ナレッジマネジメントの目的｜業務効率化・イノベーション創出

日本の製造業は、近年の「慢性的な人手不足」と「高齢化・技能継承の困難」という構造的な課題に直面しています。

例えば、最新の公的報告によれば、製造業における就業者数はこの20年で100万人以上減少しており、若年層の就業が減る一方で、65歳以上の高齢就業者が着実に増加しています。

​​その結果、多くの企業で技術継承が十分に進まず、暗黙知の属人化が事業リスクとして顕在化しています。

生成AIは、人が持つ知識の可視化・検索・共有を効率化し、設計資料・不具合報告・現場メモ・議事録といった非構造データを横断的に把握した回答や示唆を提示するなど、従来のナレッジマネジメントでは対応が難しかった領域にまで活用範囲を広げています。

本記事では、このような環境変化を踏まえ、ナレッジマネジメントの目的を再整理し、AIがその実現をどのように加速するのかを考察します。

参考文献：「ものづくり白書2025」 経済産業省 厚生労働省 文部科学省 編 

ナレッジマネジメントとは：個人に属する経験を、組織で再利用できる知識資産へと変換する取り組みのこと

ナレッジマネジメントとは、個々人が業務を通じて蓄積してきた経験や判断基準、すなわち「暗黙知」を、組織全体で共有・再利用・発展させることが可能な「知識資産（形式知）」へと変換する取り組みです。

ここで重要なのは、単なる情報の集約や文書化ではなく、業務の質を支えてきた思考や判断の背景まで含めて、組織の中に定着させることにあります。

例えば、製造業の現場では、こうした暗黙知が競争力の源泉となっているケースが少なくありません。

技術者が持つ「設備の音や微妙な振動の違いから異常の兆候を察知する感覚」や、「材料のロットや湿度の違いを踏まえた加工条件の微調整」といった高度な判断は、長年の経験の積み重ねによって形成されたものです。

しかし、それらはマニュアルや図面には表れにくく、結果として本人の中に閉じたまま属人化してしまいがちです。

ナレッジマネジメントは、こうした個人に内在する知識を、「どのような状況で」、「何を根拠に」「どのような判断を行ったのか」を文脈ごと整理し、組織のナレッジベースとして蓄積していくプロセスを指します。

参考文献：武市祥司, “ものづくりにおけるナレッジ・マネジメント”, 55溶接学会誌 第 77 巻, p55-59, 2008. 

ナレッジマネジメントの目的：組織全体の意思決定力と問題解決力を高め、変化に強い事業基盤を構築すること

ナレッジマネジメントの目的を、「文書管理の効率化」や「情報検索の高速化」といった局所的な業務改善に矮小化して捉えるべきではありません。

その本質は、変化が常態化した現代の製造業において、組織としての意思決定力と問題解決力、いわば“組織IQ”を継続的に高めることにあります。

1. 属人化リスクの解消と強靭な事業継続性（BCP）の確立

製造現場における「あの人がいないと機械の調整ができない」「トラブル対応の判断がつかない」といった「属人化」は、経営上の最大のリスク要因です。 

ナレッジマネジメントは、熟練者の暗黙知（判断基準やコツ）を可視化・標準化することで、特定の個人に依存しない強靭な業務遂行体制を構築します。 

これは、熟練工の引退に伴う技能継承問題の解決策であると同時に、パンデミックや災害時においても事業を止めないためのBCP（Business Continuity Plan）対策としても極めて重要な機能となります。

「人が辞めても、知恵は残る」組織づくりこそが、ナレッジマネジメントの要諦です。

▼熟練工の技能伝承について更に詳しく知りたい方はこちら
熟練工の技能伝承を成功させるには｜生成AIの恩恵

2. 組織横断的な「知の結合」によるイノベーションの創出

イノベーションは、一人の天才のひらめきだけから生まれるものではありません。既存の知識と知識が、部門を超えて新しく結びつく（新結合する）ことで生まれます。

 ナレッジマネジメントにより、部門間の壁（サイロ）を取り払い、例えば「営業部門が掴んだ顧客の潜在ニーズ」と「R&D部門が持つシーズ技術」がナレッジベース上で化学反応を起こす環境を作ることで、新製品のコンセプトや抜本的な改善案が創出されやすくなります。 

