Company Brain

AIは、貴社のことを
どれだけ知っていますか。

カンパニーブレインは、会社の記憶と知恵を1つにした頭脳です。AIと基幹システムの間に「会社を知り、会社を守る層」を置く。AIを替えるのではなく、AIが読む会社のデータを整える。それだけで、同じ質問への答えが変わります。

Vision

人とAIが共創し、会社の強みが拡張/進化する。

AIが会社の文化・ルール・ナレッジを理解し、現場発信で課題解決のソリューションが生まれ続ける組織へ。社員100人の会社が、1万人分の仕事をする時代。AIの数が会社の力になります。ただし、AIが会社を知らなければ力になりません。

Issues

他社と同じAIを使えば、会社は同質化する。

AI活用を会社の独自性の強化に繋げるためには、AIが会社の独自性を学習している必要があります。競合と差をつけるのは、AIに渡す「会社の知恵」です。

  • 01 | 独自性強化の問い

    AIで、自社の強みを伸ばせるか

    同じAIを誰もが使える時代。同質化しないためには、AIに自社の知恵を使わせられるかで決まります。

  • 02 | ガバナンスの問い

    安心して内製するための環境はあるか

    誰もがAIで社内アプリを作れる時代。使用するデータの制御、開発されたアプリの監視など、統制できなければ、混乱とリスクが広がります。

Question 01

汎用AIを入れるだけでは、同質化する

  • 誰でも手に入るもの

    同じものを使えば、同じ答えになる

    生成AI(Claude、GPTなど)/AI SaaS/RAG(社内文書を検索して答える仕組み)

  • 貴社にしかないもの

    これをAIが使えたとき、市場価値になる

    業界での長年の経験と知恵/蓄積してきた独自のデータ/社内の言葉、基準、ルール

  • ノンコア業務

    AIで自動化する

    定型の処理、資料の下書き、問い合わせの一次対応など。時間・コストを削減する。

  • コア業務

    AIで強みを拡張する

    貴社の文化・ノウハウ・競合優位性。人をAIに置き換えるのではなく、人の強みをAIで拡張する。

    営業:優秀な営業の営業手法を、組織全体へ / 製造:熟練技術者のノウハウを、次の世代へ

これまでの問いは「AIで、何を効率化できるか?」。これからの問いは「AIで、自社の何を拡張するか?」です。

Question 02

AI・アプリは増やすほど、ガバナンスを守る仕組みが要る

開発の市民化(内製化)が進むほど、経営とシステム部門の不安は膨らみます。

  • 学習させてよい範囲

    社外秘や個人情報を、AIにどこまで渡してよいのか判断できない。

  • 基幹システムの保護

    AIやアプリが、基幹のデータを書き換えてしまう恐れがある。

  • 誰が何を見てよいか

    人事データなど、本来見られない人やAIがアクセスできてしまう。

  • シャドーAIの乱立

    目の届かないところでAIやアプリが増え、誰も把握できなくなる。

禁止すれば安全だが、AIを活用した組織成長は止まる。現場に委ねれば速いが、統制が効かない。

Root cause

2つの課題の本質は同じ

根本原因は、AI・アプリ層と社内データの間に、「AIを有効かつ安全に活用できる基盤」がないこと。会社を知り、会社を守る層がありません。

  • 01 | 独自性強化の問い

    AIが社内ルールを理解できない

    社内の言葉やルール、データが分からず、AIは推測で答える。汎用AIのまま、同質化する。

  • 02 | ガバナンスの問い

    AI・アプリから社内データを守れない

    参照権限や社内データへの書き込みを制御できず、野良アプリ・AIを把握できない。

Solution

AIを支える基盤を整える。

AIで自社の強みを広げ、安心して使い続けるには、水面下で支えるデータ基盤が重要です。COMPANY BRAINは、社内データや、その会社独自の文化、ノウハウ、判断基準をAIが活用できるカタチに整え、安全に市民開発するための仕組みです。

