AI環境構築Secure AI Environment
社内データを「自由に使える」と「守る」を、同時に成り立たせる。
閉域で完結するAI活用環境を、設計から定着までご支援します。
Concept
データは連携できている。
詰まっているのは「受け皿」。
多くの会社で、データ連携そのものは動いています。 それでも活用が進まないのは、連携したあとの受け皿が設計されていないからです。
自由度とセキュリティは、この受け皿をどう設計するかで同時に決まります。 Kakitsu株式会社は、実運用中の構成から固有の要素を除いて一般化したリファレンス構成をもとに、 貴社の環境に合わせた設計・構築・定着までをご支援します。
こんなことが起きていませんか
- AI活用が属人化している 一部の人しか業務効率化できていない
- 便利なアプリが社内に広がらない 特定の人が作ったものを、全体で活用できない
- 見せ方の自由度が足りない 標準レポートの表現力に限界があり、見たい形にならない
- 他のデータと結合できない 基幹・会計・Web・Excelと突き合わせられず、単独の数字で止まる
- ライセンスの壁 見たい人は多いが全員分は買えず、「触れない人」に情報が届かない
- 標準AIが高く、中が見えない 自社固有のロジックや語彙を組み込めない
- 現場が自分で作れない 管理者しか触れず、小さな改善が情シスの待ち行列に積み上がる
結果として、こうなります。
各部門が個別にCSVを落としてExcelで加工し、社外のAIサービスに貼り付ける。
数字の出所が分からなくなり、会議で「どちらが正しいのか」に時間が溶ける。
統制部門は実態を把握できず、禁止するしかなくなる —— つまり活用が止まります。
「自由度」と「セキュリティ」を層に分ける
この2語を曖昧なまま進めると、要件定義の後半で必ず揉めます。 最初に段階を定義することが、そのまま要件の骨格になります。
自由度は「4つの段階」に分かれる
- 見る BI・ダッシュボードで自由に切る
- 聞く 自然言語で問い合わせる（要約・探索）
- 作る 現場が小さな業務アプリを自分で作る
- 繋ぐ 他システム・外部AI・自動化と結合する
セキュリティは「4つの層」で担保する
- 境界 社内ネットワーク限定／IP制限／閉域接続
- 認可 SSO＋行・列レベルの権限（ここが本丸）
- 持ち出し ダウンロード・外部送信・生成物の扱い
- 記録 誰が何を見て、AIに何を聞いたかの監査ログ
決めるべきは3つ。
「誰に」「どの段階まで」「どの制御下で」開放するか。
全員に「繋ぐ」まで開放する必要はありません。段階ごとに対象者を変えるのが現実的な着地点です。
リファレンス構成
業務内容を問わず適用できる参照モデルです。 実運用中の構成から固有の要素を除いて一般化しました。
最重要は「セマンティックレイヤ」
生テーブルではなく、業務の言葉で定義したビュー・指標・メタデータの層です。 AIの精度も、現場での使いやすさも、ここの整備度でほぼ決まります。
「同じ質問には、いつも同じ数字が返る」状態をつくる
いま起きていること
- 同じ「今期の売上」で、会議に3つの数字が出てくる
- どれが正しいか確かめるだけで半日かかる
- 担当者が独自に作ったExcelが、事実上の正解になっている
- その人が異動すると、誰も同じ数字を再現できない
この層を整備したあと
- 「今期の売上」は、誰がどこから見ても同じ数字になる
- 定義が文書に残り、変えた履歴も追える
- 部門・商品・期間を、業務の言葉のまま指定できる
- AIに聞いても、ダッシュボードと同じ数字が返る
「売上」ひとつでも、決めることがこれだけあります
- いつの売上か 受注日／納品日／請求日のどれを基準にするか
- どこまで含めるか 失注・取消・値引・返品をどう扱うか
- 誰の売上か 担当者／部門／代理店のどれに紐づけるか
- 重複をどう消すか 親子案件・共同案件を二重に数えない方法
この作業はシステムの話ではなく、業務の言葉を決める作業です。 定義を決められるのは業務側だけで、情報システム部門にも当社にも決められません。 まずは1つの業務に絞ることをおすすめしています。全項目を一度に整理しようとすると、必ず途中で止まります。
設計の核（7つの原則）
案件ごとに交渉する項目ではなく、当社が最初から前提として置く設計基準です。 実運用中の構成で採用し、情報システム部門の審査を通過しています。
-
01
元システムには書き戻さない