組織としての学習能力を高め、変化に対応するだけでなく、自ら変化を作り出す土壌を整えることが真の目的です。

3. 顧客提供価値の最大化とサービタイゼーションへの対応

製造業が「モノ売り」から「コト売り（サービス化）」へとビジネスモデルを転換する中で、ナレッジは新たな収益源となります。 

製品の稼働データ、過去のメンテナンス履歴、顧客からの問い合わせ内容といった多様な情報を「検索可能な静的データ」として保存するだけでなく、AIが分析可能な「活きた資産」として統合管理することで、故障予兆の検知や最適な運転プランの提案といった高付加価値サービスが可能になります。

 ナレッジマネジメントは、単なる社内情報の整理整頓ではなく、顧客体験（CX）を向上させ、LTV（顧客生涯価値）を最大化するための戦略的基盤として機能します。

ナレッジマネジメントを行うメリット

ナレッジマネジメントの導入は、単一の効果に留まらず、短期的な業務効率化から中長期的な人材育成、品質・リスク管理、さらには売上向上に至るまで、多層的なメリットを企業にもたらします。

業務効率化｜検索コストの削減と車輪の再発明の防止

最も即効性のあるメリットは、情報探索にかかる時間の削減です。

長年、多くの労働者は、業務時間の約2割を「情報を探すこと」に費やしていると言われており、2025年にオーストラリアの大手ソフトウェア開発会社のAtlassianも同様の調査結果を報告しています。

ナレッジマネジメントにより、過去の設計図面、試験結果、不具合対応記録、検討資料などが即座に参照できるようになれば、資料探しに費やしていた時間や、過去事例を知らずに行う無駄な検討を大幅に削減できます。

これは、既に社内に存在する解決策を再発明してしまう「車輪の再発明」を防ぎ、設計工数や検討工数の削減に直結します。

参考記事：

• Australian workers waste time searching for information
• State of Teams 2025 – Work Life by Atlassian 

人材育成の効率化｜自律学習型組織への転換

熟練者のノウハウや判断基準が動画教材、FAQなどといった形式知として整理されていれば、新入社員や中途採用者の教育を大幅に早めることができますこれにより、先輩社員や管理者が手取り足取り教える時間を削減し、誰が教えても一定水準の学習が可能な環境を構築できます。

従業員が必要な時に必要な情報にアクセスできる環境を整えることで、「自ら調べ、学ぶ」という自律的な学習文化を醸成し、スムーズに技能伝承が出来る点も大きなメリットです。

これは、単なる教育効率化に留まらず、組織全体の学習能力を高める効果を持ちます。

▼技能伝承について更に詳しく知りたい方はこちら
技能伝承とは？問題点、解決策、導入方法について徹底解説 

品質向上とリスク回避｜「過去のトラブル」の戦略的活用

製造業において「過去トラブル（過去トラ）」のデータは、失敗の記録ではなく、将来の失敗を防ぐための貴重な資産です。

過去の不具合事例、原因、対策を体系的に管理し、新規設計時のDR（デザインレビュー）や工程設計時に参照することで、同様のトラブル再発を未然に防止できます。

これは、リコール費用の削減、歩留まりの向上、ブランド信頼性の維持といった財務的な成果に直結します。失敗から学び、それを組織全体の免疫として定着させることができるのです。

組織連携の強化｜部門の壁を越えた知の結合

ナレッジマネジメントは、組織内の知識を横断的に境界なく共有することで、部門間の連携を強化します。

たとえば、営業やカスタマーサポートが直面するVOC（Voice of Customer）を製品設計部門にフィードバックする仕組みが整えば、市場ニーズに即応した製品改善や新商品開発が可能になります。

また、製造現場の制約や組立トラブル情報を設計段階に還流することで、立ち上げ混乱や手戻りを減らし、全体として業務フローのスピードと一体感を高めます。

こうした連携強化は、組織の知識が部門ごとに分断されている場合に生じる情報格差を解消し、組織全体としての知識創造と活用の効率を高める効果があると考えられています。

売上の向上｜営業ナレッジの標準化

ナレッジマネジメントは、単なるコスト削減だけでなく、売上向上にも貢献する可能性があります。

具体的には、トップセールスが蓄積してきた提案手法やクロージングの成功パターンをナレッジベースとして共有することで、営業部門全体の成約率を底上げできます。

さらに、顧客からの技術的な問い合わせに対して、過去のFAQやナレッジベースを参照して即時回答が可能な体制を整えることで、顧客満足度の向上、リードタイムの短縮、成約機会の拡大へとつながります。

