Overview
プロジェクト概要
生成AIを単体のチャット機能として導入するのではなく、企業内に蓄積された業務データ・既存システム・複数のデータベース・PDF/Excel・帳票などの非定型データとAIを連携させ、実際の業務処理までつなげる基盤を構築しました。
AIが「回答する」だけでなく、企業データを理解し、判断し、処理を実行して業務改善につなげる——そのためのAI業務基盤として、安全性・拡張性を重視して設計・開発しました。
- 業種
- IT・通信・インターネット
- 制作期間
- 6ヶ月
- 規模
- 1〜3名（PM・設計・開発）
- ロール
- 要件定義 / AI活用設計 / DB連携設計 / PoC・本番導入設計
- 技術
- Python / TypeScript / FastAPI / 生成AI / LLM（OpenAI API） / MCP / AWS / PostgreSQL / MySQL / Oracle / SQLite
01 — 全体像
AIが企業データを理解し、業務全体をつなぐ
業務システム・複数のデータベース・PDF/Excel・帳票などの多様なデータソースを統合し、AIエージェントが「データ理解 → データ処理・連携 → タスク自動化 → 拡張・連携」を一気通貫で担う構成としました。検索・分析、レポート自動生成、システムへのデータ更新、通知までを業務価値としてつなげます。
- 多様なデータソースの統合
- データ理解〜処理〜自動化を一気通貫
- セキュリティ・ガバナンスを基盤に内包
02 — DB連携・データ操作
自然言語からSQLを生成し、業務データを操作
自然言語の指示をもとに最適なSQLを生成するText to SQLを中核に、複数DB接続・スキーマ理解・検索/分析/加工・レコードの追加/更新/削除までを実現。PDFや帳票などの非定型データも読み取り・構造化してDBへ格納し、次の処理へ渡せるようにしました。
- Text to SQL（自然言語 → SQL 生成）
- 複数DB連携（PostgreSQL・MySQL・Oracle・SQLite 想定）
- スキーマ理解に基づくデータ参照
- 検索・分析・集計・変換・加工
- レコードの追加・更新・削除
- PDF・帳票の読み取り・構造化・DB格納
03 — タスク自動化
自然言語で定義し、AIがワークフローを実行
自然言語でのタスク登録をもとに、タスク分解・条件分岐・パイプライン実行・Agent Skills・外部API連携を組み合わせ、実務で使える自動化を設計。月次レポートの自動生成、帳票データの自動登録、条件に応じた通知、ブラウザ操作や外部ツール連携などに対応します。
- 連続実行・条件分岐・パイプライン実行
- Agent Skills による高度な処理
- 外部サービス / API・MCP 連携
- 月次レポート自動生成・帳票自動登録・通知
04 — 導入プロセスと統制
PoCから本番運用まで、安全に運用できる基盤へ
小規模な検証から段階的に機能を整理し、本番導入・運用・拡張までを見据えて設計。企業利用に不可欠なセキュリティと内部統制として、専用環境での運用、専用LLM API Key、権限管理、SQL実行制限、監査ログ、接続先制御、MCP/拡張機能の制限などを考慮しました。
- 要件整理・PoC → 設計・構築 → 本番導入・運用
- 専用環境・専用LLM API Key
- 権限管理・SQL実行制限・監査ログ
- MCP / Skills 制御による安全な連携
Results
成果
AIが企業データを理解・判断し、処理の実行までを担う「AI業務基盤」として構築。AIを社員個人にばら撒くのではなく、企業全体で安全に管理・運用できる仕組みを重視しました。
Tech Stack