Sakana Aquariumとは、既存の社内データを外部ストレージや専用レイクへ移すことなく、組織固有のデータ定義とルールに沿ってAIエージェントが判断・実行まで担うエンタープライズ業務基盤です。
社内データをAIに扱わせようとするとき、膨大なファイルやデータベースを専用環境に集約する作業で頓挫した経験はありませんか。権限の再設定や移送コスト、データの二重管理に頭を抱える企業は少なくありません。
Sakana Aquariumは、データを元の場所に置いたまま意味付けを行い、AIが文脈を誤らずに実務を処理できる環境を整えます。本稿では、その動作構造、料金の考え方、導入の使い方までを余すところなくまとめました。
Sakana Aquariumとは何か？社内データを移動させない自律型AI基盤の概要
Sakana Aquariumは、日本のAIスタートアップであるSakana AIが2026年10月23日に発表した、組織の意思決定と自律実行を支えるAIエージェントプラットフォームです。
最大の特徴は、業務データが格納されている既存のデータベースや社内文書群を別システムへ移し替える必要がない点にあります。企業の現場には、リレーショナルデータベース、クラウドストレージ内のPDF、SaaS上に分散した業務履歴など、形式も保管場所も異なる情報が無数に散らばっています。これらを1箇所に統合するデータパイプラインの構築には、数カ月から年単位の工数がかかります。
Sakana Aquariumは、データそのものを動かすアプローチをとりません。それぞれのデータが何を意味し、他のデータとどのような関係にあるのかを記述する「オントロジー（知識の体系的定義）」を上位レイヤーに被せます。AIエージェントはこのオントロジーを参照することで、散在するデータソースを横断して状況を正確に把握します。
【従来の方式】
社内各所のデータ ──(移送・統合)──> 巨大データ基盤 ──> AIが参照
【Sakana Aquarium】
社内各所のデータ (元の場所に維持)
│
▼ (意味と関係を定義)
オントロジー層 ──> AIエージェントが状況把握・判断・実行
この構造により、セキュリティ境界を崩さずにAIエージェントを現場オペレーションへ配備できます。従来のAI導入で最大のハードルとなっていたデータ移行コストを抑え、実務への適用を早める点が本基盤の狙いです。
組織内で自律的な業務処理を目指す企業にとって、AIエージェントの活用は業務効率化の大きな分水嶺となります。
編集部のおすすめ
AIで
声で文章を入れる、写真を整える、資料を作る。よく使われる作業ごとに1本ずつ選んでいます。
従来のRAGと何が違う？オントロジーを活用した状況理解の仕組み
社内文書をAIに参照させる手法としては、検索拡張生成（RAG）が広く知られています。しかし、RAGをそのまま実務の自律実行へ組み込もうとすると、業務判断の破綻に直面しがちです。
RAGは、ユーザーの質問に関連しそうな文書の断片を検索してLLMに読ませる技術です。類似した文字列を拾い出す処理には長けていますが、「Aという顧客に適用される割引率は、契約種別Bと過去3カ月の取引実績Cの組み合わせで決まる」といった、データ間の論理的な関係や業務ルールを体系的に把握することは苦手です。断片的な知識をつなぎ合わせた結果、ハルシネーション（AIの嘘）を発生させるリスクが残ります。
Sakana Aquariumが採用するオントロジー基盤は、データとルールの関係性を厳密に定義します。「顧客」「契約」「請求」「発注」といった概念同士がどう結びついているかをあらかじめ関係グラフとして保持するため、AIエージェントは文脈を誤認しません。
下表は、従来型RAGとSakana Aquariumのアプローチの違いをまとめたものです。
| 比較項目 | 従来型の | Sakana |
|---|---|---|
| データの扱い | ベクトル化して外部DBへコピーすることが多い | 既存の保管場所に置いたまま意味を接続・同期 |
