JUST.DB Prismの回答を疑う原因|根拠を見せる設計

「AIが出した案件一覧、本当に条件どおりに抜き出しているのか分からない」「それらしい答えが返ってくるほど、かえって会議で使えない」——社内のデータベースにAIをつなごうとする営業企画や情シス、そして決裁の場でその答えを受け取る管理職から、よく上がる声です。問題はAIの文章の上手さではありません。答えを受け取った人が、その答えがどのデータを、どんな条件で絞り込んで作られたのかを確かめられないことにあります。ジャストシステムが2026年10月20日に発表し、12月15日に提供を始める予定の「JUST.DB Prism」は、まさにこの点に手を入れた機能です。この記事では、社内データベースのAI回答が信用されない原因を分解し、根拠を見せる設計を社内でどう使いこなすかを、提供前の今のうちに整理します。
カメ先生社内のデータベースにAIをつなげば、聞くだけで正しい数字が出てくる、と思われがちなんだ。でも本当は、AIが質問をどんな検索条件に置き換えたかで、答えはいくらでも変わる。疑われるのは数字そのものより、その置き換えが見えないことなんだよ。
カメ子「半年」をいつから数えたのか、「失注」に保留中の案件を含めたのか、といった解釈の違いが見えない、ということですか。
カメ先生そう。しかも見えないと、答えを受け取った人は、全部の数字を自分で集計し直すしかなくなる。だから根拠を見せる仕組みは、AIを賢くする機能というより、人が確かめる手間を小さくする機能だと考えるといい。
カメ子AIに任せる範囲を広げる機能ではなく、人が確認する範囲をはっきりさせる機能なんですね。
- JUST.DB Prism は、ノーコードクラウドデータベース JUST.DB の最新版に載る生成AI機能。2026年12月15日に提供開始予定で、記事執筆時点ではまだ使えない
- データベースの権限をAIの処理にそのまま適用し、AIが使った検索条件をフィルターとして画面に出す。参照データが無ければ推測で答えず担当者へ回す
- 信用されない原因は、絞り込み方・権限・空白・元データの揺れの4つ。表示された条件を誰が何を見て確かめるかを、全社に出す前に決める
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
JUST.DB Prism とは:業務データベースに直接答えるAI
JUST.DB は、東証プライム上場のジャストシステムが提供するノーコードのクラウドデータベースです。プログラミングの知識がなくても、顧客台帳や案件管理、申請の受付といった業務の仕組みを画面上で組み立てられることを売りにしています。同社はこれまでも、対話で業務内容を伝えると生成AIが仕組みの設計を提案する「JUST.DB Blueprint」や、紙や手書きの帳票をAIで読み取る機能を加えてきました。2026年7月21日の最新版では、運用中の疑問を文章で入力するとマニュアル類を横断して調べ、解決策と設定方法を示す機能も加わっています。
これまでのAI機能は、主に「仕組みを作る人」を助けるものでした。JUST.DB Prism は向きが違います。発表によると、データベース上で日々更新される業務データと直接つながり、情報の抽出、比較、要約、取るべき行動の提案を行う機能で、仕組みを使う現場の人や、その結果で判断する人が相手になります。同社は狙いを、AIの活用を個人の効率化にとどめず、全社の業務に組み込むことだと説明しています。
提供開始は2026年12月15日の予定です。この記事を書いている11月下旬の時点では、実際の画面で動作を確かめた報告はなく、以下で触れる仕組みはすべて発表の説明に基づきます。導入を検討する会社にとっては、使い始める前に社内の決めごとを整えておける時期でもあります。
発表で示された4つの仕組みと、まだ公開されていないこと
10月20日の発表が挙げた仕組みは、大きく4つに整理できます。一つ目は権限の適用で、データベースに設定されたユーザーや部門の権限をAIの処理にもそのまま当てはめ、閲覧の権限を持たないデータは回答の生成にも一切使わないと説明しています。二つ目が、AIが適用した検索条件をフィルターとして画面に表示する仕組みで、同社の独自技術として特許を出願中です。表示されたフィルターは手で微調整でき、チームの中で再利用もできるとされています。
