機能面の特徴
これまで難しかった既存業務システムへの生成AI適用
XERVは特許技術によりこれを可能にしました
データ検索だけでない
集計やグラフ化も
-
既存業務システムのデータに対してチャットで問い合わせ可能
-
検索・集計・計算・データ抽出・グラフ化など自由な切り口でデータを分析
-
SQL・BIツールなど専門的な知識は不要
-
合計や平均などの計算も可能
システム横断分析
-
複数の業務システムを横断してデータ検索・分析が可能
-
従来は困難だった部門
-
システム跨ぎの分析を実現
-
統合DBがあればそのまま利用可能
強靭なシステムセキュリティ
-
Azure AD（Entra ID）連携によるシングルサインオン
-
ログイン・アカウント管理の運用負荷を軽減
-
ロギング、暗号化など企業利用に耐えるセキュリティレベルを担保
対話型の条件補完・確認
-
条件不足をAIが自動検知し、追加質問で補完
-
ユーザーの曖昧な指示を、正しい情報取得依頼文へ自動補正
-
認識齟齬を解消したうえで処理を実行
既存システム非改修で導入
-
既存業務システムを改修せずに構築可能
-
現行システム・データ構造を維持したまま利用できる
-
システム刷新や大規模開発を伴わずにデータ活用を高度化
業務データセキュリティ
-
生成AIに実データを直接渡さないアーキテクチャで、個人情報・機密情報を含むデータでも安全に利用可能
-
既存業務システムデータへのアクセスもセキュアに接続
ハルシネーションを抑止
-
独自技術により、ハルシネーションが極限まで起きにくい仕様
-
「それらしいが間違った回答」を出さない構造
迅速な導入・運用
-
SaaS型サービスのため環境構築が容易
-
既存システムの仕様が複雑でなければ、最短1週間で運用開始
-
PoC・スモールスタートが容易
業務システムでAI活用出来なかった原因
生成AIが成熟期に入ったといわれる昨今でも業務システムにおける生成AIは活用は限定的です。この原因は、改善アイデアなど発想にあるのではなく、生成AIのアーキテクチャにあります。業務システムがRDBにデータを保存しているのに対して、生成AIはベクトルDBにデータを保存します。
膨大なデータを素早く特定したり、情報間の関連を推定するのは得意ですが、RDBのような確定的な情報を扱うことを苦手です。ベクトルDBは、データとデータの関係を確率論で特定するため、データ抽出という確率論では困る確定的行為が出来ません。そのため、ベクトルDBは業務データを抽出することが事実上出来ない仕組みになっています。
弊社のこの問題を特許技術により解決しました。
ベクトルDBのデータ定義(インデックス定義)
わかりやすく説明するために、ベクトルDBの仕組みからお話します。
ベクトルDBはデータを数値化してその距離の近さでデータを特定しますが、その距離を算出するINPUTになるのがインデックスというRDB似た人間にわかる形式のデータです。これを定義すると数値化され、データが特定されします。このインデックスの定義例が上記で、データとデータとの関連部分(点線)が確率論になってしまう部分です。データの関連が正しく出てこないと、正しくデータを抽出することはできません。
つまり、データを確実に抽出することが出来ないということになります。
効果例
チャットのAI活用により、業務におけるデータ活用度が飛躍的に向上
これにより企業システムの価値が飛躍的に増大
業務スピード・生産性向上
-
知りたいことを即座に確認できる。IT部門やデータ担当者に依頼せず、現場担当者自身が即分析可能。
-
レポート作成・集計作業の工数を大幅削減。定例資料・アドホック分析の作成時間を短縮。
-
「聞いて→確認→修正」の手戻りが激減。AIが条件不足を自動で確認するため、再集計が起きにくい。
データ活用レベルの底上げ
-
データ分析が一部の人に依存しなくなる「あの人に聞かないと分からない」を解消
-
ITリテラシーに関係なくデータ活用が可能。現場・管理職・経営層まで同じ仕組みで使える。
-
若手・新任管理職でも即戦力化。過去の集計ロジックや帳票構造を知らなくても使える
意思決定の質・スピード向上
-
正確性の高いデータに基づく意思決定が可能。ハルシネーションが起きにくいため「数字が違う」問題が発生しにくい。
-
その場で仮説検証ができる。「部門別に見ると？」「期間を変えると？」などを即座に深掘り。
-
会議中にデータをその場で確認できる。会議後の宿題・持ち帰りが減り、意思決定が前倒しになる。
導入・運用コスト削減
-
BI ツール導入・教育コストを抑制。専用ツールの操作教育や専門人材育成が不要。
-
システム改修・追加開発コストを回避。既存資産を活かしたままデータ活用を高度化。
IT部門担当者の負荷軽減
-
データ抽出・集計依頼が激減IT部門が「分析の代行屋」になる状況を解消。
-
既存システム改修が不要。データ連携のための追加開発・保守コストが不要。
-
複数システムを横断した問い合わせ対応が不要。大規模な分析システムを入れなくともデータ分析が可能。
経営視点での効果
-
「勘と経験」から「データドリブン」への転換
-
数字に基づく説明・合意形成がしやすくなる
-
DX投資の即効性が高い
-
大規模刷新を待たずに成果が出る