価値を見極め、知を満たす。

kachimi

kachimi は、散らばった資料・会話・判断の断片から、チームが見るべき価値を浮かび上がらせる AI 協働基盤です。 AI と人の作業をドキュメント中心に記録し、根拠をたどり、判断を磨き、次の仕事へつなげます。

Activity Stream — 新サービス立ち上げ
allAI要確認
09:38
🔍
AI(能動検出)
note A と note B の業務定義に矛盾の可能性を検出
critical→ 課題化 / 却下
要確認
09:42
🤖
AI(分析)
業務一覧 note 生成完了 — 5 PDF から 38 業務を抽出
Skill: 業務抽出 v28.2K tokens
完了
09:30
👤
企画担当
市場調査メモ レビュー完了 — convention 1 件昇格
convention 昇格指摘 3 件
人の作業
09:15
⚙️
AI(変換)
受領資料5.pdf → Markdown 変換完了(OCR 含む)
multimodal4.1K tokens
完了
09:02
🎯
プロジェクト責任者
Session Mode: balanced → accelerated に切替
scope: project設計フェーズ移行
Steer
Why kachimi

AI 活用を、属人的な試行錯誤で終わらせないために。

AI ツールを個人で使うだけでは、判断の根拠・修正の経緯・再利用できる知見がチームに残りにくい。kachimi は、AI と人の作業をドキュメント中心に記録し、観察し、改善するための業務基盤です。組織の仕事を、より速く、より確かに、次へつながる形にします。

kachimi という名前には、価値を「見る」、知見を「満たす」、判断を「磨く」という思いを込めています。情報をただ処理するのではなく、チームが何を見るべきかを揃え、成果につながる知へ育てていくための場所です。
World View

3 つの世界観の柱

V1
📄

ドキュメントは「知を紡ぐ場」

ドキュメントは単なる成果物ではなく、人の叡智を整え、他者と結び紡ぐための営みです。AI と人が重ねた思考の経緯はいつでも辿ることができ、それが次の判断を支えます。

V2
🎨

リーダーは「デザイナー」へ

責任者は単なる進捗管理者ではなく、Playbook で仕事の進め方をデザインする設計者です。誰が何をどう進めるかを描き、AI と人の動きを噛み合わせます。

V3
📚

案件ごとに賢くなる

採用した修正・却下した候補・AI が滑った箇所 ─ すべてが次の案件で AI に注入されます。「この顧客は曖昧表現を嫌う」という学びまで、組織全体で引き継ぎます。

Design Goals

すべての設計判断は、3 つの目標に照らして検討される。

これら 3 目標は、最終的に「価値ある成果を、より速く・より確実に届ける」という一点に収束する。

G1
🔄

汎用性 & 将来追従性

AI 進化(マルチモーダル・長コンテキスト・自律エージェント・新モデル)に追従できる骨格。特定モデルへの依存を排除し、サブロールごとに差し替え可能な設計とする。

主担当: Layer 2 + Layer 3
G2
🔍

全アクターの観察 & 訂正

人が AI・他ロールの動きを 1 画面で把握し、いつでも訂正指示を出せる。Activity Stream + Steer で「見えない作業」をゼロにする。

主担当: Layer 1
G3
📔

リーダーのメタ設計

責任者が「やり方」を一級資産として設計・改善できる。Playbook は組織知として蓄積され、プロジェクトをまたいで再利用される。

主担当: Layer 4
A Day in the Workshop

役割ごとの活用シーン

🧭
09:00
責任者

プロジェクト横断で俯瞰

ログインすると個人ダッシュボードに、参加中の 3 プロジェクトのアクティビティが一覧で表示される。そのうち 1 件で AI 能動検出が critical バッジ を立てていた。「note A と note B の業務定義が矛盾している可能性」という指摘をクリックし、Drill-Down で根拠の元ファイル箇所を確認。問題と判断して正式課題として起票する。その後、新規プロジェクトの Playbook を組織標準テンプレートから派生して作成。「初動は plan_only、設計フェーズは accelerated、最終段は strict_review」と段階ごとの AI 自律度を設定して保存する。

