Start
担当者が 1 件を選ぶ
競合比較、価格調査、規制調査、顧客インサイト整理、事業仮説検証。 から 1 件を選び、対象画面、社内 tool、AI に渡せる情報、人間に戻す判断を固定します。
Research / Strategy
競合調査 / 業務メモリ を viyv で動かす。
調査中に新しい評価軸や signal が見つかるたび、人間が表を作り直す。AI が集めた情報も一時的な会話に残り、後続の調査や agent 実行へつながりにくい。
Problem
この業務で、何が詰まっているか。
調査中に新しい評価軸や signal が見つかるたび、人間が表を作り直す。AI が集めた情報も一時的な会話に残り、後続の調査や agent 実行へつながりにくい。
始めるきっかけ
競合比較、価格調査、規制調査、顧客インサイト整理、事業仮説検証。
最初の 30 日
既存調査テーマを 1 つ選び、AI が table を作るところから始めます。途中で列追加を発生させ、reason、検索、rollback が説明できるか確認します。
Day In The Life
現場の 1 件が、判断材料までどう流れるか。
業務詳細では、担当者が何を持ち込み、AI がどこまで進め、人間がどこで止め、 最後に何を証拠として残すかを時系列で確認します。
Assist
AI が下調べと下書きを行う
AI が調査テーマに合わせて logical table を purpose 付きで作る。Browser や MCP から収集した signal を DB に保存する。必要な列を reason 付きで追加し、semantic search で再利用する
Gate
責任が残る操作を止める
重要示唆の採用 / 外部共有資料への転記 / agent の publish / deploy は approval、差戻し、保留、または人間確認に戻します。
Review
判断材料に使う証拠を残す
schema 変更理由 / 検索再利用率 / rollback / agent event を検証の evidence として並べ、次の展開可否を決めます。
Operational Evidence Board
競合調査 / 業務メモリ の現場実行を、レビュー用の証拠にする。
担当者が見たもの、AI が出した下書き、人間が止めた判断、レビュー会議に出す証拠を 1 つの board にします。これにより「便利そう」ではなく、運用に入れてよいかを判断できます。
Theme
調査テーマを signal table にする
担当者が見るもの
事業開発担当が調査テーマ、比較軸、対象サイト、保存したい signal を指定する。
AI の出力
AI は purpose 付き table を作り、価格、利用事例、規制、顧客 signal を分類して保存する。
人間が止める判断
根拠 URL がない signal、重要示唆の採用、外部共有資料への転記は人間確認にする。
レビューに出す証拠
signal table、根拠 URL、purpose、採用 / 不採用理由を残す。
Evolve
調査中に見つけた新しい評価軸を追加する
担当者が見るもの
リサーチ lead が列追加の reason と、後続調査で再利用できるかを確認する。
AI の出力
AI は必要な column を reason 付きで追加し、semantic search で過去 signal を再利用する。
人間が止める判断
reason が曖昧な列追加、古い table を参照した agent run、根拠なし signal は差し戻す。
レビューに出す証拠
schema 変更 reason、semantic search、rollback、再利用率をレビューに出す。
Agent
調査 agent を個人 prompt から部門資産にする
担当者が見るもの
Product / Research が採用した比較軸と tool を Agent Foundry の definition にする。
AI の出力
Foundry が agent version、deployment、run history、tool call、waiting_input を保持する。
人間が止める判断
未承認 draft の publish、外部共有資料への自動転記、owner 不明 agent を止める。
レビューに出す証拠
agent version、run history、過去 signal の再利用率、外部共有前 approval を判断材料に使う。
Before / After / Recovery
利用前後と、失敗時の戻し方を同じ画面で見る。
利用前の不安は、効果よりも「失敗した時に止められるか」で出ます。利用前、運用後、 失敗時、レビュー会議で見る材料を並べます。
利用前
調査中に新しい評価軸や signal が見つかるたび、人間が表を作り直す。AI が集めた情報も一時的な会話に残り、後続の調査や agent 実行へつながりにくい。
運用後
AI が調査テーマに合わせて logical table を purpose 付きで作る。Browser や MCP から収集した signal を DB に保存する。必要な列を reason 付きで追加し、semantic search で再利用する。Agent Foundry が調査 agent の version と run history を保存する。
失敗時
根拠 URL がない signal は採用せず確認待ちにする / 列追加の reason が曖昧なら migration を拒否する / agent 出力が古い table を参照した場合は run を差し戻す
レビュー会議
現場指標: 過去 signal の再利用率、調査 table の更新速度 / 統制指標: schema 変更 reason、根拠 URL、agent version / 導入判断: AI の調査結果を一時的な会話ではなく業務メモリとして運用できるか
Scenario Walkthrough
現場の 1 件を、運用後の流れまで具体化する。
利用検討で必要なのは、抽象的な自動化ではなく「この 1 件がどう変わるか」です。現在の作業、viyv 後の処理、解決する問題、レビュー会議で見る判断材料を分けます。
Case
競合調査で見つけた新しい評価軸を、AI が table として残す
