Workflow is undefined
誰の、どの仕事を、どこまで変えるのかが決まっていない。
METHOD · FORWARD-DEPLOYED AI ENGINEERING
提案して終わらない。
現場に入り、動く仕組みを残す。
Strassenのエンジニアは、顧客の業務環境に入り、実際のワークフロー、データ、権限、成功条件を理解します。そこからAI worker、MCP、Agent Skills、評価、承認、監査を一体で設計し、PoCではなく本番導入と成果検証まで担当します。
Forward-Deployed AI Engineeringとは、顧客の業務現場に入り、ワークフロー、データ、権限、成功指標を理解し、AI worker、Tool、MCP、Skill、評価、承認、監査を一体で設計し、本番成果が確認できるところまで実装するStrassenのデリバリーモデルです。
WHYAIを使う会社から、AIが働く会社へ。
WHATAI Workforce Infrastructure
HOWForward-Deployed AI Engineering — 顧客の現場へどう入り、何を発見し、どう実装し、どう成果まで閉じるか
CONTROLhiyu — AI Workforce Control Plane — AI workerをどう選び、配属し、接続し、安全に実行し、完了を証明するか
PROOFAIに、仕事の結果まで。
THE LAST MILE
AIモデルが足りないのではない。
仕事につながる最後の1マイルが欠けている。
Data has no operating contract
データの所在は分かっても、鮮度、権限、責任、更新経路が決まっていない。
Actions are unsafe
検索はできても、更新、送信、承認、実行を安全に任せられない。
Success is not measurable
デモの印象は良くても、時間、品質、コスト、完了率が測られていない。
No production owner exists
障害、例外、モデル更新、restart後の状態を誰が扱うか決まっていない。
Strassenは、この最後の1マイルを、業務、データ、AI worker、権限、評価、運用の一つのシステムとして実装します。
STRASSEN FORWARD LOOP
DiscoverからCompoundまで。
一続きで担当し、次の業務へ。
Discover → Ground → Build → Verify → Deploy → Compound の6工程を一続きで担当します。最後のCompoundが、受託開発とプロダクト企業を分けます。
Discover — 業務を発見する
誰が仕事をしているか、どのイベントから始まるか、入力と成果物、待ち時間と手戻り、責任を伴う判断、現状の品質・時間・コスト、成功の定義。
- Workflow map
- Problem statement
- Baseline metrics / Success criteria
- Risk / approval map
Ground — データと権限を接続する
source of truth、鮮度、機密区分、IDと権限の対応、API / Database / Document / SaaS接続、retrievalとwrite actionの境界、audit要件。
- AI-ready data map
- Context contract
- Tool / MCP inventory
- Authorization model / Data handling policy
Build — Agent、Tool、Skillを実装する
AI worker role、prompt / context policy、MCP Server、tool contract、Agent Skills、subagent構成、structured output、deterministic validator、human approval UI、failure recovery。
- 動く AI worker と tool contract
- 承認 UI と失敗時の復旧経路
Verify — 評価と安全性を検証する
task completion rate、correctness、unsupported action rate、human escalation rate、permission violation block rate、regression、latency、cost per completed task、failure recovery、restart durability、result persistence / read-back。
- Eval suite と regression test
- 安全境界の検証記録
Deploy — 本番へ配置する
正確なcandidate versionの特定、production経路での実行、外部利用経路からの確認、監視・log・trace・alert、rollback手順、operator runbook、ownerとescalation route、restart後の状態確認。
- Release receipt
- Runbook / rollback
Compound — 学びを再利用資産へ
Agent Skill、tool template、MCP connector、eval suite、security pattern、deployment checklist、starter repository、playbook、hiyuのproduct requirementへ戻す。
- 再利用可能な platform asset
- hiyu への要件還流
WHAT WE IMPLEMENT
抽象論で終わらせず、
着手できる単位に分ける。
FDE × HIYU
現場で見つけ、
hiyuで統制する。
