実践ガイド– category –
-
実践ガイド
Lessons Learnedのやり方|情報共有・知識継承で使う手順をステップで解説
Lessons Learnedは、仕事やプロジェクトで得た経験を「次に使える知識」へ変えるための整理方法です。 単なる反省会や感想共有ではありません。何が起きたか、なぜそうなったか、次回はどうするか、誰がどの場面で使えるかまで具体化し、あとから再利用で... -
実践ガイド
KCSで失敗しやすいポイント|よくある間違いと改善策
KCSは、問い合わせ対応や問題解決の中で生まれた知識を、その場で検索・再利用・作成・改善しながらチームの共有知識として育てる考え方です。 一方で、実務では「記事数を増やすこと」が目的化したり、検索せず毎回新規作成したり、更新より新規記事を優... -
実践ガイド
生成AIでKCSを使う方法|プロンプト例と人が確認すべきポイント
KCS(Knowledge-Centered Service)は、問い合わせ対応の中で知識を検索・再利用・作成・改善し、日々の対応そのものをナレッジ育成につなげる考え方です。 生成AIは、この流れを効率化する補助役として使えます。たとえば、問い合わせ文から検索語候補を... -
実践ガイド
KCSの具体例|情報共有・知識継承での活用イメージを解説
KCS(Knowledge-Centered Service)は、問い合わせ対応や日々の業務そのものの中で、知識を検索し、再利用し、必要ならその場で改善していく考え方です。 「ナレッジをまとめてから公開する」のではなく、実際の業務で使いながら育てる点が特徴です。 この... -
実践ガイド
KCSテンプレート|そのまま使える項目例と書き方
KCS(Knowledge-Centered Service)は、問い合わせ対応や問題解決の流れの中で、ナレッジを検索・再利用・作成・改善していく考え方です。 実務でKCSを始めるときに困りやすいのは、「ナレッジ記事に何を書けばよいか」「検索で見つかる粒度はどのくらいか... -
実践ガイド
生成AIでDIKWモデルを使う方法|プロンプト例と人が確認すべきポイント
生成AIは、DIKWモデルを自動で完成させるための道具ではありません。一方で、大量の記録から事実候補を抜き出す、情報を分類・集計する、再利用できる知識の形へ整理する、状況別の判断基準候補を出す、といった補助には使えます。 DIKWモデルでは、Data(... -
実践ガイド
KCSのやり方|情報共有・知識継承で使う手順をステップで解説
KCS(Knowledge-Centered Service)は、問い合わせ対応や問題解決の仕事そのものを、ナレッジの作成・再利用・改善につなげるための考え方です。 「対応が終わってから別途マニュアルを書く」のではなく、目の前の問い合わせを解く過程で既存ナレッジを検... -
実践ガイド
DIKWモデルの具体例|情報共有・知識継承での活用イメージを解説
DIKWモデルは、ばらばらの事実や記録を、意味のある情報、再利用できる知識、状況に応じた判断へ段階的に変えていく考え方です。 Data、Information、Knowledge、Wisdomの4段階で整理することで、「記録はたくさんあるのに、現場で使える知識になっていな... -
実践ガイド
DIKWモデルで失敗しやすいポイント|よくある間違いと改善策
DIKWモデルは、Data(データ)→Information(情報)→Knowledge(知識)→Wisdom(知恵)へと、ばらばらな事実を判断や行動に使える形へ高めていく考え方です。 一方で、実務では「4段階に分類しただけ」「Dataの時点で解釈を混ぜる」「Informationで集計し... -
実践ガイド
DIKWモデルテンプレート|そのまま使える項目例と書き方
DIKWモデルは、ばらばらの事実や記録を、意味のある情報、再利用できる知識、状況に応じた判断基準へ段階的に変換するための整理方法です。 Data、Information、Knowledge、Wisdomの4段階を意識すると、「データはあるのに活用できない」「担当者の経験が...