当社では、社員一人ひとりの学びと成長を支援するため、図書代支援制度を設けています。

業務に関連する専門書や技術書、ビジネス書など、知識やスキルの向上につながる書籍の購入費用を会社が支援します。社員が「学びたい」と思ったときに、気軽に本を手に取れる環境づくりを大切にしています。

制度の目的

• 学び続ける文化を育てる
  日々変化する技術や知識を学び続けられる環境を整えます。
• 自己成長を後押しする
  業務に必要な知識だけでなく、視野を広げる学びを支援し、一人ひとりの成長につなげます。
• 知識を組織の力にする
  本から得た知識や気づきを業務に活かすことで、会社全体の技術力や提案力の向上を目指します。

会社としての想い

私たちは、本は最も身近で価値の高い自己投資の一つだと考えています。

一冊の本との出会いが、新しい技術への挑戦につながったり、仕事の進め方を変えたり、人生そのものに影響を与えることもあります。

社員一人ひとりが学び続けることで、個人が成長し、その成長がチームや会社全体の力になる。
当社は、これからも社員の「学びたい」という気持ちを応援していきます。

The post 図書代支援制度 first appeared on 株式会社Altus-Five.

「こんなチャートが見たい」を伝えれば、データをつなぐところから、チャートの作り込み、その後の改善まで、専属チームが引き受ける BI SaaS です。分析のスキルは要りません。

こんなお悩みに

• BI ツールを入れたが、結局 Excel に戻ってしまった
• グラフを作れる人、数字を整えられる人が社内にいない
• 最初は作ったが、更新が止まって古い数字のまま
• 部署ごとに集計がバラバラで、会議のたびに数字が食い違う

こんな方に向いています

• 専任の分析チームを構えるほどではないが、Excel での集計に限界を感じている
• 小さくデータ基盤を作りたいが、社内に専門知識のある人がいない
• AI などで自作してみたが、壊れやすく、メンテナンスが続かなかった

専任チームを抱えるのは大げさ。でも Excel の手集計はもう限界。Nugget BI は、その中間を埋める「小さな専属チーム」として使えます。自前で基盤を作り込まなくても、続くデータ活用の土台を持てます。

特長

1. おまかせで作れる

リクエストを送るだけで、運営チームが設計から作り込みまで対応。やり取りの記録は残り、納期を合意してから進めるので安心して任せられます。

2. 自分でも作れる

画面のエディタでダッシュボードの追加・編集が可能。慣れた方はパイプライン（ETL）や SQL まで踏み込めます。「おまかせ」と「セルフ」の両用です。

3. データソースを選ばない

CSV はもちろん、各種コネクターや、お客様環境への組み込み開発まで対応。今あるデータから始められます。

4. 作って終わりにしない

定期的にヒアリングしながら、ダッシュボードを一緒に育て続けます。少数のお客様に高いタッチで伴走します。

主な機能

データの取り込み（CSV・各種コネクター）／ダッシュボードの追加・編集／グラフ・表の配置（棒・折れ線・円・表ほか）／フィルターによる分析／編集プレビュー／権限を分けたチーム共有／パイプライン（ETL）編集／SQL によるデータ加工／定期実行での自動更新

導入の流れ

1. ご相談：やりたいこと、見たい数字と、今あるデータを確認します
2. データをつなぐ：CSV・各種コネクターで取り込み（必要なら環境への組み込み開発も）
3. 最初のダッシュボード：運営チームが設計し、見やすい形にしてお渡しします
4. 運用と改善：チケットで要望を追加しながら、一緒に育てていきます

料金

• 全プラン共通：初期費用 ¥0（標準のご利用開始）／国内サーバ（AWS 東京）／毎月無料チケット 1枚付属（当月のみ・繰り越しなし）
• 追加のご依頼は 1チケット ¥30,000（税別）から。購入した追加チケットに期限はありません。
• 基幹システムとの自動連携など個別の連携開発は、別途初期費用が発生する場合があります

資料請求・ご相談はこちらへ

The post 3.4 Nugget BI | 専属のデータ分析チーム型 BI SaaS first appeared on 株式会社Altus-Five.