| 文脈の理解手法 | 文字列や意味の近さによる文書断片の検索 | 定義されたデータ間の論理関係・組織ルールの参照 |
| 得意な用途 | 社内FAQの回答作成、マニュアル要約 | 複合的な条件に基づく意思決定、現場タスクの自動実行 |
| 判断の更新性 | ドキュメントの再インデックスが必要 | 元データの更新に合わせて状態が自動同期 |
| 実行の制御 | プロンプトによる指示（逸脱のリスクあり） | ワークフロー定義とアクセス権限による行動統制 |
AI PICKS調べ: AIツール全体の有料プラン中央値は月2,850円（n=1,256、2026-10-26時点）。料金統計レポートで見る
RAGは「参考文書を要約して人間に見せる」用途には向きますが、「データに基づいて発注処理を実行する」といった確実性が求められるタスクにはオントロジーによる統制が欠かせません。
自然言語での対話だけでなく、データに裏打ちされた正確な処理が求められる領域では、こうした知識構造化の有無が結果を大きく分けます。高度なチャット処理については、Sakana ChatとChatGPTを徹底比較でも取り上げている通り、モデル単体の性能以上に組織データの繋ぎ込みが問われます。
Sakana Aquariumの料金体系と提供条件
Sakana Aquariumの利用料金は、定額の月額サブスクリプションとしてWebサイト等に公開されていません。導入規模、接続するデータソースの数、対象とする業務プロセスの複雑さに応じた個別相談・個別見積もりの形態をとっています。
この提供形態となっている背景には、エンタープライズ向けのAIエージェント基盤特有の事情があります。汎用的なチャットツールとは異なり、Aquariumの導入には社内のデータ定義や既存システムへの接続設計が伴います。初期フェーズではSakana AIのチームと共同で要件定義やPoC（概念実証）を進める形が基本となります。
下表は、導入時に想定される費用項目と検討事項の整理です。
| 費用区分 | 主な | 留意点 |
|---|---|---|
| 初期設計・構築費 | オントロジー設計、データ連携、ワークフロー構築支援 | 接続するシステム数や業務フローの分岐数に依存 |
| プラットフォーム利用料 | Aquarium基盤のライセンス、稼働環境の利用費 | エージェントの実行頻度や処理データ量に応じた設計 |
| モデル推論コスト | 処理内で呼び出す大規模言語モデルのAPI費用 | タスク内容に応じた推論トークン消費量 |
| 保守・運用サポート | 接続先のスキーマ変更対応、ワークフロー見直し支援 | 現場運用の自走化度合いに合わせて選択 |
初期投資を無駄にしないためには、最初から全社基盤として契約するのではなく、明確な課題を抱える単一業務にスコープを絞って見積もりを依頼することが重要です。
他の生成AIツールにおける料金設計との違いを把握したい方は、SeaArt（シーアート）は無料で毎日生成・透かしなし｜料金と商用利用などの別カテゴリの料金体系と比較してみると、エンタープライズ基盤との思想差が鮮明になります。
毎週月曜の朝に、今週のAIの主なニュース・新しく載ったツール・よく読まれた記事をまとめて届けます。登録特典は「AIツール選定チェックリスト 2026」。
確認メールのボタンを押すと登録が完了します。配信はいつでも解除できます。
Sakana Aquariumの基本的な使い方と導入手順
Sakana Aquariumを業務に導入する際は、闇雲にAIへ作業を丸投げするのではなく、段階的なステップを踏んでエージェントを立ち上げます。公式の案内およびエンタープライズ実装の原則に基づく導入の流れは以下の通りです。
ステップ1: 対象業務と意思決定単位の特定
│
▼
ステップ2: 既存データソースの接続とオントロジー定義
│
▼
ステップ3: ワークフロー構築と人間の承認ポイント（HITL）設定
│
▼
ステップ4: パイロット運用とログ検証
│
▼
ステップ5: 本番運用とフィードバック反映
ステップ1: 対象業務と意思決定単位の特定
