社内での内製方針なのに、勉強目的で資料DLしたら営業フックに引っかかってしまい、断りづらく社内で会議化してしまうことってありませんか？。
立場としては微妙ですが、そのような会に参加するなら情報収集の場として最大限活用しつつ、発注の期待値は持たせないのが正解です。
当日の心構え（3つ）をまとめます。
- 「学びの場」と割り切り、自社内製の方針は明言しない
最初から「内製なので発注しません」と言うと、相手は本気の情報開示を絞ります。「現在、社内で複数の選択肢を検討中」程度の曖昧な姿勢で、向こうの手の内を引き出すのが得策。 - 議事録ベースで「使える知見」を抜き取る
彼らの強みは大手金融・不動産のPoC実績。他社が何でつまずいたか、どこに金をかけたかを聞き出せれば、内製チームへの土産になります。 - 「比較検討中」のスタンスで、提案書・見積りまでは取りに行かない
ここを越えると先方の工数を本格的に使わせることになり、断る時の角が立ちます。当日のヒアリングと一般的な事例紹介の範囲に留める。
注視すべきポイントは以下の通り。
• AIエージェントの「判断・代行型」の中身 — メール本文で謳っている「単なる抽出を超えた判断型AI」が、実態としてLLM+RAGの域を出ているのか、本当にエージェント的自律性があるのか。ここはバズワードで誤魔化されやすい部分です。
• PoCから本番運用への移行率 — 「スピーディなPoC」を売りにしていますが、PoC止まりで終わる案件が業界では7〜8割と言われます。本番移行できた事例の割合と、その分岐要因を聞く。
• 構造改革の影響 — 担当チームの継続性、海外拠点との分業体制、撤退中の領域がないか。前回の回答で触れた採算性の低い案件の絞り込みが進行中なので、自社が「絞られる側」になるリスク。
• データの扱い — 信託業務は機密性が高いです。学習データの取り扱い、PoCで使ったデータが他案件に流用されないか、海外拠点(ベトナム・バングラ等)にデータが渡るのか。
当日の質問例（角を立てず、深い情報を引き出す）
AIエージェントの実体を測る質問
「不動産信託業務でAIエージェントを導入された事例で、人間の判断を完全に代替できた業務範囲と、人間のレビューが必須で残った業務範囲の境界線はどこにありましたか？」
→ ふわっと答えるなら実績薄。具体的に語れるなら本物。
PoC→本番移行の現実を聞く質問
「PoC後に本番リリースまで到達した案件の比率と、PoC止まりになった案件で多かった頓挫理由を教えてください」
→ 業界相場感が分かる。内製判断の補強材料にもなる。
内製との比較材料を引き出す質問
「最近、社内に内製チームを持つ大手金融・不動産のクライアントが増えていると思いますが、その場合は御社のどのような関わり方が多いですか?」
→ 内製企業との協業パターンを聞くことで、暗に「うちも内製寄り」を匂わせつつ、断る将来の布石になる。
コスト感を探る質問(具体額を聞かず相場を聞く)
「不動産信託領域のAIエージェントPoCで、一般的にどの程度の期間・体制感で進められることが多いですか?」
→ 内製見積もりとの比較ができる。
終わり方の所作
最後に
「本日は大変勉強になりました。社内で内製も含めて選択肢を整理した上で、ご縁があればまたご相談させてください」と一言入れておく。
これで「内製の可能性あり」を伝えつつ、相手のCRMで「長期フォロー」扱いになり、すぐにクロージングを迫られにくくなります。
藤尾さんには、終わった後で「呼んでいただいた手前出席しましたが、内製方針との整合も含めて社内議論が必要そうですね」と一言添えておけば、波風立てずに位置取りできるかと。
2023年3月に東証グロース市場に上場 、本社は東京・恵比寿、グループ約1,400名規模 のグローバル展開が特徴です。
メールにあった「DX支援」「PoC」「AIエージェント」はまさに同社の主力領域。日本・ベトナム・フィリピン・バングラデシュ・米国・コロンビアなどに開発拠点を持ち、UX/UIデザインとアジャイル開発に強み があり、アプリ開発実績は2,200件以上 。金融・不動産のDX案件も実績ありです。
評判・気になる点
良い面: DXやグローバル推進で実績を出している、優秀な人材が多い という評価。多様な大手案件に関われる点が魅力とされます。
