CATEGORY ARCHIVE
Intelligence
MARIA OSのIntelligenceカテゴリに属する23件の記事。組織の判断を実行可能な意思決定システムに変換するMARIA OS中核研究。 ボンギンカン、判断OS、Agentic Company、AIガバナンスの文脈で研究・実装知見を分類しています。
判断OS / 決断インテリジェンスOS
組織の判断を実行可能な意思決定システムに変換するMARIA OS中核研究。
エージェント型企業アーキテクチャ
人間とエージェントの組織、委任境界、役割トポロジー、ガバナンス付き自律性に関する研究。
責任ゲートとAIガバナンス
AIエージェントの安全性、説明責任、フェイルクローズドゲート、監査可能性、HITL制御。
マルチエージェント数学
収束、安定性、ゲーム理論、グラフダイナミクス、マルチエージェント評価の形式モデル。
エビデンス、RAG、ナレッジガバナンス
エビデンスバンドル、検索アーキテクチャ、Graph RAG、ナレッジトラスト、監査可能な推論パイプライン。
Agentic R&Dと判断科学
研究運用、シミュレーションラボ、判断科学、再帰的改善、実験的AIガバナンス。
Company Intelligence: なぜMARIA OSはAIツールではなく、会社の知能をつくるOSなのか
AI Officeの価値は作業自動化ではなく、会社が記憶し、判断し、学習し、自己改善する閉ループを持てるかで決まる
多くのAI導入は局所的な生産性を改善しても、企業固有の知能には積み上がらない。本稿は、Company Intelligence を Memory・Decision・Feedback・Governance の閉ループとして定義し、MARIA OS がそれを Company Memory、Decision Card、Task Intelligence、Agent Performance、Knowledge Graph、Strategic Simulation へどう実装するかを解説する。
Capability Gap Detection — Agentが自分の能力不足を認識するメタ認知アーキテクチャ
形式的ギャップ分析を通じて、自分にできないことを認識し自律的な自己拡張をトリガーする方法
自己拡張型Agentには、ほとんどのアーキテクチャが無視する前提条件がある。自分に何ができないかを知る能力である。本論文はCapability Gap Detectionをメタ認知レイヤーとして形式化する。必要な能力をAgentの能力モデルと比較し、検出されたギャップを分類し、緊急度とインパクトで優先順位付けし、合成・要求・委任・エスカレーションの判断を下す。能力カバレッジメトリック、ギャップエントロピー測度、マルチAgent間ギャップ交渉プロトコルを導入する。
CEOクローンとしての意思決定インターフェース：経営判断を委任するためのペルソナレイヤー設計
経営者の認知を監査可能・ドリフト耐性のあるペルソナレイヤーとしてエンコードし、主体者の権限を保持しながら判断を委任する形式的アーキテクチャ
経営判断は、あらゆる組織において最もレバレッジの高いボトルネックである。CEOの判断を待つ全ての戦略的意思決定は、企業全体にキュー遅延を生む。しかし、人間の階層構造を通じた委任は、情報損失、選好歪曲、責任拡散を引き起こす。本論文では、CEOクローン——CEOの発話パターンを模倣するチャットボットではなく、CEOの価値観、リスク許容度、意思決定パターン、コミュニケーションスタイルを形式的に検証可能なペルソナレイヤーとしてエンコードする計算的意思決定インターフェース——を提示する。判断委任をプリンシパル・エージェント問題として情報の非対称性のもとでモデル化し、ドリフト検出を伴う意思決定忠実度メトリクスを導入し、クローンと主体者の整合性を長期にわたり維持するキャリブレーションループを設計する。本アーキテクチャはMARIA OSガバナンスインフラの下で運用され、全ての委任された意思決定が、それを生成したペルソナパラメータまで完全に追跡可能な不変の監査証跡を生成する。
CEO OSの意思決定力学 — 判断を数理で捕捉する5軸アーキテクチャ
経営認知を5次元意思決定空間 X = (L, D, G, I, R) として形式化し、判断重力・判断慣性・レイヤー整合の物理学で組織判断をスケールさせるCEO OSの完全設計論
