---
title: "AI"
updated: "2026-11-16"
url: "https://www.etheon.com/ja/services/ai"
---

# AI開発サービス

戦略からMLOpsまで、AI開発を手がけます。エージェント、モデル、そしてそれらをお客様の会社で機能させる連携を開発します。

## 戦略からMLOpsまで、AI開発を手がけます。エージェント、モデル、そしてそれらをお客様の会社で機能させる連携を開発します。

### コンサルティング。

お客様の会社のどこでAIが成果を生むか、データに何が求められるか、何から開発すべきか。

- 優先順位をつけたユースケースの一覧
- データの準備状況の確認
- スコープを定めた最初の開発

順位づけの例 · 形式を示すイメージであり、クライアントのユースケースではありません

1. ヘルプセンターをもとにしたサポート回答の下書き: 明確な文書、大量の問い合わせ
2. CRMに記録される商談メモ: 繰り返しの作業で、確認しやすい
3. 売れ筋商品の需要予測: データがあり、価値が明確

### 生成AI。

お客様の文書を扱うアシスタントと、プロダクトに組み込むAI機能。

- お客様の文書を扱うアシスタント
- お客様の情報源を引用する回答
- プロダクトに組み込むAI機能

### エージェント。

お客様が定めた範囲の中で、重要な場面には人が関わりながら、お客様のシステムで働くエージェント。

- エージェントが呼び出せるツール、それぞれに個別の権限
- モデルの外側で適用される制限
- すべてのステップを記録し、あとから再現可能
- お客様が選んだものは人が承認

この段階で使うもの: ツール呼び出し, ガードレール, トレーシング

実行例 · 形式を示すイメージであり、クライアントのシステムではありません

|  |  |  |  |
| --- | --- | --- | --- |
| 00\.00 | request | Refund order 1042 if the policy allows it |  |
| 00\.12 | retrieve | refund-policy.md, section 3.2 | 根拠あり |
| 00\.31 | tool | orders.lookup(1042) | 9日前に配達済み |
| 00\.44 | check | inside the 14-day window | 合格 |
| 00\.52 | guard | amount under the agent's limit | 合格 |
| 00\.53 | person | approval not needed under the limit | スキップ |
| 00\.71 | tool | payments.refund(1042) | 完了 |
| 00\.72 | log | every step saved for review | 保存済み |

### 文書・ビジョンAI。

AIによる文書、画像、動画の読み取り。

- フォーム、請求書、契約書から抽出するデータ
- 検索可能なテキストに変換したスキャンページ
- 画像を分類し、写っているものを特定
- 指定した場面を動画から検索

### システム連携。

すでに運用しているシステムとサインインにつなげたAI。

- タスクに合ったモデル
- シングルサインオン
- コストと応答時間の測定

### MLOps。

すべてのバージョンを追跡し、すべてのリリースを元に戻せます。

- すべてのリリース前の評価
- ロールバックできる、バージョン管理されたリリース
- モデルカード

### コンサルティング。 お客様の会社のどこでAIが成果を生み、何から開発すべきか。

#### 概要

AIコンサルティングでは、何かを開発する前に、お客様の会社のどこにAIを開発する価値があるかを見極めます。業務プロセスとデータを確認し、それぞれが生む成果と必要なものに基づいてユースケースに優先順位をつけ、結果を測定できるように最初の開発のスコープを定めます。

#### 提供内容

- ユースケースに優先順位をつける
- データに何が求められるかを確認する
- 最初の開発のスコープを定める

#### 実施方法

1. ヒアリングする: 業務を知る人と、その背後にあるデータ。
2. 順位づける: 各ユースケースを、見込める成果と必要なものに基づいて順位づけます。
3. データを確認する: データが存在するか、クリーンか、利用してよいか。
4. スコープ: 最初の開発と、その結果の測り方。

