CASE A
この専門業務は、
AIに任せられない
現場で起きていること
汎用AIを配っても、専門業務はできる人が自分でやるしかない。AIが貴社の業務のやり方を知らないから。
01 / AXとは
DXでは、データを統合し、ダッシュボードで見える化することで、人がより良い判断をできるようにしてきました。AXでは、AIが人の判断を学び、分析から提案、実行までを担います。どこまで任せるかは貴社が決め、人は監督と例外対応に回ります。
01つなぐ
データ収集・統合
散在する文書・システム・映像・音声などのデータを収集し、ひとつにつなぎます。
判断の主体:DX|人が判断する
02意味づける
業務の“地図”づくり
業務の意味と関係を整理し、AIが読める“地図”にします。
判断の主体:DX|人が判断する
03協働する
人とAIが一緒に判断
AIハーネスを組み込んだAIアプリで、人とAIが一緒に判断します。判断と修正は意思決定ログとして残ります。
判断の主体:人とAIで判断
04任せる
AIが提案・実行、人が監督
意思決定ログをもとにAIハーネスを改善し、AIが提案・実行まで担います。任せる範囲は貴社が決めます。
判断の主体:AX|AIが判断を担い、人が監督する
判断の主体
人AI
AIが担う判断の割合は右へ行くほど大きくなる。右端でも人は監督・例外対応として残るAIが担う判断の割合は下へ行くほど大きくなる。最後の段階でも人は監督・例外対応として残る
散在する文書・システム・映像・音声などのデータを収集し、ひとつにつなぎます。
業務の意味と関係を整理し、AIが読める“地図”にします。
AIハーネスを組み込んだAIアプリで、人とAIが一緒に判断します。判断と修正は意思決定ログとして残ります。
意思決定ログをもとにAIハーネスを改善し、AIが提案・実行まで担います。任せる範囲は貴社が決めます。
02 / お困りごと
汎用AIを入れても、“あの専門業務”はできるようにならない。足りないのはモデルの賢さではなく、AIが貴社の業務の中で学びながら働ける環境です。
CASE A
現場で起きていること
汎用AIを配っても、専門業務はできる人が自分でやるしかない。AIが貴社の業務のやり方を知らないから。
CASE B
現場で起きていること
うまく使える人とそうでない人で品質が違い、担当が変わると落ちる。判断が個人の中にだけ残っているから。
CASE C
現場で起きていること
デモは動いても、本番の例外や最新の変更に対応できず、他部署に広がらない。使うほど学ぶ仕組みがないから。
03 / なぜ、できないのか
汎用AIは賢くても、一度に扱える“机”(コンテキスト)には限りがあります。仕事が長くなれば前提を忘れ、会話が終われば学んだことも消える。足りないのは賢さではなく、貴社の業務の中で学びながら働ける環境、つまりAIハーネスです。
汎用AI(そのまま)
前回の判断も貴社のデータも持ち越せない。毎回説明し直し、判断は人や場面でばらつく。
GRAFFITY HARNESS
必要な文脈だけを必要なときに出し入れし、AIが業務をこなすたびに判断と修正を記録。「良い仕事」の物差しで評価し、使うほど貴社の基準で判断できるようになる。
04 / AX SOLUTION
貴社の業務と判断をAIが読める“地図”にする Atlas と、その地図の上で、使うほど貴社の基準で判断できるようになるAIエンジン Core。データ統合から、判断を任せられるAIまで、必要なところから一貫して構築します。
01つなぐ
データ収集・統合
02意味づける
業務の“地図”づくり
GRAFFITY HARNESS|Atlas
Atlas
貴社の業務と判断を、AIが読める“地図”に。
システム・文書・現場に散らばったデータをつなぎ、何を・どんな情報をもとに・どう判断しているのかを、意味と関係の“地図”(オントロジー)に整理します。この地図は使うほど育ち、貴社だけの資産として残ります。
GRAFFITY HARNESS Atlas業務の言葉と判断を学ぶ
業務の地図(オントロジー)
OUTPUTAIが読める“地図”→ Core のAIが判断に使う
03協働する
人とAIが一緒に判断
04任せる
AIが提案・実行、人が監督
GRAFFITY HARNESS|Core
Core
使うほど、貴社の基準で判断できるAIに。
