AIシステム開発
課題・目的に合わせてご提案します。まずはお気軽にご相談ください。
ソリューション一覧AIシステム開発
課題・目的に合わせてご提案します。まずはお気軽にご相談ください。
ソリューション一覧検証まではできても、業務で使われ続けるAIになるとは限りません。止まる原因は、たいていモデルの外にあります。
精度が何%なら業務で使えるのか。決めないまま検証を始めると、結果を判断できず次に進めません。
AIだけを単体で渡しても、現場の手順や既存のシステムとつながらなければ、使われなくなります。
データの傾向は変わります。評価と再学習の仕組みがないと、気づかないうちに精度が落ちていきます。
だから、モデルより先に業務を見ます。
モデルの精度だけでは、業務の成果は決まりません。業務・データ・モデル・運用を、最初から一緒に考えます。
どの作業を、どこまでAIに任せるか。人が確認するところと、効果の見込みを決めます。
使えるデータと足りないデータを確かめ、評価用のデータと合格ラインを決めます。
既製のLLMで足りるか、自社モデル nagi を使うか、モデルから作るかを選びます。
権限・ログ・誤回答への対策を入れ、精度を見続けて再学習します。
各段階で何を決め、何をお渡しするかを最初に共有します。
業務の流れと課題を整理し、AIを使う場所と効果の見込みを決めます。
業務フロー・対象業務
使うデータを確かめ、評価用のデータと合格ラインを決めます。
評価データ・評価指標
既製モデルと自社モデルを試し、精度・速度・費用を測ります。
検証の結果
業務システムや機器に組み込み、本番の品質に仕上げます。
本番のシステム
実データで評価を続け、再学習で精度を上げていきます。
精度の記録と改善
チャット画面を用意して終わりにはしません。社内の文書・データ・既存のシステムとつなぎ、毎日の業務で使われるところまで仕上げます。
出張の日当は、いくらですか？
画面は例です
文書やデータを読み、判断・抽出・要約する。
人と会話しながら、案内・受付・支援する。
本番で使うために、最初から設計すること
モデルの選定と評価
候補を比べ、評価データで定量的に選ぶ
誤回答への対策
根拠の提示・回答範囲の制御・人の確認
権限とログ
部署・役職ごとの参照制御と利用履歴
費用の最適化
モデルの使い分けとキャッシュで抑える
画像認識と音声処理は、既製のモデルだと重い・ライセンスが合わない・日本語に弱い、といった壁に当たりがちです。そこで、モデルを一から自社で開発しています。載せる機器や用途に合わせて作り変えられます。
nagi.vision
1つのアーキテクチャで、分類・物体検出・回転矩形（OBB）・セグメンテーション・姿勢推定の5タスクに対応。既存の検出器のコードを使わず、一から実装しています。
分類・検出・OBB・セグメンテーション・ポーズ
アンカーフリー・NMSフリーの軽量画像認識フレームワーク。
nagi.voice
聞く（認識）・話す（発話）・澄ませる（ノイズ除去）。音声まわりを日本語前提で自社開発し、端末の中でリアルタイムに動くことを重視しています。
ノイズ除去
声はそのまま、周囲の雑音だけを消すストリーミング型モデル。
音声合成（発話）
アクセント対応の日本語音声合成（Text-to-Speech）。
音声認識
端末内で動く、日本語の音声認識モデル。
クラウドに送らず、端末の中で動かす
エッジAI・オンデバイスAIオフライン
Raspberry Pi 5 ＋ NPU だけで、日本語の音声対話を完結（AnimaBox）
約6.6ms
nagi.voice.denoise をマイコンのNPUへ移植。1フレームあたりの処理時間
量子化・蒸留
日本語データでのキャリブレーションで、精度を保ったまま軽量化
ご提案の前に、自分たちで作って使っています。精度や費用の勘所は、ここから来ています。
RAG・社内ナレッジ検索
散らばった社内文書を、AIが根拠つきで答える
AIチャットボット・問い合わせ自動化
一次対応をAIに任せ、人は判断に集中する
AIエージェント・業務自動化
判断を伴う作業を、AIが手順ごと代行する
生成AIプロダクト開発
AIを組み込んだ製品・サービスを、技術パートナーとして開発
画像認識AI
AIの目で、見えなかった価値を発見する
音声AI（認識・合成・ノイズ除去）
聞き取る・話す・雑音を消す。音声まわりをまとめて
文書AI（OCR・帳票・契約書）
紙とPDFの山を、AIが読み取り構造化する
データ分析AI
蓄積したデータを、明日の意思決定に変える
エッジAI・オンデバイスAI
クラウドに送らない。端末の中で動くAI
