AI COMPANY
100の答えより、
1つの判断。
AIは、ひとつの問いに100の答えを返してくれます。会社を前へ進めるのは、そのなかからどれを選び、なぜ選んだのかという判断のほうです。Quanは、その判断をAIと一緒に磨き、会社の仕組みとして残していくAIカンパニーです。
Nine AI services
9つのAIサービス
用件が決まっている方は、各サービスのページへそのままお進みください。
Three depths of AI
「AI活用」と呼ばれるものの多くは、入口の話です。
同じ「AIを入れた」という言葉でも、会社の中で起きていることには三つの深さがあります。質問に答えてもらう使い方と、社内のデータをつないで定型の作業を任せる使い方は、どちらも役に立ちますし、Quanも毎日使っています。私たちが仕事にしているのは、その先にある三つめの深さのほうです。
64.9%
生成AIの使い方を、社員一人ひとりの判断に任せている中小企業。
出典：商工中金「中小企業の生成AI利用」2026年1月調査（有効回答3,892社）
16.3%
会社として生成AIを導入している中小企業。
出典：同上
1.6%
会社として導入したAIを、成果につながる形で使いこなせている会社。三つめの深さまで届いている会社は、まだごくわずかです。
出典：Quan調べ（調査の概要は公開前に記載）
Ingredients and the chef
データを全部入れても、良いAIになるとは限りません。
いま主流になっている「会社OS」型のAIは、社内のデータをできるだけたくさん集めてAIに渡すつくり方をします。冷蔵庫の中身を全部ミキサーにかけて、こせば飲めるジュースにはなるように、会社らしく整った80点の答えは返ってきます。ただ、冷蔵庫には食材ではないものや、傷みかけたものも入っています。
いま主流の深いAI
集めたデータを、そのままAIへ
会議の会話は思っているよりもゆるく、議題が崩れたやりとりや、感情に流れたやりとりもそのまま記録に入ります。それをAIが拾うと、整ってはいても、会社を変える力のない答えになりがちです。現場の困りごとは片づいても、改革にはつながりにくいのはそのためです。
Quan
料理人が食材を選び、下ごしらえしてから
Quanは、記録をそのまま入れずに、人の手で読み解き、整え、意味の札をつけてから会社の記憶に加えます。会議の外で交わされた本音や、大事な判断の理由も、ここで拾い上げます。いまはQuanのスタッフが行っているこの工程を、いずれAIが担えるようにすることも、Quanの研究のテーマです。
記憶は、データベースに詰め込むほど良くなるものではありません。何をつくりたいのかが先にあり、そのために必要な情報を、必要な形で選び抜いて入れていくことで、使える成果物へと結晶していきます。会議の質が高い会社ほど、記憶の質も高くなるので、Quanは会議の質を上げるところから一緒に取り組みます。
What we aim for
Quanが目指すのは、会社がありたい姿に近づいていくAIです。
AIに必要なのは、データだけではありません。仕事のあり方と、仕事の仕組みのデザインです。Quanは、会社の記憶（RAG）に「ハーネス」を組み合わせて、AIの力を会社の向かいたい方向へ導きます。ハーネスとは、馬の力を目的地へ向けるための手綱や馬具のように、仕事の型や会社の文化、人との関わり方をAIに持たせる枠組みのことです。
御社と一緒につくる
会社のハーネス
会社がありたい姿と大事にしている判断を言葉にし、AIの軸にします。コーチングのように、会社全体を引き上げる枠組みです。
御社と一緒につくる
現場のハーネス
現場の業務の流れにAIを組み込み、つまずきやすい箇所を支えます。現場に入るエンジニアが、使われるようになるまで付き添います。
Quanから提供する
ビジネスのハーネス
論理的に考える力、前提を疑う力、日本語で正確に伝える力、話の核を抜き出す力を、AIと人の両方に持たせます。
Quanから提供する
クリエイティブのハーネス
自分と相手の考えが重なる場所を見つけ、内側で膨らませたアイデアを言葉にしていく、つくる仕事のための枠組みです。
Quanから提供する
コミュニケーションのハーネス
場の進め方、対話、相手から考えを引き出す力を、会議や面談でAIと人が一緒に使えるようにします。
