OrgBrain 導入相談はこちら 導入相談

ORGANIZATIONAL MEMORY FOR AI

AIが動くたび、組織が学ぶ

AI実行の結果と、判断の背景を次のAIが使える組織知へ。理由・制約・結果を残し、同じ議論や失敗を繰り返さない。

WORKS WITH CodexClaude CodeCursor
導入相談はこちら GitHub
  • Local-first
  • Auditable
  • Cloudflare-ready
AIナレッジ管理の仕組みを見る
判断記憶がネットワークとして結びつくOrgBrainのイメージ
01 / PROBLEMSCROLL TO EXPLORE

THE HIDDEN COST

「これって、なんでこうしたんだっけ？」

会議が止まり、Slackや資料を探し、最後は「あの人に聞こう」となる

判断理由や失敗の教訓が、組織ではなく担当者の記憶に残っているサインです。AIを導入しても過去の背景を知らなければ、人と同じように毎回ゼロから調べ、同じ議論や失敗を繰り返します。

01横断検索Slack・Issue・議事録
02背景を再推論断片から「なぜ」を推測
03人に確認担当者不在なら答えが消える
人が辞めるたび、組織は記憶をなくす。同じ失敗の再発は、知識が残っていないことの帰結です。

HOW IT WORKS

AIを使うたび、判断の経過が自動で組織の記憶に

追加入力なしで、AIコーディングエージェントと業務ツールから理由・制約・結果を蓄積。4つの工程で、次のAI実行に必要な文脈へ変えます。

01CAPTURE

自動記録

Codex、Claude Code、CursorなどのAI実行と、Slack・GitHub・Notionから、判断の経過を追加作業なく取り込みます。

02DISTILL

自動選別

重複・更新・矛盾候補を判定し、残すべき理由・制約・結果を選別します。

03CONNECT

関連付け

関連文書や派生元をひも付け、判断の関係と履歴をたどれる形にします。

04RECALL

自動想起

質問と権限に合う記憶を検索し、次のAI実行へ根拠付きで渡します。

具体例 / CONCRETE SCENARIOS

過去の判断が、次のAIの一手を変える

見えないところで勝手に直すのではなく、AIが根拠付きで警告し、安全な代替案を提示する。職種が変わっても、判断の理由と制約は次の作業へ引き継がれます。

01
過去の判断理由・制約・出典を記録
02
次のAI作業AIが次の提案を開始
03
AIの警告過去の判断と矛盾を通知
04
安全な代替案人が確認して前に進む

ソフトウェア開発

Node 22を守り、同じエラーを再発させない

  1. 01
    過去の判断

    AさんがNode 22からNode 24へ上げたところ、一部ライブラリでエラー。本番はNode 22を維持すると決定。

  2. 02
    次のAI作業

    AIがNode 24でしか動かないライブラリの導入を提案。

  3. 03
    AIの警告

    本番環境はNode 22が必須です。このライブラリは導入すると互換性を失う可能性があります。

  4. 04
    安全な代替案

    Node 22対応の別ライブラリを提示。Aさんは過去の判断を思い出し、代替案を承認。

見える効果

同じ検証・ロールバックを繰り返さず、AIの提案を安全に前へ進められます。

引用元の例：GitHub Issue / CIログ / Pull Request
4ステップと効果を見る 4ステップと効果を折りたたむ
  1. 01
    過去の判断

    AさんがNode 22からNode 24へ上げたところ、一部ライブラリでエラー。本番はNode 22を維持すると決定。

  2. 02
    次のAI作業

    AIがNode 24でしか動かないライブラリの導入を提案。

  3. 03
    AIの警告

    本番環境はNode 22が必須です。このライブラリは導入すると互換性を失う可能性があります。

  4. 04
    安全な代替案

    Node 22対応の別ライブラリを提示。Aさんは過去の判断を思い出し、代替案を承認。

見える効果

同じ検証・ロールバックを繰り返さず、AIの提案を安全に前へ進められます。

引用元の例：GitHub Issue / CIログ / Pull Request

プロダクトマネジメント

優先順位の理由を、次の仕様にも引き継ぐ

  1. 01
    過去の判断

    CSV出力の要望はあったが、権限設計が未確定。今期はSSO対応を優先し、CSVは次期と決定。

  2. 02
    次のAI作業

    AIが顧客要望をもとに、CSV出力を今期のロードマップへ追加しようとする。

  3. 03
    AIの警告

    権限設計が未確定のため、今期に入れると既存のアクセスモデルと衝突する可能性があります。

  4. 04
    安全な代替案

    SSO対応を先に進め、権限案が固まった段階でCSV出力を再評価する案を提示。

見える効果

過去の優先順位を毎回説明し直さず、仕様の手戻りと会議のやり直しを減らせます。

引用元の例：ロードマップ / 顧客議事録 / Jira・GitHubの仕様Issue
4ステップと効果を見る 4ステップと効果を折りたたむ
  1. 01
    過去の判断

