※イメージ画像です01 — Overview
株式会社ハピネスプラネットと株式会社日立製作所は、複数のAIエージェントが互いに議論しながら思考を深めていく自己成長型の生成AIを共同開発し、これを用いたサービス「Happiness Planet FIRA」を2025年8月26日に提供開始しました。FIRAには、経営学や財務、心理学、哲学など多様な専門性や価値観を割り当てられた600種類のAIエージェント「異能」が搭載され、利用者が入力したテーマに沿って意見や提案を出し合います。議論の進行は司令塔となるファシリテーターが担い、やり取りの中で問いと視点を練り直していく構造です。利用者固有のデータを追加学習させることなく、経営計画の策定やIR対応、新規事業の構想、営業戦略の検討といった場面で洞察や選択肢を提示することをねらいとしています。技術は特許出願済みです。
出典：経営議論等を革新する自己成長型AIサービス「Happiness Planet FIRA」を提供開始：日立（発行元：株式会社日立製作所）
02 — Problem
リスク管理や投資判断、人財育成のように、経営や企画の現場が向き合う問いには、あらかじめ用意された正解がありません。従来の生成AIはこうした問いに対し、事前学習データの範囲を出ない一般的な回答にとどまりやすく、自社の過去データを取り込む試みも、過去に起きたことをなぞる以上の創造的な示唆にはつながりにくい状態でした。
編集部の見立てでは、ここでの詰まりは知識量の不足ではなく、視点が一つしかないことにあったのではないでしょうか。単独のAIに問いを投げれば、返ってくるのは最も無難で平均的な答えです。人の会議であれば、立場の違う参加者がぶつかることで論点そのものが組み替わりますが、その摩擦にあたるものが、AIとの一対一のやり取りには構造的に存在しません。足りなかったのは情報ではなく、意見が食い違う場そのものだったと考えられます。
03 — Key points
利用者固有のデータを追加学習させず、その場の議論そのものから固有の答えを立ち上げる設計が、この取り組みの中核にあります。入力されたテーマや課題に沿って、専門的な視点や独自の思考パターンを持つエージェントが意見を出し合い、時に刺激し合い、時に対立し、時に協調しながら、問いと思考をその場で練り直していきます。過去の記録を参照して整理するのではなく、相互作用が起きる場を都度つくるという発想の切り替えが、一般論に着地しない条件を生んでいるのではないでしょうか。
議論を参加者任せにせず、司令塔となるファシリテーターに進行を委ねた点も見逃せません。ファシリテーターは議論の方向に加え、場の盛り上がりや感情、誰がどの順番でどれくらい話すかまでを調整します。多数のエージェントをただ並べただけでは、話が発散するか、逆に互いに同調して似た結論へ寄っていきます。進行の制御を独立した役割として切り出した設計こそが、議論を議論として成立させる要になっていると考えられます。
議論の質を左右する材料として、600種類の異能をあらかじめ設計しておいた点も固有の要素です。財務の知識に長けた「スーパーCFO」や発想を担う「Dr.革新発想」といった役割に加え、経営学、経済学、心理学、IR、人財、データサイエンス、ウェルビーイング、歴史、思想、哲学まで専門性の幅が広く取られ、さらにメンタルトレーナーやアスリート、著述家など実在の専門家の思考を組み込んだBunshin(分身)も含まれます。ブランコや鉄棒をするロボット、サプライチェーンの最適化で積み上げてきた自己成長するAIエージェントの技術を、LLM(大規模言語モデル)を用いて輪郭のあいまいなビジネス課題へ広げたところに、この開発の踏み込みがあります。
04 — Results
開発したAIの力は、経営支援スコアという指標で検証されています。リスク、財務、投資、人事、技術、営業、変革など10種類の経営テーマへの回答を、驚き・奥深さ・メタ認知など7項目についてLLM-as-a-Judge(AIが回答の質を採点する手法)で8段階のブラインド評価にかけたところ、FIRAは広く使われている主要な生成AI13種を大きく上回り、偏差値で27ポイントの差をつけました。ここで測られているのは業務上の実績ではなくAIによる回答評価ですが、容易に思いつく一般論を高く評価しない指標を自ら設けて比べた点に、検証の意図が表れています。
05 — For your company
立場の異なる複数の視点をぶつけて論点を洗い直すという発想は、答えが一つに定まらない検討ほど効きやすいと考えられます。新規事業の構想段階や、経営会議に上げる前の論点整理のように、結論そのものより問いの立て方が成果を左右する場面であれば、企業の規模を問わず応用の余地があります。
一方で、この設計は利用者固有のデータに頼らないことを前提にしているため、社内の数字や過去の取引履歴を正確に引き当てる必要がある業務とは、そもそも狙いが異なります。事実の照合が主眼の業務にそのまま持ち込めば、期待と機能がずれます。公開されている検証もAIによる回答評価であり、自社の意思決定がどれだけ良くなるかは、実際の議題で使って見極めるほかありません。
手元の生成AIでも試せる一歩としては、検討中の一案件に財務、現場、顧客といった立場を別々に割り当てて個別に回答させ、その食い違いを並べて眺めてみるところから。
06 — Company
システム開発・実装
幸せで生産的な人や組織づくりを目的とするAIとサービスを提供する企業。ヒューマンデータとAIを活用した新たな産業創生をめざし、日立のグループ会社として設立。大量のデータを活用した人や組織の科学的理解に基づき、幸せで創造的な企業づくりを支援するAIサービス事業を推進している。本事例では株式会社日立製作所と自己成長型生成AIを共同開発した。
この取り組みに関心があれば、
株式会社ハピネスプラネットの公式情報をご覧ください
07 — Category
関連度の高い事例を選定しています。少しお待ちください。