要約や抽象化は、核を外したとたんに別のものになります。
AIは文章を短くするのは得意ですが、何を外してはいけないのかは、その会社の考え方を知らなければ分かりません。Quanは、会社ごとに「外してはいけない核」を言葉にしておき、要約や企画のたびにAIがそれを守れるように設計します。
先回りしてくれるAI
「メールを用意しておいてくれたんだね、ありがとう。」
仕事が楽になります。
気づかせてくれるAI
「自分でも考えていたけれど、こっちのほうが部長の言っていたことに近いな。」
仕事をする人が育ちます。
どちらも助けてくれるAIですが、助け方が違います。Quanが目指すのは、背中を見せて気づかせてくれる先輩のようなAIで、使う人の判断や表現が少しずつ会社らしく、ありたい姿に近いものになっていくことです。良い道具を使い続けた人が、その道具らしい使い手に育っていくのと同じように、仕事の型と表現そのものを整えておくことで、会社全体が引き上がっていきます。
上の2割の力が掛け算になり、真ん中の6割の仕事の段階が上がる。
組織は、上からしか変わらないと私たちは考えています。上位2割の人たちの判断と知恵がAIに乗ることで、その力は何倍にも広がり、真ん中の6割の人たちは、理想の上司にコーチされているように仕事の段階を上げていきます。放っておくと崩れてしまう議題も、責めるのではなく、気持ちよく正していけるようになります。
AXとは、社内の勝ち筋を、全員が手に入れることです。
型にはめるより、その人の個性が生きる組み合わせを探します。
現場の不足やボトルネックをAIで埋めることは、もちろん引き受けます。そのうえでQuanが考えるのは、その人やチームが生き生きと活躍するには、AIをどう組み合わせればよいかです。欠点を欠点として直すのではなく、AIとの創発、人との協働、強みを伸ばすこと、ベテランの技を全員で共有すること、AIから学ぶことを組み合わせていきます。思想とゴールが違えば、同じワークフローを設計しても、できあがるAIの仕組みも、AIが返す答えも違ったものになります。
安く、速く
自社らしい原稿を、自動で出すAI
費用を抑えて始められ、Quanもお引き受けできます。ただ、同じことは多くの会社でもできるため、差はつきにくくなります。
手間をかけて、育てる
種から発想し、企画に育てていくAI
アイデアの種から発想を広げ、企画書にし、フィードバックを重ねて育てます。手間も計算の費用もかかりますが、御社にしかない独自性と優位性が残り、使うほどAIも育っていきます。
ここに書いた内容の一部は、Quanが将来に向けて重点的に研究している分野です。
Perspective
AIについて、私たちが考えていること。
01Wisdom
AIが差し出すのは知識。会社を動かすのは知恵。
AIは膨大な知識を、迷いなく差し出してくれます。けれど、そのうちどれを採ってどれを捨てるかを決めるのは、会社が大事にしてきた価値観と、これまでの判断の積み重ねです。私たちは、AIと一日じゅう話して使える案が1つか2つ見つかれば上出来だと考えていて、全部にうなずかない基準を持っていることが、AIを使いこなす人と、AIに飲まれてしまう人の分かれ目だと思っています。
02What to make
作れる時代に、何を作るか。
以前は一つのプロダクトを形にするのに2年と数千万円の準備が必要でしたが、いまは週末の試作から始められます。誰もが作れるようになった分、差がつくのは、何をつくって何をつくらないかを決める思想の側に移りました。Quanは、思想が乗ったプロダクトを世の中に出すことを仕事の中心に置き、その「変換」の技術をAIとともに磨き続けています。
03Emergence
人を作業から外すAIより、人の創作を引き出すAIを。
世界のAIの多くは、人の作業を代わりに引き受ける方向へ進んでいて、その流れは止まりませんし、Quanも効率化を否定しません。ただ、空いた時間で人が受け取るだけの側に回ってしまうなら、会社も社会も豊かにはならないと考えています。私たちがつくりたいのは、人と壁打ちしながら、人の考える力とAIの力を同時に引き上げていくAIで、これを創発型AIと呼んでいます。
04No dependence
寄りかからせるAIより、問い返すAIを。