三つ目は、参照するデータが無い場合にAIの推測による回答を抑え、担当者へ自動で対応を依頼する仕組みです。担当者の回答はナレッジとして追加され、運用を続けるほど精度が上がるとされています。四つ目は業務の例で、営業の案件管理では過去の商談実績から訴求点、失注のおそれ、提案の台本を示し、稟議や決裁では社内ルールとの自動照合、似た申請との比較、法務や購買の視点からのリスクの洗い出しを行う、と紹介されています。
一方で、公開されていないこともあります。どの生成AIモデルを使うのか、データがどこへ送られて処理されるのか、Prism の利用に追加の費用がかかるのか、といった点は発表にも製品ページにも見当たりません。こうした未公開の項目は、見積もりと契約の段階で書面にしてもらう前提で、以下の検討を進めるのが現実的です。
| 項目 | 発表・公式サイトで確認できたこと | 導入前に確かめること |
|---|---|---|
| 権限 | ユーザーや部門の権限をAIの処理にそのまま適用 | どの単位の権限まで効くか(データテーブル、項目、レコード) |
| 根拠の表示 | AIが使った検索条件をフィルターで表示。手で直せ、チームで再利用できる(特許出願中) | 表示されない処理(要約や比較の過程)が何か |
| 答えない設計 | 参照データが無ければ推測を抑え、担当者へ自動で依頼。回答はナレッジに追加 | 依頼先の決め方、ナレッジの承認と削除 |
| データの扱い | 製品ページでは、アップロード画像と指示文は外部AIモデルの学習・2次利用・蓄積に使われないと説明 | データベースの中身にも同じ扱いが及ぶか、処理する場所 |
| 費用 | 登録ユーザー数ではなく同時ログイン数で決まる料金体系 | Prism の追加費用の有無、利用量で増えるか |
課題:社内データベースのAI回答が信用されない三つの場面
社内データベースにAIをつないだ会社で、答えが使われなくなる場面は似通っています。一つ目は会議です。AIが出した「直近の失注案件は12件」という数字に、別の担当者が「自分の集計では15件だ」と言った瞬間、誰もどちらが正しいかを説明できず、その場の議論が止まります。数字が違うこと自体より、違いの理由をその場でたどれないことが、AIの答えを会議から締め出します。
二つ目は、答えを受け取った人が自分で集計をやり直す場面です。AIが要約を返しても、それを稟議や報告に使う人は、念のため元の一覧を開いて数え直します。これを何度か繰り返すと、AIに聞く手間と自分で確かめる手間が二重にかかることに現場が気づき、最初から自分で集計するようになります。導入の効果を測る指標が利用回数だけだと、この静かな離脱は数字に表れにくいものです。
三つ目は、誤りが一度見つかった後の場面です。存在しない案件を含めた答えや、権限の外にあるはずの金額が混じった答えが一度でも出ると、その噂は正しい答えの何倍もの速さで社内に広がります。信用は答えの平均点ではなく、最悪の一回で決まると考えておくべきです。JUST.DB Prism の4つの仕組みは、この三つの場面にそれぞれ対応する形で設計されていると読めます。
原因1:質問を検索条件に置き換える過程が見えない
AIが社内データベースから答えるとき、裏では、人の言葉をデータベースの検索条件に置き換える作業が起きています。発表が例に挙げた「過去半年間で失注した500万円以上のコンペ案件」という問いなら、日付の範囲、商談の状態、金額、案件の種類という4つの条件に分解されます。このどれか一つでも解釈がずれると、答えは別物になります。
ずれやすいのは、言葉と項目が一対一で対応しない部分です。「過去半年」は今日から数えるのか、前月末から数えるのか。日付は商談の作成日なのか、失注が確定した日なのか。「500万円以上」は税抜きか税込みか、見積額か最終提示額か。「コンペ」は案件の種類の項目で判断するのか、メモ欄の記述から拾うのか。人が当たり前だと思っている解釈ほど、AIには伝わっていないことがあります。
