間が技能として保持し続けるべきもの」ではなく、「AI に注ぎ込む対象として再定義する情報資産」として位置付けている点が決定的に異なる。暗黙知を暗黙のまま尊ぶのではなく、AI と結びつけて事業の力に変換する射程を持つ。

重要な点は、Field Intelligence が特殊な才能や限られた人だけが持つものではないことである。どの企業のどの現場にも、長く仕事を続けてきた人なら誰でも持っている。問題は「持っているかどうか」ではなく、「社内で共有されているか、整理されているか、AI に渡せる形になっているか」にある。

Field Intelligence はどこに眠っているか

書籍 第4-7章「PIが眠っている場所」の整理に沿うと、Field Intelligence は企業のなかで、以下のような場所に大量に蓄積されている。

場所眠っている情報の性格
ベテラン社員の経験数値化されない判断基準、長年の取引で培った相場観
営業担当者の手帳・個人メモ顧客との会話で気づいた違和感、社内では報告されなかった示唆
失敗プロジェクトの議事録「なぜうまくいかなかったか」の本当の理由
ボツになった企画書当時の市場では早すぎたが、いま読み直すと示唆に富む仮説
退職者が残したファイル表に出てこなかった顧客との関係性、未処理の課題リスト
現場スタッフの日報の余白業務報告の枠を外れた、現場で起きていた小さな違和感

これらは多くの企業で、整理もされず、検索可能な状態にもなく、ましてや AI に渡せる状態にはなっていない。日本企業の場合、終身雇用と長期雇用の文化のなかで、半世紀分の Field Intelligence が積み上がっている可能性が高い（麻生要一『AI収益進化論』第4-7章）。ただしこれは「日本企業が他国より優れている」という話ではなく、「他国とは違う種類の蓄積がある可能性が高い」という整理である。

具体例 ―― 業界を跨いだ3例

Field Intelligence は業界を問わず存在する。性格を理解するために、3つの業界カテゴリで例を挙げる。

製造業における現場感覚。 製造ラインのベテラン作業者は、設備が出す音の微細な変化から、数日後に発生する故障を予見することがある。この感覚は数値化されておらず、設備保全のマニュアルにも記載されていない。しかし、過去20年分のラインを支えてきた事実そのものが、その感覚の精度を物語る。これが Field Intelligence の典型である。

小売業における店舗観察。 ある店舗の店長は、開店30分の客足の流れから、その日の売上の着地を高い精度で見立てることができる。POS データには現れない、客の歩く速度、立ち止まる位置、視線の動き、これらの組み合わせを身体で覚えている。本部からは見えない情報がここに蓄積されている。

サービス業における顧客対応の機微。 法人営業の現場で、初回商談の冒頭5分の空気の質感から、その案件が前に進むかどうかを判別する営業担当者がいる。会議室の温度、相手側の出席者構成、最初の雑談の長さ、これらの組み合わせから読み取られる感覚は、CRM にも案件管理シートにも記録されない。

これら3例に共通するのは、「データには現れないが、現場では再現性をもって機能している情報」という構造である。AI が学習できる領域の外側にあり、それでいて事業の意思決定を支える情報が、ここに該当する。

Crazy Intelligence との違い

Field Intelligence は、PI を構成するもう一方の要素である Crazy Intelligence と、起源も性格も担い手も異なる。両者を混同すると、PI Injection の設計を誤る。

比較軸Field IntelligenceCrazy Intelligence
起源現場の観察と経験の蓄積（外側からの情報）内発的な飛躍、論理を跳び越す発想
性格言語化されていないが、確かにそこにある情報これまで誰も結びつけていなかった発想
蓄積方法長期間の現場経験を通じて、身体に染み込む異分野からの転用、業界常識からの逸脱で生まれる
担い手現場で長く仕事を続けてきた人が持ちやすい新人、業界外から来た人、子どもの発想に近い人
引き出し方現場に降りる、観察する、対話で言語化を促す異なる文脈をぶつける、常識を意図的に外す

両者は補完関係にある。Field Intelligence だけでは現状の延長を出ず、Crazy Intelligence だけでは現場の実装に届かない。両者を組み合わせて AI に注ぎ込むことで、初めて学習範囲の外側へ AI が跳ぶ準備が整う。

