Every offline workspace already knows things. Work, time, people, movement. We call that memory layer StoreGraph our ontology of how a workspace runs. AI Hub reads it, and turns it into decisions you approve, actions it runs, and results that come back.
AI Hubとは？
オフライン運営のためのAI実行プラットフォーム。
AI HubはStoreGraph上で動く意思決定プラットフォームです。エージェントを構成して判断を作り、お客様が定めた承認ルールに通したうえで実際のシステムで実行して結果まで記録します。決まった機能セットを提供するのではなく、現場ごとに自社の運用に合わせて組み立てる仕組みです。
01
Decision Cardとチャネル
ユーザーと本部が実際に見る画面：質問への答え・レポート・承認・通知がひとつの面に集まります。
03
産業別エージェント
産業の文脈を知るエージェントが現場ごとに構成され、いま何をすべきかを判断します。
05
StoreGraphとナレッジ
共有メモリレイヤー：ひとつのID・ひとつの関係網・すべての判断の根拠。
02
オーケストレーション
質問とイベントをタスクに分解し、エージェントを指揮して衝突を調整します。
04
承認とワークフロー
何を自走させ、何を人の前に置くかはお客様が決めます。そのルールがすべての実行に組み込まれます。
06
統合とガバナンス
すでに使っているシステムをつなぎ、セキュリティ・監査・コストを全体で担います。
AI Hubとは？
オフライン運営のためのAI実行プラットフォーム。
AI HubはStoreGraph上で動く意思決定プラットフォームです。エージェントを構成して判断を作り、お客様が定めた承認ルールに通したうえで実際のシステムで実行して結果まで記録します。決まった機能セットを提供するのではなく、現場ごとに自社の運用に合わせて組み立てる仕組みです。
01
Decision Cardとチャネル
ユーザーと本部が実際に見る画面：質問への答え・レポート・承認・通知がひとつの面に集まります。
02
オーケストレーション
質問とイベントをタスクに分解し、エージェントを指揮して衝突を調整します。
03
産業別エージェント
産業の文脈を知るエージェントが現場ごとに構成され、いま何をすべきかを判断します。
04
承認とワークフロー
何を自走させ、何を人の前に置くかはお客様が決めます。そのルールがすべての実行に組み込まれます。
05
StoreGraphとナレッジ
共有メモリレイヤー：ひとつのID・ひとつの関係網・すべての判断の根拠。
06
統合とガバナンス
すでに使っているシステムをつなぎ、セキュリティ・監査・コストを全体で担います。
つなぎ
理解し、判断し
実行するオペレーティングシステムをつくります
AI Hubは現場をこう変えます
POS・注文・在庫・キオスク・センサーは、一度もひとつとして動いたことのない現場のデータ・システム・機器。
つなぎ
AI Hubは現場をこう変えます
POS・注文・在庫・キオスク・センサーは、一度もひとつとして動いたことのない現場のデータ・システム・機器。
理解し、判断し
AI Hubは現場をこう変えます
つながった全体像の上で、AIは何がなぜ起きているかを読みます。今何が重要かを見極め、店長が下すはずの判断を下します。
実行するオペレーティングシステムをつくります
AI Hubは現場をこう変えます
ユーザーが定めた権限とポリシーの中で、決定はダッシュボードを離れます。実際のシステムに届いて実行され、結果とともに記録されます。
つないで理解し、判断して実行するループが回るたびに記録が残ります。何をどの根拠で決めたのか、その結果はどうだったのかが一緒に残ります。この記録はログではなく積み上がっていく現場の判断力です。
すべてが積み重なって届く場所、Decision Intelligence。
つないで理解し、判断して実行するループが回るたびに記録が残ります。何をどの根拠で決めたのか、その結果はどうだったのかが一緒に残ります。この記録はログではなく積み上がっていく現場の判断力です。
AI Hubが最終的につくるものは、オフライン運営のためのDecision Intelligenceです。長く回るほど判断は正確になり、同じインテリジェンスがひとつの現場からその上の運営全体へ広がります。
