Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
AI-Readyな知識横断マップの作成
Search
Iwamuu
October 19, 2026
18
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
AI-Readyな知識横断マップの作成
Iwamuu
October 19, 2026
Featured
See All Featured
Why Your Marketing Sucks and What You Can Do About It - Sophie Logan
marketingsoph
0
450
職位にかかわらず全員がリーダーシップを発揮するチーム作り / Building a team where everyone can demonstrate leadership regardless of position
madoxten
70
68k
HDC tutorial
michielstock
2
1k
A Guide to Academic Writing Using Generative AI - A Workshop
ks91
PRO
1
560
Design in an AI World
tapps
1
380
Building a Scalable Design System with Sketch
lauravandoore
464
34k
Mind Mapping
helmedeiros
1
430
A brief & incomplete history of UX Design for the World Wide Web: 1989–2019
jct
2
560
WCS-LA-2024
lcolladotor
0
970
Mozcon NYC 2025: Stop Losing SEO Traffic
samtorres
1
600
First, design no harm
axbom
PRO
2
1.4k
What the history of the web can teach us about the future of AI
inesmontani
PRO
2
790
Transcript
AI-Readyな知識横断マップの作成 NASAに学ぶオントロジーの活用 キーパーソンを「つながり」で検索
→ ある程度大きな組織共通の課題 → 適切なデータ形式を検討しつつ、モックアップを作成 kako
None
→オントロジーの活用
オントロジーとは データの“意味”と“関係のルール”を定義 オントロジーの代表的な構成要素 所属する 組織 社員 担当する 成果物 なぜAIで再注目されるか 保有する
スキル ・データ同士の関連性を解釈できる ・ルールに基づく推論が可能 ・AIによりオントロジー作成のハードルが低下 必要 案件 生成する 要素 意味 社内マップでは? クラス(概念) モノの種類 社員・案件・スキル インスタンス クラスの実体 田中さん、AWSスキル プロパティ(属性) クラスが持つ項目 社員の部署・入社年 リレーション(関係) クラス間のつながり 社員—担当する→案件 制約・ルール つながり方の決まり 担当者は社員に限る
None
構成図
グラフデータソース比較 今回の規模では案Aが最適。データ量・同時実行が増えれば案B・案Cが有力 案A(今回) S3 + Lambda 案B(次段階) Neptune Serverless 案C
Neptune Analytics グラフDB openCypher Gremlin インメモリグラフ アルゴリズム ベクトル検索 API API AI / RAG ファイルを読み込み アプリ側で辿る 関係を直接保持し 多段探索 分析・AI連携向け 一時停止可 S3(JSON) nodes / edges Lambda メモリ上で探索 評価軸 S3+Lambda Neptune DB データ JSONファイル グラフ構造 グラフ構造 Lambda内 DB内で直接 インメモリ コスト ◎ △ △ 運用負荷 ◎ ◦ △ 拡張性 △ ◦ ◎ 検索精度 ◦ ◦ ◎ 探索の実行 Analytics 凡例 ◎:最適 ◦:対応可 △:工夫が必要 評価のポイント 案A:PoCに最適 (固定費・実装の容易さ) 案B:部門展開の本命 (多段探索・同時実行) 案C:ハイブリッド検索
モックアップの舞台
None
検索対象 社員 Oracle Database
加藤 直人 (退職済み) 注文管理 システム 検索対象 した 社員
検索対象
RDBとグラフDB:関係の表し方の違い リレーショナルDB ナレッジグラフ 社員 案件 E01 田中 E02 佐藤 P01
AWS構築 P02 DB移行 社員 保 有 所 属 スキル 中間テーブル(社員×案件) E01 → P01 E01 → P02 E02 → P01 組織 担 当 成果物 生 成 案件 関係ごとに中間テーブルを用意し、JOINで結合して辿る 関係そのものを“エッジ”として直接保持 5種類のエンティティが相互に関係すると、 中間テーブルは最大 ₅C₂ = 10個 必要 中間テーブルは不要。関係が増えてもエッジを足すだけ グラフ形式の場合は関係を“表の結合”として表す必要なく 、“データそのもの”として保有可能。 → AIによる検索精度が向上することが報告されている。(AI-Ready) 10
None
今後の展望:MCPによる広がり
None