ARIA（⼈型経験同期汎⽤知能） Aggregated Relational Intelligence Architecture 組織知の⾃動継承と新職種1⼈SIerの創出

Transcript

1. ARIA（⼈型経験同期汎⽤知能） 組織知の⾃動継承と新職種1⼈SIerの創出 Aggregated Relational Intelligence Architecture
2. ⾃⼰紹介 常盤璃宇 / Tokiwa Riu 株式会社Aezisai / CDIO / AIソリューションアーキテクト 過去：美容師→デザイナー→映像→演出→エンジニア→PM→DXコンサル→法⼈起業→エンプラ案件→⾃社開発中(４プロジェクト） 専⾨領域：エンプラ業務システム系のR&D、リアーキ 最近の興味ごと技術スタック エンプラ業務システム設計‧開発 マルチエージェント Clean Architecture • AWS Agent Core：マルチエージェント協調システム • データ/検索層：Rust製検索エンジン構築による⼤規模ナレッジベース構築、AIエージェントとの連動 • DSPy⾃律学習‧RAG最適化によるAIエージェントの⾃律改善 •⾳声合成技術+リアルタイム検索エンジンによる業務代⾏AIエージェントの開発 前提 今日のお話はAI駆動100%で 実装、設計させている前提です。 （スライドはラフ案まで Gensparkで作成）
3. AI駆動のここ⾟くないですか？ AI活⽤の現場でよくある4つの課題 1 2 3 4 AIへの指⽰が⼀貫しない 何度も同じことをして学ばない 専⾨知識がないからレビューができない 作ったものをブルドーザー破壊しちゃう チーム内でプロンプト設計や指⽰⽅法がバラバラ で、成果物の品質にムラが発⽣ 過去のやり取りや解決策が共有されず、同じ指⽰や 修正を繰り返す無駄な作業 AI⽣成コードの評価や品質保証が難しく、潜在的な リスクやバグを⾒逃す コンテキスト把握が不⼗分で、これまでの開発成果 を無視した変更や再構築が発⽣
4. 課題：AIエディタの限界 ⽂脈把握不⾜ クレジット消費で業務精度低下 知識の断⽚化 爆速スパゲッティ状態化 AI振る舞い定義や業務パ ターンのデータが構造化され てないから（右のように複数 バージョン情報があるのもア ンチパターン） .cursor .claude .kiro .clineな ど設定フォルダのsetting.json だけでは複雑なロジック実装 は限界がある 設定ファイルの効率活⽤ ツリー構造最適化 情報検索の⾼速化 コンテキスト把握向上 AIエディタローカル側にも 個別の記憶領域（設定フォルダ→well-known継承）が必 要
5. 解決アプローチ：ナレッジ構造化（設定フォルダ→well-knownへの継承） principles→core：ルール原則 rules→standards：パターン継承 ai-behavior：AI振る舞い Settings.json：絶対厳守 index：継承ルールのインデックス
6. 解決アプローチ：ナレッジ構造化（シナプティック継承フロー）
7. UI‧画⾯設計 ビジュアル⾃動⽣成 プレゼン資料作成 ツールを使い合わせた解決なら ‧AIコーディング⽀援 ‧短期メモリ ‧.cursorでAI振る舞い定義 ＊他AIエディタでも応⽤可 期待効果 設計の⼀貫性 再利⽤性向上 知識の整合性維持 ナレッジベースとパターン活⽤による統⼀化 プロジェクト間での成功パターン共有 変更に伴う⾃動更新と⼀貫性確保 Gensparkでのブレスト ファイル⽣成まで ‧AIドキュメント ‧AIスライド .well-known ・構造化データ（md yaml）保存 ・プロジェクトへの汎用同期 　（git submodule） ・メモリ・セッション管理を通じた組織資産活用 組織知の⾃動継承基盤 ‧暗黙知の形式知化による知識エコシステム構築 ・メモリ・セッション管理を通じた組織資産活用 でもローカルで扱うファイルも 5,000超えるとさすがにしんどいので システム化が必要
8. ここで今⽇のお題：ARIAって何？ ARIA = Aggregated Relational Intelligence Architecture（⼈型経験同期汎⽤知能）の アーキテクチャ構成をしたAIエージェントシステム（弊社開発中） 1 2 3 4 ⼈間の記憶構造を模した学習 構造化コンテキスト管理 マルチエージェント協調 ⾃⼰改善循環システム エピソード記憶‧意味記憶‧⼿続き記憶の3層構造による知識蓄積と再利⽤ プロジェクト‧セッション‧オブジェクト階層による⼀貫性の⾼い記憶保持 専⾨知識を持つエージェント群による組織的問題解決と知識共有 経験蓄積‧評価‧最適化による継続的な性能向上メカニズム
