PoCは技術的に動くかを確かめる行為です。要件定義は仕様を決める行為です。 Discovery Phaseはそれらを包含しつつ、AIを業務に組み込むために必要な 判断範囲、精度指標、証跡、監査、責任分界、継続運用を先に固定します。 結果として、経営がGo No-Goを判断できる状態になります。

むしろ曖昧な状態で本開発に入る方が危険です。 Discovery Phaseは、曖昧さを「放置」するのではなく、曖昧さを 分解して、論点と未確定項目をログとして残し、固定できるところから固定します。

各ゲートでGo No-Goが可能です。 代表的には、データ適合性が成立しない、品質SLOが事業として成立しない、 運用コストが過大になる、監査要件を満たせない、などが明確になった時点で止められます。 「止めるための判断材料」を先に作るのがDiscovery Phaseの本質です。

可能です。ただし前提として、責任線、評価方法、ログ、変更管理が曖昧なまま 進んでいる場合、どこかで説明不能になります。 Discovery Phaseはベンダー置換が目的ではなく、統治の欠損を埋めて 継続運用できる形に整えることが目的です。

投資判断支援資料として提出可能な形に固定します。 具体的には、判断範囲定義、精度指標SLOと受入基準、データ適合性レポート、 リスクレジスター、証跡と監査設計、継続運用と変更管理の設計、実装ロードマップと費用レンジです。

認証の代行ではありません。参照規格として、監査可能性と説明責任の設計論点を Discovery Phaseの成果物に落とします。 結果として、金融機関、投資家、監査法人に説明可能な構造になりやすくなります。

ガバナンス文書を作るだけでは、監査や有事の局面で破綻します。判断境界・RACI・証跡・継続運用は、文書として定義するだけでなく、システムとして実装されて初めて機能します。データリストは設計と実装を分離しません。機械学習・深層学習・統計モデルを原理原則から組み立てるグローバル実装体制を、品質保証と設計統括の枠組みで統制し、文書とコードを同時に納品します。

単一ベンダー依存・開発停止による運用停止・再学習不能は、金融機関や大企業が最も懸念するリスクです。データリストは、IPの所在、運用責任、再学習責任、移管可能性を設計に含め、クライアントが継続利用できる権利設計を行います。必要に応じて、ソースコード預託、API仕様書、運用手順書、再学習手順、ログ・証跡管理を設計オプションとして組み込みます。詳細は知的財産・継続運用方針をご覧ください。

東京HQが要件定義・品質保証・ガバナンス設計・証跡管理を統括し、数理・AI実装はEU圏を中心とするグローバルチームが担当します。既製AIツールの接続で終わらせず、機械学習・深層学習・統計モデルを原理原則から設計・実装できる体制を維持しています。未知の課題に対しても、概念設計から実装まで一貫して対応可能です。