Forward-Deployed AI Engineersが、顧客固有の業務と制約を発見します。hiyuは、その要件をAI workerのidentity、配属、context、権限、承認、実行、監査、完了証明へ変換します。一度きりのデモではなく、継続的に働くAI workforceとして運用します。
| 顧客課題 | FDEが定義するもの | hiyuが制御するもの |
|---|---|---|
| 適切なAIが分からない | role / quality requirement | worker selection / assignment |
| データが散在 | context / source contract | context delivery / access route |
| 勝手な実行が怖い | action boundary | policy / approval / audit |
| 完了が信用できない | success / evidence contract | completion / persistence / read-back |
| workerが不安定 | liveness / recovery rule | runtime route / health / restart |
| 案件ごとに作り直す | reusable pattern | skill / connector / template reuse |
HOW WE MEASURE
「AIを導入した」ではなく、
仕事がどう変わったかを示す。
Business Outcome
- Cycle time
- Hours saved
- Cost per case
- Revenue impact
- Error / rework reduction
- Customer response time
Task Quality
- Completion rate
- Accuracy / task fidelity
- Human escalation rate
- Rejection / correction rate
- Policy violation block rate
Production Reliability
- Availability
- Retry success
- Mean time to recovery
- Result persistence
- Restart durability
- Audit completeness
Adoption
- Active users
- Repeat usage
- Eligible workflows handled
- User override rate
- Time to competent use
EVIDENCE STATUS上記は、Strassenが標準的に測定する指標です。このページには、現時点で公開できる確認済みの実績値を掲載していません。実績は、顧客の許諾、baseline、測定期間、検証日を添えて、確認できたものから順に公開します。
ENGAGEMENT
最初の1業務から。
本番で確認できた成果を、次の業務へ。
まず、止まっている1つの業務を選びます。Discoverで成功指標と承認点を合意し、実環境で動く仕組みを作り、本番経路で成果を確認してから、範囲を広げます。期間・体制・費用は、対象業務のデータ境界と受入条件を伺ったうえで個別にご提案します。
First Verified Workflow
1つの業務を、Discoverから本番のread-backまで閉じる。成果物: workflow map、work contract、least-privilege policy、completion receipt、runbook。
Expand
同じ境界内の隣接業務へ広げる。再利用したSkill・connector・evalで、2つ目以降の導入を速くする。
Operate with hiyu
AI workerの選定・配属・権限・完了証明をhiyuで運用し、自社チームへ移管する。
CASE STUDY公開可能なcase studyは準備中です。顧客の許諾と本番のread-backが揃ったものから掲載します。
FAQ
よくある質問
受託開発やAIコンサルティングと何が違いますか？
Discovery、実装、本番導入、成果確認、製品への還流を一続きで担当する点です。助言や仕様書で終わらず、顧客の制約の中で動くものを残し、再利用可能なSkill・connector・evalとしてhiyuへ戻します。
社内データを外部に出さずに進められますか？
はい。self-host、専用cloud、local LLMなど、データを社外に出さない構成を要件に合わせて選べます。Groundの段階で、source of truth、機密区分、retrievalとwrite actionの境界を契約として決めます。
AIが勝手に実行してしまう心配はありませんか？
実行できる操作の範囲（action boundary）、人間の承認が必要な操作、監査ログを先に設計します。hiyuはpolicy、approval、livenessを実行の直前まで確認し、権限違反を遮断します。
何をもって「完了」としますか？
「AIが返事をした」ではなく、実際のsystemで効果が起き、結果が保存され、再起動後にも読み戻せることです。test、PR、merge、deployのどこでも完了と誤認しません。
どの業務から始めるべきですか？
ROI、失敗コスト、データ境界、受入条件が明確に決められる業務からです。最初の相談では、候補の業務、現在のtool、データの境界、希望時期をお聞かせください。
BRING ONE WORKFLOW
止まっている一つの業務を、
持ってきてください。
model選定、社内data、権限、実行、検証、運用まで、実環境で一緒に閉じます。