気づく
ダッシュボードで粗利率の低下を確認。「どの事業部で、なぜ」をYOSUKAに質問します。
数字の変化を、現場の記録までたどる。
売上・コストと日報・商談ログをつなぎ、
判断の根拠をそろえるAIデータ活用基盤。
指標の整理からデータ連携、活用まで。Sun*が伴走します。
数値と現場の記録をまとめて確認。調査より、対策を考える時間へ。
集計には定義済みの指標とデータベースの結果を使います。回答に使った問い合わせと参照元を確認できます。
既存のデータベースやBIツールを壊さず、足りない層だけを追加して導入します。
ダッシュボードで変化に気づいても、その背景を探す作業が残っています。
こんなお悩みはありませんか？
数字が悪化しても、ダッシュボードには理由がない。各部門に確認して回り、報告が遅れます。
部門やツールごとに集計条件が違い、議論の前に「どの数字が正しいか」の確認から始まります。
背景を知るベテランの勘に頼り、担当者が変わると判断が止まる。汎用AIに聞いても業務の前提を知りません。
経営企画の担当者が、月次の数字の変化から対策の検討に進むまで。調べる作業が、判断の時間に変わります。
ダッシュボードで粗利率の低下を確認。「どの事業部で、なぜ」をYOSUKAに質問します。
※架空の例です。実際の画面と流れはデモでご覧いただけます。
実際の画面：質問から回答まで （架空データのデモ映像）
Sun*自身が、毎日使っています
経営層・管理職が日次でYOSUKAに質問し、売上・稼働・人員に関する判断に活用しています。
※2026年9月時点のSun*社内実績。デモでは実際に運用中の画面をご覧いただけます。
上の流れを支えるのが、指標と業務ルールの一元管理です。データソースからアウトプットまでを4ステップでつなぎ、中核のセマンティックレイヤーが「会社の言葉」でデータを定義します。 指標・ルール・用語を共通の辞書で定義することで、部門をまたぐ議論でも同じ数字を基に判断できます。
スプレッドシート、基幹システムのAPI、社内システム、日報などのテキストを取り込みます。SaaSや外部DBは対象データごとに接続を設計します。
夜間バッチで日次更新。欠損・重複・鮮度を自動検知し、dbtでリネージを管理します。
指標定義・ビジネスルール・用語辞書・権限を「マスター辞書」として一箇所に集約します。
ペルソナ別ダッシュボードと、根拠付きQ&Aや予兆通知に対応するAIエージェントで活用します。
kintone・Salesforce・Snowflakeなどは、API接続を前提にDiscoveryで対象データごとに設計・実装します（個別開発）。
会社の数字の定義を一箇所に書いておく「辞書」です。「売上」は受注額か請求額か、「粗利率」の計算式は何か、「A事業部」にはどの部門が含まれるか。部署や人によって違いがちな定義を、データベースと人の言葉の間に置いて統一します。
YOSUKAはこの辞書を見て集計するため、計算式を定義に沿って扱い、集計結果の根拠をたどれます。誰がどのデータを見てよいかの権限も、ここで管理します。
YOSUKAは4つの層を積み重ねた構成です。L1が土台のデータベース、L2がデータを整える層、L3が指標とルールの辞書、L4が利用者やAIとの接点です。上の4ステップを、技術要素で言い換えたものになります。
MCP標準に準拠しているため、他のMCP対応クライアントも接続可能です（導入時に個別検証）。
部署ごとに異なる問いにも、数字と現場の記録をつないで考える。4つの想定シナリオです。
商談フェーズや担当者の経験だけでは、次の提案先を絞り込みにくい。
売上・商談メモ・日報をつなぎ、顧客ごとの提案候補と判断材料を整理します。
想定する担当者 営業企画・営業マネージャー
月次の原価率や工数だけでは、問題が表面化するまで気づきにくい。
工数・進捗と日報・チャットを重ね、確認すべき変化と対応の選択肢を示します。
想定する担当者 PM・PMO
数字だけでは不振の背景が見えず、成功店舗の工夫も共有されにくい。
POSと臨店レポート・店長日報をつなぎ、要因候補と横展開できる施策を整理します。
想定する担当者 SV・店舗運営本部
価格の変化を、過去の交渉や仕様変更と照らし合わせるのに時間がかかる。
コスト・見積書・交渉履歴を横断し、値上げ要因と次の交渉で確かめる点を整理します。
想定する担当者 調達・購買担当者
※4つの活用例は想定シナリオです。
DWHがあってもなくても、今の状態から最短ルートを描きます。 既存のDWHやBIを活かし、足りない層から追加する導入方法を設計します。
既存DWHに接続し、セマンティック層＋AI層だけ追加します。
追加パイプラインでExcel・SaaSを合流させ、横断分析へつなげます。
YOSUKA標準構成をそのまま導入。パイプライン＋DWHを新規構築します。
約10週間でのPoC開始を想定（データソース5件程度・業務質問20〜50問が目安）
データの配置場所、アクセス範囲、利用記録を導入時に設計します。 専用環境への配置や閲覧権限、問い合わせの記録を組み合わせ、社内の情報管理方針に合わせて運用を設計します。
YOSUKAのサーバーとデータベースは、お客様の環境内（オンプレミス／専用クラウド）に配置できます。AIはMCP対応クライアントから利用します。
データの配置場所やAIの利用範囲を、お客様の情報管理方針に合わせて設計します。
