現場のデータがばらばらのままでは、判断の根拠が持てません。
NEXTPAYは分散したデータをひとつに編み、AIが判断できるようにします。
Data schema
Data schema
Data schema
Data schema
Understand Context
Deploy Agent
F&B agent
ピークタイム対策
在庫切れ予測
天候に応じた運営提案
離脱顧客の呼び戻し
Delivery agent
ETA連動の調理タイミング
注文急増の予測
ライダー事前配置の提案
遅延リスクの検知
Logistic agent
配車タイミングの提案
欠品前の補充
Retail agent
空き棚の事前検知
陳列入れ替えの提案
時間帯別の人員配置
Lastmile agent
ルートのリアルタイム再設計
配送遅延の事前検知
ドライバー動線の最適化
つながりのないデータは、まだ記録にすぎません。
Raw data
Ontology data
問題は起きてからしか分からない
関係のシグナルを先に読み、先手を打つ
数字だけが積み上がり、文脈は人が埋める
データがビジネスの文脈ごと読める
どの現場にも同じ汎用モデル
ドメインの言葉で、特化した判断を
収集も解釈も人が抱え込む
AIが根拠を用意し、人は決めるだけ
なぜその結果になったのか追えない
判断の経路を、関係に沿って遡れる
01
エンティティ
注文・商品・シフト・場所・機器。現場のすべてが誰かのスプレッドシートの行ではなく、アイデンティティを持つオブジェクトになります。
02
関係
注文は現場に属し棚は商品を持ち、シフトは夜のピークを支えます。関係が、ばらばらの記録をひとつのつながった文脈に変えます。
03
出来事と因果
売上が落ちて天気が変わり、配達が遅れる。出来事が原因と結果を結び、モデルは何が起きたかだけでなくなぜ起きたのかまで知ります。
Ontologyとは
運営が実際に回る仕組みの、動くモデル。
Ontologyとは、運営の中の物事とその関係を描いた地図です。注文・商品・シフト・場所・機器、そしてそれらを結ぶ出来事。すべての記録にアイデンティティと全体の中の位置を与え、ソフトウェアが運営者のように現場を読めるようにします。
01
エンティティ
注文・商品・シフト・場所・機器。現場のすべてが誰かのスプレッドシートの行ではなく、アイデンティティを持つオブジェクトになります。
02
関係
注文は現場に属し棚は商品を持ち、シフトは夜のピークを支えます。関係が、ばらばらの記録をひとつのつながった文脈に変えます。
03
出来事と因果
売上が落ちて天気が変わり、配達が遅れる。出来事が原因と結果を結び、モデルは何が起きたかだけでなくなぜ起きたのかまで知ります。
この構造の上でAIは断片からの推測をやめ、お客様の運営の上で推論を始めます。 そしてこの地図は、壁に貼られた図ではありません。すべてのシステムが参照できる、生きたセマンティックレイヤーとして実装しました。その名前がStoreGraphです。
Ontologyが地図なら、これはその地図を実際に動かすレイヤーです。
すべての判断はStoreGraphから始まります。散らばったデータに関係を与える意味レイヤー。その上でAI Hubが判断をつくり、人は決定だけに集中します。
すべての判断はStoreGraphから始まります。 散らばったデータに関係を与える意味レイヤー。
その上でAI Hubが判断をつくり、 人は決定だけに集中します。
StoreGraphはデータベースではありません。
意味レイヤーです。BigQuery・Elasticsearch・Graph Store・MySQL・Redis・イベントバスが共通IDひとつと関係ひとつで結ばれ、AIが現場全体をひとつの文脈として読みます。
Agentはデータストアを直接呼び出しません。
StoreGraph APIを呼びます。共通ID・権限・根拠・鮮度・信頼度。Agentがデータを1行見る前に、StoreGraphがすべてを制御します。
データがつながるとき、AIは判断できる。
Contextual
散在する運営データを、ひとつにつなぎます。注文・在庫・決済・物流、別々に流れていたデータがひとつのグラフ（StoreGraph）にまとまってAIが現場全体をひとつの文脈として読み取ります。
Actionable
Scalable
データがつながるとき、 AIは判断できる。
Contextual
Contextual
散在する運営データを、ひとつにつなぎます。注文・在庫・決済・物流、別々に流れていたデータがひとつのグラフ（StoreGraph）にまとまってAIが現場全体をひとつの文脈として読み取ります。
Actionable
Actionable
データは判断と行動に変わります。データ・ロジック・アクション・セキュリティをひとつのエンジンに実装し、分析で終わらせずAIエージェントの実行までつなげる設計です。
Scalable
Scalable