最初のステップは、AIエージェントに任せる業務の切り出しです。「受発注の照合と計上」「問い合わせ内容の分類と一次回答案の基幹システム登録」など、入力データと出力結果が明確で、途中に発生する判断基準が言語化できる業務を選定します。
ステップ2: 既存データソースの接続とオントロジー定義
次に、対象業務で参照するデータベース、ファイルサーバ、業務SaaSのアカウントをAquariumに接続します。ここで各データ項目に対して「顧客ID」「請求ステータス」「承認ルール」などの意味を与え、相互の関係性を定義します。データの実体を移送する必要はありません。
ステップ3: ワークフロー構築と承認ポイントの設定
判断から実行に至るプロセスをワークフローとして組み立てます。全自動で完結させるのではなく、「一定金額以上の処理は担当者の承認を必須とする」といったチェックゲートをワークフロー内に組み込みます。
ステップ4: パイロット運用とログ検証
単一のチームや限定された期間で試験運用を実施します。AIエージェントがどのデータを根拠にどう判断したかを監査ログで突き合わせ、想定外の挙動がないかを精査します。
ステップ5: 本番運用とフィードバック反映
現場への本格展開を行います。業務ルールの変更や法改正が生じた場合は、プロンプトを書き換えるのではなくオントロジーとワークフロー定義を更新することで、AIの挙動を一貫性を保ったまま制御します。
業務改善の設計全般に言えることですが、手順を自動化する前に業務要件を整理する姿勢が不可欠です。社内体制の構築手法については、kachikanとは？価値観採用の仕組みと導入で得られる3つの利点でも触れられている組織設計の考え方が参考になります。
業務プロセスをどう落とし込む？意思決定ワークフローの設計方法
AIエージェントが現場で失敗する典型例は、プロンプトに長文の指示を詰め込み、一括で結果を出させようとするケースです。指示が複雑化するほどモデルは条件を取りこぼし、誤動作を起こしやすくなります。
Sakana Aquariumでは、実務のプロセスを「意思決定の最小単位」に分割し、有向グラフのようなワークフローとして定義します。個々のステップにおけるAIの役割を明確に絞り込むアプローチです。
具体例として、サプライチェーンにおける「仕入先からの納期遅延通知への対応フロー」を考えてみます。
- 情報収集ステップ: 遅延通知メールを受信し、該当する発注番号と品目、新たな納品予定日を抽出する。
- 影響度評価ステップ: オントロジーを参照し、遅延した品目を使用する自社の生産計画や、納品先顧客の納期に影響が及ぶかを照合する。
- 代替案立案ステップ: 安全在庫の引き当て、または別サプライヤーへの緊急発注が可能かを所定のルールに従ってシミュレーションする。
- 承認要請ステップ: 影響度と代替案のコストをまとめたレポートを作成し、購買マネージャーへ通知する。
- 実行ステップ: 人間の承認完了を受けて、基幹システム（ERP）の納期変更処理と代替発注を実行する。
[遅延メール受信]
│
▼
[発注番号・品目の抽出]
│
▼
[生産計画・納品先への影響照合] (オントロジー参照)
│
▼
[代替案の自動シミュレーション]
│
▼
[購買マネージャーの承認] ──(却下)──> [手動対応へエスカレーション]
│ (承認)
▼
[基幹システム更新・代替発注]
このように処理を細分化することで、AIが誤った判断を下す余地を排除できます。各ステップで何が入力され、どのような条件で次のステップに進むかが可視化されるため、業務のブラックボックス化を防げます。
業務の自動化全般に関心がある場合は、AI自動化カテゴリのツール群を俯瞰すると、単なるスクリプト実行とエージェント型ワークフローの違いがよく分かります。
人の承認を挟むタイミングと権限管理の設計
AIエージェントを自律稼働させるにあたり、最大の懸念事項となるのが「暴走による実害」です。誤った発注データの送信や顧客への不適切な連絡は、取り返しのつかない損失につながります。
