コンテキストグラフとは、会社の意思決定が「なぜそう判断したのか」という理由・経緯ごと記録され、AIが参照できる形になった、組織の記憶のことです。結果（何が起きたか）はデータとして残っても、判断の理由（なぜそうしたか）は人の頭の中に消えていく——この問題への答えとして、2025年末に米国で提唱されました。
「AIに仕事を任せたいのに、肝心のところで迷って止まる」。AI導入がある程度進んだ会社から、次に出てくる悩みです。多くの場合、原因はAIの賢さではなく、渡している材料にあります。会社には売上や在庫の「データ」は山ほどあるのに、「なぜあの時そう決めたのか」という判断の理由は、どこにも書かれていない。この記事は、その欠けている層——コンテキストグラフ——を、経営者の言葉で解説します。
コンテキストグラフとは何か
あらためて、コンテキストグラフとは、会社の中で下された判断を「なぜそうしたか」という理由・経緯ごと記録し、人とAIの両方が後から参照できる形にした、組織の記憶です。
ポイントは、残す対象が「結果」ではなく「判断の道筋」だということです。たとえば会計システムには「この取引先に10%値引きした」という結果は残ります。しかし、「なぜこの相手に、この場面で、この値引きを許したのか」という理由は、担当者の頭の中にしかありません。前者はデータベースに残る事実、後者は誰も書き残さない判断——コンテキストグラフが埋めようとしているのは、この後者の空白です。
なぜ今これが問題になるのか。人が仕事をしていた時代は、判断の理由が書かれていなくても困りませんでした。迷ったらベテランに聞けばよかったからです。ところがAIエージェントに仕事を任せる時代になると、AIが迷う場所は、まさにこの「例外処理」「裁量の根拠」です。ルール通りに進む仕事はAIも得意ですが、「これは例外的に通していい案件か」の判断は、過去に誰かが下した判断の理由が残っていなければ、AIにも下せません。
なぜ「データ」ではなく「判断の理由」なのか
もう少し掘り下げます。会社が失うと痛いのは、データではなく判断の理由のほうです。
ベテランが辞めるとき、会社から消えるものを思い浮かべてください。売上台帳は残ります。顧客リストも、過去の見積書も残ります。消えるのは、「あの客はこう押すと決まる」「この条件は受けてはいけない」「ここは値引きしてでも取りに行く」といった、数字の裏にある判断の型です。これらは規程にもマニュアルにも書かれていません。会社の競争力は、残るデータより、消えていく判断の理由のほうに宿っている——多くの経営者が、承継の場面で初めてこれに気づきます。
そしてこの「消える部分」こそ、AIに仕事を任せるうえで最後の壁になります。AIエージェントは、規程に書かれたルールなら読んで実行できます。けれど、「規程には反するが、この取引先だけは長い付き合いだから通す」といった例外の判断は、その根拠が記録されていなければ再現できません。判断の理由を残すことは、単なる知識の保存ではなく、AIに裁量のある仕事まで任せていくための土台なのです。
Foundation Capitalが示した「1兆ドルの機会」
この「判断の理由を残す」という発想に、はっきりした名前と輪郭を与えたのが、米ベンチャーキャピタルのFoundation Capitalです。同社のジェネラルパートナー、Jaya Gupta氏とAshu Garg氏が、2025年12月に「Context Graphs: AI’s Trillion-Dollar Opportunity」（コンテキストグラフ：AIの1兆ドルの機会）という論考を公開しました（本記事の参照は2026年7月時点）。
彼らの主張の核心は、こう表現されています。データウェアハウス（企業の巨大なデータ倉庫）は「何が起きたか（what happened）は教えられるが、なぜか（why）は教えられない」。そこで必要になるのが、決定トレース（decision traces）——「どのルールのどの版が適用され、どんな例外が使われ、誰が承認したか」という、個別の判断の記録です。これを時間と組織をまたいでつなぎ合わせ、過去の判断（precedent）を検索できるようにしたものが、コンテキストグラフだと定義しています。原文の言葉を借りれば、それは「何が起きたかだけでなく、なぜそれが許されたのか（why it was allowed to happen）を説明する記録」です。
