承認ワークフロー(AI下書き・人承認)
AIは下書きまで、確定は人が承認する——Kurage製品群がコードで強制する境界の設計パターン。
AIによる自動化と人の最終判断を分離し、AIが直接データを書き換えず、人が承認した内容だけを正式な台帳・公開物に反映する設計パターン。誤ったAI出力や判定が実データ・住民への案内に影響を与えるリスクを防ぎ、AI導入の信頼性を高める。
背景
AIエージェントの能力が高まるほど、自動処理の範囲を広げたくなるが、読み取り誤りや判断ミスが発生しうる。特に顧客情報・勤怠・予約・議事録・試験成績書などの業務データでは、誤入力が直接的な損害につながる。さらに、ハザードマップの判定や制度・災害時の案内のように、誤りが避難行動や申請判断に直結する領域では、影響がデータの外側にまで及ぶ。そこで「AIは下書きを作る」「人間はそれを確認して承認する」という段階を設けることで、AIの効率と人間の責任を両立させる。Kurage製品群では、この境界を運用ルールではなくコードで強制する点が共通している。
カタログ全体(kurage-app-store、kurage-products)は約110点に及び、自社開発の業務システム、OSS日本語導入キット、公的オープンデータ×制度ナビ、AI分析・AIチャットの4系統に分かれる。価格も 5,500円の導入キットから 550,000円の国会データ系まで幅があるが、どの系統・どの価格帯でもこの境界の引き方は同じである。無料のプレビュー商品(NocoDB キット、開発中のAI相談チャット群)でも、有料の基幹システムでも、AIの出力はまず下書きとして置かれる。
加えて、カタログ全体を通じてAIは「差し替え可能な上澄み」として扱われる。通話AI分析の要約も広告AI分析の要約も、Claude Code・Codex・OpenAI互換API・社内LLMを設定1行で差し替えられ、AIが無くても規則の日報は出る。承認ワークフローは、この「AIが止まっても結論が出る」構造の上に載っている。
代表的な実装例
このパターンは、kurage-products や kurage-repos に登場するKurage製品群で広く採用されている。
AIが下書きを作り、人が承認する
- kurage-ai-mom(AI議事録作成システム): 会議の録音からWhisperが文字起こしし、AIが議事録の下書き(概要・決定事項・ToDo・課題・次回)を作る。人が録音と全文を見比べて承認したものだけが確定議事録になる。AIは承認できない設計をコードで強制しており、未承認の下書きはMCP経由でも参照できない。
- kurage-crm-agent(入力ゼロCRM): 日報を投げるとAIが顧客・商談・活動を下書きに起票し、人が1タップで承認。「台帳にAIは直接書けない安全設計」を明示している。
- kdealdesk(案件管理・商談管理): 打ち合わせメモやメールを貼ると、AIが記録の下書き(日付・次にやること・期日)を作り、担当者が承認したときだけ記録に入る。AIが次の提案を答えるときは、根拠に使ったナレッジを出典として付ける。かんばんでは期日切れと「止まっている商談」に色を付ける。
- kurage-ai-meishi-analysis(AI名刺解析・名刺台帳): AIが名刺の12項目を読み取り下書き登録し、人が原本画像と見比べて承認した分だけ台帳へ。承認時の見比べが容易な点も設計上の特徴。
- kurage-fillout(申請書記入アシスト): 様式の空欄を見つけ、分かるところだけを埋めて元の書式のまま返す。AIに文章は作らせず、入るのは今日の日付・保存済みの会社情報・人が書いた値の3つだけ。分からない欄は推測で埋めず空のまま残し、旧形式(.doc/.xls)は元の形式に戻すので指定様式のまま提出できる。あわせて「共有レンタルサーバーでは動きません」と、動かない環境を先に明示する。
- kocrwork(AI-OCR): 注文書の画像やPDFから注文番号・納期・明細・合計を取り出して受注登録まで行うが、OCRエンジンと生成AIの使い方を画面で切り替えて同じ書類を読み比べられる。印刷の注文書は生成AIなしで全項目が正解と一致し、手書きFAXは画像を見せると一致率が33%から93〜97%に上がった、という実測を添えて、人が確認する前提を可視化する。
- kurage-light-chatbot(ナレッジチャットAI):