これからの時代、こんな話が、もっと増えていくような気がします。

AI で、だいたい作れてしまう

データを集めて、加工して、グラフにする。この一連の処理は、以前なら専門の知識が要りました。でも今は、AI に聞きながら書けば、それらしいものが動いてしまいます。知識が無くても、そこそこのデータ処理が組める。いい時代です。

ただ、ここに落とし穴があります。「作れる」と「続けられる」は、まったく別の話だからです。

日曜大工の家は、なぜ雨漏りするのか

AI に手伝ってもらって作ったデータ処理は、たいてい日曜大工的になります。とりあえず今の要件では動く。でも、次のような課題が付きまとうことになります。

• どういう順序で組み立てたのか、本人しかわからない
• 元データの形が少し変わると、静かに壊れる
• 直そうにも、どこをいじれば何が起きるか読めない

こうして、半年後には「触れない仕組み」ができあがります。作った本人が異動すれば、もう誰も直せない。結局 Excel の手集計に戻る、というのはありがちな光景です。

家に例えるなら、日曜大工で建てた小屋のようなものです。建てるだけなら建つ。でも、雨風に何年も耐える構造にするには、やっぱり基礎と設計の知識が要る。データ基盤も同じです。

「作る」より「続ける」が難しい

データ基盤の本質は、実は作ることではなく、続けることにあります。

数字は、集めただけでは使えません。生のデータを、順序立てて整え、積み上げていく。この土台をきちんと組めているかどうかで、後の運用が天と地ほど変わります。土台が雑だと、少しの変化で崩れ、更新が止まり、いつのまにか誰も見なくなる。

そして厄介なことに、この「土台をきちんと組む」部分こそ、いちばん専門知識が要るところなのです。AI で省けるのは、むしろ表面の作業のほう。基礎工事は、そう簡単には省けません。

道具の問題ではなく、人の問題

ここまで書くと、「じゃあ、いい BI ツールを入れればいい?」と思うかもしれません。でも、たぶん違います。

高機能なツールを入れても、それを使いこなして土台を整え、壊れたら直し、要望に応えて育てていく。その作り手がいなければ、結局また止まります。専任のデータ分析チームを何人も抱えられる会社なら話は別ですが、多くの会社にとって、それは現実的な選択ではありません。

つまりこれは、道具の問題というより、人の問題です。小さくてもいいから、続けられる作り手がそばにいること。そこが効きます。

そんな問題意識から作りました

この「作り手をどう用意するか」という問いに、自分たちなりに答えを出したのが、今回リリースした BI SaaS「Nugget BI」です。

ツールを渡して終わり、ではありません。データを整える土台づくりから、グラフの作り込み、その後の手入れまで、運営チームが引き受けます。いわば、小さな専属のデータ分析チームを、月額で持てるサービスです。もちろん、慣れた方がご自分で作り込むこともできます。

日曜大工で崩れる前に。あるいは、崩れてしまった後からでも。データ活用の土台づくりで困っている方は、気軽にご相談ください。

Nugget BI について詳しくは、こちらから、お問合せください。

The post AI で「動くデータ基盤」は作れる時代。それでも壊れるのは、なぜか first appeared on 株式会社Altus-Five.

当社では、社員の専門性向上とキャリア形成を支援するため、資格補助制度を設けています。
業務に関連する資格について、合否に関わらず受検費用を会社が支援します。

さらに、資格に合格した場合は、難易度に応じてMission Awardのポイントが付与されます。

制度の目的

• 学びへのハードルを下げる
  受検費用の負担をなくすことで、資格取得への挑戦を後押しします。
• 挑戦そのものを評価する
  合否に関わらず支援することで、「受けること」にも価値を置いています。
• 専門性の向上と組織力の強化
  社員一人ひとりのスキル向上が、会社全体の技術力・提案力の向上につながります。
• 基本情報技術者試験
  応用情報技術者試験 データベーススペシャリスト G検定（AIジェネラリスト検定） E資格（AIエンジニア検定） AWS認定ソリューションアーキテクト 統計検定

