TOP / TECHNOLOGY

TECHNOLOGY

AI駆動基盤

使う人には AI を使っている感覚がない。それでも裏側では、AI が処理のクオリティを引き上げている。そんな基盤をつくるときに、私たちが大切にしている 5 つの考え方を、自社の基幹システムでの実例とともに紹介します。

01 ── PRINCIPLES

AI システムをつくる、
5 つの考え方。

私たちが AI システムをつくるときに、大切にしている考え方です。

  1. 01

    使う人に AI を意識させない

    使う人が AI を意識しなくても、業務の流れの中で AI が処理のクオリティを引き上げる。
  2. 02

    答えが決まる処理はコードに、決まらない処理だけを AI に任せる

    処理ごとに見極めて分け、AI の結果は、何を正しいとするか（正本）に照らして確かめる。
  3. 03

    守らせたいことは、ルールではなく構造で決める

    API による責務の分離と権限で、AI にさせてはいけないことを、そもそもできないようにする。
  4. 04

    人が確かめる場所を、設計に入れる

    リスクの高い変更と本番への反映は、人が判断する。AI と人のどちらが書いた変更にも、同じ確認をかける。
  5. 05

    対応するほど、精度が上がる仕組みにする

    障害やレビューの記録を AI が振り返り、ルール・テスト・仕様書の変更につなげる。
02 ── DESIGN PHILOSOPHY

全員に AI を使わせるのではなく、
AI が処理する基盤をつくる。

AI の活用を全従業員に広めることは目指していません。VILUCK ONE で AI が担うのは、いまある処理のクオリティを上げることです。読み取りの精度、入力の正確さ、情報のそろい方、伝わる文章。使う人が AI を操作しなくても、業務の流れの中で AI が品質を引き上げます。

読み取りの精度
AS-IS名刺や経費の証憑の読み取りで、文字の崩れや取り違えが残ることがある。
TO-BEAI が画像から項目を読み取り、結果をもう一度確かめる 2 段階で、金額・取引先名・適格請求書番号などを正確に読み取る。
入力の正確さ
AS-IS案件の書類から手で写すため、転記の誤りが起きうる。
TO-BE書類から AI が項目を読み取り、項目ごとの確からしさを付けて示す。担当者はそれを見ながら確かめて登録する。
ミスの検知
AS-IS客先の勤怠表と社内の勤怠を目で突き合わせると、差異を見落とすことがある。
TO-BE形式がばらばらな客先の勤怠ファイルを AI が読み取り、日ごとに突き合わせて差異のある日を示す。
漏れの補正
AS-IS日報の内容が人によってばらつき、必要な情報が欠けることがある。
TO-BE日報を出すときに、足りない情報を AI がその場で聞き取り、必要な内容をそろえる。
内容の質
AS-ISスキルシートの書き方が人によって違い、案件に合う経験が伝わりにくい。
TO-BE案件の必須スキルと歓迎スキルに合う経験が伝わる書き直し案を AI が出す。素材にない経験や数字はつくらせない。
精度を上げる領域は、業務の流れのここにある
既存の処理業務の流れ
  1. 取り込む名刺・経費の証憑
  2. 入力する案件の書類から登録
  3. 突き合わせる客先の勤怠と社内の勤怠
  4. 提出するスタッフの日報
  5. 書き出す案件に出すスキルシート
AI精度を上げる層
  • 読み取りの精度
  • 入力の正確さ
  • ミスの検知
  • 漏れの補正
  • 内容の質

正確さの担保 ── 期待する出力から逆算して、一つずつ決める

出力の形式
金額・取引先名・適格請求書番号の項目と形。読み取った結果を、もう一度確かめる
過去の内容
登録済みの取引先。読み取った社名を、既存のデータと照らし合わせる
比較する基準
社内の勤怠と精算期間。日ごとに、どちらと食い違うかを見る
出力の形式
日報に必要な項目（業務内容・報連相）。足りない項目だけを聞く
比較する基準
案件の必須スキルと歓迎スキル。素材はスタッフの経歴だけ
人確かめて確定する

担当者が AI の結果を確かめて、登録・提出する

この精度を上げる領域を、どうつくるか。

それが、これからの AI 開発だと考えています。どの処理のどこに AI を入れれば、クオリティが上がるのか。それを見極めて設計し、業務の流れに組み込むのが、私たちのエンジニアの仕事です。

03 ── TECH STACK

AI 駆動開発で使う技術

AI エージェントと、それを安全に動かすためのクラウド・権限・テストの仕組みを組み合わせて開発します。

AI エージェント
Claude CodeCodexGemini CLIGitHub CopilotCursor
モデル・AI の基盤
Claude（Anthropic API）OpenAI APIGemini（Vertex AI）Amazon BedrockAzure OpenAI
エージェントをつなぐ仕組み
MCPAgent SkillsHooksComputer UsePlaywright MCPFigma MCP
並列の作業環境
git worktreeOrcaGitHub IssuesPull Requestsサブエージェント
クラウド・サーバー
Google CloudCloud RunCloud SQLCloud SchedulerAWSMicrosoft AzureFirebase HostingCloudflare
構成管理・CI/CD・権限
TerraformGitHub ActionsDockerWorkload Identity FederationSecret Manager
言語・フレームワーク
TypeScriptNode.jsPythonReactNext.jsAstroHonoOpenAPIPrismaPostgreSQL
テスト・品質
VitestPlaywrightSeleniumESLintcommitlint
監視・運用
Cloud LoggingCloud MonitoringZabbix

使う技術は、プロジェクトやお客様の環境によって変わります。ここに挙げたのは一例です。