これは、組織として「売れる仕組み」を持つことでもあり、営業活動の属人化を解消する効果でもあります。

ナレッジマネジメントの基礎理論｜SECIモデルの再考

ナレッジマネジメントを論じる上で避けて通れないのが、野中郁次郎氏が1990年代に提唱したSECI（セキ）モデルです。

このモデルは、知識を「文書やデータとして蓄積される静的な資産」としてではなく、人と人、実践と対話の中で生成・進化し続ける動的なプロセスとして捉えた点に本質的な革新性があります。

野中氏は、知識を

• 暗黙知（Tacit Knowledge）：経験・勘・技能・身体知など、言語化しにくい知
• 形式知（Explicit Knowledge）：文章・数式・図表・手順書として共有可能な知

の二つに分類し、組織における知識創造は、これらが相互に変換されるプロセスによって生じると説明しました。

SECIモデルは、この知識変換を4つのモードとして体系化しています。

画像生成：Google Gemini Source:  Nano Banana Pro（Gemini 3 Pro Image）より作成

4つの知識変換モード

SECIモデルは以下の4つのプロセスから成り立ちます。

①共同化（Socialization）	共通の体験を通じて暗黙知が共有されるプロセス。徒弟制度、OJT、熟練作業者の背中を見て学ぶといった行為が典型例であり、言葉ではなく「場」や「体験」を通じて知が伝達されます。製造業においては、ベテラン作業者の微妙な手加減や、異音や振動から異常を察知する感覚、図面に表れない加工の勘所といった要素が、この共同化によって伝えられています。
②表出化（Externalization）	暗黙知を言語・図・モデルとして外在化するプロセス。製造業で言えば、トラブル対応時の判断理由、なぜその条件設定を選んだのか、経験的に避けるべき設計パターンなどを、後工程や他者が理解できる形に落とし込む行為が該当します。ここで初めて、知識は組織に蓄積可能な資産へと変換されます。
③連結化（Combination）	既存の形式知同士を組み合わせ、新たな知識体系を構築するプロセス。文書管理、データベース化、標準化、マニュアル統合などは、まさにこの領域に該当します。従来のITシステムが得意としてきたのは、この連結化です。複数の報告書を集約し、検索可能にし、一覧性を高めることで、知識の再利用性を向上させてきました。
④内面化（Internalization）	形式知を実践を通じて身体化し、新たな暗黙知として獲得するプロセス。マニュアルを読み、実際に作業し、失敗と成功を繰り返す中で、知識は「使える技能」へと変換されます。この内面化を経て初めて、知識は次の共同化へとつながり、SECIスパイラルが組織内で回り続けることになります。

参考記事：【野中郁次郎氏対談】第1章 組織で「知」を生み出すための起点は、「共感」をベースにした「対話」 | Hello, Coaching! 

従来のITツールが抱えていた限界

​​SECIモデルが示す通り、ナレッジマネジメントの本質は、暗黙知と形式知が循環し続けることにあります。しかし実務の現場では、この知識創造プロセスが「表出化（Externalization）」の段階で停滞するケースが少なくありません

従来のグループウェアや文書管理システムは、文書の保存・検索・共有といった形式知同士を扱う「連結化」には有効でした。一方で、現場の経験や判断基準といった暗黙知を「どのように言語化すればよいのか」「何を書けば他者に伝わるのか」といった表出化の課題には、十分に対応できていませんでした。

その結果、現場では「書くのが面倒」「表現が難しい」「忙しくて後回しになる」といった状態が常態化し、知識は個人の中に留まり続けます。多くのナレッジマネジメント施策が成果を出せなかった背景には、ツールの問題というよりも、暗黙知を形式知へ変換する負荷を人間側に委ねていた構造的限界がありました。

