メインコンテンツへスキップ

Documentation Index

Fetch the complete documentation index at: https://docs.teeem-ai.com/llms.txt

Use this file to discover all available pages before exploring further.

このページでは、Teeem AI が 1 つのリクエストに対して内部でどのように動くか、ChatGPT との違いも含めて詳しく説明します。 Teeem AI は ただ実行するだけではありません。 すべての返答は次の 6 ステップを経て生成されます。ChatGPT のような生成 AI がテキストで返答するのに対して、Teeem AI は権限を確認し、コンテキストを収集し、インサイトを表示し、承認可能なアクションを完了します。

​
6 ステップ

1

質問 — 同僚からの自然言語リクエスト

チャンネルポリシーに応じて、チャンネルでのメンション・DM・ウェブチャットの入力からリクエストが届きます。
@Teeem 今月のデータで会社の KPI ダッシュボードを更新して、
役員向けに 5 スライドの PPT を作成して #c-leadership に投稿して
Teeem AI はこの時点で意図・チャンネル・送信者・発信元（どのチャンネル・どのスレッド）を識別します。
2

権限確認 — ユーザー・部門・アクセス権の確認

何かを行う前に、エージェントは送信者が次の権限を持っているかを確認します:
確認項目例
役割KPI にアクセスするには power_user 以上が必要か？
データ分類KPI は「機密」— 自分のチームだけが見られるか？
チャンネル権限#c-leadership に投稿できるか？
ツールポリシーmanage_website のような影響の大きいツールは有効か？
外部送信ゲートこれには人間の承認者が必要か？
権限がない場合、作業はそこで止まり、ユーザーに明確で実行可能な説明が返されます。
3

コンテキスト統合 — 関連情報をつなぐ

次の情報源から情報を収集します:
  • ナレッジベース — KPI 定義・レポートテンプレート
  • アプリパック — 今月の売上・受注・在庫
  • 基幹コネクター — Douzone や Wehago からの追加データ
  • チャンネル履歴 — 同じチャンネルの過去のレポートパターン
  • 過去の実績 — 同期間の前年 KPI
BM25（日本語・韓国語トークナイザー）とベクトル検索を Reciprocal Rank Fusion で組み合わせて、最も関連性の高いスニペットだけをコンテキストに取り込みます。
長い会話でもコストを抑えながら精度を維持します: 3 ターン以上前のツール出力はサマリーに自動置換され、コンテキストウィンドウは 70% に達したとき自動コンパクションされます。
4

インサイト — 変化点を見つける

データの一覧ではなく、意味のある信号:
  • 変化点 — 売上 −15%、在庫回転 +20%
  • 異常値 — 正常範囲を外れた値
  • パターン変化 — 前四半期と比べた顧客集中度の上昇
  • 推奨事項 — 「取引先 A の配送遅延影響を調査すること」
このステップでは forecast・alert_monitor・analyze_data・diff_documents などのツールが頻繁に呼ばれます。
5

実行 — レポート・承認・照会・後処理

回答を提供するだけでなく、エージェントは権限の範囲内で 実際の作業を行います。
アクションツール
今月の KPI＋グラフ入り 5 スライド PPT を作成generate_pptx、generate_chart
会社のフォントと配色を適用（組織テンプレート）
サマリーメッセージ付きで #c-leadership に添付upload_to_channel
完了時に送信者に DM で通知slack_mention
機密性の高い外部送信では、ここで 承認ゲート が動き、人間の OK を待ってから送信されます。
6

記録 — 改ざん不可能なログへのすべての記録

この 1 回の返答で行われたすべてのことがハッシュチェーン監査ログに書き込まれます:
  • 送信者・メッセージ・チャンネル
  • 権限確認の結果
  • ツール呼び出しの入力と出力（個人情報マスキング済み）
  • 外部システムへの呼び出し（Douzone API など）
  • 最終的な返答の内容
  • 引用された KB 書類の ID
ログは 5 年間保持され、任意の時点での改ざん確認が整合性確認 API で行えます。

​
実例 — 1 つのメッセージ、6 ステップ

同じリクエストが各ステップでどう展開するか: 
@Teeem 先週の売上を取引先別に集計して PPT を作って。
異常値は別途フラグを立てて。
  • 意図: レポート生成
  • 出力: PPTX
  • 対象期間: 先週
  • 集計軸: 取引先
  • ハイライト: 異常値
  • 送信者: kim@company.com（Slack ID でマッピング済み）
  • kim@company.com は power_user ✓
  • 売上データは「機密」— power_user は閲覧可能 ✓
  • PPTX 生成は有効 ✓
  • 外部送信なし → 追加ゲートなし ✓
  • アプリパック sales_orders を 2026-04-21〜04-27 で照会
  • 取引先別に集計し、前週と比較
  • KB から標準レポート PPTX テンプレートを取得
  • 過去の類似リクエストから配色スキームを継承
  • 総売上: 1,200 万円（前週比 −15%）
  • 取引先 A: −300 万円（最大の影響）
  • 取引先 B・C: 正常範囲内
  • 取引先 D: 新規売上 +150 万円
  • 異常値候補: A（配送遅延の疑い）
  • generate_pptx — 表紙＋サマリー＋取引先別グラフ＋異常値スライド
  • generate_chart ×4 — 取引先別棒グラフ、トレンドライン、比較ドーナツ、異常値ハイライト
  • Slack スレッドに PPTX を添付
  • 返信: 「先週の売上レポートです。最大の変化: 取引先 A（−300 万円、配送遅延の可能性）。」
  • 引用カード（アプリパックモデル＋KB テンプレート）を独立した永続メッセージとして投稿
ハッシュチェーン監査ログに次のエントリが追加されます:
{"ts":"2026-05-02T10:23:11Z","actor":"kim@company.com","action":"agent.request","msg_hash":"...","channel":"slack:#sales"}
{"ts":"...","actor":"system","action":"rbac.check","result":"allow","prev_hash":"..."}
{"ts":"...","actor":"system","action":"app_query","model":"sales_orders","filter":"...","prev_hash":"..."}
{"ts":"...","actor":"system","action":"tool.generate_pptx","output_hash":"...","prev_hash":"..."}
{"ts":"...","actor":"system","action":"agent.response","msg_hash":"...","prev_hash":"..."}

​
生成 AI との違い

ChatGPT などの生成 AITeeem AI
出力の形テキスト返答テキスト＋ツール実行＋ファイル生成＋システム操作
データ接続モデル学習データに限定社内基幹・グループウェア・アプリ・メール・カレンダー・EC
権限ユーザー ID に紐付かないユーザーごとの役割・属性・チャンネル権限
監査会話履歴（手動バックアップ）改ざん不可能なハッシュチェーン（5 年間）
引用基本的になし根拠のある回答にはすべて出典が付く
提供形態SaaS のみSaaS＋オンプレミス（要相談）

​
次に読む

引用と出典

回答のそばに表示される出典カードの意味。

セキュリティとコンプライアンス

信頼層の詳細と監査ログ。