---

0. 企画要旨

生成AIやAIエージェントの能力は急速に向上しています。しかし、汎用AIは個別企業の顧客、製品、設備、業務、過去の経験、成功・失敗のパターンまで自動的に理解しているわけではありません。

企業がAIを実務で高度に活用するには、一般的なAIモデルの能力だけでなく、自社固有のデータや知識から、その時々の判断に必要なビジネス・コンテキストを提供する仕組みが必要になります。

一方、企業では従来からデータマイニングや機械学習を利用して、

• 顧客セグメント
• 製造状態
• 故障パターン
• 商談パターン
• 市場・事業ドメイン
• 新製品コンセプト

などをデータから発見してきました。

現在ではLLMや埋め込み技術によって、従来の数値・カテゴリデータだけでなく、自由記述、報告書、商談記録、問い合わせ、技術文書、ニュースなどの自然言語テキストも同じ分析対象に含めることが可能になっています。

Business Context for AI Consortiumでは、マインドウエア総研が開発するConceptMinerおよびナレッジベース技術を共通基盤として、

企業データ・自然言語テキスト
→ 機械学習・概念形成
→ パターン・状態・類型・概念
→ 関連する知識・過去事例
→ Business Context
→ 人間およびAIによる判断

という新しい企業AI活用基盤の実用化を進めます。

本コンソーシアムは、個別企業ごとのシステムを請負開発する受託開発サービスではありません。

参加企業には共通プラットフォームを年間ライセンスとして提供するとともに、導入・活用支援、定期的な技術・活用セッション、新機能の先行利用、実務で得られた知見の共有を提供します。

---

1. AIエージェントには企業固有の判断材料が必要になる

AIエージェントは、文章の作成、検索、情報収集、システム操作など、これまで人間が行ってきたさまざまなタスクを実行できるようになりつつあります。

しかし、企業業務では「一般的にはどうするか」だけでは判断できません。

例えば営業であれば、

• この顧客はどのようなタイプなのか
• この案件は過去のどの商談に似ているのか
• 類似案件では何が受注・失注を分けたのか

という情報が必要です。

製造では、

• 現在はどのような工程状態なのか
• 過去の正常状態と何が違うのか
• 品質低下や故障の前にどのような状態が発生していたのか

という情報が重要になります。

こうした企業固有の判断材料を、本プロジェクトではBusiness Contextとして捉えます。

---

2. 従来の機械学習とAIをつなぐ

生成AIの登場によって、従来のデータマイニングや機械学習が不要になるわけではありません。

むしろ、機械学習によって企業データから得られるパターン、状態、類型などを、AIの判断材料として利用できるようになります。

従来は、

企業データ
→ データマイニング／機械学習
→ 人間による分析・判断

でした。

これからは、

企業データ＋自然言語テキスト
→ 機械学習／概念形成
→ Business Context
→ 人間＋AIによる判断・行動

へ拡張できます。

AIそのものを作るのではなく、企業固有のデータと経験を、AIが利用できる判断材料へ変えることが本プロジェクトの中心テーマです。

---

3. どのようなデータから、何が得られるのか

業務	蓄積するデータ・テキスト	組織化・分析によって得られるもの	主な利用
顧客・マーケティング	顧客属性、購買、行動、VoC、アンケート自由記述	顧客セグメント、ニーズ、反応パターン	ターゲット選定、施策設計、顧客理解
研究・事業開発	市場情報、競合情報、技術情報、論文、特許、ニュース	技術領域、事業戦略ドメイン、市場機会、変化の兆候	技術探索、市場調査、新規事業検討
新製品開発	既存製品、顧客ニーズ、競合製品、技術シーズ、アイデア	新製品コンセプト、未充足領域、差別化機会	商品企画、コンセプト探索
製造	工程条件、品質値、設備データ、材料情報、作業記録	典型的な製造状態、良品条件、不良パターン、異常状態	工程判断、品質改善、異常兆候の把握
設備保全	センサーデータ、故障履歴、保全記録、作業コメント	故障パターン、劣化状態、故障前の典型状態	予防保全、類似故障探索
サプライチェーン・調達	受注、在庫、納期、価格、輸送、仕入先情報、外部ニュース	需給状態、供給リスクパターン、取引先類型	供給リスク判断、調達先検討
営業	顧客属性、商談履歴、提案、価格、面談記録、メール、受注結果	顧客タイプ、商談パターン、案件状態、受注・失注パターン	案件判断、類似成功事例の参照
アフターサービス	問い合わせ、製品、使用状況、故障内容、対応履歴、解決結果	問い合わせ類型、故障パターン、対応パターン	問い合わせ分類、類似事例・対応方法の提示
品質管理	検査データ、不具合、返品、クレーム、工程情報	不具合類型、品質状態、原因候補となるパターン	原因探索、再発防止

