自社ニューラルネットワーク基盤のAIアシスタント

国際認定試験で検証された、 自社ニューラルネットワーク

ez2AIは、自社ニューラルネットワークが自分の資料をつなげて理解するAIアシスタントです。自分のPCで私を記憶するAgentのニューラルネットワークと、データの構造と関係を読み取るニューラルネットワークモデルez2AI-Coreで働きます。

自分のPCのニューラルネットワーク

使うほど私に合わせるAgentニューラルネットワーク

作業ごとに根拠を束ね、使うほど私に合っていきます。この記憶は自分のPCに保存されます。

  • 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。

データの関係を読むニューラルネットワーク ez2AI-Core

設計書のないデータベースから関係を見つけ出します

外部キー宣言やコメントがなくても、名前ではなく実際の値で確認します。
  1. 01

    候補の絞り込み

    つながりそうな列だけを選びます

  2. 02

    テーブルの役割

    マスタ、取引、履歴を見分けます

  3. 03

    2列の対応付け

    名前、形式、意味を合わせます

  4. 04

    値の重なりを確認

    実際の値が重なるかを見ます

  5. 05

    関係の判定

    1:N、N:Mの方向と多重度

  6. 06

    振り返って検証

    前の判断を再採点します

知識を自動で構造化・連結される知識を、3Dでリアルタイム確認

ナレッジ化された情報は分類・階層・意味に基づいて自動的に構造化・連結され、3次元でリアルタイムに確認できます。
アンカー
3Dエンジンを初期化中…

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

国際公認試験による検証

散らばった自分の資料を 自社ニューラルネットワークがつなげて理解します

連結するとは、何が何とどうつながるかを見つけ出すことです。その能力を、国が認定した試験機関(KOLAS)が直接検証しました。

国際公認試験成績書

成績書番号
第KST-26-131号、2026-08-04 発行
試験機関
KOLAS認定試験機関
試験規格
ISO/IEC TS 4213:2022 6.2.4
試験方式
現場試験 — 試験員が当社環境で直接実行、採点
試験項目
関係の自動復元精度、関係の正解は遮断

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。

正解表にない関係まで見つけ出します

この試験でモデル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。

ニューラルネットワークを支える6年間のリアルデータ

モデルの基盤は、企業システムを6年間構築する中で蓄積した74,332件の検証済みデータです。実際の業務で繰り返し検証したデータが、モデルの基準になっています。 AIが恣意的に作ったデータではなく、専門開発者が実際のシステム構築で整理・検証した業務データの構造です。
01

実際の業務を分析

さまざまな業界のシステムと業務フローを分析します。
業務構造を整理
02

検証済みの基準を蓄積

繰り返し使われるデータ構造と関係を標準化します。
共通資産として蓄積
03

AIコアの最適化

厳格に精製された74,332件のゴールドメタデータセットを集中的に学習しました。
複製できないモデルを確立
6年間、100社以上のシステム構築ノウハウから蓄積した74,332件のゴールドメタデータセット
モデルはメタデータのデータセット構造とラベルのみを学習します。

顧客情報、業務データ、運用DBなど機密性の高い企業データは学習に使用しません。

企業データを分類・接続するニューラルネットワーク

3Dグラフで企業データをリアルタイムに分類し、データ同士の関係をつなぐ過程をご覧ください。

AIに勝手につくらせないために

つくる前に自分の資料と設計の基準を固定し、つくった後は設計に照らして再採点します。
  • 自分の資料と基準を先に固定

    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」

    根拠のない値は空けておき、人に尋ねます。

稼働中のシステムに接続する際の4つの原則

既存のERP、MESを置き換えず、その横で働きます。
  • 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。

  • 根拠を残します

    根拠がなければ「要確認」として残します。

  • 別の経路でつなぎます

    外部接続が切れた場合は、利用できる別の経路で作業を続けます。

データはどこにあるのか

運用形態ごとに、何がどこにあるのかを1つの表にまとめました。

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 + 自社サーバー自社サーバー
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、自社サーバー自社サーバー
記憶、ニューラルネットワークユーザーのPCユーザーのPCユーザーのPC、自社サーバー自社サーバー
AIモデルez2AIが接続する外部AIモデルまたは個人のAIアカウント企業名義の業務用AIアカウント(シートに含む)顧客ごとに協議、または自前のモデル自前のモデルのみ
外部AIに送られるもの作業指示、結果作業指示、結果生成リクエスト、結果なし
組織がアップロードした資料(Works)該当なし該当なし(Agentのみ提供)自社サーバー(Works設置時)自社サーバー
録音、PDF変換処理後に保持しない処理後に保持しない自社サーバー自社サーバー

完全閉域網には自前の推論モデルと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。

組織に合った導入方法をご相談ください

現在の業務環境と必要な機能を確認し、適切な製品と導入範囲をご案内します。

よくある質問

導入前のご質問はFAQページでカテゴリ別にご確認いただけます。
コア技術 | ez2AIの自社ニューラルネットワークとデータ関係復元