sources/フォルダに置いたMarkdownだけを根拠に答え、書いていないことは答えない。回答の根拠を文書に限定することで、承認の対象を「どの資料に書いてあるか」まで遡れる形にしている(rag)。 - kweborder(受発注): 取引先がWEBから入れた注文は、商社が「受注済」にした時点で成立する。FAXや電話で届いた注文も商社が代理入力する。成立のトリガーを人の操作に置く例。得意先別価格・標準単価・取引先入力のどれを使ったかも記録に残す。
- kurage-vibe-cart(PHPだけで動くEC): 受注管理は「受注・入金・発送・その他」を個別にチェックする実務的な作りで、決済や出荷の状態を機械が自動で確定させず、担当者が状態を進める。乗り換え時に商品ページのURLを変えない設計も、既存の検索インデックスという外部資産を人の判断なしに壊さない配慮といえる。
- kurage-kintai(顔打刻つき勤怠システム): 顔認証の照合はサーバーの決定的コードが正とし、写真証跡を残すことで人の事後確認を可能にしている。顔データは同意記録と削除機能つき。
- kurage-kintai-hoiku(勤怠 保育園版): 打刻を丸めずに残し、修正は監査ログに記録する。配置基準を満たしているかの判定は、職員の打刻とクラスごとの出席児童数から15分ごとに規則で行い、足りない時間帯を赤で示す。早番・中番・遅番のシフトを入れれば予定の段階で不足が分かる。人件費や労務の事実は丸めず、確認は人に返す。
- kfileshare(ファイル共有): 取引先ごとのフォルダに期限つきリンクだけを渡し、有効期限・ダウンロード回数・パスワードを付け、保存期限が来たファイルは自動で消える。誰がいつどのファイルを扱ったかを記録し、相手のダウンロードやアップロードはメールで知らせる。自動化は「消す」側に置き、何が起きたかは人が追える形にしている(evidence-traceability)。
- kurage-teleapo-crm(テレアポCRM・SFA): 「続けて架電」が期限の来た再コール→未着手の順に1件ずつ出すが、架電の結果と次回コールを記録するのは人。架電結果の選択肢と商談ステージは設定で変えられる。順番は機械、事実は人という分担。
- kproofread(化学試験結果報告書の校正・照査): 測定値、規格値、単位換算値、合否判定は自動変更せず、決定論的な検査を先に実行する。LLMは文章・表・考察の矛盾を指摘する補助機能に留め、指摘は根拠・重要度・対象位置とともに記録される。最終判断は照査者が行い、原本は保存して修正版は別ファイルとして生成する。
- kurl2gr(継続記事追加プロダクト): AIがサイト概要を土台に外部調査して記事の下書きを作るが、顧客サイトへの掲載は管理画面からの手動操作と専用APIに限定される。顧客サーバーには表示専用PHPだけを置き、日次ワーカーによる自動投稿は行わないことで、サイトへの影響を人の承認・操作の内側に閉じている。
- kmention(AI言及トラッカー): 決めた質問を毎週まとめてAIに投げ、自社が何番目に挙がったか・根拠にされたページ・一緒に挙がった他社を記録する。判定にAIを使わない。さらに、ホームページを読んで強化すべきキーワードを分類し、引用されやすいページの下書きを作るが、その下書きは数字・断定・定義文・画面幅の観点で点検してから返す。生成と点検を別工程に分けた例。
- kanketo(お客様アンケート): 4か国語で受け、低い評価はその場でメール通知。集計にはAIのひと言まとめと、Googleの口コミへの返信の下書きが付くが、投稿は人が行う。Googleへの案内は評価に関係なく全員に同じように出すという規約順守も、機械的な判断に委ねている。
- kreserve(予約管理): 空き枠の判定と予約の書き込みを同じロック内で行うため同時アクセスでもダブルブッキングが起きない。お客様の取消・電話予約の手動追加・月別CSVまで、確定操作の経路を人が追える形にしている。
- kbilling / kinvoice / kpaylink(請求書・領収書・注文フォーム): PDFを発行してURLで送るが、PayPalなどの入金はサーバー側で裏取りしてから記録する。領収書は添付せず、宛先メールアドレスの確認を通った人だけが受け取れる。
- kbbs(宣伝・求人掲示板): 投稿には宣伝URLと同じドメインのメールアドレスを必須にし、その会社の本人しか投稿できない構造にする。投稿前の審査ではなく、投稿の前提条件で本人性を担保する例。
- kshuisho(質問主意書アシスト): 事務所内のAIを設定したときだけ下書き生成が現れ、下書きの引用は原文と一字一句照合し、合わないものは出さない。既定では文章を作らず、外部にも何も送らない。