この論考が丁寧なのは、「ルール」と「決定トレース」をはっきり分けている点です。ルールが表すのは「一般にどうすべきか（what should happen in general）」。一方、決定トレースが残すのは「この個別の案件で実際にどうしたか」です。会社のマニュアルに書ける範囲はルールまでで、現実の仕事の大半は、そのルールに収まりきらない例外の積み重ねでできています。人の頭の中にしまわれた例外処理の論理（exception logic that lives in people’s heads）や、過去の判断の前例（precedent）を、消えやすい暗黙知のままにせず、後から引ける記録に変える——ここが眼目だと彼らは言います。
「1兆ドル」という位置づけは、彼らの見立ての大きさを示すものです。これまでの企業向けソフトウェアは、モノや取引の「記録の置き場（system of record）」になることで巨大な市場を築いてきました。次に生まれるのは、モノではなく意思決定の記録の置き場であり、それが次の巨大プラットフォームになる——という主張です。海外では2026年に入ってこの論考が広く議論され、Forbesも2026年4月の記事でこれを「AIの次の big thing かもしれない」と取り上げています。
もっとも、中小企業の経営者にとって大事なのは「1兆ドル市場」の話ではありません。壮大な市場論の底にある一点——判断の理由を記録すれば、それは会社の資産になる——だけを持ち帰れば十分です。次に、これが日本の中小企業にどうつながるかを見ていきます。
カンパニーブレインとの関係——事実の記憶と判断の記憶
この概念は、当サイトで解説してきた「カンパニーブレイン」と、きれいに一本の線でつながります。
カンパニーブレインとは、会社に散らばった判断基準・顧客理解・手順・暗黙知を、人とAIの両方が参照・実行できる形に整えた、組織の頭脳のことです。会社の知の全体像を指す、いわば司令塔の概念です。これに対してコンテキストグラフは、その頭脳の中核にある「判断の記録」の層にあたります。
両者の関係は、会社の記憶を2種類に分けると見えてきます。ひとつは事実の記憶——「何が起きたか」。売上、在庫、顧客名、過去の取引。これは既存のシステムにもある程度残っています。もうひとつが判断の記憶——「なぜそうしたか」。これがコンテキストグラフの領域であり、そして、どこにも残っていない部分です。カンパニーブレインを本当に機能させたければ、事実の記憶だけでなく、この判断の記憶までAIに渡す必要があります。なお、その事実の記憶のほう——「顧客」「案件」といった言葉の意味とデータをそろえる土台の作業は「パランティアのオントロジーとは｜中小企業版の作り方」で扱っています。事実の語彙をそろえるのがオントロジー、判断の理由を残すのがコンテキストグラフ、と棲み分けて捉えると整理しやすいはずです。
言い換えれば、コンテキストグラフは、カンパニーブレインという大きな器のうち、いちばん作りにくく、いちばん価値の高い中身です。多くの会社の「社内AI」が期待外れに終わるのは、事実の記憶（既存データ）だけをAIにつないでも、肝心の判断の理由が空っぽだからです。会社そのものをAI前提で組み直す流れ全体は「カンパニーOSとは」にまとめていますが、その土台の一枚が、この判断の記憶だと捉えてください。
中小企業はどう実践するか——判断を1枚ずつ残す
「巨大なデータ基盤の話に聞こえる」かもしれません。けれど、判断の理由を残す作業そのものは、巨大なシステムを必要としません。私たち自身が、身近な習慣として実践していることをお話しします。
私たちは、お客様との面談や社内の議論を録音し、文字起こししています。そして、そこから「どういう局面で・どう考え・なぜそう判断したか」を、1枚ずつの判断カードに整理して蓄積し、AIが参照できる形で貯めています。局面（どんな状況だったか）、考え方（何を天秤にかけたか）、根拠（なぜその結論を選んだか）。この3点をワンセットで残すだけで、それは立派なコンテキストグラフの一片になります。