Role

COMPANY BRAINの役割

AIに会社の知恵を渡す役割と、会社のデータを守る役割を、1つの基盤で受け持ちます。

  • 01 | 独自性強化の問い

    自社の強みを拡張するためのデータ基盤

    社内の言葉の意味と数え方をそろえて渡す。部署ごとに違うデータを、つなげて渡す。ベテランの判断基準を、AIが使える形にする。

    → AIが会社の基準で答え、動ける

  • 02 | ガバナンスの問い

    会社のデータを守るためのガードレール

    基幹システムには触れさせず、参照だけにする。見てよい人とAIにだけ、見てよいデータを渡す。誰が、どのアプリで、何を使ったかを記録する。

    → 市民開発を止めずに、統制できる

Architecture

COMPANY BRAINの全体構成(イメージ)

既存システムはそのまま使い、データに意味と権限を付けてから、AIやアプリに渡します。

1利用者・アプリケーション層(市民開発/AI活用)

  • 現場社員、経営層
  • Copilot・ChatGPT・Claude
  • 社内エージェント
  • 内製アプリ

自然言語で質問・分析・アクション / アプリからのデータ参照(MCP/API)

2COMPANY BRAIN(AIネイティブなデータ層)

  1. 集める各システムからデータを取り込む
  2. 整える表記ゆれや重複をそろえる
  3. 意味をつける言葉の定義とデータのつながり(オントロジー、セマンティック層)
  4. 守る権限、監査ログ、承認
  5. 渡すMCPやAPIで、AIとアプリに公開

許容されたデータの送信のみ(バッチ同期/API連携/ファイル取込)。既存システムは変えない

3データソース層(基幹システム等/既存システムはそのまま利用)

  • 設備・センサー
  • 生産・基幹システム
  • 業務データ・SaaS
  • 社内文書

4アプリとAIの見える化・統制

利用ログ・メタデータを収集・分析

アプリ・エージェントインベントリ

  • 利用アプリの自動検出
  • MCP/API利用ログ
  • アクセス元・ユーザー・頻度
  • 未登録アプリの検知

セキュリティ・リスク管理

  • データアクセスの監視
  • 権限の棚卸し
  • 脆弱性チェック
  • チェックシートによる審査

運用・改善支援

  • レポート自動生成
  • 利用状況の可視化
  • ポリシー違反のアラート
  • アプリの改善提案

Question 01

AIで自社の強みを拡張するには

会社の知恵を、AIが活用できる状態へ。AIは賢くても、会社のルール・文化までは知りません。社内の言葉と判断基準を、AIが活用できる環境を整える必要があります。

Understand

AIに自社を理解させる、3つの仕組み

社内で使われる言葉の意味や判断基準は、データベースには記載されていません。BRAINは、それらをAIが活用できる状態で渡します。

  • セマンティックレイヤー

    会社の辞書

    言葉の意味と数え方を、全社で統一する。例:「売上」=計上金額(返品を除く)、「停止時間」=計画停止を除いた時間、「重点顧客」=年間取引1億円以上。

    → AIが、同じ基準で答える

  • オントロジー

    会社の地図

    部署の呼び方と、データのつながりを結ぶ。例:営業の「顧客」、経理の「請求先」、物流の「納品先」は、同じ取引先A。

    → AIが、データをつなげて理解する

  • RAG

    会社のナレッジ

    文書や過去の事例から、根拠を探して渡す。例:「このアラームの対応は?」に、保全手順書・過去のトラブル事例・ベテランの判断メモを根拠として示す。

    → AIが、根拠を示して答える

土台はデータの統合・整備です。各システムから集め、表記ゆれや重複をそろえ、議事録や記録の文章から項目を抜き出します。いずれも、ベテランの頭の中を書き出したものです。AIを替えても、辞書と地図は貴社に残ります。