JUST.DB Prism が検索条件をフィルターとして画面に出すのは、この置き換えを人の目に見える形に戻すためです。発表は、日付や金額といった条件を正確に抽出できることを強調していますが、正確に抽出することと、こちらの意図どおりに解釈することは別の問題です。表示されたフィルターは、AIの答えを信じる材料ではなく、解釈のずれを見つけるための材料として使うのが筋です。
原因2:自分には見えないデータで答えているのでは、という疑い
二つ目の原因は権限への疑いです。AIが部門をまたいで答えると、受け取った人は「これは本来、自分が見てよい情報なのか」と身構えます。逆に、同じ質問をした同僚と答えが違うと、今度は「AIが気まぐれに答えている」と受け取られます。どちらの場合も、答えの範囲が誰の権限で決まっているのかが説明されていないことが不信の元になります。
JUST.DB Prism は、データベースに設定された権限をAIの処理にそのまま適用するとしています。JUST.DB の権限は、公式の説明では、フォルダー、データテーブル、業務プレート、パネルなどの要素ごとに、アクセスできるユーザーやグループを設定する形です。権限の一般論はここでは繰り返しませんが、この製品で押さえたいのは、AIの答えの範囲が、データベースの権限設定の質にそのまま左右されるという点です。設定が古いままなら、AIはその古い設定どおりに答えます。
もう一つ、権限を正しく適用した結果として、同じ問いでも人によって件数が変わることは、利用者に先に伝えておく必要があります。部長と担当者で失注案件の件数が違うのは、AIの誤りではなく権限の違いです。画面のフィルター表示に加えて、自分の権限でどの範囲を見ているのかを利用者が意識できる案内を、展開時の説明に入れておくと、余計な問い合わせを減らせます。
原因3:データが無いのに、それらしく答えてしまう
三つ目の原因は、生成AIに共通する性質です。参照すべきデータが無い、または足りないときでも、生成AIはもっともらしい文章を作ることができます。社内データベースの文脈では、該当する案件が無いのに一般論で失注の傾向を語ったり、登録されていない取引条件を推し量って書いたりする形で現れます。データベースに無いことを、データベースから答えたような顔で答えるのが、最も信用を傷つける失敗です。
JUST.DB Prism は、参照データが無い場合に推測による回答を抑え、担当者へ自動で対応を依頼するとしています。これは、AIに「分からない」と言わせる設計を製品の側に組み込んだものと言えます。ただし、「データが無い」と判定される条件がどこまで厳密かは、発表からは分かりません。一部のデータだけで答えを組み立てる場合、たとえば対象期間の半分しか記録が無い場合にどう振る舞うかは、提供開始後に試用で確かめておきたい点です。
社内の運用としては、答えないことを失敗として扱わない姿勢が欠かせません。利用者がAIに答えさせることを成果だと考えると、質問の言い回しを変えて無理に答えを引き出そうとします。導入の評価では、答えた回数ではなく、答えるべきでない場面で答えずに人へ回した回数も、健全さの指標として見ておくとよいでしょう。
原因4:元のデータそのものが揺れている
四つ目の原因は、AIの手前にあります。商談の状態が担当者ごとに違う基準で入力されている、失注の理由が自由記述でばらばらに書かれている、金額の欄に税込みと税抜きが混在している。こうしたデータに対しては、どれほど検索条件が正確でも、答えは揺れます。AIの答えが信用されない原因を調べていくと、実は人が入力したデータの揺れに行き着くことは少なくありません。
ノーコードのデータベースは、現場が自分で項目を足せる手軽さが強みですが、その分、似た意味の項目が複数できたり、選択肢の運用が部署ごとに違ったりしやすい面があります。AIを全社に出す前に、少なくともAIに聞かせる予定の業務については、状態や種類の選択肢、金額の扱い、日付の意味を一枚の定義表にまとめ、入力する人と答えを読む人が同じ定義を見る状態にしておくのが近道です。
この作業は、表示された検索条件を確かめるときにも役立ちます。フィルターに「状態が失注」と出ても、その「失注」の定義が社内で共有されていなければ、確かめようがありません。根拠を見せる仕組みは、根拠を読むための共通の言葉がそろって初めて機能します。