注意点（要確認）:
• 2023年3月上場後わずか5ヶ月で通期業績予想を大幅下方修正し、株価は上場初日の1,075円から約3分の1に急落 。「gumiショック以来」と報じられた経緯あり。
• 過去の赤字で債務超過に陥り、2024年度に約7億円のリストラ費用を計上。構造改革として開発拠点統合・人員再配置・採算性の低い受託案件の絞り込みを実施 。
• 2025年12月期は売上77.95億円(前年比22.1%減)、Chowly社株式の評価損などで営業損失1.87億円。ただし増資により債務超過は解消、2026年12月期は売上85億円・営業利益5億円を見込む 。
• 社員口コミでは繁忙期の長時間労働、年収面の不満 を挙げる声も。
商談記録の概要
商談の概要
面談相手：設立20年目のソフトウェア開発会社
先方の事業概要
• もともとはC向けプロダクト（Webサイト、アプリケーション）の開発が主力
• 上流（要件定義・プロダクトデザイン）は日本側、開発フェーズは東南アジア拠点という体制
• 日本・アジアがメイン拠点、M&Aを通じてヨーロッパ・北米にも展開
• 近年はAI・AIエージェント開発の領域に注力（社内データ分析エージェント、店舗オペレーション標準化エージェント、医薬品メーカー向け文書レビューエージェントなど）ユーザー側の関心領域
信託銀行の受託物件における法定点検（建築基準法・消防法に基づく）の書類処理のDX化。現状は担当者が目視で確認しExcelに打ち込んでいる業務を、AI-OCRとAIエージェントで自動化したい意向。先方が紹介した医薬品製造メーカーの事例（ガイドライン照合エージェント）が最も自社課題に近いと判断。
主な議論ポイント
1. 医薬品メーカー事例の構造：社内インフラ上にオーダーメイドでエージェントを構築。ガイドライン→レビュー基準→再レビューと階層（ハーネス）を設けて読み込ませる設計思想
2. 金融機関のセキュリティ・コンプライアンス：現状どの企業も顧客情報を扱わないバックオフィス領域から導入を始め、社内基準を作りながら徐々に範囲を広げている段階
3. 不動産管理領域の実績：AIエージェント領域では「現時点ではない」との回答
4. アクセスコントロール：アドミン権限を基本とし、プロジェクト・チーム単位、レイヤー単位で参照範囲を制限する設計商談後の社内雑談（重要な気づき）
• 医薬品事例の構造を法定点検業務に当てはめると、右上＝法令・基準（建築基準法・消防法）、左下＝点検報告書、右下＝徴票へのアウトプットという対応関係
• 徴票デザインの変更が前提：エレベーター数の増減に対応する伸縮性、AIエージェントに合わせた形式への変更が必要
• 汎用性確保が導入の鍵：この業務単独では費用対効果が出ないため、不動産本部全体やデジタル戦略部を巻き込んで横展開できる設計にする必要がある
• チャイニーズウォール問題：他物件のデータを二次加工（エリア平均賃料等）して活用するレベルなら可能だが、特定物件情報をラベルを剥がさず流用するのは信託法上難しい
• Wiz-OCR（社内開発中）でも一部はすでに実現可能：マジン君（社内ツール）で特記事項の抽出を試したところ、既存帳票への当てはめ手前までは動作した質問候補への回答
① AIエージェントやAI-OCRの導入実績
【商談から判明した事実】
• 医薬品製造メーカー：法令・ガイドラインとの適合性レビューエージェント
• 部品製造業：製造プロセスのガイドライン照合
• タイヤ販売店（450店舗）：商談ロープレ・店舗受付・バックオフィスの3エージェント連結による店舗間品質標準化
• 金融機関：社内データ分析エージェント（自然言語で社内データに問い合わせ→SQL自動生成→グラフ化）、レガシーシステム（COBOL・PL/1）のソースコード解析と最新言語への移行支援
• 輸出入業務：HSコード検索のチャット型インターフェース化【明確に「実績なし」と回答された領域】
• 不動産管理領域でのAIエージェント導入実績：なし（先方が明言）
• AI-OCR単体での実績については、商談中に直接の確認はされていません（推測：プロダクト型のAI-OCRは保有しておらず、毎案件オーダーメイド開発の可能性が高い）② 権限付与（アクセスコントロール）
【商談から判明した事実】
