SECI to GRAI

SECIモデルから、GRAIフレームワークへ

GRAI: 生成的(Generative)かつ受容的(Receptive)なAI

SECIの4つのフェーズそれぞれに、人間（h）の視点とマシン（m）の視点で分割し、8つのインタラクションフィールドへと拡張

AI(マシン)が暗黙知に近い領域を扱えるようになり、従来人間にしかできなかった知識集約的なタスクにマシンが参加できるようになった

生成的に(G)、新たな視点やコンテンツを出力する

受容的に(R)、人間の会話をマシンが聞いて表現を再構築する

SECIは組織内の人間による知識創造のプロセスを説明する枠組みだった。対してAIが普及した現代、人間中心の活動が、どのようにAIによって増強された Machine-augemented プロセスへと移行しているかを説明し、人間とマシンのインタラクションを探る必要がある。

Karsten Böhm & Susanne Durst

Knowledge management in the age of generative artificial intelligence – from SECI to GRAI | VINE Journal of Information and Knowledge Management Systems | Emerald Publishing

SECI

共同化 Socialization

組織の暗黙知を個人の暗黙知へ

GRAI

マシンから人間へ

$ S_m \to S_h

生成AIが複雑なトピックを人間に、理解度や詳細度を合わせて説明する。

人間からマシンへ

$ S_h \to S_m

連続的・反復的に、現実世界の具体的な状況をAIに教え続ける

SECI

表出化 Externalization

個人の暗黙知から個人の形式知へ

GRAI

（他と異なって、「人間からマシンへ」が先で根本的）

人間からマシンへ

$ E_h \to E_m

RAGなどを使ってAIがより正確に、その組織固有の情報を理解する

マシンから人間へ

$ E_m \to E_h

非構造化データを構造化する。例えば製品画像から色や素材などの属性を抽出し、データベース情報に変換する。

SECI

連結化 Combination

個人の形式知から組織の形式知へ

GRAI

マシンから人間へ

$ C_m \to C_h

全社の議事録や会話スクリプトから、決定事項や要点を自動生成する。

人間からマシンへ

$ C_h \to C_m

人間の対話中の内容をAIがパターン化し、創造のツールとして使う。特定のアーティストのスタイルで、現実には存在しない光景の画像を生成するなど。

SECI

内面化 Internalization

組織の形式知を組織の暗黙知へ（そしてまた共同化へ）

GRAI

マシンから人間へ

$ I_m \to I_h

AIが人間の学習や概念理解を支援する。AIを、フィードバック役、メンター役、コーチ役などにする。

人間からマシンへ

$ I_h \to I_m

長期間にわたって人間の言動を観察して、適切なサポートをAIが能動的に提案する。