VINCIS GPT のご紹介:企業の AI チームを築き、動かす新しい方法
VINCIS GPT が AI をチームの日常業務に深く組み込み、効率の向上と協働の加速、そして継続的な価値の創出をどのように支えるのかをご紹介します。
ひとつの仕事の完全な記録:Work は目的を示し、Evidence は読み返せる裏付けを提供し、Outcome はそれに基づいてシステムが導き出す結論です。「確認できない」という結論も含まれます。
多くのチームにとって、AI との接点はチャット画面を開き、質問を投げ、返ってきた回答をコピーすることです。この道筋は短く、役にも立ちます。しかし、それは個人の範囲で終わってしまいます。複数人での協働が必要な仕事、記録を残すべき仕事、誰かが責任を負うべき仕事になると、チャット画面だけでは足りません。
VINCIS GPT が解決しようとしているのは、その先の課題です。AI を「質問に答えるツール」から、「仕事に参加し、証拠を残し、監督を受ける協働者」へと変えることです。本記事では、その基本構造と、チームが一般的にどのように日々の業務へ取り入れていくかをご紹介します。
要点
- 仕事は 3 つのオブジェクトとしてモデル化されます。Work(何をするか)、Evidence(実行したと言える根拠)、Outcome(それに基づくシステムの判定結果)です。
- AI Employee は実行能力を持ちますが、承認権は持ちません。両者はシステム上で分離されています。
- 「データが見つからなかった」と「読み取りに失敗した」は別の状態であり、システムが後者を前者として扱うことはありません。
- 会話の内容が自動的に企業のナレッジになることはありません。正式な事実には、出典、文脈、確認の根拠が必要です。
「AI を使う」ことと「AI を仕事に参加させる」ことは同じではありません
AI を使うハードルは低いものです。質問すれば答えが返り、役に立つかどうかはあなたが判断します。このプロセスでは責任の境界がはっきりしています。判断はあなたの手にあり、リスクもあなたが負います。
しかし、AI があなたの代わりに行動し始めると、たとえばメールを送る、レコードを更新する、外部サービスを呼び出すといった場面では、責任の境界があいまいになります。誰が許可したのか。本当に完了したのか。何をもって完了と言えるのか。問題が起きたら誰が責任を負うのか。チャット画面にはテキストしかなく状態がないため、こうした問いに答えはありません。
モデルが「完了しました」と言うことと、それが実際に完了していることは、別々の情報です。
VINCIS GPT の設計の前提は、モデルの自己申告は実行の証明にならない、ということです。仕事が完了したかどうかは、回答の言い回しではなく、システムが独立した、読み返せる証拠を得られるかどうかで決まります。この前提は保守的に聞こえるかもしれませんが、システム全体の構造を決めています。
3 つの中核オブジェクト
「仕事」を追跡可能なものにするため、VINCIS GPT は 3 つのオブジェクトで仕事を記述します。
Outcome が取る値は 4 種類だけで、「わからない」という段階をあえて残しています。
| 状態 | 意味 | システムの動作 |
|---|---|---|
SUCCESS | 目的の達成を示す十分な証拠がある | 証拠の出所を記録し、その Work を完了する |
FAILED | 実行の失敗を示す証拠がある | 失敗時の状況を保全し、対応を待つ |
UNKNOWN | 手元の資料では成功とも失敗とも確認できない | 停止して確認を求め、再実行はしない |
NOT_CONNECTED | 関連する実行能力または検証能力がまだ接続されていない | 不足を明確に伝え、模擬データは使わない |
多くのシステムは「読み取りタイムアウト」を失敗に分類するか、あるいは異常なしとして扱ってしまいます。どちらのやり方も、誤った確実性を生みます。UNKNOWN を残すことは、システムが「わからない」と認めることを意味します。その代償は人による確認が 1 回増えることであり、得られるのは、誤った結論のまま先へ進まずに済むことです。
AI Employee はどのようにチームに加わるのか
AI Employee は、職責と能力を割り当てられた実行主体です。タスクを受け取り、問題を分解し、計画を提案し、許可された範囲でツールを呼び出し、承認済みの仕事を実行し、そのプロセス全体を記録できます。
できないことも同じく明確です。しかも、これらの制限はプロンプト上の取り決めではなく、システムレベルの制約です。
- 人間になりすますことも、人間として承認を行うこともできません。