数を集めなければ意味がない、と身構える必要もありません。むしろ効くのは、判断が割れやすい業務——見積もりの値付け、与信の可否、クレーム対応の落としどころ——に的を絞って、そこでの判断だけを数十枚も貯めることです。同じ種類の判断が積み重なると、「この条件のときは、うちはこう決めてきた」という会社の型が浮かび上がってきます。全業務を網羅しようとせず、迷いが集中する一点から始めるのが、続けられるコツです。
ここで一番効くのが、議事録の残し方を変えることです。ふつう議事録は「結論」だけを残します。「A社の件、値引きは10%までで進める」。けれど、AIにとって本当に価値があるのは、その結論に至る途中の迷いや脱線のほうです。「本当は15%まで覚悟していたが、先方の担当者の反応を見て10%で止めた」「前回の失敗があるから今回は着手金を先に取る方針にした」——こうした、会議中には脇道に見える発言にこそ、判断の理由が詰まっています。結論だけの議事録は、事実の記憶しか残さない。理由まで残す議事録が、判断の記憶を作ります。
大がかりな仕組みは要りません。今日から始めるなら、次の3ステップです。
- 録音する。 面談・商談・社内会議を録る習慣をつける。まずは記録が残ること自体が出発点です。
- 理由を言葉にして残す。 結論だけでなく「なぜそうしたか」を一言添える。迷った点、見送った選択肢こそ書き留めます。
- AIが読める場所に貯める。 バラバラのメモではなく、素直なテキストで一カ所に集める。ここで初めて、AIが過去の判断を引けるようになります。
個人の判断の型を貯めるところから始めたい方は、「経営者のセカンドブレイン」も参考になります。まず社長自身の判断の理由を残し、それを少しずつ会社の記憶に束ねていく——中小企業にとって、これが最も現実的な道筋です。
よくある質問
ナレッジグラフとは違うのですか？ 別のものです。ナレッジグラフは「東京は日本の首都」のように、事実と事実の関係を整理したものが中心で、残すのは主に「何が正しいか」という知識です。コンテキストグラフが残すのは「なぜその判断が許されたか」という意思決定の経緯です。事実の地図か、判断の記録か、という違いだと捉えてください。中小企業がまず取り組む価値があるのは、後者の判断の記録のほうです。事実の地図のほう——ナレッジグラフの考え方と軽量な作り方は「ナレッジグラフとは｜中小企業の現実解」で解説しています。
中小企業に関係のある話ですか？ むしろ中小企業ほど切実です。判断の理由が特定のベテランや社長の頭の中にしかない状態は、小さな会社ほど深刻だからです。その人が抜けた瞬間に会社が回らなくなる——これは規模が小さいほど致命傷になります。判断の理由を記録に変えておくことは、事業承継や人手不足への、地に足のついた備えになります。
何から始めればよいですか？ 録音から始めてください。面談や会議を録り、文字起こしし、そこから「局面・考え方・根拠」を一言ずつ残す。最初は完璧な仕組みを目指さず、判断の理由が消えずに残る流れを作ることが先です。貯まった記録をAIが参照できる形に整えるのは、その次の段階で構いません。
AIがなくても意味はありますか？ あります。判断の理由を残す習慣は、AIに渡すためだけのものではなく、人が引き継ぐときにもそのまま効きます。後任が「なぜこう決めていたのか」をたどれる状態は、AIの有無にかかわらず会社の財産です。AIは、その財産を桁違いに速く引き出せるようにする道具、という位置づけです。
ご相談ください
コンテキストグラフは、難しい技術の話ではなく、判断の理由を捨てずに残すという習慣の話です。そしてその習慣を、AIが使える会社の記憶へと育てていく設計は、経営とシステムの両面から考える必要があります。
AI Advanceは、どの判断から残し始めるかの導入設計とコンサルティング、貯めた記憶をAIが参照・実行できる形にするAIエージェントの構築、現場に習慣として根づかせるAI研修まで、一貫してご一緒します。「うちの会社の判断の理由を、どう残していけばいいのか」という段階のご相談こそ歓迎です。初回相談は無料ですので、お気軽にお問い合わせください。