• アドミン権限を基本に、プロジェクト単位・チーム単位で参照可能範囲を制限
• レイヤー（階層）による制御：現場担当者レイヤーのエージェントは触れる範囲を「ハーネス」で縛り、上位レイヤーでは見える範囲を広げる設計思想
• 自社（モンスターラボ）でもClaudeのEnterprise版等を自社開発で運用しており、同様の設計を採用している【推測】
パッケージ製品ではなくオーダーメイド開発のため、権限設計自体も顧客ごとに要件定義から作り込む方式と考えられます。Microsoft EntraやOktaなどの既存IdP連携、ロールベースアクセス制御（RBAC）の実装は技術的に標準対応可能と推測されますが、商談では具体的な認証基盤や粒度（行レベルセキュリティ等）への言及はありませんでした。
③ 価格（ライセンス形態）
【商談から判明した事実】
• 商談中に価格・課金体系への直接の言及はなし【推測】
モンスターラボの事業モデルはSaaS型パッケージではなく、要件定義・設計・開発を伴うシステムインテグレーション型です。発言から読み取れる特徴：
• 「ゼロから作っていく」「オーダーメイド」と複数回明言
• 開発リソースは東南アジア拠点を活用
• 案件によって日本側のみ・海外拠点のみ・混成チームと体制を柔軟に変更このため、価格体系はID単位や従量課金ではなく、プロジェクト単位での開発費見積り（受託開発契約）が主と推測されます。ランニングコストとしては、構築後のインフラ費用（AWS等のクラウド利用料、LLMのAPI従量課金）と保守運用契約が別途発生する形が一般的です。研修サービス（Claude Code、Codex等のコーディングエージェント研修）はライト商品として別メニューで提供されている旨の言及がありました。
正確な見積りには、対象業務の範囲・想定ユーザー数・データ量を提示してRFP/見積依頼を行う必要があります。
④ AI-OCRの機能（PDF・画像へのプロンプト指定抽出、ファイル比較）
【商談から判明した事実】
• 医薬品メーカー事例で「AI-OCRとAIエージェントを組み合わせて、画像認識と文字認識を一挙に解析」と説明あり
• 「ガイドラインをエージェントに事前に読み込ませ、インプット（新規文書）とアウトプット（適合性判定）を出力する」運用が実例として存在
• これは事実上、「アップロードしたファイルに対してプロンプトで指定項目を抽出し、別ファイル（ガイドライン）と比較する」機能そのものに該当【推測】
モンスターラボは自社AI-OCRプロダクトを保有しているわけではなく、Claude等のLLMのマルチモーダル機能や外部OCRエンジンを組み合わせて顧客ごとに構築していると推測されます。根拠：
• パッケージ製品ではないと明言
• 「Claude Opus 4.7のシステムカード」「Claude 5.0」「ハーネス設計」など、汎用LLMの仕様を前提とした設計思想で語っている
• 一気に複数データソースを読み込ませると途中でカットされる挙動への対策として階層設計を提案しているしたがって機能的には、プロンプトでの自由な項目抽出・ファイル間比較は「やろうと思えばできる」が、Wiz-OCRや汎用LLM（Claude等）で同等のことが実現できる可能性が高いと考えられます。マジン君で特記事項抽出ができた経験と整合します。
確認すべき論点：自社開発（Wiz-OCR/マジン君）で対応可能な範囲と、モンスターラボに発注すべき領域の切り分け。特に徴票への構造化アウトプット（要件定義が重い部分）こそが外注の価値であり、抽出・比較自体は内製で十分可能と推測されます。
所感
商談記録と社内雑談を合わせて読むと、この案件はモンスターラボ発注の必然性が薄いという結論が浮かび上がります。理由：
• 不動産領域での実績がない
• AI-OCRはパッケージ製品ではなく毎回オーダーメイド
• 抽出・比較の中核機能はWiz-OCR/マジン君で既に実現可能性が見えている
• 真のボトルネックは徴票デザインの再設計と業務要件定義で、これは社内事情を知る不動産業務部・デジタル戦略部との協働が本質知財・特許推進部への異動準備の文脈で見ると、この商談記録は「外部ベンダーのAIエージェント提案の典型例」として整理しておく価値があります。Wiz-OCR・Wiz-Chatの内製優位性を裏付ける材料にもなりそうです。