対策1:表示された検索条件を、確かめる手順にする
ここからは対策です。一つ目は、画面に出る検索条件を、利用者が毎回目を通す手順として定めることです。発表によれば、AIが適用した条件はフィルターとして表示され、手で微調整できます。この機能を生かすには、答えを読む前に、まずフィルターを読むという順番を、使い方の説明の最初に置きます。答えの文章を先に読むと、人は納得した後でしか条件を見なくなるからです。
確かめる観点は多くありません。期間の起点と終点、状態や種類の選択肢、金額の基準、そして抽出された件数の四つです。件数は特に役に立ちます。自分の感覚で数十件はあるはずの案件が数件しか出ていなければ、条件のどこかが狭すぎます。件数の桁が想定と合うかを最初に見るだけで、多くの取り違えは見つかります。
もう一つ決めておきたいのが、チームで再利用する条件の持ち主です。発表は、フィルターをチーム内で再利用できるとしています。よく使う条件を共有できるのは便利ですが、一度誤った条件が共有されると、誤りがそのまま部署の標準になるおそれがあります。共有する条件には作った人と確かめた人を決め、定義表が変わったときに見直す、という最低限の決まりを置いておきます。
答えの文章より先に、AIが適用した検索条件を開く。期間、状態、金額、種類の4つを見る。
抽出された件数が自分の感覚や前回の集計と桁で合うかを見る。合わなければ条件を手で直して再度聞く。
条件に出た選択肢や金額の基準が、社内の定義表と同じ意味かを確かめる。
チームで再利用する条件は、作った人と確かめた人を決め、定義が変わったら見直す。
対策2:答えないで人に回す流れを、運用として回す
二つ目の対策は、AIが答えずに担当者へ回したときの流れを、社内の運用として設計することです。発表では、参照データが無い場合に担当者へ自動で対応を依頼するとされていますが、誰が依頼を受け、いつまでに答えるかは会社が決めることです。受け手が決まっていなければ、依頼は誰にも読まれずに残り、利用者は「聞いても返ってこない」と感じて使わなくなります。
受け手は、データの持ち主に合わせるのが基本です。案件管理なら営業企画、稟議なら総務や経理といった具合に、AIに聞かせる業務ごとに一次の受け手を決め、答えの期限の目安を添えます。受け手が答えに困るような問いは、データベースに項目そのものが無いことの表れでもあります。回ってきた問いの一覧は、データベースに足りない項目の候補表として読み、仕組みの改善に使えます。
注意したいのは、担当者の回答がナレッジとして追加され、精度が上がっていくとされている点です。便利な反面、担当者がその場の判断で書いた回答や、後に古くなる回答も、AIが参照する知識に入っていきます。ナレッジとして残す前に別の人が確かめるのか、期限を付けて見直すのか、誤ったナレッジを見つけたときに誰が消せるのかを、提供開始前に情シスと業務の持ち主で決めておきます。
- AIが担当者に回した依頼の受け手を決めず、通知が誰にも読まれないまま溜まる
- 担当者がその場の思いつきで答えた内容が、確認なしにナレッジとして残り、次からAIの答えの根拠になる
- 答えが返ってこないことを嫌った利用者が、言い回しを変えて推測の答えを引き出そうとする
対策3:全社に出す前に、答えの分かっている問いで試す
三つ目の対策は、全社に配る前の確かめ方です。おすすめは、人が既に正しい答えを知っている問いを20から30ほど用意し、AIの答えと突き合わせる方法です。先月の受注件数、ある顧客の直近の商談、ある金額以上の申請の件数など、担当者が自分で集計した結果を持っている問いを選びます。突き合わせるのは答えの文章ではなく、表示された検索条件と件数です。
問いの中には、わざと答えられないものも混ぜておきます。データベースに項目が無い情報、まだ登録されていない期間、権限の外にある部署の数字などです。ここでAIが推測で答えずに人へ回すか、権限の外を含めずに答えるかを見ることで、発表で説明された仕組みが自社の設定でも働いているかを確かめられます。答えられない問いへの振る舞いのほうが、答えられる問いより多くを教えてくれます。