このように、本プロジェクトは特定部門や単一用途だけを対象とするものではありません。

重要なのは、過去のデータやテキストの集合から、現在の判断に利用できる意味のあるパターンや状態を形成できるかということです。

---

4. マインドウエア総研の「概念形成アプローチ」

マインドウエア総研は、あらゆる機械学習手法を網羅する総合分析プラットフォームを目指しているわけではありません。

私たちが長年取り組んできたのは、多数のデータからその背後にある構造を見つけ、人間が理解・利用できるセグメント、状態、パターン、概念として表現する方法です。

現在はConceptMinerを中核として、この概念形成アプローチを発展させています。

顧客データなら顧客セグメントになる。

製造データなら製造状態になる。

市場・技術情報なら事業戦略ドメインになる。

製品・ニーズ・技術情報なら新製品コンセプトになる。

重要なのは特定のアルゴリズムそのものではなく、大量の情報から、業務上の判断に利用できる意味のある単位を形成することです。

本プロジェクトでは、定量・カテゴリデータに加え、自然言語テキストを同じ概念形成の対象に拡張します。

---

5. 新しい情報を、過去の経験と照合する

データマイニングは、一度モデルを作って分析レポートを作成したところで終了する必要はありません。

過去のデータから形成したパターンや状態に、新しく発生した事象を継続的に照合することで、

• 過去のどのパターンに近いのか
• 類似する過去事例は何か
• 過去と比べてどの程度異なるのか
• これまでになかった新しいパターンなのか
• 時間とともにどの方向へ変化しているのか

を判断する基盤として利用できます。

たとえば新しい商談について、過去のどの商談パターンに近いかを判定し、類似案件の提案内容や結果を参照する。

新しい製造データについて、過去のどの工程状態に近いかを判定し、類似する品質問題や対応記録を確認する。

新しい問い合わせについて、過去の故障・対応パターンと照合する。

このような仕組みは、企業に蓄積された経験を現在の判断に再利用する基盤になります。

---

6. ConceptMinerとナレッジベースを組み合わせる

パターンを識別するだけでは、実際の業務判断に必要な情報がすべて得られるわけではありません。

例えば、ある商談パターンが識別されたら、

• 類似する過去案件
• 提案資料
• 製品情報
• 顧客とのやり取り

を参照する必要があります。

故障パターンが識別された場合には、

• 過去の対応履歴
• マニュアル
• 技術資料
• 部品情報

などが必要になります。

そのため、本プロジェクトではConceptMinerによる概念形成と、企業内文書・情報を利用するナレッジベースを組み合わせます。

ConceptMiner

• 数値・カテゴリ・テキストを対象とした探索分析
• パターン、状態、セグメント、概念の形成
• 新規データとのマッチング
• 新規性・変化の把握
• モデルの可視化・AIによる解釈支援

Knowledge Base

• 社内文書・資料の蓄積
• AIからの質問・検索
• 関連文書・根拠情報へのアクセス
• 複数資料を横断した知識利用
• ConceptMinerで形成したパターン・状態との連携

両者を組み合わせることで、

現在の状況を識別する
→ 関係する過去事例や知識を取り出す
→ 人間またはAIに提供する

という流れを構築します。

---

7. AIエージェントとの接続

今後、企業ではさまざまなAIモデル、AIチャット、AIエージェントが利用されることが予想されます。

本プロジェクトでは、特定のAIモデルそのものを企業知識の保存場所とするのではなく、ConceptMinerやナレッジベース側に企業固有のデータ、分析結果、知識を保持し、必要に応じてAIへ提供する構成を目指します。

これにより、

• AIモデルを変更しても企業側のデータ・知識を継続利用できる
• 用途によって異なるAIを使い分けられる
• AIへ渡す情報の範囲を企業側で管理できる
• 過去に形成した分析モデルや知識を新しいAIでも再利用できる

という構成が可能になります。

AIエージェントの能力だけに依存するのではなく、企業自身が保持するデータ、機械学習モデル、ナレッジベースをAIと組み合わせることを重視します。

---

8. コンソーシアム型年間ライセンスとは

Business Context for AI Consortiumは、完成済みソフトウェアを販売して終わる通常のパッケージ販売とも、個別企業の要望に応じて専用システムを作る受託開発とも異なります。