#### 成果物

- 優先順位をつけたユースケースの一覧
- データの準備状況に関するメモ
- スコープを定めた最初のプロジェクト

#### 関連

- [生成AI](https://www.etheon.com/ja/services/ai?detail=generative-ai#generative-ai)
- [開発の進め方](https://www.etheon.com/ja/company/how-we-work)

### 生成AI。 お客様の文書とプロダクトをもとに開発するアシスタントとAI機能。

#### 概要

生成AIとは、お客様自身の資料をもとに文章を書き、質問に答え、要約するソフトウェアです。当社は、お客様の文書をもとに出典を示して回答するアシスタントと、プロダクトに組み込むAI機能を開発し、それぞれをユーザーに届ける前に、お客様が承認した例に照らしてテストします。

#### 提供内容

- お客様の文書を扱うアシスタント
- お客様の情報源を引用する回答
- プロダクトに組み込むAI機能

#### 実施方法

1. 情報源を集める: アシスタントが読んでよい文書とデータ。
2. 開発してグラウンディングする: 出典となる箇所を引用する回答。
3. 評価する: お客様のチームからの実際の質問を、リリース前に採点します。
4. 段階的にリリースする: まず小さなグループに、その後全員に。

#### 成果物

- お客様のリポジトリにあるアシスタントとそのコード
- 評価セットとそのスコア
- お客様のチーム向けのランブック

#### 技術スタックとツール

- Model APIs
- Embeddings
- Vector search
- Evaluation sets

#### 関連

- [Kuest AI、ステップごとに教えるAIチューター](https://www.etheon.com/ja/work/kuest-ai)
- [評価](https://www.etheon.com/ja/services/ai?detail=evaluation#evaluation)
- [ホスト型モデル](https://www.etheon.com/ja/services/ai?detail=hosted-models#hosted-models)

### エージェント。 お客様が定めた範囲の中で、お客様のシステムで操作を実行するソフトウェア。

#### 概要

エージェントとは、お客様のシステムで操作を実行するソフトウェアです。タスクを読み取り、呼び出しを許可されたツールを呼び出し、すべてのステップを記録します。当社は、モデルの外側にある権限と制限のハーネスの中で各エージェントを開発し、お客様が選んだステップは人が承認するため、エージェントはお客様が設定したことしか実行できません。

#### 提供内容

- タスクを把握する：そのステップ、関わるシステム、人が承認する箇所。
- エージェントが呼び出せるツールを、それぞれ個別の権限とともに開発する。
- データ、費用、範囲の制限を設定し、モデルの外側で適用する。
- すべてのステップを記録し、エージェントが何をなぜ行ったかを、お客様のチームがあとから再現できるようにする。

#### 実施方法

1. タスクのスコープを定める: ステップ、システム、そして人が担う判断。
2. ツールを開発する: エージェントが呼び出せる各ツールを、個別の権限とともに。
3. 評価する: お客様自身の事例から作った評価セットで、リリース前に採点します。
4. 段階的にリリースする: 最初はすべての操作を人が承認し、その後は例外だけを承認します。
5. 監視して改善する: トレース、アラート、そして誤りの定期的なレビュー。

#### 成果物

- お客様のリポジトリにあるエージェントとそのツール
- 権限マップ
- 評価セットとそのスコア
- すべての実行のトレース
- お客様のチーム向けのランブック

#### 技術スタックとツール

- Model APIs
- Tool calling
- Sandboxes
- Tracing
- Evaluation sets

#### 関連

- [Jeriko、パーソナルAIエージェントのチーム](https://www.etheon.com/ja/work/jeriko)
- [エージェントハーネス](https://www.etheon.com/ja/services/ai?detail=agent-harness#agent-harness)
- [MLデータ](https://www.etheon.com/ja/services/data?detail=ml-data#ml-data)