判断はスケールしない。実行はスケールする。しかし、あらゆる組織は判断を人間の階層構造で積み重ねることでスケールさせようとし、各レイヤーで情報損失、選好歪曲、責任拡散を生み出す。CEO OSは組織判断を分類問題ではなく物理学の問題として扱う——重力、慣性、レイヤー、場を持つ力学系として。本論文は完全な意思決定力学の形式化を提示する：認知深度、ドメイン特化、判断重力、組織慣性、責任境界を捕捉する5軸意思決定空間 X = (L, D, G, I, R)。300問のベイズ推定型引き出しプロトコル、破滅的レイヤー不一致を防止するレイヤー整合アルゴリズム、モンテカルロシナリオ分析による反事実シミュレーションエンジンを導入する。本アーキテクチャは自己キャリブレーション型・ドリフト耐性の意思決定オペレーティングシステムを生成し、8.4倍の委任スループットと94.7%の判断忠実度を実現する。
エージェント企業におけるメタ認知: AIシステムが「知らないこと」を知る必要性
潜在ガバナンス密度と観測可能カバレッジを分け、Exact/Buffered 安定条件を示す
エージェント企業を制約付きグラフ拡張MDPとして定式化し、潜在密度 D_t と Top-K 候補行動上の観測 proxy D_hat_t を区別する。減衰影響行列 W_eff,t = (1 - κ_t)W_t に対し exact 条件 `(1-κ_t)λ_max(W_t)<1` と buffered 条件 `λ_max(W_t)<1-κ_t` を導出し、各制約が組織の自己観測点として機能することを示す。
Action Routingの再帰適応: MARIA OSが実行結果から学習する仕組み
実行フィードバックで高品質方策へ収束しつつ、Lyapunov安定性を維持する自己改善ルーティング
固定ルール型ルーティングでは、能力変化や負荷変動に追従できない。本稿は実行結果を用いて θ_{t+1}=θ_t+η∇J(θ_t) で方策を更新する再帰適応を提案する。確率近似の下での収束性とLyapunov安定性を示し、Thompson samplingと多エージェント協調で探索と競合抑制を両立する。
集団キャリブレーション動学: MARIA OSでエージェントチームが共有認識精度を獲得する条件
個体キャリブレーションだけでは不十分である理由と、相互作用トポロジーが収束速度を支配する仕組みの形式解析
単体エージェントの信頼度整合だけでは、チーム判断の整合は保証されない。本稿は集団キャリブレーション誤差を独立指標として定義し、相互作用グラフ条件の下で収束条件を導出する。MARIA OSの9ゾーン・623エージェント検証で、トポロジー考慮型リフレクションにより誤差を41.7%低減した。
エグゼクティブ・インテリジェンス統合: MARIA OSで生データを戦略意思決定へ変換する方法
情報理論ベースの圧縮と関連度選別により、メタ認知テレメトリを経営判断向けに再構成する
MARIA OSは日次で膨大なメタ認知シグナルを生成するが、生ダッシュボードのままでは経営判断に過負荷を生む。本稿は、異常を保持しながら情報量を圧縮する信号要約問題として定式化し、階層集約・関連度フィルタ・異常抽出・叙述生成・遅延/精度最適化の5段パイプラインを提示する。
VUI設計の認知科学的基盤: マルチモーダル対話における注意資源配分モデル
多重資源理論・ワーキングメモリ理論・情報理論を統合し、設計原則を形式化してMARIA VOICEで検証する
VUI設計を経験則から脱し、聴覚処理の特性に基づく数理モデルとして再定式化する。文単位TTS、1.2秒デバウンス、バージイン抑制、ローリング要約の設計判断を理論的に導出し、MARIA VOICE実装での妥当性を検証する。
意思決定監査証跡からの知識グラフ構築: 組織トレーサビリティのためのエンティティ統合と時間重み付け
不変監査ログを多段関係照会可能な知識構造へ変換するための、時間減衰とクロスエージェント統合手法
監査ログを知識グラフ化する際の主要課題であるエンティティ統合、時間的関連度重み付け、コンプライアンス向け部分グラフ抽出を統一的に扱う。MARIA OS監査コーパスで高い統合精度と照会高速化を示し、監査実務での追跡可能性を強化する。
部分観測下の知識グラフ補完: 企業統治グラフにおける欠損責任エッジ予測
不完全な統治グラフに対するテンソル分解リンク予測と、観測率ごとの理論精度境界
企業統治グラフには未記録の責任リンクが残りやすい。本稿は3階テンソル表現とCP分解で欠損エッジを補完し、観測率ρに応じた予測精度境界を導出する。実データで高い欠損復元率を示し、本番環境で未文書化の責任ギャップを抽出した。
エージェント群におけるスキル補完性: 機能多様性を最適化して意思決定カバレッジを最大化する
最強個体の寄せ集めより、スキル空間被覆の幾何設計が性能を決める