AI Hubが最終的につくるものは、オフライン運営のためのDecision Intelligenceです。長く回るほど判断は正確になり、同じインテリジェンスがひとつの現場からその上の運営全体へ広がります。
私たちの解き方
データ収集から問題解決まで
記録されていなかった現場データを取得し、稼働中のシステムのデータをひとつに集めます。POS・キオスク・センサー・シフト表・スプレッドシートまで。作り直すことなくすべてをつなぎます。
データに関係と意味を与え、現場がどう回っているかをAIが理解できるようにします。ここでStoreGraphが形になります。すべてのソースを貫くひとつのID・ひとつの関係網。
産業の文脈を知るエージェントが、いま何をすべきかを判断します。グラフを読み、シグナルを見極めて今日大事なことから順序を立てます。
判断が実際の運営の行動につながるよう、人が確認するポイントを一緒に設計します。何を自走させ何を先に確認するかは、お客様が定めたルールが流れに組み込まれます。
データ収集
記録されていなかった現場データを取得し、稼働中のシステムのデータをひとつに集めます。POS・キオスク・センサー・シフト表・スプレッドシートまで。作り直すことなくすべてをつなぎます。
AI Hubは、各現場の判断をひとつに集めます。
データを見せるだけで終わらせず、
いま何をすべきかを示し、実行につなげます。
結果がふたたび判断になります
実行は終わりではありません。結果が戻り、次の判断を変えます。
承認
自動化のレベルは現場が決めます。情報を見せるだけか、提案まで出すか、承認後に実行するか、上限の中で自動実行するか。実行リスクのある判断は人が承認します。
実行
承認された判断が実際の運営システムへ出ます。
成果
実行の結果を回収し、何が効いたかを記録します。
再学習
承認・却下・修正の履歴と成果が、次の判断の根拠になります。
結果がふたたび判断になります
実行は終わりではありません。結果が戻り、次の判断を変えます。
承認
承認
自動化のレベルは現場が決めます。情報を見せるだけか、提案まで出すか、承認後に実行するか、上限の中で自動実行するか。実行リスクのある判断は人が承認します。
実行
成果
再学習
結果がふたたび判断になります
AI Hubは質問に答えるだけにとどまらず、運営を指揮するオーケストレーターです。問い合わせとイベントを業務に分解してエージェントを制御し、承認と成果を記録します。何が承認され修正され見送られたのか、そしてその結果はどうだったのかがその都度記録として残ります。
AI Hubは質問に答えるだけにとどまらず、運営を指揮するオーケストレーターです。
このセクションでは、ひとつのリクエストがAI Hubの中を通る8つのステップを順に追います。
Intake
質問・ボタン・スケジュール・異常信号を受け取ります。
結果がふたたび判断になります
AI Hubは質問に答えるだけにとどまらず、運営を指揮するオーケストレーターです。 問い合わせとイベントを業務に分解してエージェントを制御し、承認と成果を記録します。 何が承認され修正され見送られたのか、そしてその結果はどうだったのかがその都度記録として残ります。
このセクションでは、ひとつのリクエストがAI Hubの中を通る8つのステップを順に追います。
- 01入力質問・ボタン・スケジュール・異常信号を受け取ります。
- 02文脈確認ユーザー・現場・権限を確認します。
- 03業務分解目標と制約で業務を分解します。
- 04根拠収集Ontologyから根拠を集めます。
- 05エージェント実行エージェントを実行し、衝突を調整します。
- 06ポリシー点検リスク・予算・個人情報を検査します。
- 07人の承認ここで人が関与します。
- 08再学習実行と結果が再び学習されます。
AI HUBターゲットアーキテクチャ、12レイヤー
顧客体験、知能組織、共通記憶、実行・運用基盤を分離した拡張型構造です。
L1
チャネル・顧客体験
- Web/App
- Chat
- Dashboard
- Report
- Notification
各レイヤーは独立した責任を持ちます。
顧客体験
ユーザーと本部が見るページとDecision Cardを構成します。質問・レポート・承認・通知がこのレイヤーで統合されます。
ドメインを理解し、
人と協働し、
決定を支えるAI Agent。
ひとつの汎用AIではなく、
機能ごとの専門家を送り込む。
データ収集・処理から、
AIエージェントの業務遂行まで。
注文のピークは 予定どおりには来ない
注文のピークは 予定どおりには来ない
需要予測の不在
注文量が毎日変わっても予測の根拠がなく、準備量は経験で見積もることになります。