- kdbagent(DB操作ツール): 設定で宣言した「表・列・操作」だけを触らせ、宣言していない表・列・削除はブラウザからもMCP経由でも実行できない。読み取り専用モードも用意し、AIエージェントに渡す権限を最小化する(config-declared-scope)。
- kurage-hr-post(職務管理): 職(ポジション)ごとの達成率はコードが決定的に計算し、AIに採点させない。担当者が代わっても記録が職に紐づいて残り、登録画面はタブ切り替えで前任の記録をワンクリック転記できる。
- kurage-line-crm(LINE窓口): 顧客へ送るツールは取り消せず通数も消費するため既定で無効にし、環境変数で明示的に有効化したときだけ現れる。参照専用モードも同様に用意されている。
- kvgwc(グループウェアの土台): 権限を担当(自分の分だけ)/責任者(部署分+承認)/管理者(全社)の3段階に分け、判定はコードの1か所だけに閉じる。承認という行為を権限モデルの一級市民として扱う例で、業務アプリは定義ファイル1枚を置くだけで増やせるため、アプリごとに承認者がぶれない。
- kurage-vibe-groupware(グループウェア): 稟議書・休暇届・経費精算などの申請を決めた順番で承認に回し、フォームの項目と承認の経路は画面から決められる。承認プロセスそのものを利用者が設計できる変種であり、メッセージは宛先に入れた人だけが読め、だれが読んだかが分かる。
- kurage-chinjo-meibo(陳情・名簿): 陳情・相談を「受付→行政への照会→回答→完了」の段階ごとの板で追い、期限・担当・経過を残す。段階を進めるのは人で、システムは進み具合を見える形にする。
- kseo(SEO診断): 判定はすべて決定論的で、AIの推測を入れない。指摘ごとに実測値と対応を並べた診断書を出力し、そのまま客先に渡せる。
- ktrackgeo / ktrackgeoseo(AIクローラー計測・SEO/AEO/GEO診断): 「AIに読まれる状態か」の診断と「実際にAIが来たか」の実測を分けて示す。統合版の ktrackgeoseo も判定に生成AIを使わず、直すことを効果の大きい順に出す。DBも外部APIも使わず、計測データを自社サーバーの外に出さない。
- kcheckit(サイト更新・補助金情報の監視): 官公庁の新着・補助金の締切・法令の改正・脆弱性情報を毎日拾うが、通知するのは「自社の事業に関係しそうなものだけ」を理由つきに絞った形。大量の差分をそのまま流さず、判断の材料と理由を添えて人に渡す。
- kkensetsu(建設業許可 期限管理): 更新申請・決算変更届の期限を許可日と決算月から計算し、期限の近い順に並べる。ただし「更新申請を出した」「決算変更届を出した」は人が記録する操作として残し、通知(90・60・30・14・7日前)はその記録を前提に動く。計算は自動、事実の記録は人。
- kposting(選挙ポスター掲示板マップ): 陣営のメンバーがスマホでその場で「貼った/はがれていない」を記録する。システムは未貼付の掲示板を近い順に示すが、現地の事実は人が入力することに価値を置く。
- openvpm(動物病院の電子カルテ): 紙カルテをCSVで取り込む際、日本語の列名・和暦・Shift_JIS を受け付けたうえで、試し実行で結果を確かめてから確定する。移行という不可逆な操作の直前に、確認用の一段を置く例。
- kurage-bill-ai-interview(法案AIインタビュー): AIが法案を出典つきで解説し、賛否・理由・暮らしへの影響・懸念・提案を聞き取る。最後に作る「意見のまとめ」は本人が確かめて同意したときだけ保存し、公開するかどうかも本人が選ぶ。承認者が運用担当者ではなくデータの主体本人である点が、この製品固有の変種になっている。
変更の適用そのものに承認を置く
下書きの承認に留まらず、外部システムへの設定変更を「承認したものだけ実行する」段階を設ける製品がある。
- kadsai(Google広告のAI分析): 実績を毎朝取り込み、成果ゼロの検索語の除外候補、除外キーワードの衝突、予算負け・順位負けを規則で指摘する。提案と承認の画面を持ち、設定変更は承認したものだけ実行する。「指摘する」「承認する」「適用する」を別の段階に分けた例。
