「回答の中身以上に、何を根拠に答えたかが、業務で使えるかどうかを決める」— 金融大手のコンタクトセンター業務に AI を入れるプロジェクトで、根拠の提示を後付けの機能として扱わず、設計の前提に置いた。社外と通信しない閉じた環境で動かし、AI モデルの世代交代にも追従できる構成にして、3ヶ月で本番稼働させた。社内 FAQ・業務マニュアルを対象に、根拠提示率96%を達成した。

CASE / 004

AI エージェント開発CMSMediaLLM

AI で刷新するメディア CMS

「とりあえず LLM を入れる」やり方を避けるため、PoC は顧客と精度の合格基準を決める場として使った。古い CMS の置き換えと AI 機能（関連記事抽出・記事自動分類）の追加を同時に進め、AI 機能と記事配信を別々の基盤に分けて、互いを止めずに改修できる構成にした。6ヶ月で本番納品を終えた。

CASE / 005

テクニカル DDTech AuditSaaSAI

SaaS の技術診断とロードマップ

「現場は気づいている。でも、いまの新機能開発を止めて直せと言える材料がない」— 大手企業への導入が進み、次の成長段階を迎えた SaaS に対し、技術的負債を「いつ・どれだけ損益に響くか」で示したロードマップを提示。経営層・開発リーダー・運用チームの三者が同じ図を見ながら議論できるよう診断結果を整理し、診断から11ヶ月の改修まで一貫して支援した。

CASE / 006

CTO 代行StartupPlatform

ビジネスマッチング事業の立ち上げ伴走

「外注すれば動くものは作れる。でも、誰がこのプロダクトの形を決めるのかが見えなかった」— CTO 不在のスタートアップから依頼を受け、仕様の提案から本番運用までを一貫して担った。収益の仕組みを先に決め、共通仕様書を軸に5名のチームで開発を進め、1ヶ月でビジネスマッチングプラットフォームを本番リリースした。

CASE / 007

AI 開発スタジオLogisticsForecastingData Science

店舗向け物流の需要予測 AI

「長期休暇は人を集めても回らない」— 店舗向け配送に物流2024年問題と CO2 削減目標が重なるなか、繁忙期に人を増やす代わりに、配送を通常期のうちに前倒しする方針を需要予測 AI で裏付けた。改善を続けられるデータサイエンスチームを顧客側に立ち上げ、1.8年の伴走で配送回数を半減させた。

CASE / 008

AI 開発スタジオFinTechQuantMachine Learning

クオンツ自動売買の AI 開発

株価が「上がるか下がるか」を当てる問題設定をやめ、先物市場で使われるリスクヘッジの枠組みを株式に応用する問題に置き換えた。古典的な指標から最新の予測モデルまで広く比較したうえで、完全自動の売買モデルと、売買のタイミングを人に提案するモデルの2系統を2.2年運用した。目標利回りを達成した後は、市場局面の変化に合わせて提案型のモデルへ切り替えるところまで担った。

CASE / 009

AI 開発スタジオPOSReplaceAI

AI と進めた店舗 POS のリプレイス

「言葉でいくら詰めても、三者の合意は取れなかった」— 大手 POS のリプレイス案件で、生成 AI で作った画面の試作（モック）を要件定義の中心に据えた。発注元・既存システムの権利関係者・店舗現場の三者が、画面を見ながら早い段階で合意できるようにするためだ。AI を開発フローに組み込んだ単一チームで、4ヶ月で次世代 POS を本番投入した。

CASE / 010

AI 開発スタジオWeb3Zero TrustWaaS

Web3 ウォレットのインフラ

「設定の一行を間違えれば、顧客の資産は戻ってこない」— 顧客の暗号資産を預かり、その操作をサービスとして提供する WaaS（Wallet as a Service）の基盤構築。「ミスは取り返せない」という前提から設計を始め、システム内部も含めて、通信のたびに相手を確かめるゼロトラスト構成と、素早い応答を両立させた。実行・通信・保管・認証の各層を個別に入れ替えられる構成で、8ヶ月で本番納品した。

技術が、事業を動かした記録。

CASE STUDIES

生成 AI で人物評価のばらつきを減らす SaaS

人材紹介を回す AI エージェント

根拠を示す金融 AI 基盤