お客様の会社のためのエージェント。 タスクと、それが関わるシステムをお知らせください。一営業日以内にご返信します。

### 文書・ビジョンAI。 AIによる文書、画像、動画の読み取り。

#### 概要

文書・ビジョンAIは、お客様の会社がファイルとして受け取るもの、つまりフォーム、請求書、契約書、スキャンしたページ、画像、動画を読み取ります。当社は、必要なデータを抽出し、スキャンを検索可能なテキストに変換し、写っているものに応じて画像を分類し、動画の中から指定された場面を見つけるシステムを開発し、それぞれをお客様が承認した例に照らして確認します。

#### 提供内容

- フォーム、請求書、契約書からデータを抽出する
- スキャンしたページを検索可能なテキストに変換する
- 画像を分類し、写っているものを特定する
- 指定した場面を動画から検索する

#### 実施方法

1. 例を集める: お客様の業務で扱う実際の文書、画像、動画。
2. 読み取りの仕組みを開発する: それらを読み取るモデルを、お客様の例に照らして確認します。
3. 不確かなものを確認する: モデルが確信を持てないものを、人が確認します。
4. 接続する: 結果は、それを必要とするシステムに流れます。

#### よくある質問

**結果を人が確認できますか？**

はい。モデルが確信を持てないものは確認キューに送られ、次に進む前に人が判断します。

**どのような文書を読み取れますか？**

フォーム、請求書、契約書、スキャンしたページ、画像、動画です。開発の前に、お客様の例でテストします。

#### 成果物

- お客様のリポジトリにある抽出パイプライン
- 評価セットとそのスコア
- お客様のチームのための確認キュー

#### 技術スタックとツール

- Document parsing
- Optical character recognition
- Vision models
- Evaluation sets

#### 関連

- [生成AI](https://www.etheon.com/ja/services/ai?detail=generative-ai#generative-ai)
- [評価](https://www.etheon.com/ja/services/ai?detail=evaluation#evaluation)

### システム連携。 すでに運用しているシステムにつなげたAI。

#### 概要

システム連携は、すでに運用しているシステムの中でAIを機能させます。当社はモデルをお客様のアプリケーション、データ、シングルサインオンに接続し、タスクごとに合ったモデルを選び、コストと応答時間を測定して、利用が増えても無理のない費用に保ちます。

#### 提供内容

- タスクに合ったモデル
- シングルサインオン
- コストと応答時間の測定

#### 実施方法

1. システムを把握する: 機能がどこに置かれ、何を読み書きするか。
2. モデルを選ぶ: お客様のタスクで、品質、コスト、応答時間を採点します。
3. 接続する: お客様のAPIとシングルサインオンを通じて。
4. 測定する: 本番稼働後は、コストと応答時間を監視します。

#### 成果物

- お客様のリポジトリにある連携コード
- コストと応答時間のレポート
- お客様のチーム向けのランブック

#### 技術スタックとツール

- Model APIs
- API gateways
- Single sign-on
- Monitoring

#### 関連

- [カスタムソフトウェア](https://www.etheon.com/ja/services/software?detail=custom-software#custom-software)
- [Webアプリ](https://www.etheon.com/ja/services/web?detail=web-apps#web-apps)

### MLOps。 モデルをリリースし、測定し、機能し続けるようにします。

#### 概要

MLOpsは、公開後もモデルが機能し続けるようにします。当社は、モデルを学習、評価、リリースするパイプライン、各モデルをバージョン管理するレジストリ、本番環境でモデルを監視するモニタリング、データの変化に応じた再学習を構築し、すべてのリリースを元に戻せるようにします。

#### 提供内容

- パイプライン
- モデルレジストリ
- モニタリング
- 再学習
- ロールバックできる、バージョン管理されたリリース
- モデルカード

#### 実施方法

1. パイプラインを構築する: 学習、評価、リリースを、コードとして記述します。
2. 各モデルを登録する: すべてのバージョンを、そのデータとスコアとともに保管します。
3. ロールバックを備えてリリースする: 新しいバージョンは、合格して初めて古いバージョンを置き換えます。
4. 監視する: 本番環境で品質とドリフトを監視します。
5. 再学習する: データが変化したときに、以前と同じゲートを通して。

