メルボルン · 東京

実運用で持ちこたえるAIを。

メルボルンと東京のチーム向けに、実業務で機能するエージェント型システムを 設計します。重視するのは、役割分担、ツールアクセス、レビュー手順、 デリバリー規律です。コンプライアンス審査、セキュリティ確認、日常運用に 耐える構成に整えます。

IT領域で25年 医療・金融・メディア エージェント型システム・RAG・ワークフロー設計 TGA・AHPRA・規制対応

サービス

エージェント導入で支援する内容。

01

エージェント適用領域の見極め

ベンダー訴求の比較やPoC停滞の局面では、まず業務フロー、判断点、引き継ぎを整理します。最初のエージェント設計を、デモ起点ではなく実業務起点で固めます。

02

役割設計とツール利用設計

マルチエージェントは、担当範囲の明確化、ツールアクセスの制御、エスカレーション経路の可視化が揃って初めて機能します。運用後も使い続けられるオーケストレーションを設計します。

03

ガバナンス可能な挙動設計

重要なのは、一度だけ動くことではなく、挙動を検証可能に保つことです。データ取り扱い、安全性、承認フローを整理し、規制業界でも運用できる状態まで落とし込みます。

実績

見ておく価値のある3つのプロジェクト。

アート検索

対話型検索と本番RAGシステムの実装

キーワードではなく意図を理解する必要があるドメインの検索基盤を構築。OpenSearchとAzure AI Searchのハイブリッド検索・地域・作家・テーマによる再ランキング・AWS Bedrock Agentsによるフォローアップ対応。本番稼働中。

医療

説明可能性をあらかじめ組み込んだ臨床評価システム

TGA・AHPRAの要件に対応した構造化臨床アセスメントのエージェント型システム。SHAPによる説明、人口統計バイアス監査、監査証跡、コンプライアンスレビューを事後追加ではなくワークフローの一部として設計。

金融

大手銀行のデータセンター移行

規制下の金融機関向けにレガシー基盤からAWSへの移行を主導。稼働を維持しながら完了。この基盤が現在のAI導入を可能にしている。

なぜ案件が止まるのか

難所は、最初のデモの後にあります。

多くのチームはPoCまでは到達できます。止まりやすいのは、本番スケールに移る段階です。実負荷下での安定性能、モデル誤り時の扱い、監査可能な出力、運用チームが日々使える信頼性が同時に求められるためです。

  • 本番スケール前提で、信頼性・レイテンシー・コストまで含めて初期設計します
  • 誤り時のハンドリング、人によるレビュー、監査ログを早い段階で組み込みます
  • 運用担当と業務担当を巻き込み、日常判断に使えるワークフローへ定着させます

経歴

生成AI以前から続く、25年の実装経験。

2026年〜現在 · 東京

AI Solutions Consultant · AstraZeneca Japan

アストラゼネカ・ジャパンの規制対象ワークフロー向けに、エージェント型オーケストレーション、責任あるAI統制、レビュー可能なデリバリー体制を支援。

2023年〜現在 · メルボルン

AI Solutions Consultant · CGI

文書集約型・規制対象・高判断業務を持つ組織向けに、AI統合を設計・実装。 医療向けエージェント、RAGワークフロー、AWS/Azure上の運用自動化を推進。

2018年〜2023年 · シドニー/メルボルン

Senior DevOps Engineer, Cloud Services · Origin Energy

AWS上での監視、自動化、APIインフラ、クラウドパイプラインの構築・運用。 現在のAIアーキテクチャ設計判断を支える、基盤エンジニアリング経験。

2009年〜2018年 · シドニー

Senior DevOps Engineer / Iteration Manager · Fairfax Media

AWS移行を主導し、Docker・Kubernetesを導入。 Nine Entertainment主要メディアサイト群の基盤運用を継続的デプロイ体制で9年間担当。

01 AWS Machine Learning Engineer – Associate
02 AWS Certified Solutions Architect – Associate
03 AWS Certified AI Practitioner
04 Microsoft Azure AI Fundamentals

FAQ

よくある質問。

どのようなプロジェクトが対象ですか。

規制があり、結果が実業務に影響する案件です。業務自動化、マルチエージェントシステム、RAG検索、臨床判断支援、金融文書処理など。コンプライアンス審査を通す必要がある、または非技術系ステークホルダーへの説明が求められる場合が典型的なスコープです。

社内開発チームや大手コンサルではなぜ難しいのですか。

社内チームはAIアーキテクチャの深さと業務・コンプライアンスの文脈を同時に持つことが稀です。大手コンサルは動きが遅く、戦略と実装が分離しがちです。このスケールでは、最初から最後まで直接関与したまま両方を扱えます。

メルボルンと東京のクライアントに対応できますか。

対応可能です。中核は共通で、規制のある業務環境でレビュー可能・説明可能・保守可能なシステムを構築することです。東京案件では、追跡可能性と文書化をより重視する傾向があります。

業務の進め方はどうなりますか。

多くの案件は、ディスカバリー、設計、構築、引き渡しのフェーズで進行します。その後、アーキテクチャレビューやベンダー選定、進行チェックのアドバイザリー継続にも対応します。メルボルンと東京は時差調整もしやすい運用帯です。

連絡先

合うプロジェクトがあれば、直接連絡してください。