▼形式知と暗黙知について詳しく知りたい方はこちら
形式知とは？暗黙知との違い、メリット、形式知化の手法を詳細に解説

生成AI活用によるナレッジマネジメントの変化

生成AI（Generative AI）の登場は、従来のナレッジマネジメントが抱えてきた構造的課題を根本から変えつつあります。

特に、SECIモデルにおいて最大のボトルネックであった「表出化（Externalization）」のプロセスを、非連続的に加速させている点は見逃せません。

これまでナレッジマネジメントは、「知識は存在しているが、引き出せない」「書けば価値はあるが、書く負担が大きい」という矛盾を抱えてきました。生成AIは、この前提そのものを覆し、知識の生成・利用のあり方を再定義し始めています。

比較軸	従来のナレッジマネジメント（検索型・ストック型）	生成AI導入後のナレッジマネジメント（生成型・フロー型）	製造業における戦略的意義
ユーザー体験	「探す（Search）」 キーワード検索し、ヒットした文書を自ら読み解く。	「使う（Generation）」 RAG等が文書を横断理解し、質問への「回答」を直接生成する。	探索時間の短縮を目的とせず、意思決定スピードの向上をKPIに置くべき。
暗黙知の表出化（SECIモデル）	「書く（Write）」 熟練者が時間を割いてドキュメントを作成・整理する（高負荷）。	「語る（Talk）」 AIインタビュアーが対話形式で経験や勘を引き出し、自動で構造化する。	熟練者の負担を減らしつつ、技術伝承のボトルネック（表出化）を解消する仕組みの構築。
情報の種類（モダリティ）	「テキスト情報中心」 日報、マニュアル、報告書など文字データが主。	「マルチモーダル」 テキスト＋図面、異音、外観画像、センサーデータ。	現場の「五感（視覚・聴覚）」に近い情報を統合し、コンテキストを含んだ技術資産として蓄積する。
現場の課題	「見つからない・書けない」 情報はあっても引き出せない、書くのが面倒。	「真偽確認・使いこなし」 生成された回答の正確性確認と、それをどう実務に活かすか。	ツール導入だけでなく、AIの回答を検証・活用できる現場のリテラシー教育がセットで必要。
価値の源泉	「アーカイブ（保管）」 過去の記録が保存されていること自体に価値がある。	「アシスト（拡張）」 過去の記録を元に、現在のトラブル解決や設計判断を支援する。	データベース整備ではなく、「現場の判断支援システム」として投資対効果を評価する。

「検索（Search）」から「生成（Generation）」へのパラダイムシフト

従来のナレッジマネジメントシステムは、基本的に「検索型」でした。

ユーザーがキーワードを入力し、ヒットした文書群の中から、必要な情報を自分で読み取り、判断する必要があったのです。

一方、生成AIを組み込んだRAG（Retrieval-Augmented Generation）型のアプローチでは、AIが社内の設計資料、日報、トラブル報告書、過去の検討記録を横断的に理解し、質問の意図や文脈を踏まえた「回答そのもの」を生成します。

この変化は単なるUI改善ではありません。生成AIの導入によって、情報探索時間の大幅な短縮、意思決定のスピード向上、現場と管理層の知識ギャップ縮小といった効果が期待されます。

知識活用の主戦場が「探す」行為から「使う」行為へと移行した点に、本質的な価値があります。

▼AIを導入するメリットについて詳しく知りたい方はこちら
生成AIのメリット・デメリットを徹底解説！

参考記事：Revolutionising R&D: How Generative AI turbocharged knowledge management for a leading manufacturer

