メインコンテンツへスキップ

INSIGHTS / FROM BUILDING VEGA

VEGAの開発から考える、
AIの設計と運用。

AIが出した判断を、どこまで業務に任せられるか。VEGAの開発では、予測の検証だけでなく、実行の許可、通信断からの復旧、顧客ごとの情報管理を一つずつ設計してきました。その判断の理由と、確認すべき条件をまとめています。

開発からの知見を読む

ONE SYSTEM, MANY DISCIPLINES

  1. 01

    研究

    変化が波及する経路を調べる

  2. 02

    判断

    使った根拠と条件を記録する

  3. 03

    実行

    許可と上限を確認する

  4. 04

    検証

    予測と実際の結果を比べる

検証結果をもとに、仮説や設計を見直す

THE WORK BEHIND THE INSIGHTS

VEGAで開発してきたもの

戦略の研究に加え、判断時点で使えるデータの管理、評価・執行コア、顧客ごとの状態管理、Windows / Linuxの運用設計、日次レポートを扱っています。Claude CodeとCodexによる実装、検証、レビューの記録には、採用した設計だけでなく、うまくいかなかった方法や未解決の課題も残っています。記事では、その中から他の業務でも参考になる判断を取り上げました。

知見の背景となるVEGAを見る
Pythonの実装・研究等のファイル
773
評価、執行、データ処理、運用ツール
Pythonのテストファイル
557
判断条件、復旧、分離、移行の検証
研究用Pythonスクリプト
140
上記773ファイルに含む研究領域

出典：自社開発リポジトリの主要製品領域を2026.10.02時点で集計。管理対象のPythonファイルを、ファイル名がtest_で始まるテストと、それ以外に区分しています。研究用スクリプトは後者の内数です。ファイル数は開発規模の目安であり、テスト件数や実運用成績を示すものではありません。

01 / 研究と判断

予測と判断を、後から検証できるようにする

経済の変化が企業の利益に届くまでの経路を追い、予測を事前に記録する。熟練者の判断をルールにする際も、例外や撤回する条件を聞き、別の事例で確かめます。

02 / システムと運用

通信断、再起動、複数の顧客を想定した設計

外部サービスへの操作は、応答がなくても完了していることがあります。再送の判断、実行時の権限確認、顧客ごとの記録の分離など、正常に動くデモでは見えにくい問題を扱います。

03 / AI開発と検証

改善案の採用と、AI同士のレビュー

Claude CodeとCodexを使う開発では、実装を進める速さと、変更を確かめる手間の両方を考える必要がありました。評価条件を先に決める方法と、修正につながるレビューの進め方をまとめています。

PRACTICAL FOUNDATIONS

AIを業務に入れる前に決めること

誰が何を承認するか、文章の根拠をどう確かめるか、情報が足りないときにどう止めるか。導入時に確認する項目を、三つの記事にまとめています。

  • AIガバナンス

    AI業務に人間承認ゲートが必要な理由

    操作ごとに人が承認するか、条件を先に承認して自動処理するか。承認する人、対象の版、有効期限、実行前の確認を決め、許可のない操作を止める設計を紹介します。

    更新 読む
  • AI品質管理

    出典に基づくAI下書きの作り方

    下書きを書く前に出典を集め、使える事実と未確認事項を分けておく。文章中の主張から出典へ戻れる記録の作り方と、公開前に確かめる項目をまとめています。

    更新 読む
  • AIワークフロー設計

    fail-closedなAIワークフロー設計

    出典が取れない、検証が終わらない、外部の処理結果が分からない。その状態で次へ進ませないために、停止条件、再試行の上限、再開に必要な確認を定めます。

    更新 読む

掲載内容について

記事は、自社開発の課題と設計上の判断をもとにしています。説明用の例と確認済みの事実を分け、未確認の顧客実績や効果数値は掲載しません。設計を紹介した機能が、すべて提供済み、あるいは実運用での確認を終えているわけではありません。

※投資助言・運用を行うものではありません

CONTACT YOLX

AIを使う業務の設計をご相談ください

自社の業務では何をAIに任せ、どこで人が判断するか。必要なデータ、実行条件、停止後の対応を整理し、実装と検証を進めます。

設計・開発について相談する →開発の考え方を見る