- kcallai(通話AI分析): 着信通知と文字起こしを毎朝取り込み、成約・失注・検討の判定、失注理由、折り返し漏れ、金額トラブルの兆しを規則で拾って日報にする。AI要約は差し替え可能で、無くても日報は成立する。分析結果が人の行動を変えるが、データそのものは書き換えないという読み取り専用の徹底。
判定を規則側に置き、AIは説明・言い換えに徹する
- 防災系(kurage-disaster-judgment-set / kurage-flood-hazard-map など): 避難すべきかの結論は内閣府ガイドラインの警戒レベルに沿った規則で先に出し、AIはその結論を質問に合わせて言い換えるだけで結論を変えない。AIが止まっていても規則の答えは出る。避難先も「その場所でいちばん重い災害に対応している指定緊急避難場所」だけを返し、洪水対応の避難所を土砂災害警戒区域の人に勧めない。
- ハザードマップ群(kurage-tsunami-map / kurage-refuge-map / kurage-landslide-hazard-map / kurage-morido-map / kurage-disaster-risk-area-map / kurage-earthquake-map): いずれも「○×で答えない」ことを設計の芯に置く。津波は浸水深の区分ごとに行動指針を返し、避難所は災害種別で絞り込んで「近いだけの避難所」を出さず、土砂災害は250m以内なら区域外と言い切らず地番での確認を促す。盛土規制区域は「区域外」と「未指定」を区別し、災害危険区域も「区域外」と「データなし」を混同しない(hazard-map-judgment、unknown-vs-outside-distinction)。津波マップは東京都・福井県・香川県のように沿岸があるのに国のデータに未収録の県を明示し、地震マップは地番・筆の形で判定して代表点1点の誤差を減らす。盛土規制区域マップは、混同されやすい「大規模盛土造成地マップ」(そこに盛土があるという土地の成り立ち)との違いを毎回書き分ける。
- kurage-juyo-saigai-check(重説 災害項目チェック): 施行規則が定める災害4項目の判定を、該当/非該当/確認できない/指定対象外/当社データなしの5つに分ける。空欄や「該当なし」で流すと重要事項説明の誤りに直結するため、確認漏れが紙の上に残る作りにし、最終的な内容は宅地建物取引士の責任で判断することを明示する。
- knintei(要介護認定ナビ): 要介護度は推計方法の係数が非公開のため判定しない。やらないことを先に決めるのも同じ思想の裏返しである。認定調査の55問は厚労省テキストの文言のまま出し、言い換えない。
- kkansen(感染症マップ): 国と名古屋市の公表値をそのまま出し、警報・注意報の基準値の目安を示すところまでに留める。受診の判断はしないと明記し、数字の提示と行動の助言を分ける。
- khisai(被災者支援ナビ): 約100の支援制度を内閣府資料の本文のまま一覧にし、AIチャットはその本文だけを材料に答える。被害の程度は規則で先に示す。
- kseccheck(セキュリティ診断): URLだけで外から見える守りを診断するが、攻撃に近い検査はしないと決めている。この線引きがあるため、取引先やグループ会社のサイトの点検にも使える。できないこと・しないことを宣言することが、そのまま用途の広さになる例(scope-of-competence-declaration)。
- khyogen(広告表現チェック): URLを入れるだけで景品表示法・特商法・業種の許可に照らして表現を点検するが、判定にAIは使わない。指摘には該当箇所・根拠の条文やガイドライン・直し方を添える。
- ksecwatch(改ざん監視): サーバー内の全ファイルを台帳と比べ、変わったPHPだけをYARAの検査規則にかける。自社の更新とは見分けるので、知らせが来たときだけ確かめれば済み、管理者権限も要らない。
- kurage-chinjo-navi(陳情ナビ): 所管の常任委員会の判定にLLMを使わず語の一致で選び、何の語で判定したかを画面に出し、当たらなければ「判定できませんでした」と表示する。当てずっぽうで1つ選ばない。陳情の締切日は市会が公表していないため表示せず、推測した日付を住民に示さない。
- kurage-subsidy-navi / kurage-ai-soudan-chat(AI相談): 補助金・給付金・介護・土地などの相談は、地域・業種・従業員数・状況で規則側が先に候補を絞り込み、その結果をAIが質問に合わせて説明する。絞り込みそのものをAIに委ねない。補助金ナビはJグランツ公開APIから日次で取り込み、規約に沿った出典表示まで実装する(public-data-daily-ingestion、open-data-license-compliance)。