    CSV出力の要望はあったが、権限設計が未確定。今期はSSO対応を優先し、CSVは次期と決定。

  2. 02
    次のAI作業

    AIが顧客要望をもとに、CSV出力を今期のロードマップへ追加しようとする。

  3. 03
    AIの警告

    権限設計が未確定のため、今期に入れると既存のアクセスモデルと衝突する可能性があります。

  4. 04
    安全な代替案

    SSO対応を先に進め、権限案が固まった段階でCSV出力を再評価する案を提示。

見える効果

過去の優先順位を毎回説明し直さず、仕様の手戻りと会議のやり直しを減らせます。

引用元の例：ロードマップ / 顧客議事録 / Jira・GitHubの仕様Issue

営業

顧客に未合意の条件を約束しない

  1. 01
    過去の判断

    A社には標準のデータ保持設定を案内。追加の保持要件は、技術・法務確認前で未合意と記録。

  2. 02
    次のAI作業

    AIが過去の提案書をもとに、30日保持を確定条件として新しい提案書へ記載しようとする。

  3. 03
    AIの警告

    30日保持はA社との合意済み条件ではありません。確約前に技術・法務確認が必要です。

  4. 04
    安全な代替案

    標準設定の記載へ戻し、追加要件は確認事項として顧客に提示する案を提案。

見える効果

未合意の約束や社内確認の往復を防ぎ、商談のスピードと信頼性を保てます。

引用元の例：CRM / 提案書 / 商談議事録
4ステップと効果を見る 4ステップと効果を折りたたむ
  1. 01
    過去の判断

    A社には標準のデータ保持設定を案内。追加の保持要件は、技術・法務確認前で未合意と記録。

  2. 02
    次のAI作業

    AIが過去の提案書をもとに、30日保持を確定条件として新しい提案書へ記載しようとする。

  3. 03
    AIの警告

    30日保持はA社との合意済み条件ではありません。確約前に技術・法務確認が必要です。

  4. 04
    安全な代替案

    標準設定の記載へ戻し、追加要件は確認事項として顧客に提示する案を提案。

見える効果

未合意の約束や社内確認の往復を防ぎ、商談のスピードと信頼性を保てます。

引用元の例：CRM / 提案書 / 商談議事録

管理部門

一度きりの例外を、恒久ルールにしない

  1. 01
    過去の判断

    障害対応の緊急購入だけを例外承認。期限後は通常フローへ戻すと記録。

  2. 02
    次のAI作業

    AIが同じ費目の申請を、前回と同じ例外扱いで起票しようとする。

  3. 03
    AIの警告

    前回の例外は障害対応に限った期限付き承認で、恒久的な運用ルールではありません。

  4. 04
    安全な代替案

    通常申請へ戻し、必要なら期限付きの例外申請を作成する案を提示。

見える効果

担当者の記憶に頼らず、例外の常態化と引き継ぎ時の判断ぶれを抑えられます。

引用元の例：稟議 / 承認ログ / 運用手順
4ステップと効果を見る 4ステップと効果を折りたたむ
  1. 01
    過去の判断

    障害対応の緊急購入だけを例外承認。期限後は通常フローへ戻すと記録。

  2. 02
    次のAI作業

    AIが同じ費目の申請を、前回と同じ例外扱いで起票しようとする。

  3. 03
    AIの警告

    前回の例外は障害対応に限った期限付き承認で、恒久的な運用ルールではありません。

  4. 04
    安全な代替案

    通常申請へ戻し、必要なら期限付きの例外申請を作成する案を提示。

見える効果

担当者の記憶に頼らず、例外の常態化と引き継ぎ時の判断ぶれを抑えられます。

引用元の例：稟議 / 承認ログ / 運用手順

DECISION MEMORY

結論だけでなく、理由・制約・出典まで

左の4軸（種類・範囲・状態・根拠）が検索と権限のキー。右は1件の実データで、根拠の内訳まで追跡できます。

01

種類

decision / constraint / pitfall / preference ほか

decision｜顧客別の先行対応
02

範囲

project / org / tenant の3スコープ

project｜a-company
03

状態

有効・抑制・統合・昇格をライフサイクル管理

有効・検証済み｜契約更新まで
04

根拠

理由・却下案・制約・出典・版・有効期限

理由・制約・却下案・引用元
DECISION MEMORYACTIVE

A社のSAML対応を先行する

種類
decision / 顧客別の先行対応
範囲
project / a-company
状態
有効・検証済み / 契約更新まで
根拠
理由 契約更新までにSSOが必須制約 既存権限モデルを変更しない却下案 全顧客同時リリースは納期超過引用元 Slack / GitHub Issue / 仕様書
recall: A社 / SAMLverified