読み取り専用。既存業務が止まるリスクを、構造的にゼロにします。
-
02
AIは補助、判断は決定的ロジック
数字が経営資料と食い違った瞬間に信頼が失われます。集計はAIにさせません。
-
03
重要な検出はマスタ照合で機械的に
「見逃してはいけないもの」はAIに依存させず、確定ロジックで検出します。
-
04
生成AIは閉域内で完結
入出力はクラウドリージョン内で処理。外部への共有・モデル学習への利用はありません。
-
05
全操作を監査ログに記録
自由度を上げる代わりの担保です。事後に必ず追跡できる状態を保ちます。
-
06
本番変更はCI/CD経由のみ（IaC）
手作業での本番変更を、仕組みとして排除します。構成はコードで管理します。
-
07
開発ベンダーの権限はReadOnly
当社は貴社データを書き換えられません。権限そのものを持ちません。
自由度を上げるとは、制御点を「移す」こと
用途を限定した業務システムであれば、出口での全件人間承認が成立します。 出力先が1つに定まっていて、全件を人が確認してから外に出せるからです。
しかし「自由に活用したい」とは、出口が定義されていないということです。 承認すべき対象を事前に列挙できないため、同じ守り方は使えません。そこで守る場所を設計し直します。
- 入口 行・列レベルの権限設計。そもそも見えないものは漏れません
- 出口 ダウンロード・外部送信を用途単位で制御します
- 記録 閲覧・問い合わせ・出力の全操作をログに残します
- 事後 異常な参照量・不審な問い合わせを検知し、レビューします
「承認で守る」から「権限とログで守る」へ。 自由度の設計とは、制御点をどこに置き直すかの設計にほかなりません。
ご支援の3領域
アプリ開発・AI環境構築・人材育成。分けて導入すると成果が出にくく、一体で回すことに意味があります。
アプリ開発
- 共通基盤（認証・権限・ログ）を先に整備
- 業務ユースケースを1本、2〜3ヶ月で通す
- 1本目は成果物ではなく「型」をつくる工程
- 2本目以降は同じ基盤の上で短期化
- 現場が自分で改善できる余地を残す
AI環境構築
- 閉域内で完結するLLM基盤の構築
- セマンティックレイヤと指標定義の整備
- 自然言語での探索・要約・ドラフト生成
- ガードレール：読み取り専用／権限継承／根拠提示
- 集計・判定は決定的ロジックに担わせる
人材育成
- 入力してよいもの・いけないものの共有
- 出力の検証と、数字の扱い方
- 管理者向けの権限設計とログの読み方
- 社内で小さく作れる人を数名育てる
- 運用ルールの文書化と定着支援
3つを別々に導入すると、こうなります。
基盤だけが立派に完成して誰も使わない。／ AIだけ入れて、権限とログが後追いになる。／
研修だけ実施し、受け皿がないため元の運用に戻る。
※ ご予算・体制に応じて、いずれか1領域からの着手も可能です。開始点のご相談を承ります。
人材育成は、統制施策として位置づける
技術的な統制をどれだけ効かせても、最後の防御線は使う人間の判断になります。 そのため当社は、研修を「おまけ」ではなく統制の受け皿として設計します。
- 何を入力してはいけないか 取引先名・個人情報・未公表の数値・第三者の秘密情報を、具体例で共有します
- 出力をどこまで信じてよいか 数字は必ず元データで検算する。根拠の提示がない回答は採用しない
- 外に出すときの確認手順 生成物を社外に出す前のチェック、承認者、問題が起きたときの報告経路
「自由に使えるようにする」より、「野良利用の受け皿を用意し、正しい使い方を教える」ほうが、 社内の合意を得やすくなります。個別の野良利用を統制された環境に集約でき、 リスク削減の投資として稟議の理由も立ちます。
進め方（3フェーズ）
大きく作らず、基盤とユースケース1本から始めて、最終的に内製へ移す前提で設計します。
-
PHASE 1 1〜3ヶ月
基盤と最初の1本
現状把握と、自由度／セキュリティの線引き。セマンティックレイヤの初期整備。 認証・権限・監査ログの共通基盤。業務ユースケース1本の実装。管理者向けの初期研修。
到達点：動く環境と、判断基準の合意 -
PHASE 2 4〜9ヶ月
展開とAI活用
閉域LLMによるAIアシスタント導入。アプリを2〜3本に拡張。利用者研修の部門展開。 運用ルール・チェック体制の文書化。利用ログにもとづく改善サイクル。
到達点：日常業務に定着した状態 -
PHASE 3 10ヶ月〜
内製化への移管