チーム性能を個体能力の単純和ではなく、意思決定スキル空間の被覆率として定義する。高次元空間の凸包体積を補完性指標とし、冗長性を抑えながら機能多様性を最大化する編成アルゴリズムを示す。
エージェントチームの盲点検知: Persistent Homologyによるグループシンク警報
平均多様性では見えない被覆穴をトポロジー指標で可視化し、潜在的な判断欠落を早期に捉える
チーム視点を多様体上に埋め込み、単体複体の穴構造をPersistent Homologyで追跡することで、表面上の高合意に隠れた盲点を検出する。従来のペアワイズ多様性指標と比較して、失敗前の警報リードタイム改善を狙う。
AIガバナンスのための記憶階層化: レート歪み理論に基づく保持方針
何を保持・要約・破棄するかを情報理論で決め、品質維持とコスト抑制を両立する
企業AIの記憶は増えるほど有利とは限らず、遅延・プライバシーリスク・矛盾ノイズを増やす。本稿はレート歪み最適化で保持情報量を制御し、再利用価値と感度を踏まえた層別保存ポリシーを設計する。
AI統治の因果時系列知識グラフ: パス単位の責任帰属フレームワーク
時間依存因果と責任保存則を組み込み、監査説明を再現可能にする深層研究設計
通常の監査グラフが答えるのは『何が起きたか』までに留まりやすい。本稿は因果エッジ、介入メタデータ、時間重みを拡張し、パス単位の責任配分と反実仮想リプレイを可能にする。
企業意思決定予測のためのGradient Boosting: エージェント企業のDecision Layer設計
表形式データ中心の業務判断に対し、XGBoost/LightGBMで予測精度と監査説明性を両立する
業務データが表形式で蓄積される場面では、勾配ブースティングが実務上の強い基準となる。本稿は特徴量設計とSHAP説明を組み合わせ、承認予測・リスクスコアリングを責任ゲート運用へ接続する。
解釈可能な組織意思決定木としてのRandom Forest: アンサンブル構造から統治ロジックを抽出する
予測性能だけでなく、分岐構造の可読性と監査適合性を重視したDecision Layer補完手法
Random Forestを解釈エンジンとして位置づけ、重要変数と政策分岐の可視化を行う。特徴量重要度と抽出ポリシーツリーを使い、ガバナンス文書との整合確認を可能にする。
企業戦略最適化のためのMulti-Armed Bandit: Thompson/UCB/Contextual手法の実装
探索と活用のトレードオフを、Layer 5の戦略探索基盤として定式化する
既知戦略の活用と新規戦略の探索を同時に扱うため、Thompson sampling・UCB・Contextual Banditを比較設計する。後悔最小化指標を経営運用へ接続し、戦略エンジンへの組み込み手順を示す。
因果構造抽出のためのGraph RAG: 多段検索と証拠結束の行列モデル
知識グラフ上の責任連鎖とリスク集中を、多ホップ拡散で追跡する
平坦なRAG検索で失われやすい関係構造を、グラフ行列表現で保持して推論品質を高める。ホップ深さとノイズのトレードオフを定式化し、証拠結束度に基づく応答ゲートを設計する。
Evidence Bundle強制型RAG: 引用必須・回答拒否を含む信頼応答設計
証拠付き回答を標準化し、証拠不足時は拒否する運用で幻覚を抑える
回答ごとに引用・信頼度・段落レベル出典を付与し、証拠不足なら生成を止める。十分性スコアと改善ループを組み合わせ、企業文書QAの信頼性を高めるRAG統治モデルを提示する。
Conflict Card生成アルゴリズム: 数理検知を説明可能な意思決定成果物へ変換する
行列由来の衝突シグナルを、実務で使える解決カードへ落とし込む
固有値・固有ベクトルだけでは運用アクションに直結しない問題を解消するため、衝突ペア、影響度、推奨解法を構造化したConflict Cardを定義する。生成手順とスコアリング規則を提示する。
Evidence BundleによるRAG安定化: 分散低減と回答拒否閾値の理論
証拠密度と結束度を使って幻覚率を制御し、低確証時は回答を拒否する
証拠が散在する検索結果では回答分散と幻覚が増える。証拠束ねと結束スコアを導入し、十分性閾値以下では拒否する運用により、精度と安全性を同時に高める手法を示す。
衝突可視化 vs 統合解消: 意思決定後悔と修正率の比較実験
1,200件意思決定で、衝突提示方式と事前統合方式を比較する
衝突を事前統合する設計と、衝突を証拠付きで可視化する設計を比較し、人間判断品質への影響を測定する。後悔率、修正率、レビュー信頼感の指標で、可視化の運用価値を評価する。