WHY NOW
AIは賢くなった。だが、人間を理解していない。
ChatGPT、Gemini、Claude——AIの知能は飛躍的に向上した。
しかし、ひとつの根本的な問題が残っている。
AIは、人間が「正しく言語化」してくれるのを、ただ待っている。
今のAI —— 待つだけの存在
「うまく言語化」しなければ、AIは動かない
察しない。割り込まない。先回りしない
声のトーン、間、迷い——すべて廃棄される
S.P.A.R.K. —— 引き出す存在
言語化できなくても、文脈を読み取る
察して、先回りして、問いかける
声のトーン・間・迷いから、本音を推定する
01
助けを求める人ほど、言葉にできない
AIの力が最も必要な瞬間に、AIは最も使えない
営業担当が商談の直前、ChatGPTに助けを求める。だが「何を聞けばいいか」が分からない。プロンプトを書き直すこと15分。結局、自分で考えた方が早い。この構造的矛盾が、AIの恩恵を必要な人から遠ざけている。
02
察することができない
「ちょっと待ってください」と言えないAI
今のAIは、人間が話し終わるのを待つ。気づきを与えない。話題を変えない。割り込まない。人間同士なら自然にやっていること——表情を読んで、先回りして、問いかける。AIには、これがない。
03
「大丈夫です」の裏を、読めない
人間のコミュニケーションの半分以上が、捨てられている
声が低い。間が長い。語尾が揺れる。人間なら、その違和感に気づく。「本当に大丈夫？」と、もう一度訊く。今のAIは、テキストの「大丈夫です」を額面通り受け取る。
足りないのは、AIの知能ではない。
AIが人間を「引き出す力」である。
では、その力は、どうすれば実現できるのか。
WHAT IS S.P.A.R.K.
すべてのAIサービスの下に、SPARKがいる。
SPARKは製品ではない。あらゆるAIサービスが
「人間を理解する」ための、共通基盤である。
営業AI、接客AI、教育AI——用途は違う。
だが「対話から本音を引き出す」という根幹は同じである。
01
翻訳層 —— 人間の曖昧さを、AIの言語に変換する
人間は曖昧に話す。主語を省き、文脈に頼り、本音を隠す。SPARKの第1層は、音声・テキストを問わず、その曖昧さをAIが処理可能な構造化データに翻訳する。言語化されていない意図も、非言語情報から抽出する。
02
記憶層 —— 関係性の中で、文脈を蓄積する
一度きりの応答ではない。使うほど、あなたを理解する。長期的な嗜好、短期的な目的、情緒の変化を統合管理し、対話のたびに更新し続ける。「前回こう言っていましたが、今回は違いますね」——この一言が、信頼を生む。
03
指揮層 —— 複数のAIを、ひとつの体験に束ねる
ユーザーから見ると、一人のAIと話している。裏側では、複数のエージェントがシームレスに連携している。この層の上に、あらゆる業界のサービスを構築できる。SPARKがインフラである理由は、ここにある。
この構想を、空想で終わらせないものがある。
TECHNOLOGY
「察する」を、技術にした。
人間が無意識にやっていること——表情を読む、間を感じる、本音を察する。SPARKは、これを2件の特許出願技術で再現する。
特許出願済
潜在意図推定エンジン
「大丈夫です」と言いながら、声のトーンが低い。SPARKはこの矛盾を検知し、数値化する。100%の精度は、必要ない。「もしかして、本当は不安ですか？」——この仮説の提示が、人間自身の言語化を促す。
矛盾検知
確率分布推定
特許出願済
対話ゴール最適化エンジン
「今、この対話はうまくいっているか？」SPARKはリアルタイムで対話の状態を監視し続ける。顧客の反応が想定と違えば、戦略を切り替える。抵抗感が増していれば、アプローチを変える。最終決定は、常に人間に委ねる。
目的関数最適化
自己修正
マルチエージェント構成
Main Agent + Support Agent + Intervention Gateの3層構造で、自然な会話を維持しながら確実にゴールへ到達
Learning Layer
セッション終了後に品質評価・プロファイル更新・Instruction最適化を自動実行。使うほど賢くなる
コンプライアンス対応
全ての応答判断に選択根拠（ルールID・スコア・判定基準）を記録。監査対応・品質管理が可能
理論は美しい。だが、現場で動くのか。
CASE STUDY
ひとつの基盤から、3つのAIが生まれた。
ネッツトヨタ富山。「人間の本音」が商談の成否を左右する現場。SPARKという共通基盤の上に、3つの異なるAIを構築した。
実証済
慮りAI（おもんぱかりAI）
来店前に、顧客の「本音」を引き出す。24時間対応のAI対話で、パラ言語解析により言語化されていない懸念や本当の優先事項を引き出す。AIが能動的に割り込み、顧客の迷いを察知して深掘りする。
商談時間 85分短縮
|
成約率 +10ポイント
実証済
導きAI（みちびきAI）
データに基づき、最適なタイミングで最適な提案を。顧客データベース・販売履歴・市場データを統合分析し、各顧客への最適な介入タイミングを予測する。
商談展開率 +10%
|
入庫率 +15pt
|
クロスセル +20pt
実証済
学ぶAI（まなぶAI）
トップ営業の暗黙知を、組織全体の力に変える。AIが様々な顧客タイプを演じるロールプレイ研修。リアルタイムフィードバックで即座に改善ポイントを提示する。
育成期間 半減
|
OJTコスト 63%削減
年間収益増加: +1.1億円。投資回収期間: 約1年。
3つのAIは、別々に作られたのではない。SPARKというひとつの基盤から生まれた。データと学びは相互に循環し、使うほど全体が賢くなる。これが「ツール」ではなく「インフラ」である理由である。
1つの業界で証明された。次は、どの業界か。
VISION
+1.1億
年間収益増加
約1年
投資回収期間
3つ
構築されたAI
1つ
共通基盤
AIが本当に賢いなら、人間に「うまく話せ」とは言わないはずだ。こちらから聴きにいく。察する。引き出す。それが、人間にとって自然な「AIとの関係」だと、私は考えている。
渡邉 裕介
代表取締役CEO / 株式会社gin
Vision
人間の仕事を奪わない。
人間の仕事を、人間に返す。
正しい情報が、正しいタイミングで届く。言葉にならない本音を察する。入社1年目でも、ベテランと同じ判断ができる。これは「均質化」ではない。「底上げ」である。SPARKは、人間にしかできないことに集中するための基盤である。
ROADMAP
1つの業界から、
すべての対話へ。
2026 —— 技術実証・自動車ディーラー。2027 —— 自動車業界 本格展開。2029 —— マルチインダストリー展開。2031 —— 社会インフラ化。SPARKの設計思想は、特定の業界にも、特定のチャネルにも依存しない。