テーブル脳からグラフ脳へ - Ontologyによる業務データの意味づけ -

2026/6/27(土)に開催された .NETラボ 勉強会 2026年6月( https://dotnetlab.connpass.com/event/390843/ ) に参加した時に当日受付LTで発表した資料です。 #dotnetlab

Transcript

1. テーブル脳からグラフ脳へ Ontologyによる業務データの意味づけ 2026/6/27 .NETラボ 2026年6月 当日LT NTTテクノクロス 中島進也（なかしょ）
2. 自己紹介 • なかしょ（中島進也） @nakasho_dev • 所属：NTTテクノクロス株式会社 デジタルトランスフォーメーション事業部 • 業務：MaaS関連のスマートフォンアプリ開発担当 • 趣味： – 妻とモンハンデート – AI＋モバイル＋地理空間情報システム – IT関連の勉強会（主にモバイル系 or アジャイル系 or Microsoft系） – 技術コミュニティの運営スタッフ • AI Dev Day 2026 • eXtreme Programming Japan User Group（XPJUG） 2019〜 • TDD BootCamp Online (TDDBC) 2020～ ※本資料は私個人の意見であり、所属企業・部門見解を代表するものではありません。
3. https://aidevday.com/
4. https://xpjug.github.io/ 2026年9月5日 土曜日 開催
5. https://github.com/orgs/microsoft/repositories
6. https://github.com/microsoft/Ontology-Playground
7. AIはなぜ業務で迷うのか AIエージェントが「次に何をすべきか」を判断できない根本原因は、 業務知識の構造 にある テーブル脳 vs グラフ脳 テーブル脳 意味のつながりが消える VS グラフ脳（OWL ） 案件 稟議 承認ルール 役員承認必要 関係・制約が明示化 → AIが推論可能 よくある現場の悩み 原因の仮説 「テーブルに並んだデータ」と 「意味あるネットワーク」は何が違うのか？ • 「AIに稟議を処理させたいが、ルールが複雑すぎて動かない」 • AIはデータを読めるが、業務の文脈・関係性を理解していない • テーブルのJOINでは「なぜこの承認が必要か」を説明できない 案件ID 金額 状態 A001 600万 稟議中 A002 200万 承認済 A003 980万 稟議中
8. テーブル脳の限界 RDBのフラットな構造は業務ルールの「文脈」を失わせ、AIの推論を妨げる テーブル脳の世界 承認ルールはどこに？ → 別テーブルにJOINで辿るしかない 稟議テーブル 承認ルールテーブル 社員テーブル …? 稟議ルールの例 「金額が 500万円超 なら役員承認が必要」 → このルールは どのテーブルに記述する？ コードかドキュメントに埋もれ、AIには不可視 テーブル脳が引き起こす問題 ルールの散在 業務ルールがコード・ドキュメント・テーブル定義に分断して存在し、一元管理でき ない 意味的関係の消失 テーブル間のつながりはJOINで「推測」するしかなく、「なぜ」という意味は消える AIが説明できない 「なぜこの承認が必要か」をAIエージェントは構造から導出できず、根拠を提示でき ない データは揃う — しかし意味のつながりは消える 「テーブルに並んだデータ」 と 「意味あるネットワーク」 は根本的に異なる。AIが 推論するには後者が必要。 稟議ID 金額 申請者ID ステータス RG-001 6,200,000 EMP-042 稟議中 RG-002 320,000 EMP-017 承認済
11. グラフ脳への転換（OWLによるオントロジー例） オントロジーは業務ルールを「クラス・関係・制約」として明示化し、AIが推論できる地図を提供する 29個 クラス 38個 オブジェクト プロパティ 17個 データ型 プロパティ AIが辿れる推論パス 稟議中 → 承認ステップ → 承認レベル → 金額承認ルール • ルールを「検索」ではなく「探索・推論」できる • 主要クラス：顧客・案件・見積・注文・請求・入金・稟議・承認ステップ・社員・部門・ SLA・金額承認ルール
12. AIエージェントへの影響 グラフ構造の業務知識を持つAIエージェントは、探索・判断・行動・説明の 4 能力が飛躍的に向上する 1 探索 「この案件の次の 承認者は誰か」を グラフ上でパスと して辿れる 稟議 → 承認ステッ プ → 承認レベル → 担当者 2 判断 金額・部門・承認 レベルのルールを 組み合わせて正し い判断ができる 例： 5,000,000 円 → 役員承認が必 要 3 行動 稟議ステータスの 遷移を自律的に管 理する 内示 → 見積提出済 → 稟議中 → 受注 確定／失注 4 説明 「なぜこの承認が 必要か」をOWLの 関係性から自然言 語で根拠として提 示できる 根拠を明示した説 明 → 人間との信 頼構築
13. まとめ：AIに業務地図を渡す オントロジーはAIエージェントに渡す「業務地図」― テーブルからグラフへの転換が自律AIの鍵となる 今日のメッセージ AIに業務をわかってほしければ、まず 業務の地図（オントロジー）を作れ 稟議フロー OWL は「AIが迷わない業務知 識」の設計例 Next Action：自社業務のオントロジー設計を始めてみましょう 観点 テーブル脳（RDB） グラフ脳（OWL） 知識表現 行・列・JOIN クラス・関係・制約 文脈の保持 意味のつながりが消える 明示的に保持される ルールの所在 コード・ドキュメントに 散在 オントロジーに一元化 AIの動作 迷う・説明できない 推論・探索・説明できる
14. ご清聴ありがとうございました。 14 @nakasho_dev