AI DEVELOPMENT & OPERATIONS
LIGHTHOUSE AI開発運用パック
AIを、自社の
開発と業務に
組み込む。
開発を自動化し、GitHubに変更と検証の証跡を残す。さらに、社内のファイルサーバや業務システムへ。企業の運用に合わせたAI活用環境を設計・構築します。
GitHub
依頼・コード・変更履歴社内インフラ
共有資料・業務データ社内インフラ連携は、接続先・データ・権限を確認したうえで個別に設計します。
BUILT FOR BUSINESS
自動化を、
企業の運用へ。
企業でAIを使い続けるには、何を依頼し、何が変更され、どのように確認したかを説明できることが大切です。社内データへ接続するなら、アクセス範囲や承認のルールも必要になります。
LIGHTHOUSEは、SIerとしてのシステム開発・運用の知見と、自社で積み重ねてきたAI開発環境の実践をもとに、自動化・証跡・社内連携を一つの運用として設計します。
01 / AUTOMATION
自社開発で取り組む運用依頼から、確認できる変更案まで。
GitHubに登録した開発依頼をもとに、AIが実装とテストを進め、レビュー用の変更案を作成。人は仕様の判断と成果の確認に取り組めます。
- STEP 01
依頼を整理する
目的・変更範囲・完了条件をIssueにまとめ、AIが取り組む作業を明確にします。
残るもの：依頼・判断の前提
- STEP 02
実装を進める
作業ごとに変更を分けて実行。常時稼働する実行機で、担当者の端末を閉じた後も作業を継続できます。
残るもの：コード差分・コミット
- STEP 03
検証して提示する
テストやビルドを実行し、結果と変更内容をPull Requestにまとめます。失敗時の停止・再試行条件も設定します。
残るもの：検証結果・レビュー
- STEP 04
人が承認する
担当者が差分と検証結果を確認。仕様に合っているかを判断し、マージと本番反映を承認します。
残るもの：承認・反映の履歴
自動化できる作業と検証範囲は、対象のコード・テスト・依頼内容によって異なります。AIサービスの利用可能枠や通信環境も踏まえて運用を設計します。
02 / TRACEABILITY
「なぜ変えたか」まで、
GitHubに残す。
開発の成果と経過を、チームでたどれる資産に。依頼、コード、検証結果、レビューを関連付け、確認や引き継ぎに使える形で蓄積します。
- 変更を説明できる
何を直したかに加え、依頼の背景と確認結果を追えます。
- 担当者が変わっても引き継げる
会話だけに閉じず、リポジトリに残った記録から経緯を確認できます。
- 問題の調査や切り戻しを判断できる
変更前後の差分と関連する検証結果を参照し、対応方針を検討できます。
- Issue
- 業務画面の入力項目を追加する目的と、完了条件
- Commit
- 入力画面・保存処理・テストに加えた変更
- 検証結果
- 実行したテスト、成否、確認できていない項目
- Pull Request
- 変更の要約、レビュー指摘、修正の経過
- 承認・反映
- 承認者とマージの履歴、本番反映記録への参照
テスト結果や本番反映の記録は、GitHubと関連付ける運用・連携を設定します。記録の保存期間、削除制限、監査要件への対応は、利用プランや構成に応じて設計します。
03 / INTEGRATION
接続先に合わせた個別設計自社のインフラを、
AIが働く場所につなぐ。
ファイルサーバにある資料や、日々蓄積する業務データ。アクセスを許可した範囲でAIの実行環境に接続し、開発から日常業務へと活用を広げる構成を検討できます。
ファイルサーバ・NAS
資料を探して、
要点を整理する。
指定フォルダのマニュアルや仕様書を参照し、必要な情報を整理。参照元のファイル名や所在を添える運用を設計します。
活用例：社内資料の検索・要約、手順書の更新案
CSV・Excel・業務データ
集計を進めて、
報告の下準備をする。
定めた形式のデータを取り込み、集計や差分確認を実行。所定のフォルダへ確認用の成果物を出力する構成です。
活用例：定例レポート、帳票案、データ整形
社内システム・API
業務の情報を、
次の作業につなげる。