暗黙知の形式知化（表出化）の自動化： 「AIインタビュアー」というアプローチ

SECIモデルにおいて、最も難易度が高いのが暗黙知の表出化です。

熟練技術者が「なぜその判断をしたのか」「どこに違和感を覚えたのか」を、後から文章で整理することは、強い認知的負荷を伴います。

例えば、株式会社エムニが提供するAIインタビュアーでは、

• 熟練者に対してAIが対話形式で質問を投げかける
• 判断理由や経験談を音声・テキストで自然に引き出す
• その内容をAIが構造化し、ナレッジとして整理する

といった形で、「書かせる」のではなく「語らせる」ことで暗黙知の言語化を支援します。

これはSECIモデルで言えば、共同化と表出化を同時に進める仕組みであり、人間に過度な負担をかけずに知識変換を進める実装例と言えます。

マルチモーダル化による「コンテキスト」の捕捉

さらに重要なのが、生成AIのマルチモーダル化（テキスト、画像、音声、動画、センサー情報など複数の異なる種類のデータを統合して処理するAI技術）です。

これにより、

• 設備の異音データと過去のトラブル記録の照合
• 図面上の特定箇所を指定した上での技術的QA
• 外観検査画像と品質トラブル履歴の関連付け

といった、「状況（コンテキスト）込みのナレッジ活用」が可能になります。

従来は人の経験に依存していた感覚的判断も、AIがパターンとして補助することで、再利用可能な知識資産へと昇華されていきます。

▼AIによる異常検知について詳しく知りたい方はこちら
異常検知AIとは｜メリット・活用事例・技術情報を徹底解説

▼AIによる異常検知について詳しく知りたい方はこちら
AIによる外観検査｜目視検査との違いや成功事例も解説 

製造業における生成AI×ナレッジマネジメントの具体的活用領域

製造業のバリューチェーン全体において、生成AIを組み込んだナレッジマネジメントがどのように業務を変革するのか、具体的なユースケースを見ていきましょう。

研究開発（R&D）｜知の探索を加速する

R&Dにおいて、研究成果の質とスピードを左右するのは「どれだけ早く有効な知に辿り着けるか」です。

しかし実務では、膨大な論文・特許・社内実験データが分散し、先行技術調査や過去検討の把握には専門性の高い人材の多くの時間・費用が費やされてきました。

生成AIを活用したナレッジマネジメントは、この知の探索プロセスそのものを高速化します。

研究者が自然言語で問いを投げかけるだけで、AIが外部の技術文献と社内ナレッジを横断的に読み解き、論点や差分を整理して提示できるようになります。

エムニの「AI特許ロケット 」は、こうしたR&D領域の課題に特化したサービスです。

従来は専門性と工数を要した特許調査を生成AIが高速に行うことで、関連特許の抽出や技術的な位置づけの把握を効率化し、研究者が本来注力すべき仮説構築や設計検討に時間を振り向けられる環境を実現します。

生成AIは発明そのものを代替する存在ではありません。

知の視野を広げ、着想に至るまでのスピードを高める基盤として、R&Dの競争力を底上げしていくのです。

▼特許調査のコスト削減について詳しく知りたい方はこちら
特許調査/分析コスト99.9%削減は製造業に何をもたらすのか

製造・保全現場｜対話型メンテナンス支援

製造・保全の現場では、熟練工の暗黙知が大きな価値を持つ一方で、人材不足、夜間・休日の対応、技能継承の停滞といった問題が深刻化しています。

生成AIを活用したナレッジマネジメントは、これまで「人に聞くしかなかった知識」を対話型で引き出せる存在へと変えます。

例えば、現場作業員がタブレット端末に向かって「エラーコードE-301が出た。対処法は？」と話しかける/入力すると、AIが膨大なマニュアルから該当箇所を特定し、「まずはバルブAが閉まっているか確認してください」と具体的な手順を提示することが可能になります。

熟練工が不在の夜間シフトや、経験の浅い若手社員でも、AIのアシストを受けることで迅速かつ正確なトラブル対応が可能になります。これは設備のダウンタイム削減に大きく寄与します。

参考記事：Cognizant—Generative AI in the manufacturing Industry 

需要予測｜知識を統合し、判断を高度化する

需要予測は本来、数値計算ではなく「知識の統合作業」です。過去の販売実績、営業の見通し、販促計画、季節性、市場変化といった情報をどう結びつけるかが、精度を左右します。

例えば、回転寿司のチェーン店「スシロー」を運営するあきんどスシローでは、すべてのすし皿にICタグをつけて詳細なデータ収集を行い、店内の込み状況や利用客の着席時間などをデータとして蓄積することで、食品ロスの減少に貢献しています。

これにより、担当者の経験に依存していた判断が、再現可能なナレッジとして蓄積・共有されるようになります。

需要予測は単なる計画業務ではなく、組織の意思決定力を高めるナレッジマネジメントの中核へと進化しています。

参考資料：企業経営の方向性および情報処理技術の活用の方向性 -スシロー 

▼AIによる需要予測について詳しく知りたい方はこちら
需要予測AI｜経験と勘に頼らないデータドリブン経営

ナレッジマネジメントの注意点

ナレッジマネジメントは、生産性向上や技術継承に大きな可能性を持ちます。しかし同時に、組織・人・技術の複合的な障壁が存在し、計画どおりに成果が出ないケースも存在します。

