ポートフォリオに戻る

プロジェクト詳細 ⑤

AIDD

AIDD ── 企業向けAI開発支援基盤

企業の設計書・業務文書・コード資産をKnowledge Graphで構造化し、再利用可能な知識基盤として蓄積するAI開発支援基盤。核心は「AIをどう使うか」ではなく「AIが何の構造に基づいて業務判断するか」。現在の主力プロダクトです。

Python / FastAPI PostgreSQL + AGE Elasticsearch Kafka Knowledge Graph LLM AI Agent

プロジェクト概要

「探す」だけでなく「構造を使って判断する」。社内ナレッジ／AIKB／KGBaseの集大成。

RAGを作る中で、情報は見つかっても、人が関係を調べ直し整合性を確認する場面が多いと分かりました。AIDDは、本体制約（型と許可する関係）を先に決め、文書から抽出した候補を人手確認してから証拠リンク付きで正式化する「前段の知識形成」を核にします。その上でハイブリッド検索と複数のAI Agentを配置し、影響範囲調査や設計・実装の整合性確認まで対応します。

背景・課題

  • 検索できても関係・整合性は人が確認していた
  • 企業文書は形式・命名・更新がバラバラ
  • 変更時の影響範囲を追いにくい

主な機能

  • 関連資料検索 / 影響範囲調査
  • 設計書のMarkdown生成
  • 設計書↔コードの相互生成支援
  • AI Agentによる調査・生成（制御付き）

担当（役割）

  • プロダクト全体構成の企画・アーキテクチャ設計
  • Knowledge Graphによる知識基盤設計
  • AI Agentワークフロー設計
  • Backend / API 実装

アーキテクチャ

前段（知識形成）と後段（活用）

AIDDの肝は前段の知識形成です。本体制約の下で候補を抽出し、人手確認と証拠リンクを経てKnowledge Graph化。その上でAI Agentが活用します。

flowchart TD
    S1["本体制約（型 + 許可する関係を先に定義）"] --> S2["文書から候補抽出"]
    S2 --> S3["Staging Area（人手確認）"]
    S3 --> S4["正式化 + 証拠リンク"]
    S4 --> KG["Knowledge Graph"]
    KG --> R["ハイブリッド検索（全文 / ベクトル / Graph）"]
    R --> AG["AI Agents（検索 / 影響分析 / 生成）"]
    AG --> USE["設計書↔コード生成 / 影響範囲調査 / 整合性確認"]

RAG / GraphRAG との違い

RAGは「探す」、GraphRAGは後段の検索・推論で使うもの。AIDDが重視するのは前段——どの対象・関係を正式に持ち、どう確認するか。この知識形成こそが役割です。

顧客案件への展開

主要機能を実装し社内試用を経て、AIDDをベースにAI Agentワークフローを設計し、レガシー移行・コード自動化を複数の顧客へ導入しています。