AIはデータベース全体にはアクセスしません。受け取るのは、権限内で検証済みの問い合わせが返した結果のみ。すべての問い合わせを監査ログに記録します（結果の中身は保存しません）。
利用者ごとの許可リストと管理者権限で利用範囲を制御。AIが参照できるデータ層・項目は、導入時にお客様のポリシーに合わせて設計します。
AIモデル側でのデータ保持・学習利用の有無は、ご利用のLLM提供者との法人契約、またはオンプレミス配置により制御します。
改善したいKPIと業務上の問いを起点に、データ連携・指標の定義・受入テストを進めます。PoC後の改善もエンジニアが伴走します。 問いの定義からデータ連携、受入テストまでSun*のエンジニアが伴走します。標準構成では、約10週間でPoCを始める計画です。
業務フローと問い（20〜50件）を定義し、専用環境にデプロイします。
データマートを構築し、ビジネスルール・辞書を定義します。
受入テストと精度の調整を行い、PoCを稼働開始します。
FDE伴走支援として、現場アクションに基づき精度を更新し、他部門へ横展開します。
約10週間は、標準構成をそのまま導入するパターンC（データソース5件程度・業務質問20〜50問）の目安です。既存基盤を活かすパターンA・Bは、現状把握（1〜2週間）を経て個別にご提示します。
「指標を定義して自然言語で聞く」仕組み自体は、BI製品のAIアシスタントにもあります。YOSUKAの違いは、複数システムの数値と業務記録をつなぐ範囲と、指標・例外・権限の整備と更新をSun*が伴走して担う点にあります。
| 評価軸 | 既存BI＋AIアシスタントBI製品付属のCopilot等 | 汎用AI＋社内文書チャット型AI・一般的なRAG | YOSUKASun* AI DataOps |
|---|---|---|---|
| 扱えるデータ | BIに取り込んだ数値が中心 | 文書・テキストが中心。数値集計は不得手 | 複数システムの数値と、日報・商談ログ等の業務記録を結合 |
| 数字の再現性 | セマンティックモデルがあれば定義は揃う | AIがその場で計算・解釈するため、同じ質問でも答えが変わりうる | 定義に沿った集計。数字は定義済みの問い合わせ結果を参照。同じ定義とデータの状態で集計 |
| 指標・例外・権限を 誰が整備するか |
自社のBI担当が設計・保守 | プロンプトや文書の整備を利用者が担う | Sun*が業務ヒアリングから定義し、専用環境に構築 |
| 導入後の定義変更・ 品質改善 |
自社運用 | 属人的になりやすい | Sun*のFDE（Forward Deployed Engineer）が伴走して更新。基盤はオープンソースで、内製運用への移行も可能 |
| 既存BIとの関係 | ― | 別系統 | 既存BIは残し、足りない層だけ追加 |
※比較は一般的な使い方を整理したものです。導入環境や製品の構成により異なります。
併用できます。YOSUKAは指標定義を反映したデータマートをClickHouse上に保持し、Tableau・Power BI・LookerはClickHouse公式コネクタ経由で同じマートを参照できます。AIに聞いた数字とBIの数字が揃う状態をつくれます。※当社での接続実績はMetabaseです。他ツールはPoC時に接続検証を行います。
Excelや日報テキストのみからでも着手できます。データの整備状況に応じて、導入パターンA〜Cのいずれかをご提案します。
選べます。動作確認済みはClaude（Desktop／Code）、GitHub Copilot（VS Code）、OpenAI Codex（ChatGPT Desktop／CLI）です。MCP標準に準拠しているため、他のMCP対応クライアントや、お客様のクラウド契約内で動くLLM（AWS Bedrock、Google Vertex AI等）、お客様サーバー内のローカルLLMも設計上は接続できます。これらは導入時に個別に検証します。
PoC終了時点でパイプライン・指標定義などの成果物は残り、継続するかは受入テストの結果を踏まえてご判断いただけます。本番運用へ移行する場合は、ユースケースの拡張、指標定義の精度改善、他部門への横展開を、Sun*のエンジニアが現場に入って伴走するFDE伴走支援（FDE＝Forward Deployed Engineer）でご支援します。基盤はClickHouse・dbtなどのオープンソースで構成されており、お客様側での内製運用への移行も可能です。
日本語の古語「よすか」から取りました。よりどころ・手がかり、という意味です。AIが答えを決めるのではなく、人が判断するための信頼できる根拠になる。このサービスで実現したい価値をそのまま名前にしています。
YOSUKAのサーバーとデータベースはお客様環境内（オンプレミス／専用クラウド）に配置でき、AIはデータベース全体にはアクセスしません。AIが受け取るのは、権限内で検証済みの問い合わせが返した結果のみです。すべての問い合わせは監査ログに記録されます。AIモデル側でのデータ保持・学習利用の有無は、ご利用のLLM提供者との法人契約またはオンプレミス配置により制御します。詳細は商談でご説明します。
YOSUKAはSun*自社の売上・稼働・人員データで日次運用中です。デモでは、運用中の実物の画面をご覧いただけます。
このサイトはreCAPTCHAによって保護されており、Googleのプライバシーポリシーと利用規約が適用されます。
※概要資料はデモ実施時にお渡しします。