対象となる資格例

これまでに、以下のような資格で合格者が出ています。

• 基本情報技術者試験
• 応用情報技術者試験
• データベーススペシャリスト
• G検定（AIジェネラリスト検定）
• E資格（AIエンジニア検定）
• AWS認定ソリューションアーキテクト
• 統計検定
• ファイナンシャルプランナー検定

会社としての想い

資格補助制度は、単に資格取得を奨励するためのものではありません。
学び続ける姿勢そのものを大切にしたいという考えから生まれた制度です。

挑戦することに価値を置き、その積み重ねが個人の成長と会社の進化につながる。
私たちは、その循環を支える環境を整えています。

The post 資格補助制度 first appeared on 株式会社Altus-Five.

1. 情報・認識のズレ
   • 前提や論点が揃わないまま進むことで、手戻りや炎上が起きる
     • グループ相互作用分析（R.F. Bales）（社会心理学）
     • Group Interaction / Group Communication 研究（社会心理学・組織行動論）
2. 依存関係の未管理
   • 誰が誰を待っているかが見えず、ボトルネックが発生する
     • Coordination Theory（Malone & Crowston）（情報システム研究・組織理論）
     • チーム・ダイナミックス研究（社会心理学・組織行動論）
3. 不確実性の前での行動停止
   • 分からない状態で初動が取れず、学習や前進が止まる
     • 成人学習理論・学習する組織（P.センゲ ほか）（教育学・教育心理学・組織開発）

チームリーダーは、この3点が起きていないかをチェックしてあげるとよいかと。

参考書籍
・The Cambridge Handbook of Group Interaction Analysis
・Group Communication（Routledge）
・The Emerald Handbook of Group and Team Communication
・『グループ・ダイナミックス』（釘原直樹）
・『チーム・ダイナミックスの行動科学』（山口裕幸 編）
・『学習する組織』（ピーター・センゲ）

これは、評価制度について、AI と壁打ちして勉強されてもらいました。たった3点で網羅(※)されるんだ！と驚きました。それ以上に、私ごときは、参考書籍にある本を読むことはないし、異なる学術分野の知識を組み合わせるのも並はずた知能レベルだから、私だったら、この答えにはたどり着けない。
これぞ、AIならではの使い方だな・・・と思いました。

※ 完全な網羅ではなく、「初期フェーズで破綻を見逃さないための最小集合」という位置づけらしいが。

The post 仕事・学習が破綻する「最小セット」 first appeared on 株式会社Altus-Five.

Mission Award制度は、会社の成長につながる行動を起こした社員にポイントを付与する仕組みです。

日々の業務だけでなく、自己研鑽や挑戦といった「未来への投資となる行動」を評価し、ポイントとして可視化します。

1年に一度、集めたポイントは現金化して支給されます。

具体例

例えば、以下のような行動が対象となります。

• 本を1冊読む …… 5点
• 勉強会を主催する …… 50点
• 資格試験に合格する …… 50点
• 資格試験に挑戦する（不合格でも） …… 5点

合否や成果だけでなく、「挑戦すること」そのものも評価対象です。

制度の目的

• 行動を後押しする
  学びや挑戦を“やったほうがいいこと”で終わらせず、実際の行動につなげます。
• 努力を正しく報いる
  頑張る人、行動する人が、目に見える形で報われる仕組みをつくります。
• 成長文化の醸成
  個人の成長が会社の成長につながるという考えのもと、挑戦を歓迎する文化を育てます。

会社としての想い

Mission Award制度は、「言うだけの成長」ではなく、実際に行動する人を応援する制度です。

私たちは、挑戦する人が評価される会社でありたいと考えています。
日々の小さな積み重ねや、新しい一歩を踏み出す勇気が、やがて会社全体の力になります。

行動する人が、より多くの報酬を得られる。
そのシンプルで公正な仕組みを大切にしています。

The post Mission Award制度 first appeared on 株式会社Altus-Five.