Sakana Aquariumはこのリスクに対して、人間の介在を前提とした「ヒューマン・イン・ザ・ループ（Human-in-the-Loop）」をワークフローへ標準で組み込める設計を採用しています。すべてを全自動化するのではなく、危険度に応じた防波堤を設ける方針です。
承認ゲートをどこに配置すべきかの基準は、以下の3点に集約されます。
- 金銭の移動や契約締結が伴う処理: 発注額が閾値を超える場合や、新規取引先への登録処理は必ず人の確認を経由させます。
- 社外へ向けた不可逆なコミュニケーション: 顧客やパートナーへの重要通知は、AIが下書きを作成し、担当者がボタン一つで承認・送信する形をとります。
- 判断の信頼スコアが基準値に達しない場合: データ間の照合結果に曖昧さが残る場合、無理に自己完結させず「例外事象」として人間に差し戻します。
同時に、アクセス権限の厳密な統制も不可欠です。AIエージェントだからといって全社データへの無制限なアクセスを許してはなりません。Aquariumでは接続先のシステムごとに閲覧・更新権限を細かく指定できるため、「営業データは参照可能だが給与データは秘匿する」「基幹システムのテーブルは閲覧のみで、書き込みは別テーブル経由で行う」といった多層防壁を築けます。
安全なエージェント運用を模索する上では、AI生産性ツールの運用ルールづくりと同じく、権限境界の定義が成否を握ります。
接続先データの変更に即座に追従する同期の仕組み
社内の業務データは静止していません。顧客のステータスは刻一刻と変化し、在庫数はリアルタイムで変動し、取引先の与信情報は日々更新されます。
AIエージェントが古いスナップショットデータを参照して動いていては、誤った意思決定を招きます。従来のデータ移行型基盤では、夜間バッチによるETL処理などでタイムラグが生じ、リアルタイムな業務追従が困難でした。
Sakana Aquariumは、オントロジーと各データソースの同期メカニズムを備えています。接続元のデータベースやSaaS側でレコードの追加・更新・削除が発生すると、その変更がオントロジー層の状態へ反映されます。
[基幹DBの在庫データが変動]
│
▼ (イベント検知 / 同期)
[オントロジー層の在庫オブジェクトが最新化]
│
▼
[AIエージェントが最新状況をもとに受注判断]
この即時同期により、AIエージェントは常に現場の最新ステータスをもとに判断を下せます。さらに、単にデータが変わったことだけでなく「いつ、どのシステムで、何が変更されたか」のイベント情報がエージェントのトリガーとして機能するため、能動的なタスク開始が可能になります。
たとえば「在庫数が安全基準を下回った」というデータ変更を検知した瞬間に、補充発注のワークフローを自動で立ち上げるような運用が実現します。
データ分析と実務の直結という観点では、AIデータ分析の領域でも同様の即時性が重視されています。
判断根拠と実行履歴を追跡する監査ログ機能
企業がAIエージェントの導入に踏み切れない大きな理由の一つに「説明責任（アカウンタビリティ）」があります。問題が生じた際に、AIがなぜその判断を下したのかがブラックボックスになっていては、コンプライアンス上許容されません。
Sakana Aquariumは、エージェントが関与したすべての思考プロセスとアクションを監査ログとして構造化記録します。後からの検証を容易にするトレーサビリティの確保です。
下表は、記録される監査ログの主要項目と監査上の用途です。
| ログ項目 | 記録される | 監査・ |
|---|---|---|
| 参照データスナップショット | 判断時点でAIが閲覧した元データの値とバージョン | 「古いデータを見て誤認したのか」を特定 |
| 適用ルール・オントロジー定義 | 参照された業務規定や制約条件の定義内容 | 判断ロジックの妥当性を評価 |
| 推論ステップの履歴 | どのような思考順序で結論を導き出したかの過程 | ハルシネーションや論理の飛躍の有無を確認 |