試す人は、AIの導入を進める担当者だけでなく、実際に答えを受け取って判断する立場の人を入れます。営業部長や稟議の決裁者が一度でも自分の目で条件と件数を確かめれば、その後の展開で「根拠は画面で見られる」と自信を持って説明できます。試用の結果は、問い、表示された条件、件数、正解との差、確かめた日付の形で残し、提供元の更新があったときに同じ問いでやり直せるようにしておきます。
営業の例:失注のおそれを示されたとき、決裁者が見る点
発表の例の一つが、営業の案件管理です。過去の商談実績をもとに、訴求点、失注のおそれ、提案の台本を示すとされています。たとえば、ある大型案件について「過去の似た案件では価格の比較段階で失注が多い」という指摘が出たとします。ここで決裁者が見るべきは、指摘の文章の説得力ではなく、どの案件を「似た案件」として集めたのかという条件です。
業種、金額の帯、競合の有無、期間など、似ていると判断した条件がフィルターとして見えれば、決裁者は「その条件なら参考になる」「その期間は価格改定の前だから外すべきだ」と判断できます。条件が見えないまま失注のおそれだけが示されると、決裁者は根拠の無い悲観論か楽観論として受け取るしかありません。AIの指摘は、集めた案件の一覧と一緒に読んで初めて判断材料になります。
ここで線を引いておきたいのは、AIに案件の優先順位や担当の割り当てを決めさせないことです。失注のおそれは過去の記録から見た傾向にすぎず、今回の顧客の事情までは反映していません。AIの出した傾向は会議の論点に使い、続けるか撤退するかは人が決めるという扱いを、営業部門の使い方の説明に明記しておくと、AIの指摘に引きずられた判断や、逆にAIのせいにする判断を防げます。
稟議の例:社内ルールとの照合は下書きとして扱う
もう一つの例が稟議と決裁です。発表によると、社内ルールとの自動照合で手戻りを防ぎ、似た申請との比較や、法務、購買といった視点からのリスクの洗い出しを行うとされています。申請者が出す前に抜けを指摘してもらえれば、差し戻しの往復は確かに減るでしょう。ただし、照合の結果は、決裁の代わりではなく、申請者と決裁者のための下書きとして扱うのが前提です。
照合が当てになるかは、照らし合わせる社内ルールの側にかかっています。規程が改定されたのに古い版がデータベースに残っていれば、AIは古い規程で照合します。規程の版と施行日を管理し、照合の結果にどの版のルールと照らしたのかが分かる状態を求めておきたいところです。この点が画面でどこまで見えるかは、提供開始後に確かめる項目に入れておきます。
似た申請との比較も、見るべきはどの申請を比べたかです。金額や取引先が似ていても、例外的に承認された申請を比較の基準にすれば、例外が前例として広がります。法務や購買の視点からのリスクの洗い出しは、見落としを減らすための問いかけとして読み、リスクが無いことの証明には使わないと決めておきます。AIが何も指摘しなかったことは、問題が無かったことを意味しないからです。
データの流れ、費用、止め方
データの流れについて、公式に確認できる材料は限られています。JUST.DB の製品ページは、アップロードした画像や入力した指示文が、外部のAIモデルに学習されたり、2次利用や蓄積されたりすることは一切ないと説明しています。ただしこれは画像と指示文についての記載で、Prism が参照するデータベースの中身にも同じ扱いが及ぶか、どのモデルがどこで処理するかは明示されていません。顧客情報や取引条件をAIに読ませる以上、情シスと法務は契約の前にこの点を書面で確かめる必要があります。
費用は、登録ユーザー数ではなく同時ログイン数で決まる料金体系です。2025年7月の報道時点では、1テナントあたりのベーシックパッケージが月額2万4000円、同時ログインのライセンスが月額1万5000円で5ライセンス単位(いずれも税別)とされていました。全社員にアカウントを配りやすい形ですが、AIに聞く人が増えて同時ログインが増えると、ライセンスの追加が要る可能性があります。Prism そのものに追加費用や利用量の上限があるかは公開されておらず、見積もりで確かめます。