コールセンターに蓄積された応対履歴やマニュアル等の「生データ」を活用し、オペレーターの回答支援や自動応答の実現可能性を検証する生成AI（LLM）活用PoC（概念実証）を実施しました。

コールセンターの「生データ（過去ログ、マニュアル等）」を用い、検索手法、データ前処理、プロンプトエンジニアリング、さらにはFine-tuningとの比較など、10項目以上の変数について網羅的な精度評価を遂行。理論値ではない、実務転用を見据えた最適解を導き出しました。

技術スタック

• Language: Python
• LLM Orchestration: LangChain / LlamaIndex
• Evaluation Framework: Ragas
• Vector Database / Search: * Pinecone / Elasticsearch / FAISS / ChromaDB
• Development Library:
  • OpenAI API / オープンソースモデル

検証内容・プロセス

本プロジェクトでは、精度に影響を与える変数を切り分け、ABテスト形式で以下の検証を行いました。

1. ベクトルDBごとの評価：
   • Pinecone / FAISS / ChromaDB
2. ベクトルDBと検索エンジンの検証：
   • ベクトル検索 vs 全文検索（Elasticsearch） vs ハイブリッド検索の比較
3. データ構造・前処理の検証：
   • チャンク分割の有無および、最適なチャンクサイズ（文字数・意味の切れ目）の特定
   • 精度低下を招くデータの特徴抽出
   • ゴミデータ（不要な定型句・ノイズ・短すぎる報告文）のクレンジングによる精度変化の計測
   • PDF、Excel、PowerPointからの非テキスト情報抽出性能（LlamaIndex活用）の評価
4. モデルおよび学習手法の比較評価：
   • RAG（検索拡張） vs Fine-tuning（追加学習）による回答精度の検証
   • ベクトル変換（Embedding）モデルごとの検索再現率の比較
5. プロンプトエンジニアリングの深化：
   • Zero-shot / Few-shot / CoT / ReFine / HHH 等の各手法による回答品質の評価
6. 実運用シナリオに基づく評価：
   • データセット（製品カテゴリや時期）の違いによる汎用性の検証
   • 既知の問い合わせ（過去ログ存在）と未知の問い合わせに対する、AIの挙動およびハルシネーションの発生率比較

※ 精度評価には、Ragasを活用

プロジェクトの特徴

• 徹底的な「定量的評価」へのこだわり 「なんとなく動く」ではなく、どの手法が何％精度を向上させるのかを全て数値化。LlamaIndexやLangChainの機能をフル活用し、技術的な裏付けに基づいたアーキテクチャ選定を行いました。
• 生データ特有の泥臭い課題解決 現場の生データには、AIの精度を著しく下げるノイズが多く含まれます。それらを「特徴抽出」によって特定し、エンジニアリングによって解決するプロセスを確立しました。

成果

• 運用実現性に向けた「本質的課題」の提示： 検証の結果、現状のログデータの質・構造では実運用に耐えうる精度に到達しないことを定量的に証明。その上で、次期システムで目標精度を達成するために「どのようなログデータを、どう蓄積すべきか」という具体的なデータ戦略レポートを策定しました。
• 検証資産のライブラリ化（技術資産の構築）： 今回の評価に使用した膨大な検証コードを、単なる使い捨てのスクリプトで終わらせず、次期システム開発において「アプリ基盤」として即座に再利用できるよう、汎用的なライブラリとして再整備・納品しました。

Altus-Fiveの強み

単にAIツールを導入するのではなく、インフラ、DB、コード、そしてデータの性質までを垂直統合で理解し、ハックする。その姿勢があるからできる緻密な比較検証です。

新しい技術を魔法のように語るのではなく、地道な検証の積み重ねによって「ビジネスで使える道具」へと昇華させる。それが私たちのエンジニアリングの流儀です。

The post コールセンター業務における生成AI（LLM）活用PoC first appeared on 株式会社Altus-Five.