既存システムが提供するAPIなどを介し、必要な情報の取得や処理を連携。書き込み操作には個別の権限と承認条件を設けます。
活用例：情報の照合、定型処理、開発依頼の作成支援
必要な場所へ、必要な権限で。
参照用アカウント、対象フォルダ、出力先を分け、読み取りから段階的に導入します。ファイル形式・通信方式・APIの有無により、対応可否と実装範囲を確認します。
データの保存先と送信範囲を明確に。
社内で実行機を動かす構成でも、外部AIを利用する場合は入力データが送信されます。扱う情報を分類し、送信を許可する範囲とAIの利用方式を導入前に決めます。
ENTERPRISE APPROACH
企業利用に必要な条件を、
導入の最初に設計する。
エンタープライズ利用を見据え、責任の分担、アクセス権限、記録、停止・復旧を具体化します。必要な統制を、お客様の既存環境と運用ルールに合わせて組み込みます。
アクセス権限
接続するリポジトリ・サーバ・フォルダを限定。閲覧、書き込み、管理操作を分け、業務に必要な範囲を定めます。
承認と責任の分担
AIに任せる作業と、人が確認する変更を明確にします。マージ、本番反映、社内データの更新などの承認条件を設定します。
証跡と記録の管理
GitHubの開発履歴と、業務処理の実行記録を用途に応じて関連付けます。保存期間、閲覧者、記録に含めない情報を決めます。
停止・復旧・費用管理
テスト失敗、通信断、認証切れなどの対応手順と通知先を整理。再試行回数、並列実行数、費用の監視・停止条件を設計します。
既存の社内要件への適合
SSO、監査ログ、閉域・オンプレミス構成などの要件は、利用サービスの対応機能や追加設計を含めて個別に確認します。
この表は導入時に設計・確認する項目です。認証取得、監査適合、完全閉域動作、高可用性、SLAを一律に保証するものではありません。
WHY LIGHTHOUSE
現場とシステムの間を、
設計する。
SIerとしての知見を、AI時代の開発運用へ。
要件整理から、運用への引き継ぎまで。
LIGHTHOUSEは、IoT・エッジシステムの開発と、自社業務に向けたAI開発環境の構築に取り組んでいます。現場の課題を捉え、既存の機器やシステムとつなぎ、継続して使える形にすることを重視しています。
その実践をもとに、依頼の整理、実行環境、検証・承認、障害時の対応を一つの流れとして設計。お客様のチームが運用を引き継げるところまで、導入範囲を具体化します。
START SMALL
一つの開発案件、
一つの業務から。
最初に対象を絞り、人の作業時間、確認・手直しの負担、AI利用費用を測定。効果と運用条件を確かめながら、適用範囲を広げます。
- 01 現状と要件を整理対象業務、既存インフラ、扱う情報、承認者、導入の目的を確認します。
- 02 範囲を絞って構築・検証対象リポジトリやフォルダを限定し、代表的な作業と停止・復旧の流れを確認します。
- 03 運用を引き継ぎ、改善依頼・確認・停止・再開の手順を整理し、必要に応じた保守範囲を決めます。
GitHubを使えば、すべての操作が自動で記録されますか？
コードの変更履歴やPull Requestのやり取りを残せます。テスト結果、本番反映、ファイルサーバ上の操作は、それぞれ記録と連携の設定が必要です。残す証跡と保存先を導入時に決めます。
社内のファイルサーバへ接続できますか？
接続方法、アクセス権限、ファイル形式、ネットワーク条件を確認したうえで構成を検討します。まずは指定フォルダの読み取りなど、範囲を限定した接続から始めます。すべての既存環境への接続を一律に確約するものではありません。
機密情報を外部へ送らない構成にできますか？
外部送信の禁止範囲を確認し、社内処理やローカルAIを含む構成を検討します。必要な機器、処理品質、対応機能が変わるため、完全閉域での提供可否は個別の検証で判断します。
導入費用や保守の範囲はどう決まりますか？
対象業務、接続先、必要な統制、検証範囲に応じて個別にお見積もりします。AIサービスの利用料、機器費用、基盤の保守、アプリの追加開発を整理し、対応時間と責任範囲を明確にします。
自社で、どこまでAIに任せられるか。
開発の自動化、証跡の管理、社内インフラ連携。
現在の環境と、取り組みたい業務をお聞かせください。