- kurage-seido-navi(制度ナビ): 困りごとから使える制度・申請先の課・電話・期限・必要書類を引き、期限を過ぎた制度は自動で「受付終了」に切り替わる。区を選ぶと申請先がその区役所に置き換わる。
- knyusatsu / kshoken / ktochi / ktoshikeikaku / kminpaku: 入札公告・商圏・都市計画・民泊可否を、国の公開データと条例の原文から引く。都市計画と民泊は条文・条例を原文のまま引用し、用途地域と3制度の違いを1画面に並べる。
- kibasho(不登校の居場所ナビ): フリースクール・学校の中の居場所・教育支援センター・補助金の4種類を違いが分かる形で1ページにまとめる。分類という判断を機械的に固定し、データ差し替えで他自治体に広げる(municipality-data-swap-expansion)。
- kchingin / ktoriteki / kseidocal(最低賃金・取適法・制度カレンダー): 時給一覧からの不足額計算も、取適法の対象判定も、ブラウザの中だけで行い入力を送信しない。制度カレンダーは施行日を省庁の公式ページで確認したものに限定し、国会での直近の発言を出典つきで添える。
- kconsensus(合意形成AI): 票が足りないときは数字を出さずに「足りない」と書く。読み取りの精度(75〜85%)と誤読も画面に表示する。
- kronten(論点AIマップ): 国会の発言・Xの投稿・ニュースのコメントなど、すでに書かれている声から話題をまとめ、賛否を問える論点を立てる。分類は手元で動かし、声を外部に送らない。
- ktorihiki / kacnavi: 取引先チェックは国税庁の法人番号・インボイス公表データと照合し、確認が要る取引先を上に並べる。AfterCare Naviは死亡後の手続き48件を故人の状況37項目で絞り、期限はe-Gov法令検索の条文で裏取りして公開前に34件の引用を検算している。
- kurage-giin-statement-log / kshuisho: 議員の発言や質問主意書を引く道具で、要約も論評も文章の生成もしない。事実の提示に徹する。同じ姿勢が kurage-kokkai-tracker(質疑カード)や kronten にも通じる。
- kurage-facilities(施設検索): 施設ごとにばらばらの個人利用予定表から条件検索するだけで、検索にLLMを使わない。各行に出典リンクと取得日時を付ける。
- knisa(NISA枠計算): 年間・生涯の枠と売却分の翌年復活を制度どおりに計算し、上限を超える取引を指摘する。入力した取引はブラウザの外に出さず、計算をAIに委ねない。
公表データの欠落を「該当なし」「廃止」と書かない
- kkaigo / kghome / khoudei / kshuro / kurage-visit-nursing-navi: いずれも事業所を住所から引くが、増えた側だけでなく公表データから消えた事業所も市区町村別・法人別に並べる。ただし消えた理由は公表されていないため「廃止した」とは書かず、空き状況や定員も公表がなければ出さない(facility-data-churn)。
- kgakudo(学童保育ナビ): 学童は国の公表がPDFだけで、市区町村名で数字が出るのは待機児童50人以上の88市町村のみ。公表されていない市町村は「未公表」と書き、推定した数字は出さない(administrative-data-publication-gap)。
- kurage-earthquake-map(地震ハザードマップ): 液状化データには判定対象外を示す値が全体の28%あり、これを「液状化しない」と表示すると誤解されるため、危険度なし(PL=0)とは別の表示にしている。「区域外」「判定対象外」「範囲外」を必ず分ける。
- kurage-morido-map / kurage-disaster-risk-area-map: 区域指定が進行中・未公開の自治体で黙って「区域外」と答えると「規制が無い土地」と誤解されるため、未指定・データなしと明示し、区域外の場合も「災害の危険が無いという意味ではない」と毎回書く。商用利用を認めていない自治体のデータは取り込まない(open-data-license-compliance)。