調査中に価格、利用事例、規制、顧客 signal など新しい評価軸が見つかるたび、人間が表を作り直す。AI の発見も会話に残るだけで、次の調査や agent に引き継ぎにくい。
With viyv
AI に任せる作業と、人間に戻す判断を分ける
AI が logical table を purpose 付きで作り、必要な列を reason 付きで追加する。Browser や MCP から集めた signal を保存し、semantic search と agent run history で再利用する。
Problem Solved
この workflow で解決できる問題
調査結果を一時的なチャットから、更新・検索・rollback できる業務メモリに変える。agent の version と run history も残るため、再現性を説明できる。
Decision Moment
レビュー会議で見る判断材料
1 テーマで schema 変更理由、過去 signal の再利用率、根拠 URL、agent event を見て、調査チームの共通基盤にするか判断する。
Concrete Run
1 件の業務を、こう流す。
demo ではなく、現場が毎日扱う 1 件を起点にします。入力、AI の作業、人間に戻す判断、 残す成果物を分けると、検証の範囲が曖昧になりません。
Input
現場が持ち込むもの
競合比較、価格調査、規制調査、顧客インサイト整理、事業仮説検証。 を対象に、担当者、対象画面、社内 tool、AI に渡してよい情報を 1 つの範囲に固定します。
AI Work
AI に任せる作業
AI が調査テーマに合わせて logical table を purpose 付きで作る。Browser や MCP から収集した signal を DB に保存する。必要な列を reason 付きで追加し、semantic search で再利用する
Human Gate
人間が止める判断
重要示唆の採用 / 外部共有資料への転記 / agent の publish / deploy
Output
残す成果物
市場 signal table / 競合比較 / 調査メモリ / agent run history
Operator Runbook
担当者が触る場所と、止める場所を分ける。
現場の操作を増やさず、AI の下書きと確認メモを使います。責任が残る操作は approval に戻し、失敗時の扱いも検証条件に入れます。
担当者の操作
- 調査テーマ、比較軸、収集対象サイトを AI に渡す
- AI が signal table を作り、発見した情報を分類して保存する
- 途中で追加された列と reason を人間が確認する
人間に戻す判断
- 重要示唆の採用
- 外部共有資料への転記
- agent の publish / deploy
失敗時の止め方
- 根拠 URL がない signal は採用せず確認待ちにする
- 列追加の reason が曖昧なら migration を拒否する
- agent 出力が古い table を参照した場合は run を差し戻す
検証合格条件
- 調査中の schema 変更理由を後から説明できる
- semantic search で過去 signal を再利用できる
- agent version と run history を追跡できる
Evidence Packet
検証の証拠を、判断材料に変える。
利用前に「AI が便利だった」ではなく、業務効果、統制、責任境界、展開条件を並べます。
業務範囲
競合調査 / 業務メモリ を 1 workflow として、owner は 事業開発、プロダクト、リサーチ、R&D に置きます。
測る効果
現場指標: 過去 signal の再利用率、調査 table の更新速度
見る統制
統制指標: schema 変更 reason、根拠 URL、agent version
判断材料
導入判断: AI の調査結果を一時的な会話ではなく業務メモリとして運用できるか
Stakeholder Review
社内の誰に、何を説明できるか。
業務部門、情シス、セキュリティ、管理部門が見る論点を分け、検証 の受け入れ条件に変えます。
業務責任者
現場のどの作業が短くなり、どの判断は人間に残るか。
回答
調査テーマ、比較軸、収集対象サイトを AI に渡す / AI が signal table を作り、発見した情報を分類して保存する / 途中で追加された列と reason を人間が確認する を日次運用に置き、重要示唆の採用 / 外部共有資料への転記 / agent の publish / deploy は承認待ちに戻します。
見る証拠
schema 変更理由 / 検索再利用率
情シス / AI platform
既存画面、社内 API、AI client の境界を説明できるか。
回答
viyv DB / viyv Agent Foundry / viyv Browser を使い、purpose 必須 / alter reason / semantic search scope を最初の境界にします。
見る証拠
検索再利用率 / rollback / agent event
セキュリティ / 法務
AI に渡らない情報、止まる操作、失敗時の扱いは明確か。
回答
purpose 必須 / alter reason / semantic search scope / agent version を検証の統制として固定し、失敗時は 根拠 URL がない signal は採用せず確認待ちにする。
見る証拠
semantic search で過去 signal を再利用できる / agent version と run history を追跡できる
管理部門 / 経営
判断に進む条件と、広げる前の保留条件は何か。
回答
導入判断: AI の調査結果を一時的な会話ではなく業務メモリとして運用できるか
見る証拠
調査中の schema 変更理由を後から説明できる / semantic search で過去 signal を再利用できる / agent version と run history を追跡できる
Next Step
競合調査 / 業務メモリ の検証範囲を決める。
対象画面、社内 tool、人間に戻す判断、判断材料を 30 日の検証計画に落とします。