在庫と注文の分断
販売はPOSに、在庫の引き落としは別システムに記録されるため実際の残量をリアルタイムに把握できません。
勘頼みの人員配置
ピークがいつ来るかデータで見えず、シフトは担当者の勘に依存します。
ピーク前に準備を終わらせる判断
注文・在庫・天候・人員をひとつの文脈で読み、ピーク対策と在庫切れ予測を先に示すよう設計されています。
ピーク前に準備を終わらせる判断
注文・在庫・天候・人員をひとつの文脈で読み、ピーク対策と在庫切れ予測を先に示すよう設計されています。
Ontology
ORDER
84%
relation coverage
Data schema
Data schema
Data schema
INVENTORY
consumes
STAFF
handles
WEATHER
affects
relation coverage
84%
INVENTORY · consumes
STAFF · handles
WEATHER · affects
+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
注文の急増は 前触れなしには来ない
注文の急増は 前触れなしには来ない
急増予測の不在
注文の急増は過ぎてから確認され、ライダー確保も調理準備もいつも遅れて始まります。
調理と配車のズレ
調理完了とライダー到着の時刻が噛み合わず、料理が冷めるかライダーが待たされます。
エリア別需要の偏り
エリアごとの需要変化をリアルタイムに読めず、ライダーが余るエリアと足りないエリアが同時に生まれます。
急増を先に読む配車
注文の流れとエリアのシグナルを重ね、急増を予測してライダー配置と調理開始のタイミングを先に提案する設計です。
急増を先に読む配車
注文の流れとエリアのシグナルを重ね、急増を予測してライダー配置と調理開始のタイミングを先に提案する設計です。
Ontology
ORDER
91%
relation coverage
Data schema
Data schema
Data schema
RIDER
pre-positions
ZONE
rebalances
KITCHEN
preps
relation coverage
91%
RIDER · pre-positions
ZONE · rebalances
KITCHEN · preps
欠品は倉庫ではなく 構造から始まる
欠品は倉庫ではなく 構造から始まる
しきい値割れの検知遅れ
しきい値割れの在庫が出庫時に発覚し、緊急発注につながります。
配車とドックの非同期
車両の到着時刻とドックの荷役スロットが別々に管理され、ドライバーとドックの両側に待機が積み上がります。
手作業承認のボトルネック
補充発注の起案が何人もの手を経て遅れ、そのぶんリードタイムが伸びます。
欠品の前に動く補充と配車
在庫・車両・ドックの状態をまとめて読み、欠品の前に補充を起案。人が承認するポイントも一緒に設計します。
欠品の前に動く補充と配車
在庫・車両・ドックの状態をまとめて読み、欠品の前に補充を起案。人が承認するポイントも一緒に設計します。
Ontology
STOCK
87%
relation coverage
Data schema
Data schema
Data schema
ROUTE
matches
DOCK
loads
STAFF
handles
relation coverage
87%
ROUTE · matches
DOCK · loads
STAFF · handles
Dock dwell
64
空き棚は、売上が 消えていく瞬間
空き棚は、売上が 消えていく瞬間
欠品の発見遅れ
空き棚の確認はスタッフの巡回だけ。空いている間の販売機会をそのまま逃します。
発注と需要の分断
週末やプロモーションで変わる需要が発注に反映されるのが遅く、過剰と欠品が交互にやってきます。
陳列優先度の不在
どの棚から埋めるかの基準がなく勘で決まり、そのぶん動線と時間が無駄になります。
空き棚に最初に気づく運営
棚・需要・発注をひとつの構造でつなぎ、欠品を早期に検知して補充と発注が途切れない設計です。
空き棚に最初に気づく運営
棚・需要・発注をひとつの構造でつなぎ、欠品を早期に検知して補充と発注が途切れない設計です。
Ontology
SHELF
89%
relation coverage
Data schema
Data schema
Data schema
DEMAND
forecasts
STAFF
restocks
PRICE
drives
relation coverage
89%
DEMAND · forecasts
STAFF · restocks