- baserow-japanese-kit / nocodb-japanese-kit(Excel台帳の移行キット): Excel取り込みで全角数字や令和の日付が黙って空になる問題を実測し、整形スクリプトで8行すべてが正しい型で入ることを確認してから本番投入する。取り込みの可否も「黙って落ちないこと」を条件にしている。
提出物・公開物への反映
- kurage-chinjo-navi: 市会の書式例どおりの陳情書(表紙・陳情事項・理由・宛名・住所氏名)を組み立て、所管の常任委員会・提出先・次の定例会を1画面で返す。そのまま印刷して提出でき、制度的に解決できる困りごとは同梱の制度ナビが申請先を返す。
- kurl2gr / kweborder: 自動化は下書き生成までとし、公開・受注成立のトリガーは人に残す。
- kurage-bill-ai-interview / kconsensus: 本人が同意して公開した意見だけを法案ごとに束ね、合意形成AIに渡して「どこで割れ、どこで一致しているか」を出す。不同意の意見は集計に載らないため、公開の範囲がそのまま分析の前提になる。
- theyworkforyou / alaveteli / fixmystreet: 議事録・情報公開請求・道路通報を扱う導入キットは、公開されるのが原文・請求文・住民の投稿そのものであることを前提に、途中の要約や加工を挟まない。
設計上のポイント
- AIは直接書けない: 台帳・本番サイトへの書き込みは承認操作を通す。AIに書き込み権限を与えない安全設計。CRMエージェントでは「AIは下書きに起票、人が承認」という境界を徹底し、AI MOMやDeal Deskでは「承認したときだけ記録に入る」関門をコードで強制する。
- 決定論的検査を先に実行する: AIの確率的な判断に任せる前に、ルールベースで判定できる項目はコードで検査する(deterministic-core)。kproofreadではLLM登場以前に規格範囲と測定値の整合、必須項目の欠落、単位の表記揺れなどを機械的に照査する。達成率の計算(kurage-hr-post)、SEOの判定(kseo)、期限の計算(kkensetsu)、配置基準の判定(kurage-kintai-hoiku)も同様で、「AIの指摘はあくまで補助」という役割分担を支える。
- 規則で絞り込み、AIは説明に徹する: 防災の避難判断、補助金・給付金の候補抽出、陳情の所管委員会の特定など、候補を決める工程は規則・語の一致・決定論的コードに置き、AIには言い換えや説明だけを担わせる(ai-judgment-backend)。この分離があるため、AIが停止していても結論自体は出せる。通話AI分析・広告AI分析が「AI要約は設定1行で差し替え、無くても動く」と書くのは、この層を外せる部品として設計している証拠である。
- 承認の容易さ: 入力ゼロCRMでは1タップ、名刺台帳では原本画像との見比べ、議事録では録音と全文の突き合わせ、OCR Workでは同一書類の読み比べ、勤怠では写真証跡、といった低コスト承認が継続利用の鍵。人が確認しやすい形で差分や原本を並べて出すことが、承認を形骸化させない条件になる。
- 未承認データの隔離: 承認されていないAI下書きは、外部ツール(MCPなど)からも参照できないようにする。AI MOMでは「参照できるのは人が承認して確定した議事録だけで、未承認のAI下書きは出ない」設計を採用。
- 承認者を誰に置くか: 多くの製品では運用担当者が承認するが、法案AIインタビューのようにデータの主体本人に同意を求める設計もある。本人が確かめて同意しない限り保存されず、公開の可否も本人が決める。代理承認と自己同意は別物として使い分ける。組織で使う場合は、グループウェアの土台のように担当/責任者/管理者の3段階として権限モデルに埋め込むと、承認者がアプリごとにぶれない。vibe-groupware のように承認経路そのものを画面から設計できる製品では、経路の設計者と日々の承認者が分かれる点にも注意が要る。
- 試し実行と確定を分ける: 移行や一括反映のように不可逆な操作では、先に結果を見せる段階を置く。OpenVPMのキットは紙カルテのCSV取り込みで試し実行を挟み、Baserow・NocoDBのキットは整形スクリプトで全行が正しい型で入ることを確認してから投入する。DB Agentの読み取り専用モードや、LINE CRMの参照専用モードも同じ発想である。