また、同じく Anthropic 関連で、NewsPicks の動画で言っていたことを掻い摘んで紹介します。
コーディングのAIエージェント分野では、Claude Code が相変わらず評価が高いということで、Claude の AI モデルがコーディング方面では特に優れているというのもあるだろうけど、この CLI も高度なのだろうと思います。
そして、とうとう Claude Code を作った開発者本人は、自分ではコードを書かなくなったそうです。
この流れは、システム開発の全般で、じわじわと波及していくと思いますが、コードは AI が書くようになるから、どのように AI を動かすか、オーケストレーションとマネジメントが、人の役割として求められるようになると言ってます。

私の解釈も含めて、もう少し説明を加えると、オーケストレーションとは、例えば、AI を並列化してコードを書いた方が効率がよいわけで、それをぶつからないように配置することや、どの分野をどの AI で書かせるか采配すること、AI 間の統制をどう図るのかを設計すること、AI の出力をどのように統合していくか、などのことです。
マネジメントは、例えば、AIがダウンしてコードが作られなくなったら、それに依存する AI タスクに迂回指示するとか、難易度の高い機能部分がボトルネックになって全体の進捗が芳しくないときに、どのようにテコ入れするか指示することなどです。
今の SI の中でのマネジメントと、ここでいうマネジメントは、少し違うので、そのうち、新しい役職名で呼ばれるようになると思います。
おそらく、AIでのシステム開発方法論のようなものも、誰かが体系化し始めると思います。それもAIで書いちゃうのかな。

Anthropic では、すでに、その未来像に向かって進んでいて、この役割は、1つのことに深い知識を持つスペシャリストよりも、広い知識を持つジェネラリストが適しているので、新規の採用のすべてをジェネラリストの採用に振り切ってるそうです。

ジェネラリストとは何か？AIと壁打ちしてみました。

• オーケストレーション力
  • AIという『最強の武器』を与えられたとき、一人で何人分の役割を演じようとするだろうか？
    • 1人分の作業を楽にするために使う人（→ オペレーター止まり）
    • 1人で企画から開発、マーケまでやろうとする人（→ これこそがジェネラリスト）
• 独学の「型」と「執着心」
  • AI時代、知識の賞味期限は極端に短くなります。学校で習ったことではなく、「未知のものを自力でどう攻略したか」というプロセスが重要になります。
  • 知識の深さよりも、「学習の高速道路を自分で作る力」が大事。
• 「越境」への抵抗感のなさ
  • ジェネラリストは、「自分はエンジニアだからデザインは関係ない」とは言いません。AIという万能な助手がいるからこそ、領域をまたぐことを「楽しい」と思えることが重要です。
  • 「多趣味」や「飽き性だけど色々手を出している」は、この時代、ポジティブです。
• 言語化能力と構造化思考
  • プロンプトエンジニアリングが示す通り、AIを使いこなすには「頭の中のイメージを正確に言葉にする力」が必要です。これは、「論理的に物事を分解する力」と言い換えられます。
  • 「結論から話す」以上の「概念を噛み砕く力」が大事。
• AIを「体の一部」にしているか
  • 「AIが流行っているから使う」のではなく、息を吸うようにAIを道具として使い倒している「AIネイティブ」な感覚を持っているかです。
  • AIとの対話のログ（試行錯誤の跡）を誇らしげに語れる人は、まさにジェネラリスト候補です。

当面は、レビューをするのが人の役目と言われていたけど、オーケストレーションとマネジメントが、エンジニアの仕事になって、ジェネラリストの方が活躍できるという未来像、なんだかシックリきます。

The post AI時代はジェネラリストの時代 first appeared on 株式会社Altus-Five.

マンション管理会社様において、入居者から寄せられる多種多様な問い合わせ（設備トラブル、契約変更、ゴミ出しルールなど）に自動回答するAIチャットボットを開発しました。

電話対応が主だったカスタマーサポートの窓口をデジタル化し、24時間365日の即時レスポンス体制を構築。入居者の利便性向上と、管理事務所の受電負荷の大幅な軽減を実現しました。

主な機能は以下の通りです：

• 自然言語による意図解釈： ユーザーの入力文から「何を知りたいか」をAIが判定し、最適な回答を提示。
• カテゴリ別FAQ： 設備故障、車庫証明、更新手続きなど、複雑な手続きをステップバイステップで案内。
• 緊急連絡先ナビゲーション： 水漏れや鍵の紛失など、緊急性の高いトピックには専用窓口を即座に提示。
• 管理画面からの回答更新： 管理会社様側でFAQの内容を随時メンテナンスできる運用機能を構築。