ひとつのOntologyが、産業ごとに異なるエージェントへ広がります。構造はそのままにエンティティと関係だけを現場の言葉に置き換えれば、新しいドメインでも同じ判断の仕組みが立ち上がります。
検索エンジンではなく、Decision Intelligenceの層です。
始まりはデータの上の検索でした。その上に共有グラフ・エージェント・アクション・結果が重なります。これがDecision Intelligenceです。答えで止まらず運営を実行し、実行から学び続けます。
検索エンジンではなく、Decision Intelligenceの層です。
始まりはデータの上の検索でした。その上に共有グラフ・エージェント・アクション・結果が重なります。これがDecision Intelligenceです。答えで止まらず運営を実行し、実行から学び続けます。
ひとつのOntology、
産業ごとに異なるエージェント
背骨はひとつ。判断は現場ごとに。
各産業のデータを読み、その現場に必要な決定を下します。
Industry data
Ontology
F&B agent
ピークタイム対策
在庫切れ予測
天候に応じた運営提案
離脱顧客の呼び戻し
Delivery agent
ETA連動の調理タイミング
注文急増の予測
ライダー事前配置の提案
遅延リスクの検知
Logistic agent
配車タイミングの提案
欠品前の補充
Retail agent
空き棚の事前検知
陳列入れ替えの提案
時間帯別の人員配置
Lastmile agent
ルートのリアルタイム再設計
配送遅延の事前検知
ドライバー動線の最適化
Execute in realtime
Action 01
Action 02
Action 03
ひとつの流れ
Ontologyが現場に言語を与え、StoreGraphがそれをひとつの共有レイヤーにし、エージェントがそれを読んでループを回します。
運営のモデル・すべてのシステムが共有するセマンティックレイヤー、そしてそれを現場の判断に変える産業別エージェント。最初から最後まで、ひとつの流れです。
関係でたどる系譜
判断の根拠は関係の中に残ります。
観測から成果まですべての段階が関係でつながっているため、どの判断がなぜ生まれ何が効いたのかをたどれます。
01
観測
現場で何が起きたか
02
シグナル
注目すべき変化
03
予測
次に起きること
04
処方
何をすべきか
05
承認
人が選んだ判断
06
実行
実際に出た行動
07
成果
何が変わったか
08
再学習
次の判断へ戻る
単位は変わっても、言語は変わりません。
ひとつの現場の散らばった記録は、今日動けるひとつの文脈になります。
ひとつの流れ
Ontologyが現場に言語を与え、 StoreGraphがそれをひとつの共有レイヤーにし、 エージェントがそれを読んでループを回します。
運営のモデル・すべてのシステムが共有するセマンティックレイヤー、そしてそれを現場の判断に変える産業別エージェント。最初から最後まで、ひとつの流れです。
関係でたどる系譜
判断の根拠は関係の中に残ります。
観測から成果まですべての段階が関係でつながっているため、どの判断がなぜ生まれ何が効いたのかをたどれます。
01
観測
現場で何が起きたか
02
シグナル
注目すべき変化
03
予測
次に起きること
04
処方
何をすべきか
05
承認
人が選んだ判断
06
実行
実際に出た行動
07
成果
何が変わったか
08
再学習
次の判断へ戻る
01
観測
現場で何が起きたか
02
シグナル
注目すべき変化
03
予測
次に起きること
04
処方
何をすべきか
05
承認
人が選んだ判断
06
実行
実際に出た行動
07
成果
何が変わったか
08
再学習
次の判断へ戻る
単位は変わっても、言語は変わりません。
ひとつの現場の散らばった記録は、今日動けるひとつの文脈になります。
ドメインを理解し、
人と協働して判断を支えるOntology
詳しく見る
+2
+3
+1
+2OrderedCovers / 15 min
45
48
24
0
13:35
14:05
14:32
Kitchen load by hour
Hall A
32
16
0
11
13
15
17
19
21
Seats filled
39
Table
Menu
Status
#A-1043
Table 07 · 4 seats
#A-1047
Table 05 · 6 seats
#A-1052
Table 09 · 6 seats
#A-1055
Table 12 · 2 seats
#A-1058
Table 03 · 4 seats
#A-1064
Table 11 · 4 seats
技術はひとつ、プロダクトはいくつも。
Ontologyは変わりません。StoreGraphは私たちのOntologyの名前で、AI Hubはいまその上で動くプロダクトです。次に何が来ても、同じ層の上に立ちます。
現場のすべての判断を
もっと確かに
現場はそれぞれ違う形で回っています。
いまの運営に本当に必要なものを
専門家にご相談ください。