- 自らにより高い権限を作り出すことも、自らのタスクを承認することもできません。
- モデルの出力をそのまま企業の事実として書き込むことはできません。
- 有効な証拠がないまま、タスクの成功を宣言することはできません。
言い換えれば、AI Employee の能力の境界と権限の境界は、互いに独立した 2 つの仕組みです。あるツールを呼び出せることは、いつそれを呼び出すべきかを決める権限があることを意味しません。
権限と承認:誰が何を決められるのか
システムは、しばしば混同される 4 つの概念を区別しています。
- 実行能力:どのツールを使えるか、どの種類のタスクを処理できるか。
- リクエスト権限:あるリクエストを出せるかどうか。リクエストを出すことは、それを承認することとは違います。
- Owner 権限:システムが正式に任命し、検証した ID 記録からのみ生じます。
- 承認の判断:実在し、検証済みで、その判断を下す権限を持つ人間から行われなければなりません。
特に強調したい点があります。メールアドレス、表示名、役職名、ロールのラベル、組織名は、いずれも権限を生みません。これらは連絡先や表示のための情報であり、認可の資格情報ではありません。admin@ と名乗るアカウントがあっても、権限システム上の Owner 記録とは何の関係もありません。
# 権限判定の順序(簡略表記) verify identity → システム上で検証済みの ID 記録 check capability → その主体がこの種の操作を実行できるか check authorization → その操作に有効な認可があるか require approval → 高リスクの操作には人間の確認が必要 record evidence → 実行結果は読み返せなければならない # いずれかの段階で確認できない → 続行せず、拒否または一時停止
外部への公開、メッセージの送信、支払い、権限の変更、機密資料の取り扱いが関わる場合、システムは確認または承認を求めます。有効な認可が得られなければ、実行を拒否します。これは故障ではなく、設計です。
企業のナレッジはチャット履歴ではありません
チームで長く使うほど、ある疑問が生まれます。どの内容を正式なものとして扱うべきか、という疑問です。
VINCIS GPT は、この 2 つを分けて扱います。会話の内容、モデルによる推測、AI が生成したテキストは、既定ではいずれも企業の事実ではありません。正式なナレッジとなるには、明確な出典、再現可能な文脈、そして適切な確認の根拠が必要です。確認できない情報は未確定の状態のまま保たれ、もっともらしく完結した回答として自動的に補完されることはありません。
このルールの実際の効果は、使えば使うほどナレッジベースが汚れていく、ということが起きない点です。増え方はゆっくりになりますが、増えた部分はそのまま引用できます。
試用から日常へ:現実的な進め方
ほとんどのチームは、最初からすべてを導入する必要はありません。着実に進めるなら、次の 3 段階がおすすめです。
- まずは読み取りだけの作業から。調査、検索、整理、分析といったタスクには外部への副作用がなく、誤りがあってもやり直すだけで済みます。出力の品質を見極める感覚を養うのに適しています。
- 次に、1~2 個のコネクタを接続します。結果を検証できるシステムを選び、認可の範囲、操作の対象、起こりうる副作用を確認したうえで、Evidence が本当に読み返せるかを観察します。
- 自動化は最後です。最初の 2 段階で十分な量の、信頼できる記録がそろってから、どの工程で人による確認を減らせるかを検討します。
個人の生命、健康、重大な権利利益、または法的地位に深刻な影響を及ぼしうる判断を、AI だけに委ねないでください。法務、医療、財務、税務、安全、人事に関わる判断は、相応の資格を持つ人が見直すようにしてください。
よくある誤解
「出力がプロらしく見えるから、問題ないはず。」流暢さと正確さは別物です。言語モデルは確信がないときでも、構成の整った回答を返します。だからこそ確認が必要なのです。
「呼び出しに成功したと言っている。」Evidence と Outcome を確認してください。システムが提供する実行の証明と、モデルによる実行の説明は、同じものではありません。
「この機能はローカルで動いているはず。」ローカル処理のみと明記されていない限り、そう仮定しないでください。具体的な境界は、お使いの機能、デプロイ方式、呼び出すサービスによって異なります。
AI を仕事に取り入れるうえで難しいのは、AI に話をさせることではありません。その言葉を検証できるようにすることです。VINCIS GPT の設計の大部分は、この一点のためにあります。