Atlas の地図の上で業務をこなすAIエンジンです。AIの判断と人の修正を意思決定ログとして記録し、貴社の「良い仕事」の物差しで評価します。その結果をもとに、モデルそのものではなくAIハーネスを改善し続けます。
AIモデル(LLM)重みは変えない・差し替えられる
モデルは変えず、AIハーネスが学ぶ。だから、AI全体が育つ。
CORE TECHNOLOGY
GRAFFITY HARNESS
人の判断を記録・共有し、AIに任せられる範囲を広げる土台。Atlas と Core のどちらも、この上で動く。
段取り / 道具 / 机と本棚 / チーム / 検品とルール
CORE TECHNOLOGY
GRAFFITY HARNESS
AIに仕事を任せきれない原因は、モデルの賢さではなく、AIが業務の中で学びながら働ける環境がないことにあります。AIが一度に扱える“机”(コンテキスト)には限りがあり、長い仕事では前提を忘れ、会話が終われば学んだことも消えてしまいます。
GRAFFITY HARNESS は、モデルの外側にある、AIが働くための“職場”一式です。段取り・道具・机と本棚(記憶)・チーム・検品とルールの5つを業務に合わせて設計します。人の判断と修正を記録し、貴社の「良い仕事」の物差しで評価して、職場そのものを改善し続けます。
モデルを替えなくても、AIハーネスの設計で仕事の質は変わります。最新の研究を自社で検証し、すべてのサービスの核として実装しています。
AIハーネスをより深く知りたい方へ解説記事「LLMの教科書〜ハーネスエンジニアリング編〜」を読む(note) ↗05 / どこから始めるか
AX CONSULTING
データ統合からでも、AIハーネス導入からでも始められます。迷う場合はAXコンサルティングから。現状を診断し、判断基準を言語化して、どこから始め、どこまでAIに任せるかのロードマップを描きます。
01現状診断
業務・データ・AI活用の現状から、いまの段階を診断
02判断基準の言語化
誰が・何をもとに・何を決めているかを言語化
03AXロードマップ
どの業務から、どこまでAIに任せるかを描く
診断の結果から、2つの入口のどちらかを選ぶ
ENTRY A
ENTRY B
どちらの入口も、GRAFFITY HARNESS に合流する
06 / なぜGRAFFITYか
汎用ではなく、貴社の業務に特化します。そして、研究・実装・改善をひとつのチームで回し続けます。だから、使うほど貴社の基準で判断できるAIになります。
01 POSITIONING
汎用AIは賢くても、貴社の業務データも、ワークフローも、判断基準も知りません。GRAFFITYは現場で業務を理解し、業界と業務に特化したデータ・ワークフロー・判断基準を蓄積します。
汎用AI
GRAFFITY業務特化
学ぶもの
公開情報・一般知識
現場の業務と、業界×業務のデータ
貴社の業務データ・判断基準
持っていない
地図・意思決定ログ・物差しとして蓄積
結果
もっともらしいが、現場では使えない
貴社の基準で判断できる。
だから、任せられる。
02 TEAM
AIハーネスの論文を読み、自社で検証します。それを貴社の業務とシステムに組み込み、意思決定ログで改善し続けます。研究と現場を往復してきた専門チームの経験知が、次の業務の立ち上がりを速くします。
07 / 取り組み
入口は違っても、意思決定ログを蓄積する地点で合流します。現在の取り組みを入口別に紹介します。
ENTRY A|データ統合から
データ統合 〜 業務と判断の“地図”づくり
工場・部門に散在するデータを統合し、業務と判断の構造を“地図”(オントロジー)として整理。ダッシュボードを見た担当者の判断を意思決定ログとして記録し、次の段階でAIが学ぶための土台にしています。
GRAFFITY HARNESS|Atlas
ENTRY B|AIハーネス導入から
制作業務をAIがこなし、修正から学ぶ
汎用AIを使った制作業務で、成果が担当者によってばらついていた状態から、実務のアウトプットと修正の記録をAIハーネスに蓄積。個人のノウハウを、チームとAIが引き継げる形にしています。
GRAFFITY HARNESS|Core
CONTACT
資料には、AIハーネスとは何か、Atlas・Core、進め方をまとめています。相談では、貴社の“どの専門業務から始めるか”を、現状を伺ったうえでともに決めます。