夢現技研合同会社 Mugen Giken LLC
Production-Grade AI

PoCで止まった生成AIを、業務で使える状態にする

生成AIのPoCが本番化しない原因は、ほぼ例外なくモデルの精度ではありません。「どの程度正しければ業務で使えるのか」という評価基準が定義されておらず、誤った出力が出たときの運用と責任分界も決まっていない。当社は、この設計されていない部分を先に埋めることから着手します。

Symptoms

こうした状態ではありませんか

デモは通ったのに、本番の話になると進まない

経営層への説明は成功した。しかし情報システム部門や法務のレビューに入った途端、権限管理・ログ・障害時の責任分界を問われて答えられず、一年止まっている。

精度が良いのか悪いのか、誰も判断できない

「なんとなく良さそう」以上の評価ができていない。プロンプトを変えるたびに感覚で議論しており、改善しているのか劣化しているのか分からない。

AIベンダーが業務を理解してくれない

モデルには詳しいが、こちらの業務フローや既存システムへの接続を提案できない。結果として、現場が使えない形の成果物が納品された。

API利用料が読めず、稟議が通らない

本格導入したときのランニングコストが試算できない。従量課金の上限が保証できないため、予算を確保できない。

What We Do

提供内容

01

評価設計 — まず「正しさ」を定義する

AIシステム開発において最初に作るべきは、モデルでもUIでもなく評価パイプラインです。業務側と「どの程度正しければ使えるか」を握り、それを自動で測り続ける仕組みを先に整備します。これがない開発は、必ず主観的な議論に流れて停滞します。実案件では、発注品目の抽出でホールドアウト25案件 F1 0.93、見積書の項目抽出で人手修正率 約6%、といった形で精度を第三者に説明できる状態にしています。

  • 業務要件からの評価指標の定義(正解率だけでなく、誤りの種類ごとの許容度を設計)
  • 評価用データセットの設計と整備
  • プロンプト・モデル変更を自動で回帰評価するパイプライン
  • 人間による確認が必要な出力を切り分けるしきい値設計
02

業務特化AIシステムの設計・実装

汎用チャットではなく、特定業務に埋め込まれて成果を出すシステムを作ります。図面や帳票といった非構造化データの構造化、複数ステップの業務を実行するAIエージェント、社内文書のRAG検索まで対応します。

  • 文書・図面・帳票からの構造化データ抽出(マルチモーダルLLM + 画像処理)
  • 複数ステップの業務を自動実行するAIエージェントの設計
  • RAG検索基盤の構築(検索精度の評価まで含む)
  • 既存の基幹システム・SaaSとのAPI連携
03

本番運用に必要な設計をすべて埋める

PoCと本番の差は、モデルではなくその周辺にあります。監視、権限、ログ、コスト上限、障害時の縮退動作。ここを設計できるかどうかが、稟議を通せるかどうかを決めます。

  • 出力品質の継続監視と、劣化検知時のアラート
  • 認証・認可・監査ログ(内部統制の要求に対応)
  • API利用料の上限制御とコスト可視化
  • モデル・APIの障害時に業務を止めない縮退設計
  • プロンプトインジェクション等への対策
04

内製化の支援

将来的に社内で運用したい場合、その前提で設計します。ブラックボックスを納品して保守で縛るような進め方はしません。設計意図を含めたドキュメントと、社内エンジニア向けのレビュー支援を提供します。

  • 社内エンジニアとのペア作業
  • 設計意図を含む技術ドキュメントの整備
  • コードレビューとアーキテクチャ相談の継続契約
Pricing

料金・期間の目安

いきなり大きな契約を結ぶ必要はありません。小さく始めて、成果を見てから次を決める形にしています。 金額は標準的な条件での目安です。正確なお見積りは相談後にご提示します。

RECOMMENDED

技術検証(PoC)

80万円〜

2〜4週間 / 定額

実現可能性の検証と、評価基準の定義まで。「できるか / できないか」「どこまでの精度が出るか」を定量的にお返しします。

本番システム開発

300万〜900万円

2〜6ヶ月

業務特化AIシステムの設計・実装・本番導入。監視と評価の仕組みまで含みます。

AI技術顧問

月額20万円〜

継続 / 準委任

内製チームへの技術支援、アーキテクチャレビュー、実現可能性の壁打ち。月数回の稼働から対応します。

※ 契約形態は請負・準委任のいずれにも対応します。NDAの締結、貴社所定の契約書式でのご契約も可能です。

FAQ

よくあるご質問

どのモデルを使うのですか?特定ベンダーに縛られませんか?

要件に応じて選定します。Claude、GPT、Gemini といったクラウドAPIのほか、機密性の要求が高い場合はオンプレミスで動くローカルLLMも選択肢に入ります。重要なのは、モデルを差し替えられる形で設計しておくことです。この分野は半年で状況が変わるため、特定モデルに密結合させない設計を標準にしています。

自社のデータが学習に使われることはありませんか?

学習に利用されない契約形態のAPIを選定します。加えて、データを社外に出せない要件であれば、閉域網内やオンプレミスでの構成を設計します。詳しくは閉域・オンプレAI基盤のページをご覧ください。

すでに他社が作ったPoCがあります。引き継げますか?

可能です。既存の実装とデータを拝見し、本番化にあたって何が足りないかを整理するところから始めます。作り直したほうが早いと判断した場合も、その理由を根拠とともにお伝えします。

ランニングコストはどの程度を見込めばよいですか?

処理件数と入出力トークン数から試算します。PoC段階で実測値を取り、想定件数を掛けた月額のレンジを提示します。加えて、上限を超えたら自動で停止する制御を実装するため、予算超過が構造的に起きない形にできます。

AIが誤った出力をした場合の責任はどうなりますか?

契約時に責任分界を明確にします。そのうえで技術的には、確信度の低い出力を人間の確認に回す設計、判断根拠を必ず併記する設計、監査ログを残す設計を組み込みます。「AIに任せきりにしない」ことを前提とした業務フローの設計まで含めてご提案します。

その他のご質問はこちら →

Free Consultation

まず「何が問題か」を切り分けるところから

現状のシステム構成や、止まっているPoCの状況をお聞かせください。30分の技術相談で、実現可能性・概算費用・想定期間の一次見解をその場でお返しします。売り込みは行いません。