――― AIハーネス・実装支援
DS理論によるAIシステムで、
社内の知をデジタル資産として活用する。
人を理解し、確かめ、知を蓄積し、
「今、この答えを出してよいか」まで考える。
DS理論を、AIの判断と出力を支える仕組みへつなげます。
――― AI実装支援について
AI実装支援とは
HEARTSHEARTのAI実装支援は、生成AIを導入するだけの支援ではありません。
DS理論（デュアル・スタビリティ）をもとに、人や組織の知を整理し、AIが利用できる知識基盤をつくり、その知をどのように使い、どのような出力を行うかまで設計します。
研修や対話で見つかった現場知・判断知を「DS・Vault」へ整理し、「DS・AIハーネス」を通じて、社内知識AI、熟練者AI、顧客対応AI、教育AI、分身AIなどへつなげます。
――― 学ぶ。残す。AIで活かす。
DS理論で、似せるAIから、“判断”を受け継ぐAIへ。
DS理論は、分身AI（個人分身AI・組織分身AI）へ応用することができます。
分身AIの課題は、何を再現するか。
DS理論を使うことで、本人らしい話し方や文章を再現するだけではなく、
「この人なら、どう言うか」から、
「この人は、なぜそう判断するのか」へ。
価値、経験、優先順位、判断の理由を捉え、本人らしい判断につなげていきます。
表面的な模倣精度ではなく、判断における「分身精度」を高める。
それが、HEARTSHEARTの目指す分身AIです。
――― AIハーネスとは
AIにも、「制御する仕組み」が必要です。
飛行機は、飛ぶ原理を理解しただけで発展したわけではありません。
機体の状態や周囲の状況を見ながら、進む方向を調整し、危険な動きを避け、安定して飛ぶための制御技術が発展してきました。
AIも同じです。生成AIは、非常に高度な答えをつくれるようになりました。
しかし、DS理論では、
・その人を正しく理解しているか
・今、質問してよい状態か
・その情報は事実なのか、AIの推測なのか
・その答えを今出すことで、かえって状況を悪くしないか
まで、踏み込んで考えます。
HEARTSHEARTは、DS理論を実装したこの“人とAIの間の制御層”を「DS・AIハーネス」と考えています。
※「ハーネス」は、もともと馬具（馬を制御して力を引き出す道具）を意味する言葉です。ITの世界では、AIの力を暴走させず、正しい方向に使うための「制御の仕組み」を指します。DS・AIハーネスとは、DS理論でAIを制御し、企業のルールや目的に沿って正しく引き出すための「制御・接続の仕組み」です。
――― 「DS・AIハーネス」とは
DS理論に基づくハーネス
HEARTSHEART LaboのAIハーネスは、特定の生成AIそのものをつくることだけを目的としていません。
企業が利用するLLMやAIサービスの外側に、
・人の状態を理解する
・確認する
・記憶を整理する
・出力を制御する
という層を設ける考え方で、LLMを置き換えるのではなく、LLMの外側から支えます。
AIモデルが変わっても、「誰に、何を、いつ、どのように出すか」を考える必要は残ります。
だからこそ、人間理解の原理をAIの制御へつなげることが重要になります。
――― 「DS・Vault」とは
AIに入れる前に、知を整える。
AIハーネスを機能させるためには、
元になる知識も整理されている必要があります。
・何が確認済みの事実なのか
・何が本人の経験なのか
・何が組織のルールなのか
・何がAIの仮説なのか
・誰が確認した情報なのか
・どの範囲で利用してよいのか
HEARTSHEARTでは、DS法人研修や過去と日常のDS対話から得られた知を整理し、人とAIが利用できる知識基盤へ変えていきます。
このデジタル知識基盤をVaultと呼び、DS理論で整備されたVaultを「DS・Vault」と呼びます。
――― AI実装支援
AI実装支援でできること
HEARTSHEART Laboでは、６つのステップで支援することができます。
現場知の棚卸し、暗黙知の言語化、「DS・Vault設計」、「DS・AIハーネス設計」、活用シナリオ設計、PoC・実装支援の実現には、DS理論の考え方研修、トレーニングが前提となります。
DS理論を用いた実装によって、社内知識AI、熟練者・専門家AI、顧客対応AI、教育・育成AI、相談支援AI、分身AIなどに活用することができます。
活用例
――― 人間中心AIという考え方
AIに、人を決めさせない。
AIが高度になるほど、人について多くの推測ができるようになります。
だからこそ重要になるのが、
・推測を事実にしないこと。
・本人が修正できること。
・確認された知と仮説を分けること。
・必要なときには人へ戻すこと。
です。
HEARTSHEARTは、AIが人間の判断を奪うのではなく、人がよりよく判断できるよう支えるAIを目指します。
※DS理論に基づくAI・情報処理技術について、一連の特許群を出願しています。
―――こんな企業におすすめです
こんな企業におすすめです
AIを導入したが、現場で使われていない。
社内ナレッジが散らばっている。
熟練者の判断を残したい。
生成AIに何を覚えさせればよいかわからない。
自社独自の判断軸をAIに反映したい。
顧客や社員に対するAI応答の安全性を高めたい。
AIの推測を、そのまま人物情報として蓄積したくない。
研修で見えた現場の知を、企業資産へ変えたい。
――― よくある質問
FAQ
システム開発そのものだけではありません。AIに入れる前の知識整理、判断軸の言語化、活用シナリオ設計、PoC支援を行います。必要に応じて開発会社やAIベンダーとの連携も可能です。
最初からAIに入れるのではなく、まず情報を分類します。確認済み知識、参考情報、個人情報、扱いに注意が必要な情報を分け、利用範囲を明確にします。
熟練者の退職、知識継承、顧客対応のばらつき、AI活用の停滞、社内ナレッジの散在に課題がある企業に向いています。
可能です。ただし、研修と組み合わせることで、現場の知や課題が見えやすくなり、実装支援の精度が高まります。
― 次の一歩 ―
AIが答える。
その前に、人を理解する。
HEARTSHEARTは、DS理論をもとに、
人を理解する。
必要なことを確かめる。
信頼できる知を残す。
AIの出力を調整する。
という仕組みを、企業のAI活用へつなげます。
AIを導入するだけではなく、人とAIがよりよく協働できる仕組みへ。