概要
アトラシアンは、AIが仕事の文脈を正しく理解するための新しい評価指標「Context Quality Score(CQS)」を発表しました。
AIがより精度の高い回答を出せるように、社内データの状態を測って整えるための仕組みです。
複雑な業務データを整理したいチームにとって、データの健康状態を知る手がかりとなります。
何が発表された?
アトラシアン公式ブログによると、新しく発表された「Context Quality Score(CQS)」は、企業がAIモデルに提供するデータの品質を測るためのフレームワークです。
同社が長年培ってきたチームワーク支援の経験から、AIの性能を引き出すために最も重要な「データと仕事のつながり」を評価するために作られました。
対象となるデータは、企業内のシステムから集められ、AIの判断材料として活用されます。
評価の3つの軸とは何が違う?
CQSでは、企業データを「完全性」「接続性」「関連性の3つの次元」で評価します。
これによって、データの死角を見つけてAIへのインプットを改善できます。
完全性:データはすべて揃っているか
企業システム全体から、チームワークグラフへ取り込まれている情報の深さを測定します。
AIの判断に必要な全体像が網羅されているかを確認できます。
接続性:ツール間を正しくつなげられているか
7種類のコンテキスト(文脈データ)の間にあるつながりを測定し、マップ化します。
1回の呼び出しで、権限を考慮したまとまりのある文脈を返すためのアルゴリズムです。
関連性:権限を守りながら適切なデータにアクセスできているか
組織が管理し、厳格なアクセス制御に従った文脈がAIモデルに提供されているかを測定します。
セキュリティの境界線を越えずに必要な情報だけを渡す仕組みです。
数字で見るとどう変わった?
公式発表によると、CQSという3つの柱を持つ単一の指標を用いた研究では、AIの出力品質を高めつつ、実行あたりのトークン(AIが処理する文字の単位)の消費量を大幅に削減できることが示されています。
具体的なベンチマーク数値の比較表は公開されていません。
ライバルと比べてどう?
企業のナレッジや社内データをAIに連携させる仕組みは、マイクロソフトのWork IQなどの他社サービスでも進められています。
アトラシアンのCQSは、チームワークグラフに蓄積された7種類のコンテキストの管理と連動している点が特徴ですが、他社製ツールとの直接的な性能比較は今回の発表では触れられていません。
料金は?
アトラシアンの公式ブログおよび発表内容において、CQSの利用料金や価格体系に関する具体的な言及はありません。
日本で使える?
日本から利用できるかどうかは、公式発表に明記されていません。
アトラシアンの公式ブログや公開されているホワイトペーパーを通じて、概念や仕組みを確認することが可能です。
自分にはどう関係する?
エンジニアなら
ソフトウェア開発のライフサイクル全体で、AIツールに必要なデータが不足している箇所を特定します。素早く開発やテストを行うための参考になります。
企画・マーケティングなら
散らばりがちなチームの情報を整理します。AIアシスタントに適切な指示や文脈を渡すためのデータ設計に活かせます。
経営者・管理者なら
企業全体でAIを活用する際、セキュリティやアクセス権限を守ります。データの品質を担保する基準として役立ちます。
まとめ
CQSのホワイトペーパーを読むことで、データヘルスの評価方法やソフトウェア開発への活かし方を学べます。
まずは公式の資料に目を通し、自社のデータがAIにどう影響しているかを確認してみましょう。