- 通知の精度が人の確認を成立させる: 監視や分析の通知は、多すぎると読まれなくなる。改ざん監視は「自社の更新」を除外して知らせを減らし、サイト監視は「自社の事業に関係しそうなものだけ」を理由つきに絞る。確認すべきものが確認できる量に収まっていることが、承認ワークフローが回る前提になる。
- 証跡の保存とデータ時点の併記: 写真や元データを残し、承認時に人が確認できるようにする(evidence-traceability)。kproofreadでも原本を保存し、修正版は別ファイルとして生成する。勤怠は打刻を丸めず修正を監査ログに残し、ファイル共有は誰がいつどのファイルを扱ったかを記録する。ハザードマップ群では判定結果に必ずデータ時点を添え、時点を確認できないデータでは判定しない。市町村ごとに更新時期が違うため、時点の併記は判定の一部とみなす。
- 本番への影響経路を人に絞る: kurl2grのように、AIの調査結果が最終的に顧客サイトへ出る経路を管理画面からの手動操作だけにする設計もある。自動化は下書き生成までとし、公開・反映のトリガーは人に持たせる。Web Orderが「受注済」操作で受注を成立させるのも、LINE CRMの送信機能のように取り消せない・課金を伴う操作を既定で無効にして明示的な有効化を要求するのも、同じ発想である。広告AI分析が「設定変更は承認したものだけ実行」とするのは、書き込み先が自社データベースではなく外部プラットフォームである場合の典型形といえる。
- 分からない欄を勝手に埋めない: 申請書記入アシストは不明欄を空のまま残し、防災系・制度系は「区域外」と「データなし」「判定不能」を区別する(unknown-vs-outside-distinction)。陳情ナビが推測した締切日を出さないこと、合意形成AIが票の不足時に数字を出さないこと、感染症マップが公式の値をそのまま出して受診の判断をしないことも同じ作法である。重説チェックが「確認できない」を独立の区分として紙に残すのも、公表データから消えた事業所を「廃止した」と書かないのも、学童保育の未公表値を推定しないのも同根である。推測値で埋めることは、承認の土台そのものを壊すため避ける。
- 「分からない」の扱いは導入キットにも及ぶ: OSS日本語導入キット群が「画面で直らない英語」「未訳289語」を正直に一覧し、訳の網羅率(97.8%、98.4%など)を実測で示すのも、同じ作法の別現れである(oss-japanese-localization)。実測した起動秒数・復元時間・一致率を添える姿勢(measured-pitfall-catalog)は、利用者が「どこまで確認済みか」を判断して導入を承認するための材料になる。
- 外部事実はサーバー側で裏取りする: 決済の入金記録のように、外部サービスが返す事実をサーバー側で確認してから台帳に記録する。AIの申告をそのまま書き込まない。
- 責任の所在と免責を明示する: 重説チェックは「これは調査の下ごしらえであって重要事項説明そのものではない」と書き、最終判断は宅地建物取引士に委ねる。要介護認定ナビは要介護度を判定しない。決定的な判定を返す製品ほど、どこまでが道具の出力でどこからが人の責任かを画面上で分ける。
- 承認の前に確かめられる状態を用意する: カタログの各商品はデモURL(proto-exbridge や kurage.exbridge.jp)を公開し、「デモを触ってからご判断ください」と繰り返す。CRMの導入キットでは稼働中のデモをログイン情報つきで公開し、AIエージェント用の構築指示書も同梱する。導入するかどうかという最初の承認もまた、現物を見てから下されるべきだという前提が、販売の様式そのものに埋め込まれている。この「無料で試せる状態を先に置く」姿勢は販売チャネル全体の設計にも通じる(kappstore-ecosystem)。
関連コンセプト
- ai-agent: AIエージェントが下書き生成を担う。
- ai-judgment-backend: 判定を規則側に置き、AIは説明・言い換えを担う分離構造。
- ai-modifiable-software: AIによる改変を前提にしたソフトウェア設計と親和性が高い。カタログ全商品が「ソース同梱・AIエージェントで改変拡張可」であることも、承認の境界を顧客側で引き直せることを意味する。
- config-declared-scope: AIの操作範囲を設定側で宣言的に制限する考え方。DB Agentが典型例。
- deterministic-core: LLM判断の前に実行する決定論的検査。信頼できる自動化の土台となる。
- evidence-traceability: 承認判断の根拠となる証跡管理とデータ時点の記録。