マインドウエア総研が製品ビジョン、基本アーキテクチャ、共通製品を保持し、それを参加企業が年間を通じて利用・評価します。

参加企業からは、

• 実際の業務課題
• 利用したいデータ
• 必要な分析や判断
• 操作上の課題
• 新機能への要望

などを提示していただきます。

これらは今後の製品開発における重要な参考情報として利用します。

形成期において参加企業が少数の場合には、個々の企業の実務上の要望が製品開発に反映される可能性も高くなります。

参加企業が増加した場合には、要望数だけでなく、

• 複数企業への共通性
• 実務上の利用価値
• 技術的実現性
• 共通製品としての保守性
• 製品全体の方向性との整合性

を考慮して開発優先順位を決定します。

製品戦略、アーキテクチャ、仕様、開発ロードマップについての最終決定はマインドウエア総研が行います。

本コンソーシアムは、参加企業の要望をすべて個別に実装する受託開発契約ではありません。

---

9. コンソーシアムで提供する価値

本コンソーシアムは、マインドウエア総研がユーザーニーズを調査するための有料研究会ではありません。

参加企業には、年間ライセンスの対価として次の価値を提供します。

ConceptMiner年間ライセンス

第1期中にConceptMinerを利用できます。期間中に共通機能として追加された機能も対象となります。

ナレッジベース利用・構築支援

対象文書の準備、Knowledge Base構築、利用方法について支援します。

導入支援

対象データ、テキスト、分析目的を整理し、利用開始までを支援します。

利用教育

ConceptMiner、概念形成モデル、ナレッジベース、AIとの連携について必要な知識を提供します。

定期的な活用・技術セッション

参加企業と、利用状況、技術動向、活用方法、課題について継続的に議論します。

新機能の先行利用

開発中の共通機能を一般提供に先立って利用・評価できます。

参加企業間の知見共有

機密情報を除き、異なる業務・業界で得られた活用方法、課題、考え方を共有します。

共通成果資料

年間を通じて得られた利用方法、技術的知見、今後の方向性を整理して提供します。

---

10. 第1期の重点開発テーマ

第1期では、ConceptMinerとナレッジベースを中核として、以下のテーマを重点的に進めます。

1. 定量データと自然言語テキストの統合

数値、カテゴリ、自由記述、報告書などを一つの分析対象として扱うための前処理・尺度化・埋め込み・統合方法を整備します。

2. 概念形成・構造探索

データからパターン、状態、セグメント、概念を形成し、人間が探索・理解しやすい形で提示する機能を強化します。

3. 新規データのマッチングと新規性評価

新しい事象が既存のどのパターンに近いかを判定するとともに、既存パターンでは説明しにくい新規事象を把握する仕組みを整備します。

4. ナレッジベースとの連携

分析モデルから関連する文書、過去事例、知識へアクセスし、AIから利用できる仕組みを強化します。

5. AI・AIエージェントとの接続

ConceptMinerの分析結果やKnowledge Baseを、通常のAIチャットやAIエージェントから利用するためのインターフェースを整備します。

6. Private／オンプレミス利用

機密性の高い企業データを扱うため、データ、埋め込み、分析モデル、ナレッジベースを可能な範囲で企業側に保持し、外部AIへ送信する情報を管理できる構成を整備します。

---

11. 年間の進め方

1. キックオフ

対象となる業務、利用者、データ、文書、期待する成果、セキュリティ上の条件などを確認します。

2. 導入・教育

ConceptMinerおよびナレッジベースの基本操作、データ準備、モデルの読み方などを習得します。

3. 実務適用

各社の実際のデータ・課題を対象として利用します。

4. 定期レビュー

利用結果、課題、改善要望、新しいユースケースについて継続的に議論します。

5. 共通機能の開発

複数企業に有効な課題や、今後重要になると判断した機能を共通製品へ反映します。

6. 新機能の先行評価

参加企業が新機能を早期に利用し、実務適合性を評価します。

7. 成果共有

年間を通じた技術的成果、利用方法、課題、次期ロードマップを整理します。

---

12. 参加条件

項目	内容
第1期	2026年10月1日～2027年9月30日
参加費	1参加枠 年間250万円（税別）
指名参加者	1参加枠につき2名まで
複数参加	複数枠での参加可
支払条件	申込・契約時50％、プロジェクト開始前50％
最低催行社数	設定せず、1社から実施
参加企業名	原則非公開。公開する場合は事前承諾
主催	マインドウエア総研株式会社

参加費は単なるセミナー受講料ではなく、ConceptMiner等の年間利用、導入・活用支援、定期セッション、新機能先行利用、共通成果へのアクセスを含むコンソーシアム型年間ライセンスの対価です。

---

13. 共通参加費に含まれないもの

次のような個別企業専用の業務は、年間参加費には原則として含みません。

• 個社固有の大規模なソフトウェア開発
• 基幹システム等との大規模な個別システム連携
• 専用データ収集・データ入力作業
• 有料外部データの購入費
• 外部AI・クラウドサービス等の利用料金
• 共通製品として一般化できない専用機能の開発

必要な場合は、コンソーシアム参加とは分離して個別に協議します。

---

14. 製品開発と参加企業の関係

本コンソーシアムでは、参加企業に知的財産持分、議決権、排他的利用権、製品ロードマップの決定権を付与するものではありません。

一方、参加企業の実務から得られる課題や要望は、製品を実際の企業利用に適合させるための重要な情報です。

したがって、本プロジェクトでは、

参加企業が実務で使う
→ 課題や要望が明らかになる
→ マインドウエア総研が共通性・重要性を評価する
→ 共通製品を改善する
→ 参加企業が新機能を再び評価する

という反復を行います。

参加企業はソフトウェア開発を請け負う共同事業者ではなく、共通製品を利用しながら、その形成過程に早期から関与できる先行ユーザーとして位置付けます。

お問い合わせ