作業ごとに根拠を束ね、使うほど私に合っていきます。このニューラルネットワークは自分のPCにだけあります。
作業ごとに根拠を束ねます
記憶、ペルソナ、参考作業、メール、添付、設計を作業につなぎ、AIは答える前に先に読みます。
聞いたその場で記憶します
会話で決めたこと、禁止事項、直したこと、文体と形式をその場で記憶に残します。
よく使う記憶を先に
最近使った記憶と同じプロジェクトの記憶を先に取り出し、次の作業に使います。
候補の絞り込み
つながりそうな列だけを選びます
テーブルの役割
マスタ、取引、履歴を見分けます
2列の対応付け
名前、形式、意味を合わせます
値の重なりを確認
実際の値が重なるかを見ます
関係の判定
1:N、N:Mの方向と多重度
振り返って検証
前の判断を再採点します
ノードをクリックすると詳細が表示されます。右クリックで移動できます。
統計なし
国際公認試験成績書
100%
再現率（Recall）
見つけるべき関係を一つも取りこぼしませんでした。
98.53%
精度（Precision）
指摘した関係のうち正解と一致した割合です。
この試験でez2AI-Coreは正解表にある関係を一つも取りこぼさず（再現率100%）、さらに正解表にない関係を1件追加で指摘しました。試験規則上この1件は誤検出として集計され、精度は98.53%となりました。
しかし実際の現場に正解表はありません。15~20年経過したシステムでは外部キーが宣言されておらず、関係を知っていた人はすでに退職しています。そこで必要なのは、文書に書かれた関係を確認する能力ではなく、誰も書き残さなかった関係を見つけて目の前に示す能力です。
正解表の外を指摘したということは、決まった答えを覚えたのではなくデータの構造そのものを読んだという意味です。この1件こそ本試験で最も重要な箇所だと考えるため、隠さず二つの数値を併記します。
確定するのは人です。モデルが指摘した関係は根拠とともに検討対象として提示され、担当者が確認して確定します。レガシー分析では、見落とすより多く見つけて示す方が安全です。
顧客情報・業務データ・運用DBなど、あらゆる機密性の高い企業データはAIニューラルネットワークの学習対象から完全に除外され、徹底的に保護されます。
会社の知識を先に固定
データ構造、メニュー、API、命名規則を生成の瞬間に注入します。
設計で再採点
生成結果を設計書を基準に再レビューします。
根拠がなければ「要確認」
ない値を作り上げず、人に尋ねます。
読むだけ
運用データベースを読み取り専用で読みます。
消さない
書き込みは承認を得て行い、削除せず、履歴を残します。
作り上げない
根拠がなければ「要確認」として残します。
止めない
外部接続が切れても、別の経路でつなぎます。
左右にスクロールして導入方式を比較できます。
| 個人サブスクリプション | 法人サブスクリプション | オンプレミス | 完全閉域網 | |
|---|---|---|---|---|
| 作業の実行 | ユーザーのPC | ユーザーのPC | ユーザーのPC + 社内サーバー | 社内 |
| 作業ファイル、会話、コード | ユーザーのPC | ユーザーのPC | ユーザーのPC、社内 | 社内 |
| AIの呼び出し | 自分のアカウント、PCから直接 | 業務用AIシート、PCから直接 | 業務用AIシートまたは社内モデル | 社内モデルのみ |
| 外部AIに送られるもの | 作業指示、結果 | お客様ごとに協議 | お客様ごとに協議、または社内モデル | なし |
| アップロード資料(Works) | 韓国国内クラウド、分離 | 韓国国内クラウド、分離 | 社内サーバー | 社内 |
| 録音、PDF変換 | 処理後に保持しない | 処理後に保持しない | 社内 | 社内 |
完全閉域網には社内推論モデルとGPU構成が必要なため、要件を確認したうえで別途お見積りします。