個人ダッシュボードcritical バッジPlaybook 作成
👤
10:30
企画担当

AI チャットで業務一覧を生成

「業務一覧を 5 つの PDF から作って」と AI チャットに話しかける。AI が分析プランを提示し(トークン見積 8K、注入スキル 2 種、参照ソース 5 件)、内容を確認して承認。バックグラウンドで処理が始まるので、その間に別案件のレビューを並行して進める。10 分後、アクティビティストリームに「note 生成完了・品質スコア(3軸): 事実性 0.91 / 網羅性 0.84 / 形式 0.95」と表示。網羅性が低いことが気になり、該当箇所をクリックすると AI が「◯◯業務が抽出できていない可能性」と明示。Steer で「◯◯業務の章を追加して再生成して」と追加指示を入れる。

Plan-First 承認Steer で再指示
💻
14:00
開発担当

AI 提案候補をさばく

スケジュールビューを開くと、自分のタスクが 3 件・レビュー待ちが 1 件・AI が提案した課題候補が 2 件(自分が起票した note に関連)表示されている。AI 提案候補を確認し、1 件は内容が正しいと判断して正式 issue へ昇格。もう 1 件は「このプロジェクトの範囲外」として却下する。却下した理由は自動で「rejection(ネガティブサンプル)」として組織記憶に蓄積され、次の案件で AI が同様の提案をしなくなる。

issue 昇格rejection 記憶化
👔
16:00
レビュアー

AI 一次レビュー済を人として確認

アクティビティストリームで自分へのメンションを確認すると、レビュー待ちのドキュメントが 1 件。現在は「AI 一次レビュー後に人が確認」の段階のため、AI がすでに「事実性 0.94・網羅性 0.88・形式 0.92・承認条件(GUARD)全通過」と判定済みだった。人として内容を確認しても問題なし → 承認する。別件で AI が自動承認した draft を念のため確認し、表現に 1 件指摘。「これは標準ルール」フラグを付与して組織記憶(convention)に昇格させると、次の案件から AI がこのルールを自動で適用するようになる。

AI 一次レビュー済convention 昇格
🧭
18:00
責任者

一日を俯瞰し明日に備える

終業前にアクティビティストリームで一日の動きを俯瞰する。AI の処理が 23 件完了、人手編集が 12 件、人による承認ゲートを 1 件通過、課題候補が 2 件昇格・1 件却下、トークン予算の消費は月予算の 18%。明日からのフェーズ遷移を Playbook で確認すると、design フェーズに入る予定で session_mode が accelerated に切り替わる。設定に問題がないことを確認して、本日の作業を終える。

AI_RUN 23 件予算 18%session_mode 設定
Activity Stream

プロジェクト中央の景色

AI と人のすべての行動が 1 本のタイムラインに記録される、プロジェクトの「実況中継画面」。誰が何をしたか、AI がどんな判断を下したか、時系列で一目で把握できる。緊急度の高い指摘(critical)はログイン時に自動で画面に表示される。

📍 Project: 新サービス立ち上げPhase: 分析 → 設計
allminecriticalAISteer
09:38
🔍
AI(能動検出)
note A と note B の業務範囲の定義に矛盾の可能性を検出。
critical→ 課題化 / 却下Doc: note-023
要確認
09:42
🤖
AI(分析)
業務一覧 note 生成完了 — 5 PDF から 38 業務を抽出。coverage 0.84(低め)。
事実性
0.91 網羅性
0.84 形式
0.95
Skill: 業務抽出 v28.2K tokens
完了
09:30
👤
企画担当
市場調査メモ レビュー完了。指摘 3 件、convention 1 件昇格 → 次回 AI 生成に自動注入。
convention 昇格指摘 3 件
人の作業
09:15
⚙️
AI(変換)
受領資料5.pdf → Markdown 変換完了(表・図版 12 点、OCR 含む)。
multimodal4.1K tokensOCR: passed
完了
09:02
🎯
プロジェクト責任者 — Steer
Session Mode を balanced → accelerated に切替。設計フェーズ移行に伴い AI の自動承認範囲を拡大。
scope: project理由: 設計フェーズ移行
Steer
09:00
📊
System
本日予算消費: 12% / 月上限の 18%。月末予測: 96%(within budget)。
AI_BUDGET
Info
4 Layers + Foundation