| 人間の承認記録 | 承認を行った担当者名、承認日時、付帯コメント | ガバナンス上の責任所在を明確化 |
| 外部実行APIのレスポンス | 基幹システム等へ送信したリクエストと戻り値 | システム連携における不整合を追跡 |
このログ基盤があることで、内部監査部門やセキュリティ責任者に対しても合理的な説明が可能になります。仮にAIが不適切な判断を下した場合でも、プロンプトの不備なのか、参照元のデータ不整合なのか、業務ルールの定義漏れなのかを特定し、迅速な再発防止策を打てます。
Sakana AIの他プロジェクトとの位置づけと技術的背景
Sakana AIは、自然界の進化や集合知に着想を得たユニークな研究開発で知られる組織です。モデル同士を掛け合わせて新たな能力を生み出す「進化的モデルマージ」や、科学的発見を自律化する「The AI Scientist」など、基礎研究で多くの成果を上げてきました。
また、ロボティクスの分野では、再学習を行わずにわずか45件の探索で高成功率を達成した手法が注目されました。詳細はSakana AI SAILとは？再学習なし・探索45件で成功率73%を達成したロボット軌道生成手法にまとまっていますが、限られたデータから効率的に解を導くアプローチは同社の一貫した強みです。
では、今回の「Sakana Aquarium」はどのような位置づけにあるのでしょうか。これまでの研究がアルゴリズムやモデルの創出に重きを置いていたのに対し、Aquariumは「エンタープライズの現場実装」に完全に軸足を置いた実務プラットフォームです。
AIエージェントを社会実装する現場では、先端モデルの賢さ単体では解決できない「企業データの散逸」「組織ルールの複雑さ」「セキュリティの壁」に必ず直面します。Aquariumは、同社がAI実装の現場で直面してきた生々しい課題群を解決するために作られた共通基盤です。
同社の対話モデルやチャット実装について知りたい方は、Sakana Chatの代替7選｜無料・日本語・オープンソースで選ぶも合わせて参照すると、基礎技術から実務展開への変遷が掴みやすくなります。
Sakana Aquariumの導入に向く業務と向かない業務の判別基準
Sakana Aquariumは強力なアーキテクチャを持ちますが、あらゆる社内業務に適しているわけではありません。自律型エージェントの特性上、向き不向きがはっきりと分かれます。
導入を検討する際は、対象業務が「ルールの明確さ」と「データの所在」のどちらに位置しているかを精査しなければなりません。
下表は、導入適性が高い業務と低い業務の対比です。
| 業務区分 | 具体例 | 判定理由 |
|---|---|---|
| 極めて向いている業務 | 購買照合、定期的なレポート集計と送付、サプライチェーンの納期追跡 | 複数システムを参照し、ルールに基づく判断と実行が定型化されているため |
| 条件付きで向いている業務 | 規程チェックを伴う社内申請の一次審査、与信調査の事前レポート作成 | 人間の最終承認を前提とすれば、下準備の工数を劇的に削減できるため |
| 向いていない業務 | 新規事業の企画立案、クリエイティブ制作、経営方針の決定 | 明確な正解データやオントロジーが存在せず、人間の総合的判断が必要なため |
| 向いていない業務 | 単純な単一SaaS内のデータコピー | Zapier等のノーコード連携ツールで十分であり、基盤導入の費用対効果が合わない |
オントロジーを定義する労力に見合うだけの「判断の複雑さ」と「反復頻度」がある業務を選ぶこと。これがAquariumを組織へ根付かせるための分水嶺となります。
他社のエージェント製品と比較したい場合は、AIエージェントのランキング一覧をチェックしておくと、業界全体のトレンドとポジショニングが把握できます。
AI PICKS編集部の判定
Sakana Aquariumに対する当編集部の見立ては、「データ基盤の泥沼に疲弊した大企業にとって、待望の実務直結プラットフォーム」です。