MEASURED, NOT ASSUMED

競合製品との比較

比較検討したOSSをすべて開示し、同一条件で再現できる結果だけを掲載。普遍的な首位ではなく、条件付きで検証できる差として示します。

数値比較対象（3 OSS）
Mem0HindsightMnemosyne

同一ハーネスで5回反復でき、組織・権限条件と証跡がそろった3つを数値比較の対象にしています。

同一ハーネスでのベンチマーク測定retrieval-only / 200タスク / 5回反復

100%

検索精度

Mem0 80% / Mnemosyne 56% / Hindsight 50%

矛盾・古さ・権限・判断文脈を含む200問で正答

100%

Pass⁵

Mem0 70% / Mnemosyne 51%

同じ検索を5回繰り返しても安定して正答

0%

情報漏えい

Mem0 20% / Mnemosyne 20% / Hindsight 20%

テナント・権限境界を越えた検索結果なし

13.39ms

検索 p95

Mem0 51.07ms / Hindsight 660.25ms

AI実行前の想起を低遅延で追加

参照調査（7 OSS）
MemPalaceCogneeSupermemoryGBrainAgentMemoryTotal Agent MemoryMemori

比較条件が未完備だったため、順位には含めず参照対象として調査しています。OSS全体での普遍的な首位を主張する結果ではありません。

条件：retrieval-only / 200タスク / Apple M2 / 2026-07-31。OSS全体での普遍的首位を主張する結果ではありません。Pass⁵は同じ検索を5回繰り返す安定性指標です。

測定条件と技術詳細をGitHubで確認
Tenant isolationRBAC / ACLSAML / OIDCAudit trailSource provenance

BUSINESS IMPACT

“探し直し”を、時間と金額で可視化する

100人組織のモデル試算では、年間約3,000万円・6,000時間相当の改善余地。4職種の月間削減例と算定根拠に分けて示します。

100人組織・モデル試算年間 約3,000万円6,000時間相当の改善余地

探す時間、記録・整理、既知障害の再発を重複なく積み上げたモデル試算です。一件ごとの手戻りが小さくても、年間の累積で大きな時間になります。

ソフトウェア開発4.5h削減 / 月（試算）

遭遇済みエラーと失敗を実行前に想起。調査・修正ループを避け、トークンと手戻りを削減します。

PdM6.0h削減 / 月（試算）

判断理由・却下案・顧客制約を仕様検討時に想起。過去の議論と合意形成のやり直しを削減します。

営業3.0h削減 / 月（試算）

顧客ごとの合意・例外・過去提案を商談前に想起。合意違反と社内確認の往復を防ぎます。

バックオフィス4.0h削減 / 月（試算）

例外承認の理由と基準を担当者間で共有。判断のばらつきと引き継ぎ負荷を削減します。

探し直し

1,200万円

Slack・GitHub・Notionの横断検索、当時の担当者への確認

6分/日 × 20日 × 12か月 × 100人 × 5,000円/h

記録・整理

900万円

会議メモとAI出力を議事録・仕様書・チケットへ転記し、理由・制約・変更履歴を整える作業

0.3h × 月5回 × 12か月 × 100人 × 5,000円/h

既知障害・AI失敗の再発

900万円

遭遇済みエラーをAIが再実装し、原因調査・ロールバック・再レビューが発生。小さな手戻りの累積も含む

36件/年 × 50万円/件 × 50%回避

顧客実績ではなく資料をベースにした試算です。平均人件費5,000円/h。失敗1件50万円は、開発・QA・緊急対応を含む仮置きの例で、内訳は導入前ベースラインで置き換えます。実際の効果は利用状況により変動します。