- trust-boundary: AI/LLMに最終的な書込権限や発注権限を与えない境界。本パターンと密接に関わる。
- unknown-vs-outside-distinction: 「分からない」を「無い」と書かない原則。承認の前提を守る。
- scope-of-competence-declaration: できないこと・やらないことを先に宣言する作法。
- hazard-map-judgment: ハザード判定を○×で返さず、区分と行動指針で返す作法。
- facility-data-churn: 公表データから消えた事業所の扱い。
- administrative-data-publication-gap: 公表されていない値を推定で埋めない姿勢。
- open-data-license-compliance: 取り込んでよいデータと出典表示の線引き。
- public-data-daily-ingestion: 公的データを日次で取り込み、出典を保ったまま提示する運用。
- municipality-data-swap-expansion: 自治体データの差し替えで横展開する設計。承認の対象が「データ」と「コード」に分かれる。
- no-external-data-egress: 承認の前提として入力データを外部に出さない構成。
- self-contained-php-app: 多くのKurage製品が採用する軽量構成。
- rag: ナレッジチャットAIが根拠を資料に限定する仕組み。
- oss-japanese-localization: 未訳を隠さず実測で示す、導入キット側の作法。
- measured-pitfall-catalog: 実測値と落とし穴の記録が、導入の可否判断を支える。
- mcp: 承認済みデータだけをAIに公開するための接続手段として活用される。
- local-llm: AI要約を社内LLMに差し替えても承認の構造が変わらないことの根拠。
- kappstore-ecosystem: この設計を商品として流通させる販売チャネル。
まとめ
AIの出力をそのまま信頼するのではなく、「下書き→承認→反映」という段階を組み込むことで、AI導入の障壁を下げつつ、データ品質と説明責任を保つ。「AIは直接書けない」ことをコードで強制し、未承認データを隔離する設計は、AIエージェントが業務システムに浸透する上で重要な原則である。さらに、確率的なLLMに任せる前に決定論的検査を走らせ、候補の絞り込みは規則側に置き、最終的な本番反映のトリガーを人手に残すことで、kproofreadやkurl2gr、陳情ナビのような文書・公開物を扱う領域でも同じ信頼性を実現できる。分からない欄を埋めないこと、票が足りなければ数字を出さないこと、取り消せない操作を既定で無効にすること、外部の事実をサーバー側で裏取りすることも、同じ思想から出てくる具体的な作法である。
Kurage製品群では、この作法が二方向に展開している。ひとつは適用の側——広告AI分析が「設定変更は承認したものだけ実行」とし、Web Orderが「受注済」操作で受注を成立させ、LINE CRMが送信機能を既定で無効にし、グループウェアが稟議の承認経路を画面から設計させるように、外部世界に影響が出る操作の直前に人の関門を置く。もうひとつは提示の側——ハザードマップ・重説・福祉施設ナビの一群が「区域外」「未指定」「データなし」「判定対象外」を別の語で返し、データ時点と出典を必ず併記し、近すぎる場合は言い切らず、理由が公表されていない事象には理由を書かない。勤怠の打刻を丸めず監査ログに残し、ファイル共有の操作記録を残し、被災者支援では制度の本文だけを材料に答えるのも、この提示の側の作法である。AI要約を外しても動くのは、この二方向のどちらもAIに依存していないからである。
この規律は業務システムにとどまらず、OSS日本語導入キットが未訳を正直に一覧する仕方にも、各商品がデモを公開して「触ってから判断してください」と促す販売の様式にも現れている。承認の前に立つ人が、何を根拠に何が分かっていないかを一目で見分けられることが、承認ワークフローが機能する最終条件になっている。
See also: kurage-articles-index
See also: kurage-lps
See also: kurage-repos
See also: kurage-products
See also: kurage-sites
Kurage.AI に質問する