これらのデメリットを直視し、対策を講じなければなりません。

導入・運用コストと現場の負荷｜「入力」の壁

ナレッジマネジメント最大の障壁は、知識を「形式知」（マニュアル化・文書化）する現場負荷です。日本の先行研究でも、熟練者の持つ技能・知識の形式知化は困難であり、単なる書き起こしでは済まないことが指摘されています。

特に身体知や判断プロセスの裏側（考え方・状況判断）まで明示化する必要性が強調されています。これは製造現場で多い形式知化の限界に直結する課題です。

また、古いナレッジマネジメント施策が失敗した例として、「現場負荷が高く、入力が進まない」「共有ツールが使われなくなった」といった課題が指摘されています。

このようにデータの入力を行う過程は、プロジェクト推進における最大の障壁です。AIによる入力支援など、現場の負担を極小化する工夫が求められます。

組織文化の壁｜知識の私有化と心理的抵抗

ナレッジ共有が進まない背景には、単なる「意識不足」ではなく、日本企業特有の組織文化的背景があります。

「知識は力」という言葉があるように、独自のノウハウを持っていることが社内での優位性や雇用の安定につながると考える従業員は少なくありません。

そのような組織風土において、知識を共有することは「自分の武器を手放すこと」と同義であり、強い心理的抵抗感が生まれます。

評価制度を見直し、知識を上手く共有し貢献した人材が高く評価される仕組みを整えることが不可欠です。

情報の陳腐化と検索性の悪化｜データのゴミ屋敷化

ナレッジを蓄積するだけではなく、継続的に更新・整理する仕組みがなければ、ナレッジベースは古い情報の山になります。

検索してもノイズばかりで有用な情報が見つからない状態になれば、従業員はシステムへの信頼を失い、利用されなくなります。

定期的な棚卸しや、AIによるデータの自動整理などの対策が必要です。

セキュリティリスクの増大

企業の競争力の源泉である技術情報やノウハウを一元管理することは、情報漏洩時のリスクを増大させます。外部からのサイバー攻撃への対策はもちろん、ナレッジマネジメントは知識の一元化を進めますが、一方で情報漏洩・内部持ち出しリスクを高める可能性があります。

技術仕様や工程ノウハウといった機密性の高い情報を扱う製造業などでは、アクセス制御・ログ管理・暗号化などのガバナンス設計が必須です。

利便性とセキュリティのバランスを慎重に設計しなければなりません。

形式知化の限界｜コンテキストの欠落

すべての暗黙知が完全に形式知化できるわけではありません。

熟練工の「手触り」や「音の響き」といった感覚的な知知、あるいは複雑な文脈に依存する判断プロセスは、テキストや図だけでは十分に伝達できない場合があります。

無理な形式知化は、重要なニュアンスの欠落を招き、トラブルを引き起こす可能性があります。動画やVRなどのマルチメディア活用などが鍵となります。

参考記事： 社団法人 日本情報システム・ユーザー協会”日本企業に最適なナレッジマネジメントの 実践的活用の研究” 

暗黙知を「経営のOS」へ昇華させる

ナレッジマネジメントの真の目的は、単なる情報共有ではなく、組織が知識を戦略的に生産し続ける「経営OS」（基盤システム）の確立にあります。

生成AIは、従来の課題であった「暗黙知の形式知化」や「検索の非効率性」を打破し、技術伝承やイノベーション創出の核となります。

この変革を成功させるためには、経営層のコミットメントのもと、まず効果検証が容易なPoC領域から導入を始め、AIの精度を高める「Golden Source」（正解データ）の整備を最優先で行う必要があります。

さらに、情報漏洩やハルシネーションに対応するため、セキュリティ体制を明確に構築することが不可欠です。これらの戦略的行動により、属人化の解消と持続的な競争優位が実現されます。

エムニへの無料相談のご案内

エムニでは、製造業をはじめとする多様な業種に向けてAI導入の支援を行っており、企業様のニーズに合わせて無料相談を実施しています。

これまでに、住友電気工業、DENSO、東京ガス、太陽誘電、RESONAC、dynabook、エステー、大東建託など、さまざまな企業との取引実績があります。

AI導入の概要から具体的な導入事例、取引先の事例まで、疑問や不安をお持ちの方はぜひお気軽にご相談ください。

引用元：株式会社エムニ