Field Intelligence を AI に渡すことの難しさ

Field Intelligence は、ただ存在するだけでは事業の力にならない。AI に渡せる形に変換し、Knowledge 層に組み込み、Instruction の設計に反映させて初めて、AI が現場の固有性を帯び始める。これが PI Injection と Knowledge熱狂化のプロセスである。

しかし、ここに大きな構造的障害がある。書籍 第7-4章は、PI Injection の4つの失敗パターンの最後に、組織論として極めて鋭い論点を置いている。「そもそも現場の Field が経営者まで上がってこない」という問題である。これは技術の問題ではなく、組織と人事と信頼関係の問題である。

段階3にいる企業、すなわち AI 推進室を立ち上げ、専門予算を確保し、部門横断プロジェクトを動かしているにもかかわらず売上が動かない企業の根本原因の多くは、ここにある。PoC 地獄、ROI 定義困難、ベンダー依存、現場との断絶という 段階3の4症状 の底でつながっているのは、Field Intelligence が経営者の手元に届いていないという構造である。経営者が現場に降りなければ、Field Intelligence は永遠に眠ったままになる。

理論的支柱としては、EmotionPrompt の研究（Microsoft Research, 2023）が示唆を与える。同研究は、AI に渡す指示の質と熱量が推論性能を最大115%引き上げることを実証した。これは Field Intelligence を AI に注ぎ込む価値の側面的根拠となる。整った社内文書ではなく、現場の熱量を含んだ情報こそが、AI の挙動を変える。

Field Intelligence こそが、自社にしかない領域であり、効率化AI では到達できない領域である。「AIは効率化から、収益の創造へ。」というブランドの世界観の核心は、まさにこの転換点にある。

よくある質問

Q1. 自社の Field Intelligence をどうやって発掘すればよいですか？

経営者または事業責任者が直接、現場に降りて観察と対話を重ねることが出発点となる。アンケートや形式的なヒアリングでは、言語化されていない情報は引き出せない。具体的な手順は AX for Revenue Loop の実装記事 を参照。

Q2. ベテラン社員が引退すると Field Intelligence は失われますか？

整理せず AI に注ぎ込まないまま放置すれば、失われる。逆に言えば、ベテラン社員が現役のうちに Field Intelligence を AI の Knowledge 層に変換しておけば、退職後も組織の資産として残せる。これは AX for Revenue の文脈で、人事戦略と AI 戦略が交差する論点である。

Q3. Field Intelligence と暗黙知（マイケル・ポランニー）の違いは？

両者は近接する概念だが、扱う射程が異なる。暗黙知は「人間が技能として保持し続けるもの」として論じられてきた。Field Intelligence は、書籍『AI収益進化論』において「AI に注ぎ込む情報資産」として再定義されている。暗黙のまま尊ぶのではなく、AI と結びつけて事業の力に変換する点が異なる。

Q4. Field Intelligence は「現場主義」と同じことですか？

異なる。現場主義は経営姿勢や精神論を含む概念であり、「現場を大事にする」という態度を指すことが多い。Field Intelligence は、AI に注ぎ込む情報資産という構造的な位置付けを持つ概念であり、態度ではなく対象である。

Q5. なぜ Field Intelligence は経営者まで上がってこないのですか？

組織内の信頼関係、評価制度、報告ルートの設計に起因する。整った報告書になりにくい情報、定量化できない情報、上司の機嫌を損ねかねない情報は、現場で止まりやすい。これは AI 時代の組織論として、書籍 第7-4章で重要な論点として整理されている。

Q6. Field Intelligence を AI に渡すと、競合に流出するリスクはありますか？

設計次第である。プライベートAI や閉域環境を含む適切なアーキテクチャのもとで Knowledge 層を構築すれば、自社の Field Intelligence は外部に流出しない設計が可能である。むしろ、整理せず属人化したまま放置するほうが、退職や転職を通じて流出するリスクが高い。

関連概念

発行: 株式会社アルファドライブ 編集: AX for Revenue Institute

References

出典

  1. Microsoft Research / CAS (Chinese Academy of Sciences) / William and Mary「Large Language Models Understand and Can be Enhanced by Emotional Stimuli」(2023)https://arxiv.org/abs/2307.11760
Related

関連記事