#### よくある質問

**モデルをロールバックできますか？**

はい。すべてのリリースはバージョン管理されているため、新しいモデルが期待どおりに機能しないときは、以前のモデルに戻せます。

**モデルのドリフトはどのように分かりますか？**

モニタリングが本番の入力と結果をテストセットと比較し、乖離したときにお客様のチームに通知します。

#### 成果物

- お客様のリポジトリにあるパイプライン
- モデルレジストリ
- モニタリングとアラート
- リリースごとのモデルカード

#### 技術スタックとツール

- Pipeline orchestration
- Model registries
- Experiment tracking
- Monitoring
- Evaluation sets

#### 関連

- [評価](https://www.etheon.com/ja/services/ai?detail=evaluation#evaluation)
- [MLデータ](https://www.etheon.com/ja/services/data?detail=ml-data#ml-data)

## エージェントの内側：ハーネス。

モデルは一部にすぎません。エージェントが何をしてよいかを決めるのは、その周りのハーネスです。

- モデル: タスクを読み取り、次のステップを決めます。
- ツール: エージェントが呼び出せる操作。それぞれに名前と制限があります。
- 権限: 各ツールが触れてよいもの。モデルの外側で適用します。
- コンテキスト: このタスクでエージェントが読んでよい文書とデータ。
- サンドボックス: エージェントが動く場所。触れてはならないシステムから切り離されています。
- 承認: 実行前に人が承認するステップ。
- トレース: すべてのステップを、お客様のチームがあとから再現できるログに記録します。

### エージェントハーネス。 エージェントが何をしてよいかを決める、モデルの周りのすべて。

#### 概要

エージェントハーネスとは、エージェントが何をしてよいかを決める、モデルの周りのソフトウェアです。呼び出せるツール、各ツールの権限、読んでよいコンテキスト、動く場所、人が承認するステップ、そしてすべてのステップのログで構成されます。当社はまずハーネスを開発し、その中でエージェントを開発するため、モデルが何を答えても制限は守られます。

#### 提供内容

- エージェントが呼び出せるすべてのツールを明示する
- 各ツールの権限をモデルの外側で設定する
- エージェントを、お客様のシステムから切り離したサンドボックスで動かす
- お客様が選んだステップの前に人を置く
- すべてのステップを、お客様のチームがあとから再現できるログに記録する

#### 成果物

- お客様のリポジトリにあるハーネスとそのツール
- 権限マップ
- すべての実行の、あとから再現できるトレース

#### 技術スタックとツール

- Tool calling
- Sandboxes
- Policy enforcement
- Tracing

#### 関連

- [エージェント](https://www.etheon.com/ja/services/ai?detail=agents#agents)
- [評価](https://www.etheon.com/ja/services/ai?detail=evaluation#evaluation)

## モデル。

モデルを活用する四つの方法と、それぞれがお客様に求めるもの。

### ホスト型モデルを使う

プロバイダーのモデルを、そのAPIを通じて使います。

- 必要なもの: プロバイダーのアカウントと、お客様のデータに合う利用規約。
- 所有するもの: プロンプト、評価セット、そしてモデルの周りのコード。
- 適しているケース: 汎用モデルですでに十分にタスクをこなせる場合。

### オープンモデルを運用する

お客様が管理するインフラで動かすオープンウェイト。

- 必要なもの: 適切なハードウェアを備えたサーバー、またはクラウドアカウント。
- 所有するもの: デプロイ環境と、データの行き先。
- 適しているケース: データをお客様自身の環境にとどめる必要がある場合。

### モデルをファインチューニングする

お客様の例で追加学習したベースモデル。

- 必要なもの: タスクの良質な例と、それを採点する方法。
- 所有するもの: ベースモデルのライセンスが許す範囲で、チューニングしたウェイト。
- 適しているケース: プロンプトだけでは品質基準に届かない場合。

