KDG 技術解説
4層知識アーキテクチャとは
KDGの中核を成す4層知識アーキテクチャの技術的構造を解説する。ドメイン知識をブラックボックス化せず、人間が読めるテキストとして明示的に管理する「テキスト駆動原則」と、その実装を支える4つの知識レイヤー（Original / Formal / Insight / Meta）の役割を、一般的なAIアプローチとの比較を通じて技術的に示す。
3.4層の詳細実装
本章では、4つの層それぞれが担う役割と、Markdownでの典型的な記述形式を示す。いずれの層も、KDG STUDIOのKBMS（Knowledge Base Management System）上でテキストとして管理・編集される。
3-1Original層 — 原文保持
Original層には、組織が保有する原典データがそのまま格納される。規程、マニュアル、日報、過去事例、仕様書、議事録 — あらゆる業務文書が対象となる。重要なのは、これらを「教師データ」として機械学習に使うのではなく、「参照データ」として保持することである。
Original層が担う役割は、判定の最終根拠となる「原典」を常に参照可能な形で保持することである。後段の層がどのような解釈や構造化を加えても、Original層に戻れば一次情報にアクセスできる。この原典保持の仕組みは、AIが出した結論を後から検証する必要がある監査業務や、意思決定の透明性が求められる業務において特に重要な役割を果たす。
3-2Formal層 — 構造化データ
Formal層は、Original層の原文から抽出された「構造化された判定ルール」を格納する層である。原文を読んだだけでは判定に使えないため、Formal層ではルール、手順、パターンなどの明示的な形式に整理される。典型的な構成は、「あるべき姿」「有効な例」「無効な例」の3部構成である。
### あるべき姿 （期待される状態や判定基準の記述） ### 有効な例 - （正しい入力や条件の例） - （正しい入力や条件の例） ### 無効な例 - （誤った入力の例）→ （NG理由のテンプレート） - （誤った入力の例）→ （NG理由のテンプレート）
この形式の優れている点は、判定ロジックと説明理由が同じテキスト内に共存することである。「無効な例」がそのままNG理由テンプレートとなるため、判定と説明が構造的に一致する。これにより、AIは判定結果とその理由を、Formal層のテキストを読むだけで矛盾なく生成できる。ルールの変更は、テキストを書き換えるだけで即座に反映される。
3-3Insight層 — 知見導出
Insight層には、複数のチェック項目やデータ間の関係性から抽出された「項目横断的な知見」が格納される。個別の判定ルールを超えた、より大きなパターンやベストプラクティスを保持する層である。例えば、「特定の条件の組み合わせが典型的にリスク要因となる」「過去の類似案件で共通していた成功パターン」といった横断的な知見を扱う。
## ルール: [条件] の場合、[アクション] ### 根拠 [過去の実績データや専門知識に基づく裏付け] ### 条件 [適用条件の明示] ### 対象項目 - [このルールが影響する項目の列挙]
Insight層のルールは、Formal層の個別ルールを補完する役割を持つ。個別項目だけでは見えない関係性を明示化することで、組織の経験則を再現可能な形で資産化する。学習ベースのアプローチでは「暗黙のパターン」として埋没してしまうこうした知見が、Insight層では人間が読める・編集できる形で整備される。
3-4Meta層 — 価値判断・方針
Meta層には、組織としての審査方針、優先順位、承認権限、例外ルールなどが格納される。4層の中で最も優先度が高く、他のどの層の判定も上書きできる層である。「組織としてどう判断すべきか」という意思決定フレームワーク全体を、テキストとして管理する。
### 必須要件 （これを満たさない場合は原則NG） - 要件1 - 要件2 ### 例外ルール （条件付き承認のパターン） - パターン1: [条件] → [承認条件] - パターン2: [条件] → [承認条件] ### 承認権限 | リスクレベル | 承認者 | |---|---| | 低 | [役割] | | 中 | [役割] | | 高 | [役割] |
Meta層が存在することの意義は、組織の方針が変わった時、その変更が即座に全判定に反映される点にある。LoRAのような学習ベースのアプローチでは方針変更のたびに再学習が必要になるが、KDGではMeta層のテキストを書き換えるだけで済む。組織の意思決定が動いた瞬間に、AIの挙動もそれに追随する — これがMeta層の役割である。
3-54層の連携
4層は独立に動作するのではなく、判定時に以下の順序で連携する。
- 1Meta層（最優先）：組織方針による上書きの有無をチェック
- 2Insight層：項目横断的なパターンに該当するか判定
- 3Formal層：個別項目のルールに照合
- 4Original層：必要に応じて原典を参照
この階層構造により、「個別ルール → 横断的な知見 → 組織方針」と情報の抽象度が段階的に上がっていき、最終的な判定は組織の意思決定フレームワークと一致する。4層はいずれも人間が読めるテキストとして管理されているため、判定結果の根拠を逆向きにたどることも容易である。
4.制約と結論
4-1KDGの制約とトレードオフ
4層知識アーキテクチャは万能ではない。採用にあたっては以下の制約を理解する必要がある。
知識構築コスト
4層知識の構築には、業務ドメインの専門知識を持つ人間が必要である。この知識抽出プロセスはAIが支援するが、最終的な判断基準の承認は人間が行う。ただし、AIの推論能力を業務判定に活用するのであれば、推論の根拠となる知識を明示的に整備することは本質的に不可避なコストであり、KDGは、そのコストに見合う価値—正確性・再現性・説明責任の確保—を仕組みとして支えることを目指している。
適用領域
KDGは「明示的なルールに基づく判定」が求められる業務に最適化されている。定型的なFAQ応答のように判定基準が単純な業務にはKDGはオーバースペックであり、従来のRAGで十分に対応できる。一方、正解の定義が難しい複雑な課題に対しては、十分な知識化が前提となるため、ドメイン領域を狭めて段階的に評価・適用することが重要である。
成長曲線
Original層とFormal層の双方の充実が、KDGの判定精度を左右する。蓄積の初期段階では、対象を限定された回答パターンに集中させ、まず確実に判定できる範囲で運用を開始することが推奨される。運用を重ねてOriginal層の実績データとFormal層の判定ルールが充実してきたら、より広範囲な知識として段階的に適用範囲を拡大する—この段階的アプローチが、KDG導入の最も現実的な進め方である。
4-2結論
本稿では、KDGの中核である4層知識アーキテクチャの技術的構造を解説した。4層知識アーキテクチャの本質は「テキスト駆動原則」にある。組織のドメイン知識を、モデルの重みやベクトル空間ではなく、人間が読める・編集できるMarkdownテキストとして明示的に管理する。これにより、AIの実行を「推論ベース」から「ルール照合ベース」に転換し、確定的な判定結果と説明責任の両立を目指す。
- ▸Original層が組織の原典データを常に参照可能な形で保持する
- ▸Formal層が判定項目ごとのルールを「あるべき姿」「有効な例」「無効な例」の3部構成で明示する
- ▸Insight層が項目横断的な知見を自動判定ルールとして抽出する
- ▸Meta層が組織としての意思決定フレームワークを最優先ルールとして管理する
重要なのは、この4層構造がAIモデルに依存しない知識管理の原理であるという点である。AIモデルを交換しても蓄積された知識は失われず、より優秀なモデルに切り替えれば、同じ知識基盤からより高度なInsightが導出される。 知識を「推測の材料」ではなく「確実な実行の基盤」として位置づけるKDGのアプローチは、組織の知識を組織の手に取り戻すための設計である。お客様の業務知識がお客様の見える形で存在すること — このシンプルな原則が、AIを信頼できる業務ツールに変える。