Playbook を軸にした5 層の構造

責任者が Playbook にプロジェクトの「やり方」を書くだけで、AI と人の動きが自動的にその方針に従う。要件定義なら「初動は AI 提案のみ・最終段は全件人レビュー」、調査分析なら「分析は AI 主導・成果物だけ人確認」など、業務の特性に合わせて自由に設計できる。この Playbook は 4 つの部品と 27 の型で構成される。

L4
メタ設計
🎨 Playbook
責任者がプロジェクトの「やり方」を Playbook として宣言的に設計する
PROJECT_PLAYBOOK
L3
実行制御
⚙ Plan-First / Session Mode / Budget
Playbook の方針に従い、AI の実行計画・予算・自律度を事前に制御する
AI_PLAN / AI_BUDGET
L2
能力基盤
📦 Hooks / Skills / Memory
AI が実行に使う道具(スキル・フック)と記憶を管理する
SKILL / HOOK / MEMORY
L1
観察・訂正
👁 Activity Stream / Steer / Drill-Down
すべての動きを観察し、人がいつでも訂正・介入できる
AI_RUN_STEER
L0
基盤
🧱 AI_RUN / 8 AI sub-roles / Documents
すべてを支える基盤
DOCUMENT / AUDIT_LOG

Playbook を構成する 4 つの部品

フェーズ
作業の段階・状況を定義する。並行や入れ子にも対応。
遷移条件
次のフェーズに進むタイミングを決める。承認・期限・イベントなどで制御。
自動アクション
フェーズの切替時に自動で行う処理を定義する。AI 呼び出しや通知など。
引継ぎデータ
フェーズをまたいで保持する情報。判断履歴・集計値・文脈など。

この 4 部品で表現できる 27 の進め方

進め方 順番に・繰り返し・並行して・継続的に・探索しながら ×5
条件・タイミング 条件分岐・イベント待ち・承認待ち・合流・期限切れ ×5
承認・集中 多段承認・集中作業・遅延スタート・競合選抜 ×4
例外・緊急 緊急対応・取消・凍結・再開・ロールバック・エスカレ ×6
分担・連携 分担・複製・合流・委譲・共同作業・交渉 ×6
保存・回復 チェックポイント ×1
6 AI Agent Types

単一の「AI」ではなく、6 つのエージェントタイプ

AI の働きを役割ごとに分けることで、何が起きているかが見えやすくなる。各クラスターはモデル差し替え可能でベンダー固定なし。

AI · 01
変換・抽出
あらゆるファイルを構造化 Markdown に変換する。OCR・表・図版・ソースコードに対応。
AI · 02
理解・分析
複数ソースを横断して集計・文脈分析を行い、評価レポートを生成する。AI チャットで対話的に深掘りも可能。
AI · 03
生成・作成
ドキュメントドラフト・タスク分解・スケジュール・コード・IaC・HTML プロトタイプを生み出す。
AI · 04
評価・検証
品質スコア 3 軸(事実性・網羅性・形式)で採点し、ドキュメント間の矛盾・抜けを能動的に検出する。
AI · 05
制御・連鎖
複数の処理を Playbook に従って連鎖・実行する。人の確認点(HITL gate)の管理と事前見積もりも担う。
AI · 06
記憶・進化
修正・採用・却下の経験を記憶として蓄積し次の案件に注入する。失敗時は原因を診断して戦略を切り替える。
FEATURES