Before / After

BRAINがあると、AIの答えはこう変わる

工場長の質問:「先週、停止時間が長かったラインはどこ?原因と対策は?」

AIが参照できる、先週のデータ

ライン停止時間うち計画保全保全記録
ラインA120分90分定期点検(計画どおり)
ラインB70分0分B-2号機 ノズル詰まり。来週交換

どのデータにも書いていない、社内のルール

  • 辞書「停止時間が長い」= 計画停止を除き、週60分以上
  • 地図「B-2号機」= ラインBの充填機
  • ナレッジ「原因と対策」= 保全記録の決定事項を見る

BRAINなし

「最も長かったのはラインA(120分)です。ラインAを調査しましょう」

× 計画保全まで数え、問題のないラインに人が向かう

BRAINあり

「基準に当てはまるのはラインB(70分)です。原因はB-2号機のノズル詰まりで、来週の交換が決まっています」

○ 会社の基準で数え、原因と対策まで答える

Question 02

市民開発を、安心して広げるには

社員が安心して、市民開発できる状態へ。AIを禁止すれば安全ですが、現場の工夫や成長まで止まってしまいます。社員が安心して市民開発できる基盤を構築する必要があります。

Guardrail

社員に任せられる、3つの守りの仕組み

AIに学習や閲覧の制限を委ねるのではなく、提供するデータを厳選し、アクセス段階での制御と利用履歴の徹底的な記録を行います。

  • データ連携範囲の管理

    連携するデータを選ぶ

    システム部門が許可したデータだけを取り込む。例:販売・在庫は連携する、人事評価は人事部向けにだけ連携、個人の連絡先はマスキングして連携。

    → AIに渡るデータを、会社が決める

  • アクセス制御(権限・承認)

    会社のルールブック

    見てよい範囲と、やってよい操作を決める。例:人事データは人事担当のAIだけ閲覧、発注はAIは案の作成まで、基幹システムは参照のみ(書き込みなし)。

    → AIが、許された範囲だけで動く

  • 監視(利用ログ・アプリ台帳)

    利用の記録と見える化

    誰が何を使い、どのアプリを作ったかを残す。許可・拒否の結果や、未登録のアプリも記録されます。

    → 使われ方を、会社が把握できる

※ 連携するデータの範囲は、システム部門と合意して決めます。権限の分離は導入前に、許可・拒否の両方を実際のアクセス記録で確認します。

Citizen development

市民開発を、禁止せずに見守る

すべてのAIとアプリがBRAINを通るため、使えば自然に記録が残り、見える化できます。「危ないから禁止」から、「見守りながら任せる」へ。

  1. 01

    登録

    目的と使うデータを、作成者が登録

  2. 02

    確認

    品質と安全性を、公開前に確認

  3. 03

    公開

    社内に共有し、利用の記録を開始

  4. 04

    見守り・改善

    利用状況と違反を見守り、よく使われるアプリは全社へ

  • システム部門

    シャドーAIを把握し、統制できる

    どのアプリが、どのデータを使っているかが分かる

  • 経営層

    AI投資の効果を測れる

    利用状況や効果を、レポートで確認できる

  • 社員

    ルールの範囲で、安心してつくれる

    使ってよいデータと手順が、はじめから決まっている

One platform

ひとつの基盤で、自社の強みが拡張し、進化する。

全てのAIはCOMPANY BRAINを土台に開発されます。社員の市民開発で現場から改善が生まれ、開発ベンダーによる大規模なプロダクトも貴社の知識を基に開発される。どちらも同じ辞書・地図・ルールを使うため、安全で、一貫したAI活用が可能になります。