止め方も先に決めておきます。権限の設定の誤りが見つかった、照合に使う規程が古かった、推測に近い答えが続いた、といった場面で、AIの利用を一時的に止める判断を誰がするかを決めます。JUST.DB はセキュリティのページで、利用状況や不正アクセスに関わるログを取得できると説明しているので、止めた後に、誰がどんな問いでどの範囲を見たかをたどれるかも、提供開始後の確認項目に加えておきます。
よくある質問
今すぐ使えますか
記事執筆時点では使えません。発表では、JUST.DB Prism を搭載した最新版の提供開始は2026年12月15日の予定です。それまでの期間は、権限設定の棚卸し、定義表の整備、答えの分かっている問いの準備に充てるのが効率的です。
権限をそのまま適用するなら、権限の見直しは不要ですか
不要ではありません。AIは設定された権限どおりに答えるので、設定が実態とずれていれば、そのずれがAIの答えにも現れます。異動や組織変更が多い会社ほど、提供開始前の見直しが効きます。
検索条件が表示されれば、答えは正しいと考えてよいですか
表示は正しさの保証ではなく、確かめるための材料です。条件の解釈がこちらの意図と合っているか、件数の桁が想定どおりかを人が見て初めて、答えを使えるかどうかが決まります。要約や比較の文章そのものは、条件が正しくても読み違いを含み得ます。
AIが答えずに人へ回す件数が多いときは、失敗ですか
一概に失敗とは言えません。データベースに無い情報を問われていることの表れであり、足りない項目を知る手がかりになります。回ってきた問いを分類し、項目を足すべきもの、ナレッジで答えるべきもの、AIに答えさせるべきでないものに分けて扱います。
提供開始までに埋めるチェックリスト
最後に、12月15日の提供開始までに、業務の持ち主、情シス、法務で埋めておきたい項目をまとめます。空欄が残る場合は、AIに聞かせる業務を絞って始めます。目的は、AIに判断させない範囲と、人が確認する範囲を先に決めておくことです。
- 使うAIモデル、処理する場所、データベースの中身の学習利用の有無を書面で確かめた
- Prism の追加費用の有無と、同時ログインが増えたときの費用を見積もった
- AIに聞かせる業務の権限設定を、異動と退職を反映して見直した
- 状態、種類、金額、日付の意味を定義表にまとめ、入力する人と読む人で共有した
- 答えの前にフィルターと件数を読む手順を、使い方の説明の最初に置いた
- チームで再利用する検索条件の、作った人と確かめた人を決めた
- AIが人へ回した依頼の受け手と、答えの期限の目安を業務ごとに決めた
- ナレッジに残す前の確認、見直しの時期、削除できる人を決めた
- 答えの分かっている問いと答えられない問いで試し、結果を日付つきで残した
- 失注のおそれや照合の結果は論点・下書きとして扱い、判断は人がすると明記した
- 利用を止める判断をする人と、ログでたどる方法を決めた
- 最初は、定義表を整えた一つか二つの業務に絞って公開する
- 答えた回数だけでなく、人へ回した件数と、条件を直して聞き直した件数も見る
- 提供元の更新があったら、試用で使った同じ問いで答えを確かめ直す
まとめ
JUST.DB Prism は、社内の業務データベースに直接つながり、権限をそのまま適用し、使った検索条件をフィルターとして画面に出し、データが無ければ推測で答えず担当者へ回す、という設計の生成AI機能です。2026年12月15日の提供開始予定で、社内データベースのAI回答が信用されない原因のうち、絞り込み方が見えない、権限の範囲が分からない、無いデータで答える、という三つに製品の側から手を打っています。ただ、根拠が見えることと、根拠を確かめることは別です。元データの揺れは人が整えるしかなく、表示された条件を読む手順、人へ回った問いの受け手、ナレッジの確認、営業や稟議での判断の線は、会社が決める部分として残ります。AIには根拠を見せさせ、その根拠を読んで決めるのは人という役割分担を、提供開始までの準備期間で社内の決めごとにしておいてください。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
