AIが組織内の「関係性の歪み」を多次元で検知・可視化

背景：ガバナンスの「構造的限界」と「経験と勘」への依存

企業活動において、特定の業者との癒着や不透明な取引関係といった「関係性の歪み」は、不正行為やガバナンス不全の温床となります。

しかし、こうした「歪み」の発見は、従来、監査担当者などの「経験と勘」という属人化された暗黙知に大きく依存していました。また、データが人事DB、購買システム、メール等に散在しているため、組織全体の「全件検査」は難しく、「試査（サンプリング）」による限定的なチェックにとどまるという構造的な限界がありました。

特許技術の概要：AIがデータを統合し、「関係性の歪み」を多次元評価

今回出願した技術は、この「属人化」と「調査範囲の限定」という構造的限界をAIによって打破するものです。

本技術は、まず組織内に散在する複数のデータソース（人事DB、購買システム、メール等）から情報を取得し、AIが「エンティティ統合処理」を実行。例えば、人事DBの「田中太郎」とメールの「Taro Tanaka」が同一人物であると自動で特定し、名寄せします。

この統合情報に基づき、「誰が」「誰と」「どのような関係か」を示す「関係性グラフ」を自動構築し、AIが以下の4つの多角的な評価軸で「関係性の歪み」を自動分析・スコア化します。

1. 統計的歪み（集中度）： 発注集中率など、統計的な異常値を検知。

2. 構造的歪み（排他性）： 競合他社を排除するような、閉鎖的な関係性を検知。

3. 時間的歪み（タイミング）： 取引や連絡が期末などに不自然に集中する異常を検知。

4. 文脈的歪み（正当性）： AI（LLM）が稟議書等の「言語データ」を解析し、その説明の論理性が関係性の実態（例：取引集中）に見合っているかを評価。

具体例：AIによる「不透明な取引集中」の検知

例えば、「購買担当の田中太郎」と「取引先のA社」の間に不透明な関係性がないかをAIが評価するケースです。

AIは、「田中太郎 → A社」の発注集中率が95%であるという「統計的歪み」を検知するだけでなく、A社を選定した稟議書の説明が「長年の取引実績」といった曖昧な表現であるという「文脈的歪み」も同時に検知します。

これらの分析結果を具体的な根拠データと共に可視化することで、従来は担当者の「経験と勘」に頼らざるを得なかった組織内の不透明な関係性リスクを、客観的かつ網羅的に把握することが可能になります。

もたらす未来：「経験と勘」の標準化と、強力な「不正抑止力」の実現

この技術は、ベテラン実務家が持つ「違和感」や「経験と勘」をデジタル化し、組織全体で「標準化」することを可能にします。

AIが組織内のあらゆる関係性を常時監視する「全件検査」を実現し、「試査」の限界を克服します。これにより、ガバナンスの重心は事後的な「発見」から事前的な「予防・抑止」へと移行し、不透明な関係性が育つ土壌そのものを変革します。

ジュリオ株式会社は、会計専門家の能力を拡張するパートナーとしてAI技術を位置づけ、未来のガバナンス基盤の構築に貢献してまいります。