### 独自モデルを学習させる

需要予測や分類器など、一つのタスクのためにお客様のデータで学習させたモデル。

- 必要なもの: タスクに十分なラベル付きデータ。
- 所有するもの: モデルとその学習コード。
- 適しているケース: タスクが限定的で、データがお客様のものである場合。

### ホスト型モデル。 プロバイダーのモデルをAPIを通じて使い、データに関する規約を確認します。

#### 概要

ホスト型モデルとは、自社でサーバーを運用することなく、APIを通じて使うプロバイダーのモデルです。当社は、お客様自身の評価セットで採点してプロバイダーを選び、各プロバイダーの規約をお客様のデータに照らして確認し、すべての呼び出しのコストと応答時間を測定します。

#### 提供内容

- 評価セットで選ぶ
- プロバイダーの規約を確認する
- コストと応答時間を測定する

#### 実施方法

1. 評価セットを作る: タスクの実際の例を、同じ方法で採点します。
2. プロバイダーを比較する: 各モデルを、お客様の評価セットで採点します。
3. 規約を確認する: お客様のデータがどこに送られ、保存されてもよいかどうか。
4. 測定する: お客様の利用量でのコストと応答時間。

#### 成果物

- お客様の評価セットによるプロバイダーの比較
- お客様のリポジトリにある連携コード

#### 技術スタックとツール

- Model APIs
- Evaluation sets
- Prompt management
- Usage monitoring

#### 関連

- [オープンモデル](https://www.etheon.com/ja/services/ai?detail=open-models#open-models)
- [評価](https://www.etheon.com/ja/services/ai?detail=evaluation#evaluation)

### オープンモデル。 データがすでにある場所で動かすオープンウェイト。

#### 概要

オープンモデルとは、お客様が管理するサーバーやクラウドアカウントで、ウェイトを自ら動かすモデルです。データをお客様の環境にとどめる必要がある業務に適しています。当社はお客様の評価セットでモデルを選び、お客様のインフラにデプロイし、品質、コスト、速度を測定します。

#### 提供内容

- 評価セットでオープンモデルを選ぶ
- お客様が管理するインフラにデプロイする
- 品質、コスト、速度を測定する

#### 実施方法

1. 候補を絞る: ライセンスが用途に合うオープンモデル。
2. 採点する: それぞれをお客様の評価セットで。
3. デプロイする: お客様のサーバーまたはクラウドアカウントに。
4. 測定する: 負荷がかかった状態での品質、コスト、応答時間。

#### 成果物

- お客様のリポジトリにある、コードとしてのデプロイ構成
- 検討したモデルの評価

#### 技術スタックとツール

- Model serving
- GPU infrastructure
- Evaluation sets
- Monitoring

#### 関連

- [ホスト型モデル](https://www.etheon.com/ja/services/ai?detail=hosted-models#hosted-models)
- [ファインチューニング](https://www.etheon.com/ja/services/ai?detail=fine-tuning#fine-tuning)

### ファインチューニング。 タスクの例で追加学習したベースモデル。

#### 概要

ファインチューニングは、タスクの例でベースモデルを追加学習させ、お客様の形式と領域で回答できるようにします。プロンプトだけでは品質基準に届かない場合に価値があります。当社は例を準備して学習を行い、お客様の評価セットでチューニング後のモデルをベースモデルと比較して採点します。

#### 提供内容

- タスクの例を準備する
- ベースモデルを追加学習させる
- ベースモデルと比較して採点する

#### 実施方法

1. 例を集める: お客様のチームが確認した、タスクの良質な例。
2. 学習させる: それらでベースモデルを追加学習させます。
3. 採点する: チューニング後のモデルとベースモデルを、お客様の評価セットで比較します。
4. デプロイする: チューニング後のモデルのほうが優れている場合にのみ。