ファイル取込からシステム構築まで、主な機能

資料の取り込みから分析、ドキュメント作成、コード生成・GitHub Push まで、知的業務の一連の流れを支援する。

ファイル読込・Markdown 変換

あらゆる形式のインプットを AI が構造化 Markdown に変換する。

  • PDF(テキスト・OCR)/ Office / ソースコード / 画像など広範な形式に対応
  • 再変換のたびに新バージョンを生成し、旧版を履歴として保持
  • 変換ステータスをリアルタイムで UI に反映(処理中 / 完了 / 失敗)

ドキュメント作成

テンプレートに従い AI が成果ドキュメントをドラフト生成し、人がレビュー・修正を加える。

  • 要件定義書・設計書・リバース仕様書・業務改善提案など案件種別を問わない
  • 指摘 → 再プロンプトまたは直接編集、全版をバージョン管理
  • AI チャットで探索的にメモを積み上げ、段階的に成果物へ昇格

検索・分析

複数のソースファイルや変換 Markdown を横断して AI が集計・文脈分析を行う。

  • 複数ドキュメントにまたがるキーワード・概念の横断検索
  • AI チャットで文脈を問い合わせながら対話的に分析を深掘り
  • 分析結果を分析ノートとして格納し、後続の生成作業に活用

評価レポート

分析結果をもとに、AI が定量・定性の評価レポートを自動生成する。品質スコア(3軸)で AI 出力の信頼度を明示する。

  • 業務課題・ギャップ・リスクを構造化して整理
  • 品質スコア 3 軸(事実性・網羅性・形式)を付与し、低い軸を Drill-Down で深掘り
  • 人のレビュー指摘で再生成し、精度を反復的に向上

可変段数承認フロー

テンプレートごとに承認段数・承認者ロールをコード変更なしで自由設計できる。

  • 段階ごとに「AI 自動通過 / 人レビュー必須」を柔軟に組み合わせ
  • ガードルールで通過条件を JSON スキーマで管理・拡張
  • 承認状況と担当者ロールをスケジュールビューで一元可視化

トレーサビリティ

AI 生成物の根拠を、元ファイルのページ・セクション・セル単位まで辿れる。

  • AI 生成物に prompt_hash / output_hash を自動付与し改ざんを検知
  • 生成理由・参照スキル・注入記憶を Drill-Down でトレース
  • 全操作・承認・AI 出力を Append-only 監査ログに記録

タスク分解

要件や課題を入力に、AI が具体タスクを階層的に分解する。

  • 不足情報があれば AI が深掘りヒアリングで不明点を解消
  • 親課題 → 子タスク → サブタスクの階層構造で粒度細かく整理
  • バージョン管理・ステータス遷移・参照リンクの仕組みを共通利用

スケジュール管理

AI が依存関係・期日・担当者を自動付与し、プロジェクト全体の進捗を可視化する。

  • ガントや一覧で進捗・期日・担当・レビュー予定を一望
  • 複数プロジェクトを横断した個人ダッシュボードで自分の担当を把握
  • 責任者や担当者はスケジュールを手動調整してプロジェクトの実態に合わせる

画面サンプル作成

画面要件から AI が HTML プロトタイプを生成し、ブラウザで即座にプレビューする。

  • 要件定義書・画面設計書を入力に単一ファイルの HTML を自動生成
  • 生成物をバージョン管理・トレーサビリティ付きで格納
  • 顧客説明用に PDF・Word 形式でそのままエクスポート可能

コード生成・インフラ構築

設計書からアプリコード・Terraform IaC を生成し、GitHub への Push/PR 作成まで一気通貫で担う。

  • 要件定義書・設計書を入力にアプリコードと Terraform を自動生成
  • 確定した成果物を GitHub リポジトリへ Push・PR 作成
  • GitHub Actions の実行結果を Activity Stream でリアルタイム観察

AI と人の仕事を、組織の力に変える。

ChatGPT 単体でも Notion でも Cursor でもない。ドキュメント・プロセス・判断履歴をつなぎ、AI 活用をチームで運用できる形にする協働基盤です。