PRICE · drives
遅延は道路の上だけで 起きるのではない
遅延は道路の上だけで 起きるのではない
ルート再設計の遅れ
渋滞にはまってから迂回路を探し始め、1件の遅延が後続の配送全体に広がります。
お客様への案内の空白
遅延の連絡がお客様に届くのが遅く、問い合わせとクレーム対応に時間が奪われます。
引き継ぎ追跡の分断
ハブを移るたびに記録が途切れ、紛失や誤配送が起きても原因を遡れません。
遅延のシグナルで引き直されるルート
交通と配送状況をリアルタイムに読んでルートを引き直し、お客様への案内までひとつの流れでつなぐ設計です。
遅延のシグナルで引き直されるルート
交通と配送状況をリアルタイムに読んでルートを引き直し、お客様への案内までひとつの流れでつなぐ設計です。
Ontology
ROUTE
86%
relation coverage
Data schema
Data schema
Data schema
DRIVER
follows
TRAFFIC
affects
CUSTOMER
notified
relation coverage
86%
DRIVER · follows
TRAFFIC · affects
CUSTOMER · notified
離脱は継続の時点ではなく 最初の欠席から始まる
離脱は継続の時点ではなく 最初の欠席から始まる
欠席シグナルの確認遅れ
連続欠席を月末の集計で知るため、生徒が心を決めた後に面談が始まります。
教室割り当ての偏り
同じ時間帯に空き教室と定員超過のクラスが生まれ、開講できる授業数が減ります。
補講と面談の抜け
補講の割り当てと保護者面談が講師個人の記憶に残り、対応の有無が毎回変わります。
離脱シグナルを先に上げる運営
出欠・進度・教室割り当てをひとつの構造でつなぎ、離脱シグナルを先に上げて補講の割り当てまで運ぶ設計です。
離脱シグナルを先に上げる運営
出欠・進度・教室割り当てをひとつの構造でつなぎ、離脱シグナルを先に上げて補講の割り当てまで運ぶ設計です。
Ontology
CLASS
87%
relation coverage
Data schema
Data schema
Data schema
ABSENCE
signals
ROOM
hosts
GUARDIAN
confirms
relation coverage
87%
ABSENCE · signals
ROOM · hosts
GUARDIAN · confirms
導入をご検討中でしたら、
AI HubはNEXTPAYのオフライン産業向けAI実行プラットフォームです。現場で運営データを取得し、Ontologyで関係と意味を与えます。その上に産業の文脈を知るエージェントを構成し、判断が実際の運営の行動につながるよう設計されています。決められた機能一覧から選ぶ製品ではなく、各現場が自らの運営方式に合わせてAIを設計・運用できる構造を提供します。
多くのツールは記録と参照で止まります。何が起きたかは分かっても、次に何をすべきかは人に委ねられたままです。AI Hubは散在するデータをひとつに編み、AIが現場の文脈を理解したうえで数字ではなく次の行動を示すよう設計されています。
はい。多くのAIは整理済みのデータを前提にしますが、オフラインの現場にはそれがないことがほとんどです。AI Hubは記録されていない箇所に収集デバイスを置いて稼働中のシステムからデータを引き込み、パートナーが持つデータをつなぎます。先にデータを整えていただく必要はありません。
AI Hubは特定業種向けのツールではなく、複数の産業で機能するよう設計された構造です。Ontologyをそのままに産業別の判断基準とエージェントだけを差し替える方式のため、産業が変わってもゼロから作り直す必要はありません。
すべてを任せる設計にはしていません。どの決定を自動で実行し、どの決定を人が確認して承認するかは現場の条件に合わせて一緒に設計します。自動化の範囲は現場が決める、それが原則です。
はい。置き換えではなく、いまお使いのシステムの上に運営レイヤーを重ねる方式です。一箇所から始めて検証し、全体へ広げられます。
まず運営環境の診断から始めます。どんなデータがすでに蓄積され、どのシステムをお使いかを確認します。どの判断が繰り返し人の手を経ているかを把握したうえで、どのレイヤーから適用するかを一緒に決めます。現場を理解する専門家が、導入設計から伴走します。
私たちの仕事
複雑な運営を、
シンプルな実行へ。
現場で働くすべての人に、
より良い結果を生むAIの判断を。
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。