AIは、文章から役に立つ構造を提案できます。人物、企業、その人物の役職、そして関係を裏づける抜粋です。大切なのは、その次の段階です。何をネットワークに取り込むべきかを、自分で判断します。
Lage Bureauの内蔵AI支援は、この順序で動きます。文章を渡し、提案を確認し、選んだ項目だけを明示的に反映します。生成結果は調査への入力であり、出典や関係をどう評価するかは利用者が決めます。
このガイドでは、架空の企業通知と、意図的に根拠を欠いた所有関係の解釈を使います。実在する企業の調査結果や個人情報は含みません。提案された関係と、そのきっかけとなった文章を一つずつ比べられる、小さな例です。
文章と文脈を選ぶ
企業ケースのAI用チェックポイントから始め、英語の役員通知を全文貼り付けます。通知には、次の記述があります。正確な抜粋を照合する練習のため、引用は英語原文のまま掲載しています。
LB Training — Mara Voss (training person LB-P-001) is a director of LB Training — Merebridge Ltd.
LB Training — Owen Reed (training person LB-P-003) is also a director of LB Training — Merebridge Ltd.
通知は、MaraをドイツのLindenwerkの通知に登場する架空の人物LB-P-001と明示的に同一人物としています。一方、所有や実質的な支配については何も述べていません。課題は、共通する取締役という手がかりを所有関係に飛躍させず、英国企業の役員情報を追加することです。
AIによる抽出には、利用者自身のOpenRouter APIキーを使います。プロトタイプ用に、利用額を制限した専用キーを用意してください。ブラウザは、貼り付けた文章と明示的に選択したネットワークの文脈を、設定されたプロバイダーの処理に送信します。キーはアプリのブラウザ設定に暗号化されずに保存されるため、架空の情報または機密性のない文章を使い、録画や共有ファイルに認証情報を含めないでください。
チェックポイントの確認ガイドに従い、既存のMerebridgeとMaraの記録を文脈として選びます。新しく追加される人物はOwenです。すべての参照が意図したエンティティを指しているか確認します。Maraの照合を支えるのは明示された練習用識別子であり、似たラベルだけではありません。
提案を、判断すべき項目の集まりとして読む
生成結果には、エンティティ、関係、出典（Source）、引用（Citation）が含まれる場合があります。MaraとMerebridge、OwenとMerebridgeの取締役関係と、それぞれを裏づける正確な抜粋を確認します。出力はモデルやリクエストによって変わります。作成済みの確認ガイドは、実際に取得したモデル応答でも、同じ結果が得られる保証でもありません。
関係の提案ごとに、次の3点を一緒に確認します。
- 接続先。 人物と企業は、意図した記録でしょうか。
- 関係の種類。 「取締役である」は文章を正しく表していますか。それとも、モデルがより強い主張を提案していますか。
- 抜粋。 引用された言葉は、その関係を実際に裏づけていますか。
MaraがLindenwerkとMerebridgeの両方につながるという理由だけで、所有関係の提案を採用してはいけません。提示された通知では所有関係は不明です。その解釈が提案されたら却下し、英国企業の2つの取締役関係は、それぞれの根拠に基づいて確認します。
説明のない完成図よりも、確認できる提案が役に立つ理由はここにあります。作業文書の一部になる前に、提案された構造を検討できます。
検証で分かることを理解する
Lage Bureauは、提案を反映できる状態にする前に、構造と参照を検証します。種類や接続先の妥当性、依存関係、提示された文章内に正確に位置づけられた抜粋などを確認します。関係の提案には、記録された位置で見つかる裏づけの文章が必要です。
これらの検証が答えるのは、「必要な文章上の裏づけがあり、形式が整った提案か」という限られた問いです。元の通知が本物か、最新か、正確かは証明しません。正しい抜粋に対するモデルの解釈が、最適であることも保証しません。
| 検証すること | なお人の判断が必要なこと |
|---|---|
| 抜粋が貼り付けた文章と一致する | 出典自体が信頼でき、調査に関係するか |
| 関係の接続先が有効である | 接続先が意図した人物や企業を表しているか |
| 提案された種類がアプリの定義一覧に存在する | その種類が文章の意味を正しく表しているか |
| モデルが確信度を提示する | 保存する記録に対する調査者自身の確信度 |
モデルの確信度は提案のメタデータです。自動的に調査者の確信度になることはありません。採用したエンティティや関係は、別の評価を明示的に選ばない限り「未確認」が初期値です。
つながる項目を一緒に確認する
関係には、その接続先となるエンティティが必要です。引用には、出典と引用先が必要です。提案の一部だけを採用するときには、こうした依存関係が重要になります。
新しく提案された人物を却下した場合、その人物に依存する関係を、人物を採用したかのように反映することはできません。接続先のない関係を残そうとするのではなく、反映できない理由を確認してください。同様に、追加したい関係と、その裏づけとなる出典や引用を一緒に保ちます。
依存関係を満たす項目を選び、反映します。採用した一括処理は、利用者が開始した、取り消し可能な1回の変更になります。「元に戻す」で反映を取り消せますが、プロバイダーへのリクエストや、生成によってすでに発生した料金は取り消せません。
通常のエディターで結果を確認する
反映後、ネットワーク内の関係を選びます。ラベル、確信度、添付された引用をもう一度確認してください。提案が、出典をたどって説明できる調査記録になっているはずです。
次に、別の解釈を検討します。文章からは分からないことを調査メモに残したり、より良い資料を探す間、不確かな関係を未確認のままにしたりします。証拠が曖昧なときは、同一人物であるという提案を分けて扱います。架空の同一性検討ケース（英語）では、出典が支える範囲を超えた結論を避ける練習ができます。
内蔵AIのこのワークフローは、ウェブの閲覧、登記情報の取得、PDFのアップロード、人物の統合を行いません。承認なしにネットワークへ書き込むこともありません。利用者が渡した文章から構造を提案し、それを確認できる状態にするのが、ここでの役割です。
国をまたぐ企業ケース（英語）で同じ文章を試すか、Lage Bureauの仕組み（英語）を読んでください。採用するすべてのつながりを説明できるよう、問いを小さく保ちましょう。
出典について
引用した企業通知は、この練習のために作成した文章です。提案を確認する練習のための材料であり、実在する役員や企業についての結論を支えるものではありません。文章と提案された関係を並べて読むことが、この練習の中心です。