- 01アクセス - 承認した経路、範囲を限った資格情報
- 02経路 - 対応プロバイダ、一つの共通ゲートウェイ
- 03予算 - チーム、作業、エージェントごとの上限
- 04分析 - 誰が、何に、いくらの AI を使ったか
- 05記録 - 作業、エージェント、チームに紐づく利用
事業の中の AI。
条件は、あなたの側で。
測れる価値とともに。
データ、モデル、費用の制御を保ったまま、AI を会社の仕事に入れます。YABANIN は自社のソフトウェアと、基盤の中で動かすための実装を組み合わせます。
- ◆ 自社の基盤
- ◆ モデルは自分で選ぶ
- ◆ 説明できる AI 利用
成長する会社のために · オープンソースの土台 · エンタープライズ導入
運用の規律Ref-01
AIの実験から、
動く運用へ。
実験は、モデルが答えられることを示します。運用は、誰が使い、仕事の何が変わり、その費用を続ける価値があるかを示します。
チームがすでに回している一つの工程から始めます。望む結果、いまの費用、改善と呼ぶために受け入れる証拠を決めます。
選んだモデルを YABANIN でつなぎます。開発のワークフローは RAIDER で実行します。工程に必要なエージェントを加え、承認した経路の上だけで動かします。
誰がモデルを呼べるか、チーム、作業、エージェントがいくらまで使ってよいかを決めます。費用を成果と突き合わせ、結果が保つところだけ広げます。
ゲートウェイ。
モデルへのアクセス、経路、予算、利用分析のための自社運用ゲートウェイです。どのチームと作業が AI を使い、いくらかかり、どの宛先が許されるかを見ます。
入口は一つ。制御は五つ。あとから読める記録。
基盤。エージェント。実行。
事業に必要な部分から始めます。製品とワークフローを、共通の運用ルールでつなぎます。
AI基盤 · Apache-2.0 コア
YABANIN
AIの利用を、見えるように、制御できるように。
モデルへのアクセス、経路、予算、利用分析のための自社運用ゲートウェイです。どのチームと作業が AI を使い、いくらかかり、どの宛先が許されるかを見ます。
- 分類
- AI基盤
- 機能
- アクセス · 経路 · 予算 · 分析
- ライセンス
- Apache-2.0 コア
- ソース
- コアのソースは申請制
- エンタープライズ
- 導入は個別に調整
エージェントのワークフロー · 開発者プレビュー
RAIDER
開発作業を、繰り返せるワークフローにする。
リポジトリを調べ、コードを変え、検査を走らせ、レビューをまとめるエージェントです。Scala でワークフローを組み、ローカルまたは CI で実行し、何が起きたかを記録します。
- 分類
- エージェントのワークフロー
- 構成
- Scala のワークフロー
- 実行
- ソースのチェックアウトから、ローカルまたは CI
- ライセンス
- 公開の MIT プロジェクト
- 状態
- 開発者プレビュー
いまの技術構成と組み合わせて使えます。 対応するエージェントとモデルプロバイダを持ち込むか、工程に合わせた接続を一緒に作ります。
導入を計画する →| # | 項目 | 値 | 出所 |
|---|---|---|---|
| 01 | team | <team> | scoped credential |
| 02 | task | <task> | workflow |
| 03 | agent | <agent> | workflow |
| 04 | model | <model> | route |
| 05 | destination | <permitted> | policy |
| 06 | budget | <scope> | policy |
| 07 | usage_cost | <recorded> | gateway |
速く進む。費用を知る。制御を保つ。
- A1
データの境界を守る
プラットフォームは自社環境で動かします。制限のある仕事はローカル推論、方針が許す仕事は承認済みの外部モデルを選びます。
導入の選択肢 → - A2
一つの作業の費用を理解する
記録されたモデル利用を、作業、エージェント、チームに紐づけます。レビュー時間、基盤、導入費用を足して、事業としての妥当性を見ます。
経済性を試算する → - A3
モデルの選択肢を開いたままにする
対応プロバイダを一つのゲートウェイでつなぎます。ワークフローを変える前に、品質要件で代替モデルを試します。
モデル制御層 → - A4
チームに明確な運用ルールを渡す
場当たりの AI 利用 を、承認した経路、範囲を限った資格情報、予算に置き換えます。エージェントの権限と確認点を仕事に合わせます。
アクセスの統治 →
一つの工程から始める。
証拠の上に積む。
50人から500人の会社では、最初の導入に、責任者、役に立つ結果、日常の仕事へ入る現実的な道筋が必要です。
- 06.1
基準を置く
工程を選び、量、人の手間、品質要件、現在の費用を記録します。
責任者 / 承認 - 06.2
導入してつなぐ
プラットフォームを入れ、アクセスを設定し、システムをつなぎ、必要なエージェントのワークフローを作ります。
責任者 / 承認 - 06.3
結果を確かめる
受け入れた結果、人の確認、運用費用の全体を基準と比べます。
責任者 / 承認 - 06.4
仕事の一部にする
チームを訓練し、責任を置き、居場所を得たワークフローだけを広げます。
責任者 / 承認
ここで 価値 とは
取り戻した余力の価値
作業量 × 短縮した時間 × 人件費 × 経済的に使える割合。短い作業が返す余力です。
そして 費用 とは
AIを動かす費用の全体
モデル利用、ライセンス、基盤、継続支援。利用料は一行です。残りは、仕事を動かし続けるために必要なものです。
だから 便益 とは
試算した月次の便益
導入費用と比べて、回収期間と初年度のリターンを見積もります。約束ではなく計画値です。次の一歩に値するかを示します。
自社の数字から始める。
YABANIN は AI の利用と費用の信号を記録します。基準、人件費、結果が役に立つという証拠は事業側が出します。合わせて、次にどこへ投資するかを決めます。
入力に基づく計画シナリオです。実際の成果は、定着、品質、実現した事業結果によります。
作り手について - 道具を作り、仕事に入れるところまで手伝います。
仕事のそばにいるプロダクトの会社
YABANIN と RAIDER を開発し、自社の開発でも使っています。導入は、これらの製品を、システム、工程、人につなぎます。ソフトウェアを書く人たちが、導入にも残ります。
開かれた土台。エンタープライズの届け方。
中核の技術を見たうえで、ライセンス、導入、接続、継 続支援を一緒に進めます。商用の範囲は要件に合わせて決めます。運用ルールは手元に残ります。置くところまで手伝います。
取り組みの進め方 →プラットフォームを仕事に入れる
AIが御社で
何をできるか。
工程、詰まり、またはすでに動いている AI の取り組みを持ってきてください。環境にどう合うか、最初に何を測るかを示します。