  • 市民開発

    社員が、使ってよい範囲のデータで、日常業務のAIやアプリをつくる

  • 受託開発

    開発ベンダーが、競争力の核になるAIエージェントをつくる

理解する・守る・束ねる。すべてのAIが通る、会社の頭脳。人とAIが共創し、会社が進化し続けます。

Products

BRAINの上に、必要なAIプロダクトを載せていく

BRAINを土台に、貴社のニーズに合わせてAIプロダクトを導入します。会社の辞書・地図・ナレッジ・ルール。すべてのプロダクトが、同じ土台を使います。

  • リアルタイムコパイロット

    リアルタイムコパイロット

    商談中に、聞くべき質問や効果的な提案、用語解説をリアルタイムで表示。

  • 社長AI

    経営層の過去の判断事例や、社内規定・ナレッジを引き出せるチャット型AI。

  • 知見伝承・可視化AI

    知見伝承・可視化AI

    ベテランの判断や設計の考え方をフレームワークに可視化。暗黙知の継承を支援します。

  • 自動見積もりAI

    過去の案件と熟練者のロジックから、概算見積を算出。営業工数とリードタイムを削減。

Schedule

3か月でつくり、3か月で育てる

最初の3か月でBRAINのMVPをつくり、続く3か月の伴走で、実際のデータと現場の声で育てます。

  1. 01

    1か月目:対象を決める

    MVP構築 ― 業務とデータの棚卸し

  2. 02

    2か月目:設計図をつくる

    MVP構築 ― 辞書・地図・ルール

  3. 03

    3か月目:MVPの完成

    MVP構築 ― 最小版BRAINとAIプロダクト

  4. 04

    4か月目:実データを入れる

    伴走開発 ― 基幹データの接続

  5. 05

    5か月目:現場で試す

    伴走開発 ― 現場の声で改善

  6. 06

    6か月目:次の展開を決める

    伴走開発 ― 効果確認と次の業務

  • MVPで手元に残るもの

    辞書・地図・ナレッジ・ルールの設計書/BRAIN基盤(最小版)/BRAIN上に構築するAIプロダクト1件

  • 伴走で手元に残るもの

    実データでの効果検証レポート/AI・アプリの利用状況の見える化/本番環境と、次に広げる業務の計画

※ 期間は想定です。対象範囲により変わります。4か月目以降の伴走開発は、効果を確かめながら月単位で進め、必要に応じて継続します。

Works

参考事例

  • 参考事例 01

    包装資材・印刷会社

    社長の判断・現場の情報をカンパニーブレインのナレッジ基盤として構築。MVV浸透など上位概念の醸成から、印刷前の入稿チェック等の実務まで対応。

    会社の考え方/社員からの質問・回答蓄積/会社の改善提案RAG/CRM/原稿チェック

  • 参考事例 02

    店頭プロモーション

    Salesforce・Googleドライブと連携し、カンパニーブレインへ情報を一元管理。ツールの在庫や過去事例を周期で拾い、最新の情報を即座に届ける。顧客側で簡易相談できるRAGも構築。

    在庫状況の確認/過去事例検索/顧客用 相談ボット/CRM/データの1日1回の自動更新

  • 参考事例 03

    製造業

    製造プロセス知見のヒアリングBotと知見の可視化を行うことで、知見活用まで対応。フロー図で要素同士の関係を可視化し、影響範囲を描写。

    知見ヒアリングBot/フロー図による知見描写/要素同士の関係性をデータ化/変更時の影響範囲の可視化/知見をベースにしたチャットボット

  • 参考事例 04

    脱炭素

    工場の様々なメーカーの各機械の情報をデータベース化。さらに省エネノウハウを有したコンサルタントの知見をデータベース化して連携し、様々なお悩みに対応する省エネコンサルAIを構築。

    機械情報の集約/コンサルタント知見を収集/リアルタイム商談支援AI/商談後の議事録・資料作成AI/知見をベースにしたチャットボット

First step

貴社の「AI社員第1号」を、一緒に決めませんか。

  • どの業務をAIに任せたいか
  • そのデータはどこにあるか
  • 部署によって意味が違う言葉はあるか
  • AIに見せてはいけない情報はあるか

何から始めるか、一緒に決めましょう。

AIで何をすべきか決まっていなくても、作りたいものが決まっていても。まずは課題をお聞かせください。

【仙台本社】〒980-0811
宮城県仙台市青葉区一番町3丁目3-20
京阪仙台一番町ビル2階

【東京オフィス】〒113-0033
東京都文京区本郷2丁目35-10
瀬川ビル 4階

お問い合わせAIチャット