CONTINUOUS MEASUREMENT

効果測定で、導入効果と次の打ち手がわかる

検索が速くなったかだけでなく、どの業務で記憶が役立ち、どの条件で安全性を損なうかを導入前後で比較します。

  • 効率探し直し・再検索・完了時間が減ったか
  • 品質既知障害の再発や手戻りを避けられたか
  • 安全性権限逸脱や拒否判定を増やさず使えたか

検索ログ

retrieval_events

ヒット・fallback・遅延を自動記録

ヒット率 / p95 / 検索回数を集計

メモリー影響ログ

memory_impact_events

利用有無・回避検索・根拠IDを報告

記憶利用率 / 再検索回避率を集計

比較計測ログ

measurement_variants / comparisons

同一入力を記憶なし / ありでペア実行

トークン / 費用 / 完了時間の差分を集計

タスク・監査ログ

tasks / audit_events

開始・完了・失敗・権限判定を記録

完了時間 / 成功率 / denied件数を集計

計測設定後は、PoCの実行ログからKPIを自動集計し、導入前ベースラインと比較します。

ログ項目とKPIを見る ログ項目とKPIを折りたたむ

検索ログ

retrieval_events

ヒット・fallback・遅延を自動記録

ヒット率 / p95 / 検索回数を集計

メモリー影響ログ

memory_impact_events

利用有無・回避検索・根拠IDを報告

記憶利用率 / 再検索回避率を集計

比較計測ログ

measurement_variants / comparisons

同一入力を記憶なし / ありでペア実行

トークン / 費用 / 完了時間の差分を集計

タスク・監査ログ

tasks / audit_events

開始・完了・失敗・権限判定を記録

完了時間 / 成功率 / denied件数を集計

計測設定後は、PoCの実行ログからKPIを自動集計し、導入前ベースラインと比較します。

PRICING MODEL

人数ではなく、利用グループと必要な統制で

グループ内の全社員・全AIが利用可能。利用者が増えるたびに課金が膨らむモデルではありません。

月額料金=有効グループ数×プラン別グループ単価

TEAM

標準機能
3万円/ グループ・月

基本的な権限管理で組織メモリーを利用

  • 組織メモリーの作成・想起
  • 基本的な権限管理
  • 基本監査ログ

COMPANY

組織管理
4万円/ グループ・月

管理者による一括設定とドメイン制限

  • Teamの全機能
  • 組織管理者・一括設定
  • ドメイン制限
RECOMMENDED

ENTERPRISE

統制・監査
5万円/ グループ・月

SSO・監査ログ・高度な権限管理

  • Companyの全機能
  • SAML / OIDC SSO・SCIM
  • 1年監査ログ・出力

ENTERPRISE PLUS

専用・個別対応
10万円/ グループ・月

専用環境と個別のセキュリティ要件

  • Enterpriseの全機能
  • 専用環境
  • 個別SLA・要件対応

表示価格はすべて税別・価格案です。有効グループとは、アーカイブされておらず、メンバーまたはAIが所属するグループです。

プラン別の機能差・追加課金の詳細を見る
詳細な比較は料金ページへ

9項目の機能差、5種類の従量課金、税別・価格案の前提をまとめています。

LOCALFree

SQLiteで個人・プロジェクトから試す

SELF-HOSTEDInfrastructure

Cloudflare stackを自社運用しデータを保持

MANAGED SaaSTeam → Enterprise Plus

インフラ保守なしで全社展開

FAQ

導入前によくある質問

AIナレッジ管理、対応エージェント、データ境界、PoCの測定方法についてまとめました。

どのAIエージェントに対応していますか？

Codex、Claude Code、CursorなどのAIコーディングエージェントの実行結果を記録できます。Slack・GitHub・Notionなどの業務ツールに残る判断の背景も、出典付きで次のAI実行へ渡します。

既存のナレッジ管理や検索と何が違いますか？

結論だけでなく、理由・制約・却下案・出典・有効期限を判断記憶として構造化します。質問と権限に応じて必要な文脈を想起するため、毎回の探し直しや再推論を減らせます。

データの置き場所は選べますか？

Local、Self-hosted、Managed SaaSの選択肢を用意しています。導入前に、データ境界・権限・監査要件を確認し、標準的な8週間を目安とする導入検証で安全性と効果を共同レビューします。

PoCでは何を測定しますか？

導入前ベースラインと比較し、検索時間、再検索回避率、AIのトークン・費用、手戻り、権限判定、完了時間などを測定します。顧客実績や成果保証ではなく、各社の実業務に基づく試算・検証です。

PROOF OF CONCEPT

1チームから、効果とリスクを確かめる

対象チームとデータ境界に合わせたPoCをご提案します。導入前後で“探し直し”・手戻り・安全性を測り、継続・拡大・見送りを判断できる材料を作ります。

以下の週次スケジュールは標準的な目安です。接続範囲と評価項目に応じて、実際の期間は調整します。

WEEK 0–2

ベースライン

検索時間・手戻り・AIコストを計測

WEEK 3–6

運用

必要なデータ連携を設定し、実業務で利用

WEEK 7–8

評価

KPI・効果・安全性を共同レビュー

BASELINE REPORTSECURITY REVIEWROLLOUT DECISION

対象チームに必要なデータ源（例：Slack、GitHubなど）を接続し、“探し直し”の削減量を実測。ベースライン報告・安全性レビュー・展開判断までまとめます。

導入相談はこちら 導入の進め方を確認

START WITH ONE TEAM

AI利用を、
組織知に

導入相談、PoC設計、Enterprise見積についてお聞かせください。現在のAI利用や探し直しの課題から、測定可能なPoCを一緒に設計します。

  • 1チームから（期間は目安）
  • 必要なデータ源から開始
  • 効果と安全性を共同レビュー
01 受付02 ヒアリング03 PoC設計

10〜4,000文字