9. これ開発以外でも応⽤できるのでは？ 強くてニューゲーム：ドメインモデル駆動とRDRA 他業種横断：Git以外の業務活⽤ 並列業務：全プロジェクト汎⽤化 ⼈らしい判断：AIの⾃律的経路選択 ビジネスユースケースから運⽤まで横断知識の拡張 開発インフラの壁を超えた知識層の拡⼤ どのプロジェクトでも適⽤可能な知識基盤 真に必要な情報経路を⾃ら選ぶ⼈間らしいAI ビジネスロジックの⼀元管理 運⽤知識の体系的蓄積 部⾨間の知識連携強化 営業資料の履歴管理と再利⽤ ナレッジベースの部⾨間共有 マーケティング知⾒の継承 成功パターンの横展開⾃動化 プロジェクト特性に合わせた最適化 異なる業種‧領域への応⽤ 状況に応じた判断能⼒の獲得 複雑な意思決定プロセスの模倣 ⼈間とのより⾃然な協働の実現 ARIAは開発領域を超えた知識継承基盤として多様な業務領域で活⽤可能 ‧‧‧やってることがSIerに近い
10. 新職種「1⼈SIer」の創出 従来のアプローチ 業務知識の個⼈分散‧孤⽴化 新規参画者の⻑期⽴上げ期間 個⼈経験依存型スキル習得 部⾨間知識共有の限定性 複数専⾨家連携の必須性（6名以上） 組織知の ⾃動継承 ARIAを活⽤したアプローチ 組織全体への業務知識集約‧共有 新規参画者オンボーディングの⾼速化 知識継承によるスキルアップ加速 横断ポジション知⾒の即時活⽤ サービス全体俯瞰‧運営能⼒の獲得 「1⼈SIer」新職種の誕⽣ 組織知の⾃動継承による従来専⾨家チーム業務の個⼈完結化とマルチスキル⼈材の育成実現
11. システム化アーキテクチャ 1 2 3 4 RAGによる知識の検索エンジン化 知識継承ワークフロー⽣成 AIエディタの設定ベース⾃⼰学習 DSPyによる⾃⼰改善サイクル 組織知を検索可能な形式に構造化し、⾼精度な情報抽出 を実現 経験‧ノウハウを⾃動集約し継承経路を構造化 エディタ⾃体が継続的に進化する仕組みを実装 性能を継続的に向上させる⾃動最適化システム ベクトルDB活⽤による類似度検索 ⽂脈を考慮した意味的検索機能 低遅延応答を実現するRust⾼速化 .well-knownプロトコルによる標準化 プロジェクト間の知識連携 新規参画者への⾃動継承メカニズム Cursor設定ファイルによる記憶格納 コンテキスト記憶の永続化 過去の学習パターン蓄積と活⽤ ⾃動プロンプト最適化メカニズム 評価指標に基づくフィードバックループ 性能パラメータの継続的改善 4要素の統合により組織知の⾃動継承エコシステムを構築
12. AWS実装アーキテクチャフロー図 ユーザー / 外部システム クエリ / コマンド / ドキュメント API呼び出し / 制御 双⽅向データフロー AgentCore オーケストレーション層 RAG検索エンジン 知識継承ワークフロー AIエディタ⾃⼰学習 DSPy⾃⼰改善サイクル Amazon Bedrock SageMaker Pipelines SageMaker Training 埋め込み⽣成 学習パイプライン 学習 Qdrant on ECS DynamoDB ベクトルDB 設定‧コンテキスト Rust Search Service ⾼速API Step Functions EventBridge Parameter Store Kinesis ワークフロー イベント駆動 設定管理 評価データ LangGraph on ECS Lambda + DSPy エージェント 最適化 ナレッジベース機構 Amazon Bedrock KB S3 DynamoDB RDS Aurora Neptune Qdrant ⾮構造化データ チャット メタデータ 構造化データ グラフDB ベクトルDB ⾊分け AWSネイティブ Rustカスタム LangChain/DSPy
13. まとめ ARIAの拡張性 ‧複数プロジェクト経験による循環型アーキテクチャ構築 ⾃律学習能⼒ ‧well-knownを⻑期ナレッジベースとして活⽤すると  AIが⾃律的に学習しやすくなる ‧最⼩クレジットで最適な継承フローを組み⽴てると  精度上げつつパフォーマンスも維持できる Q&A 質問受付はX（@rinaata_aezisai）の固定ポストにリプください 🙏