Rule
ルール
- 就業規則
- 承認構造
- ワークフロー
- 権限設計
総説
AIを動かす、AI。
CCAGI は AI でも、AI エージェントでもない。数千から数万の AI を、ひとつの生産システムとしてまとめて動かす指揮統制のしくみ。
AI そのものを作るのではなく、AI の外側から全体を統制する層にあたる。だから既存の AI が賢くなるほど、CCAGI で作れるものも増える。
図版 01
いまの AI の限界
単体の AI からエージェント、そしてマルチエージェントへ。AI は進化してきたが、いまのマルチエージェントは AI 同士が会話しているだけの状態に近い。全体設計が無いまま数を増やしても、出てくるものは一つにまとまらない。
- 01エージェントごとに勝手に判断する
- 02全体設計が存在しない
- 03タスクが途中で分岐する
- 04最後に人間が統合する
- 05現場の変化に追従できない
- 06結果が収束しない
従来：依頼から複数の AI に分かれ、それぞれ勝手に分岐し、最後に人間がまとめ直す。
図版 02
AI に社会構造を実装する
CCAGI の中心にあるのは、タスク管理ではない。実社会にあるルール・権限・承認・優先順位・業務ロジックを、AI が読める形で書き込むこと。人間の組織が回っているのと同じ構造を、AI 側に持たせる。
Manner
マナー
- 優先順位
- コミュニケーションの順序
- エスカレーション
Law
法則
- 数式
- 関数
- 業務ロジック
- 物理法則
図版 03
AI 生産工場の5レイヤー
AI を道具ではなく生産ラインそのものとして設計する。工場に見立てた内部は、5つの層でできている。見出しを押すと中身が開きます。
01 Agent Orchestration部長AIが社員AIを指揮する
タスクを分解し、親子関係をつけ、優先順位を整理して並列で実行する。AI エージェントの「部長」が AI「社員」に指示を出す形。
複数のエージェントが同時に並列で動いても破綻しない。ここが従来と大きく違う点。
02 Rule-based Architecture推論ではなく、構造で動かす
ガードレールとルールベース設計により、A を入れたら A′ が必ず出る構造にする。
従来 AI
大規模データ × 推論 → もっとも適切と思われる答え
CCAGI
ガードレール × ルールベース → A を入れたら A′ が必ず出る
03 Toyota Kaizen × Global日本型の改善と、世界市場の評価軸を重ねる
AI を技術としてではなく、生産構造として提供する。これにより Customer Cloud は、技術プロダクトと戦略コンサルの両方の評価軸を同時に取りにいく。
04 Vertical × Horizontal縦の生産ラインに、横の知能ラインを通す
開発・運用・改善が構造としてつながる。縦と横が交わる点に CCAGI が置かれている。
05 Self-healing TDD自己修復型のテスト駆動開発
テストと修復を自律的に繰り返し、ゴールへ収束していく。要件定義から実装・デプロイまで、全工程を統制する。
図版 04
川上から、川下へ
CCAGI は DAG（有向非巡回グラフ）を使う。依存関係を一方向だけでつなぎ、タスク全体を構造にする。因果推論で使われるこの構造に、関数・数式・現象の重みを足すことで、どの仕事を誰に渡すかを決めている。
要件定義に無い仕事は、必ず出る
要件定義から作った計画やタスク一覧は、その時点で想像できた範囲までしか書けない。実際に手を動かし始めると、現場レベルの調整が次々に出てくる。
これはソフトウェアに限らない。マンションの新築工事も同じで、設計段階では問題が無くても、施工してみると「トイレの寸法が3センチ足りない」といった課題が見つかる。別の部分の寸法を調整するなど、計画に無かった対応が必要になる。
仕様変更、現場調整、追加要求、例外処理。こうした調整が積み重なって、もとの計画に存在しなかったタスクが増えていく。
CCAGI は、この変化そのものを前提に設計されている。最初から最後までのタスクを依存関係でつなぎ、実行中に発生した追加タスクや調整タスクも同じ流れに畳み込んで、全体としてまとめて管理する。
変化し続けるプロセスを、破綻なく制御する。これが CCAGI で自動化が成り立つ理由。
図版 05
実績の数字
CCAGI は構想ではなく、国規模・大規模の開発ですでに動いている。以下は公表されている数字。
1人 × 1ヶ月
国規模 AI システムの構築
ひとりの開発者が、隙間時間だけで国家規模の AI システムを構築した。従来は大きな組織が必要だった開発が、個人の単位で実行できるようになる。
30分単位
数ヶ月〜数年の開発が
従来のエンタープライズ開発で数ヶ月から数年かかった構築物が、CCAGI の自律ループによって30分単位で生産される。
7社 / 15件
デジタル庁の公募で採択
国産 LLM「CC Gov-LLM」が、デジタル庁のガバメント AI（源内）公募で、応募15件のうち採択7社のひとつに選ばれた。結果公表は 2026年3月6日。
92.0%
GovQA 行政 QA 正答率
法令 100% / 社会保険 100% / 給付金 90% / 手続き 85% / 税務 85%。
+10.3pt
JSQuAD 日本語読解で GPT-5.2 を上回る
国立情報学研究所（NII）が公開している「llm-jp-eval v2.0.0」による第三者評価。
100倍
パラメータ効率
約130億パラメータで、推定数兆パラメータ規模の海外 LLM と同等以上の性能。
図版 06
従来 AI との構造的な違い
同じ「AI を使う」でも、どこを設計しているかが違う。
| 観点 | 従来 AI | CCAGI |
|---|---|---|
| AI 制御 | 個別 | 全体統制 |
| 構造 | 分散 | 統合 |
| タスク管理 | 静的 | 動的 |
| 現場対応 | 弱い | 強い |
| 収束性 | 低い | 高い |
| 人間介入 | 最後に必要 | 最小化 |
多くの会社AI を、増やしている。
Customer CloudAI 基盤を、設計している。
図版 07
次に読むもの
AI を作る時代は終わる。
これからは AI 基盤を設計する時代へ。