#### 成果物

- ベースモデルのライセンスが許す範囲で、お客様名義のチューニング済みウェイト

#### 技術スタックとツール

- Training frameworks
- GPU infrastructure
- Evaluation sets
- Model registries

#### 関連

- [評価](https://www.etheon.com/ja/services/ai?detail=evaluation#evaluation)
- [MLデータ](https://www.etheon.com/ja/services/data?detail=ml-data#ml-data)

### 機械学習。 一つのタスクのためにお客様のデータで学習させたモデル：予測、ランキング、分類器。

#### 概要

ここでいう機械学習とは、予測、ランキング、分類器など、一つの限定的なタスクのためにお客様のデータで学習させたモデルのことです。当社はデータを準備し、モデルを学習、評価し、データの変化に合わせてモデルを最新に保つパイプラインとともにデプロイします。

#### 提供内容

- 一つのタスクに向けてデータを準備する
- モデルを学習させ、評価する
- 最新に保つパイプラインとともにデプロイする

#### 実施方法

1. タスクを定義する: モデルが何を予測し、どのように評価されるか。
2. データを準備する: ラベル付け、クリーニングを行い、学習用とテスト用に分割します。
3. 学習と評価: 未知のデータで候補を比較します。
4. デプロイする: データの変化に合わせて再学習するパイプラインとともに。

#### 成果物

- モデルとその学習コード
- 評価レポート
- 再学習パイプライン

#### 技術スタックとツール

- Training frameworks
- Feature stores
- Experiment tracking
- Model registries

#### 関連

- [MLデータ](https://www.etheon.com/ja/services/data?detail=ml-data#ml-data)
- [MLOps](https://www.etheon.com/ja/services/ai?detail=mlops#mlops)

## 評価：リリースゲート。

すべてのモデルは、ユーザーに届く前に同じチェックに合格します。

| ゲート | 測定する内容 | 方法 | しきい値 | 実行時期 |
| --- | --- | --- | --- | --- |
| タスクの品質 | お客様のテストセットで正しい回答 | お客様が承認したラベル付きセットで採点 | お客様と設定 | すべてのビルド |
| グラウンディング | すべての回答がお客様の情報源を引用 | 各文を、検索した箇所までたどる | お客様と設定 | すべてのビルド |
| 安全性 | 有害な要求とポリシー外の要求を拒否 | レッドチームのプロンプトとジェイルブレイクのテストスイート | お客様と設定 | リリース前 |
| プライバシー | 個人データが境界の外に出ない | 仕込んだレコードでマスキングをテスト | お客様と設定 | すべてのビルド |
| レイテンシー | タスクに十分な速さ | 負荷をかけた状態で応答時間を測定 | お客様と設定 | リリース前 |
| コスト | お客様の利用量で無理のない費用 | 想定利用量でのコストをモデル化 | お客様と設定 | リリース前 |
| ドリフト | 来月も正しいこと | 本番の入力をテストセットと比較 | お客様と設定したアラート水準 | 本番環境 |

### 方法：安全性

固定の敵対的プロンプトのスイートに、お客様の領域向けに新たに書いたプロンプトを加えて、リリース候補に対して実行します。危険な回答が一つでもあればリリースを止め、お受け取りいただくレポートに記載します。

### 評価。 すべてのモデルは、ユーザーに届く前に同じゲートに合格します。

#### 概要

評価は、モデルがリリースに値することを示す手段です。すべてのモデルは同じゲートに合格します：お客様が承認したテストセットでのタスクの品質、お客様の情報源へのグラウンディング、敵対的プロンプトに対する安全性、仕込んだレコードでのプライバシー、負荷をかけた状態でのレイテンシー、お客様の利用量でのコスト、そして本番稼働後のドリフト。各ゲートの方法は文書化されており、毎回同じように実行されます。