社内の作り手（数名）の育成。アプリ開発のテンプレート化。運用・保守体制の移管。 当社は設計レビューと高度案件に限定。継続的な権限・ログの点検。
到達点：自走できる体制
※ 期間はご状況により変動します。まずは Phase 1 の範囲を、現状のヒアリングをふまえて具体化させてください。
次のステップ
まずは情報交換の場をいただき、ご要望の輪郭を一緒に描くところから始めさせてください。
-
STEP 1
ヒアリング（1回・90分程度）
環境とデータ、利用者と自由度、統制・規程、体制と推進について、現状と目指す姿を伺います。 未定の項目があっても差し支えありません。決まっていないこと自体が、初期に整理すべき論点になります。
-
STEP 2
線引きの整理（2〜3週間）
自由度×セキュリティのマトリクスを一緒に埋め、誰にどこまで開放するかを定めます。
-
STEP 3
正式提案
対象範囲・構成・体制・概算費用を含むご提案書を提出します。
-
STEP 4
着手
Phase 1（基盤と最初の1本）から開始します。
よくあるご質問
閉域で完結するAI環境とは、具体的にどういう状態ですか。
入力した内容と生成された内容が、契約したクラウドのリージョン内で処理され、外部へ共有されない状態を指します。一般向けのAIサービスと違い、入力内容がモデルの学習に使われることはありません。加えて、社内ネットワークやIP制限で到達経路を絞り、誰が何を聞いたかを監査ログに残します。
既存の業務システムが止まるリスクはありませんか。
ありません。当社の構成では、業務システムの複製（ミラー）を読み取り専用で参照し、元のシステムへは一切書き戻しません。同期は一方向のみです。これは案件ごとに交渉する条件ではなく、当社が最初から前提として置く設計基準です。
AIが出した数字を、そのまま経営資料に使えますか。
集計や判定はAIに行わせません。生成AIは分類・要約・文章化の補助に限定し、数値の計算は決定的なロジックが担当します。AIに質問しても、ダッシュボードと同じ数字が返る状態を目指します。数字が経営資料と食い違った瞬間に、環境そのものが信用されなくなるためです。
AI活用が一部の人に偏ってしまっています。改善できますか。
属人化の多くは、個人が各自でツールを契約し、各自のやり方で使っていることに起因します。共通の認証・権限・ログの上に環境を用意し、そこに集約することで解消します。あわせて、社内で小さくアプリを作れる人を数名育てることで、便利な仕組みが個人で止まらず全社へ広がります。
セマンティックレイヤとは何ですか。なぜ最重要なのですか。
生のデータベーステーブルではなく、「今期の売上」のように業務の言葉で定義した指標・ビューの層です。AIの回答精度も、現場での使いやすさも、この層の整備度でほぼ決まります。定義が定まっていないと、同じ質問に違う数字が返り、確認作業に時間が溶けます。
全社員に自由に使わせても大丈夫でしょうか。
全員に同じ範囲を開放する必要はありません。自由度を「見る・聞く・作る・繋ぐ」の4段階に分け、誰にどこまで開放するかを段階ごとに決めるのが現実的です。守り方も、出口での全件承認ではなく、入口の権限設計・出口の持ち出し制御・全操作の記録という形に置き換えます。
社内に情報システム部門の人員が少なくても導入できますか。
可能です。最初から大きく作らず、共通基盤と業務ユースケース1本から始めます。最終的には社内で運用できる状態への移管を前提に設計し、当社は設計レビューと高度な案件に役割を移していきます。
開発を依頼した場合、当社のデータを見られてしまいますか。
当社に付与される権限は ReadOnly のみで、貴社データを書き換える権限そのものを持ちません。本番環境への変更はすべてCI/CDのパイプライン経由に限定し、手作業での変更を仕組みとして排除します。
まず何から相談すればよいですか。
90分程度のヒアリングから始めさせてください。現状のデータ基盤、利用者の範囲、社内規程の状況などを伺います。未定の項目があっても差し支えありません。決まっていないこと自体が、最初に整理すべき論点になります。
導入のご相談
「自社ならどこまで開放できるか」「いまのデータ基盤で何ができるか」など、 まずはお気軽にご相談ください。生成AIを組み込んだ業務システムの設計・開発から、 運用定着・社内で作れる人の育成まで、一貫してご支援します。
当社の事業についてのご質問・ご相談は、お気軽にお問合せください。
お問い合せはこちら