技術スタック

• NLU (自然言語理解): Google Dialogflow (ES/CX)
• Infrastructure (AWS):
  • Compute: AWS Fargate (Serverless Container)
  • Database: Amazon Aurora (MySQL)
  • Cache: Amazon ElastiCache for Redis
  • Search: Amazon OpenSearch Service
• Backend: Python / Django
• Frontend: Vue.js

プロジェクトの特徴

LLM（大規模言語モデル）が普及する以前の構築事例として、精度の高い「インテント（意図）設計」に重きを置いたプロジェクトです。

• 当時のAIでは最高水準の対話エンジンを使った緻密なシナリオ設計
  • 当時は現在の生成AIのように「自由に答える」ことが難しかったため、入居者が使いそうな言い回しを数千パターン学習させ、高い正答率を確保。管理会社特有の専門用語や曖昧な表現を的確に捉えるチューニングを行いました。
• 実務に即した導線設計
  • 単なるFAQ回答に留まらず、「最終的に解決したか」のアンケート取得や、解決しない場合の有人オペレーター・問い合わせフォームへのスムーズな引き継ぎフローを実装しました。
• マルチプラットフォーム対応
  • スマホのWebViewで動くようにシステムを構成し、iPhone、Andoroidに対応しました。

成果

• 自動応答へ移行： よくある質問をチャットボットが完結させることで、スタッフがより複雑な案件や現場対応に集中できる時間を創出。
• 入居者満足度の向上： 深夜・早朝でも即時に回答が得られることで、入居者のストレス軽減に貢献。
• 問い合わせデータの可視化： どのような悩みが多いかをデータ化し、マンション運営の改善に活かせる体制を実現。

Altus-Fiveの強み

私たちの真の強みは、昨今の生成AI（LLM）ブームが訪れる遥か以前から、機械学習や自然言語処理（NLP）を用いた実用的なシステムの開発・運用に深く携わってきたことにあります。

本プロジェクトのように、Dialogflowを用いた緻密なインテント（意図）設計や、OpenSearch・Redis・Auroraを組み合わせた高度な検索・データ処理基盤の構築など、AIを「単なる単体の機能」としてではなく、**「ビジネスを支える堅牢なエンタープライズシステム」**として成立させるためのノウハウを長年蓄積してきました。

この「AIの基礎体力」とも言える深い技術的理解があるからこそ、最新の生成AIを扱う際にも、その特性を正しく見極め、ハルシネーション（もっともらしい嘘）の抑制や、既存システムとの確実な連携、そしてコストパフォーマンスを最適化したインフラ設計を実現できます。

私たちは、流行の技術を追うだけでなく、これまでの歩みで得た確かな知見に基づき、お客様の課題に対して「本当に機能する解決策」を提案し、共に伴走し続けます。

The post マンション管理会社様向け チャットボット first appeared on 株式会社Altus-Five.

当社では、在宅勤務を行う社員に対して在宅勤務手当を支給しています。
在宅勤務を希望する社員は、「在宅勤務希望届」を提出することで、この手当の対象となります。

現在、当社ではほとんどの社員が在宅勤務を選択しており、日常的な働き方として在宅勤務が定着しています。

制度の目的

• 働く環境の整備支援：在宅勤務に伴う通信費や光熱費などの負担を軽減し、安心して業務に集中できる環境を整えます。
• 柔軟な働き方の実現：場所にとらわれず、それぞれのライフスタイルに合わせた働き方を選択できるようにします。

会社としての想い

私たちは、働く場所よりも成果やプロセス、チームへの貢献を大切にしています。
在宅勤務手当は、社員が自分に合った環境で力を発揮できるようにするためのサポートです。

これからも、社員一人ひとりが無理なく、安心して働き続けられる環境づくりを大切にしていきます。

The post 在宅勤務手当 first appeared on 株式会社Altus-Five.