#### 実施方法

1. テストセットを作る: お客様が承認した、タスクのラベル付きの例。
2. しきい値を設定する: ゲートごとに一つ、作業開始前にお客様と合意します。
3. すべてのビルドで実行する: コードの変更に合わせて、タスクの品質、グラウンディング、プライバシーを。
4. リリース前に実行する: リリース候補に対して、安全性、レイテンシー、コストを。
5. 本番環境で監視する: 本番の入力をテストセットと比較し、ドリフトを捉えます。

#### よくある質問

**公開前にモデルをどのように評価しますか？**

このページのリリースゲートに照らして評価します：タスクの品質、グラウンディング、安全性、プライバシー、レイテンシー、コスト、ドリフト。各しきい値は作業開始前にお客様と合意し、一つでも満たさないリリース候補は、合格するまで待機します。

#### 成果物

- すべてのリリース候補についての、各ゲートの結果のレポート

#### 関連

- [開発の進め方](https://www.etheon.com/ja/company/how-we-work)
- [QA](https://www.etheon.com/ja/services/software?detail=qa#qa)

## 開発し、稼働中。

当社のラボのプロダクトと、クライアントのために開発したエージェント。

### Etheon Delta

当社のラボ

Etheon Labのプロダクト。

[Deltaを詳しく見る](https://www.etheon.com/ja/research#delta)

### Jeriko

クライアント案件

パーソナルAIエージェントのチーム。

実証していること： お客様が設定した権限の範囲内で動くエージェント。

[Jerikoを詳しく見る](https://www.etheon.com/ja/work/jeriko)

### Kuest AI

クライアント案件

ステップごとに教えるチューター。

実証していること： お客様自身の資料に基づく回答。

[Kuest AIを詳しく見る](https://www.etheon.com/ja/work/kuest-ai)

## ラボから。当社のAI開発を支える研究。

[すべての研究を見る](https://www.etheon.com/ja/research/index)

- [Etheon Labが取り組んでいること](https://www.etheon.com/ja/research/index/what-the-etheon-lab-works-on): Etheon Labは、AIソフトウェアを安全にリリースするための要素を研究しています：評価、ガードレール、オブザーバビリティ、安全なリリース、ガバナンス。
- [リリース前のモデルのテスト方法](https://www.etheon.com/ja/research/index/how-we-test-a-model-before-release): 当社が開発するすべてのモデルは、ユーザーに届く前に同じリリースゲートに合格します：タスクの品質、グラウンディング、安全性、プライバシー、レイテンシー、コスト、ドリフト。
- [まずハーネスから](https://www.etheon.com/ja/research/index/the-harness-comes-first): エージェントハーネスとは、モデルの周りにあって、エージェントに何を許すかを決めるソフトウェアです。当社はまずハーネスを開発し、その中でエージェントを開発します。

## よくある質問。

AIプロジェクトの前にお客様から寄せられる質問。

### 公開前にモデルをどのように評価しますか？

このページのリリースゲートに照らして評価します：タスクの品質、グラウンディング、安全性、プライバシー、レイテンシー、コスト、ドリフト。各しきい値は作業開始前にお客様と合意し、一つでも満たさないリリース候補は、合格するまで待機します。

### 自社のデータでモデルを学習させますか？

お客様のオプトインなしに、お客様のデータでモデルを学習させることはありません。お客様のデータは他のクライアントから分離された状態に保たれます。

### コードとモデルの所有者は誰ですか？

お客様です。コード、モデル、アカウントはお客様の名義で、リポジトリは最初のコミットからお客様のものです。

### プロジェクトの料金はどのように決まりますか？

協業モデルによります。料金は公開していません。

### どのモデルを使うべきですか？

お客様が負担できるコストで、タスクを最もうまくこなすモデルです。お客様自身の評価セットで候補のモデルを採点し、品質、コスト、応答時間で選びます。選択肢は、「モデル」の項目にある四つの方法で比較しています。

- [データ](https://www.etheon.com/ja/services/data): パイプライン、プラットフォーム、BI
- [クラウド](https://www.etheon.com/ja/services/cloud): クラウド、DevOps、SRE