率直に申し上げて、生成AIの社内導入において「まず全社データレイクを構築しよう」とするアプローチは、予算と時間を浪費する悪手になりがちでした。データを一元管理するプロジェクト自体が目的化し、肝心の業務自動化にたどり着けない事例を数多く見てきました。
社内データを移動させず、上位のオントロジーで意味を繋ぐAquariumの思想は圧倒的に実践的です。既存のセキュリティガバナンスを維持したままエージェントを動かせる設計は、大企業の情報システム部門にとって重宝します。
ただし、導入ハードルは低くありません。料金は個別見積もりであり、オントロジーの設計には組織の業務ルールを構造化して定義する高いリテラシーが求められます。「導入すれば魔法のように何でも自動化される」と期待すると、設計フェーズで頓挫します。
社内に散在する基幹システムや文書の連携に悩み、特定部門の重厚な運用オペレーションを本気で自動化したいエンタープライズ企業にとっては、有力な選択肢です。
よくある質問（FAQ）
Q. Sakana Aquariumは個人でも契約できますか？
個人向けの提供は行われていません。企業固有のデータソース接続やオントロジー構築、組織的なアクセス権限管理を前提としたエンタープライズ向けのプラットフォームです。導入の相談は法人窓口を通じて行う必要があります。
Q. 導入にはどのくらいの期間がかかりますか？
対象とする業務範囲によって異なりますが、まずは1つの業務オペレーションを対象とした共同検証から開始される設計となっています。データの接続方式やオントロジーの定義規模によって構築期間は変動するため、事前の相談段階でPoCのタイムラインをすり合わせる形となります。
Q. 社内データがAIモデルの学習に使われる心配はありませんか？
エンタープライズ向けのアーキテクチャであるため、接続した社内データが一般の基底モデルの学習に無断で流用される設計にはなっていません。データは既存の基盤に保持されたまま推論時のみ参照される仕組みであり、アクセスログも厳密に管理されます。
Q. 従来のRAGと併用することは可能ですか？
併用可能です。一般的な社内FAQの回答作成や文書の単純検索には従来のRAGを活用し、複数のデータソースを横断して判断とシステム実行を伴う高度なオペレーションにはAquariumを割り当てるなど、業務の難易度に応じた使い分けが合理的です。
Q. 接続できる社内データソースの種類には何がありますか？
関係データベース（RDB）や各種クラウドストレージ、社内文書リポジトリなど、企業の既存データ基盤と幅広く接続できる構造を備えています。対象システムのインターフェースに合わせた接続方式が設計されます。
Q. AIが誤った実行をした場合、元に戻すことはできますか？
ワークフローの設計次第です。不可逆な処理については人間の承認ステップを必須とし、システム更新を行う場合も監査ログをもとにロールバックや修正処理が追跡できる体制をあらかじめ組み込んでおく運用が基本となります。
あわせて見たいツール・カテゴリ
業務オペレーションの自動化やAIエージェントの導入をさらに深く検討したい方は、以下のカテゴリや関連記事もあわせてご確認ください。
- AIエージェントの最新おすすめ一覧 自律的にタスクを遂行するエージェントツールの機能と特徴を俯瞰できます。
- AI自動化ツールのおすすめ一覧 定型業務のスクリプト実行やSaaS連携を担う自動化ツールの選択肢をまとめています。
- AIデータ分析ツールの機能比較 社内データの集計や可視化を支援する最新ツールの動向を確認できます。
- AI生産性ツールの選び方 日々の業務スピードを底上げする支援ツールの活用法を整理しています。
- AI自動化ツールのランキング 現場での導入実績や機能性に基づいた自動化ソリューションの比較ランキングです。
自律型AIの基礎理論から学び直したい場合は、同社のロボット制御技術を取り上げたSakana AI SAILとは？再学習なし・探索45件で成功率73%を達成したロボット軌道生成手法を先に読むと、同社が目指す自律実行の設計思想がより深く理解できます。