欲しい答えをすぐに返してくれるAIは心地よく、使うほど手放せなくなります。その一方で、自分の考えを肯定してくれる答えばかり集めていると、判断は少しずつ偏っていきます。Quanは、相手が本当は何を満たしたいのかを問い返し、目の前の心地よさよりも、10年後のその人や会社が良くなる方向へ導くAIを設計します。
05Draw many lines
線をたくさん引いて、仮に決めて、進む。
いけそうな案が見えても、私たちはすぐに一本には決めません。AIと一緒に、うまくいく道筋とうまくいかない道筋を何本も描き、そのなかで一番良い結末に近い線を仮に選んで動き出し、「これじゃないかもしれない」という感覚も持ち続けます。決める力と決めきらない力の両方を持つことが、変化の速い時代の経営には欠かせないと考えていて、その証明もQuanという会社でやろうとしています。
Human and AI
何をつくるかは人が決め、どうつくるかはAIが担う。
回るたびに、会社の記憶が厚くなる。
AIはいま、人が何時間もかける作業を自分で進められるところまで来ています。それでも、何をつくり、どこで終わりとするかを決めるのは人の仕事のまま残ります。
Quanは、人が問いを立て、AIが道筋を広げ、人が選び、AIが形にし、人が確かめて会社の記憶に残すという循環を、仕事ごとに組み立てます。回るたびに記憶が厚くなるので、AIは少しずつその会社らしい答えを返すようになります。
7割
何をつくるかを決める判断のうち、人が担っていた割合です。どうつくるかの判断は、約8割をAIが担っていました。
2倍超
その仕事をよく知る人が指示したときに、AIが1回の指示で進める作業の量です。AIを使いこなす力は、プログラミングの腕より、その仕事への理解から生まれます。
出典：Anthropic「エージェント型コーディングと専門知識がもたらし続けるリターン」（日本語訳）2026年6月16日公開。2025年10月〜2026年4月の約40万セッションの分析
For companies
個人のAIを、会社のAIへ。
社員がそれぞれAIを使っている会社は、もう珍しくありません。けれど、使い方が個人の手元に留まっているかぎり、誰かが見つけた良いやり方も、AIと一緒に下した判断の理由も、会社には残りません。水面の上に見えているのは個人の使い方で、会社のAIになるための部分は、その下にあります。
会議を、会社の記憶にする。
会議を記録し、決まったこと、未決事項、担当と期限、そして判断の理由までを、翌朝には読める形に整えます。AIが会社の文脈を理解するための材料は、まずここから生まれます。
判断の基準を言葉にして、AIに渡す。
会社が何を良しとし、何を捨てるのかを、社長と現場への取材から言葉にします。そのうえで、資料の版と閲覧権限と出典を管理したRAGにつなぎ、AIが会社の基準で答えられる状態にします。
役職と習熟度ごとに、仕事の雛形をそろえる。
部長、課長、現場のエースといった役職と、AIへの慣れ具合ごとに、そのまま使える業務の雛形があらかじめそろっている体制を目指しています。新しく雛形をつくる手間をかけずに、御社の業務と言葉に合わせて調整したものから使い始められる状態です。
何を測るかを、先に決める。
大企業でも、言語系の生成AIを入れた会社の半数ほどは、その効果を測っていません。時間と質と判断のどれを見るのかを最初に決め、数えにくい変化も記録に残します。
参考：JUAS「企業IT動向調査2026」（回答507社のうち51.9%が効果測定を未実施）
情報の重さで、AIの置き場所を選ぶ。
公開してよい情報はクラウドで、顧客情報は送り先を限った閉域の環境で、外に出せない数字は社内ネットワークの中で動くローカルのAIで扱います。Quanは三つの置き場所のどれでも組むことができ、定常の作業は軽くて安いモデルに任せ、判断が要る部分だけを上位のモデルと人に回します。
STAGE 1
個人で使う
質問する、文章や資料を作らせる、指示を型にする。
STAGE 2
仕事を任せる
専用のAIを置き、資料とつなぎ、決まった処理を自動で回し、複数の工程を任せる。
STAGE 3
社内の仕組みにする
社員が使える業務アプリをつくり、本番で動かし続け、部署をまたいでつなぐ。
STAGE 4
社外に届ける
AIを使った商品を試作し、有償で提供し、共通の基盤として広げる。
段階は会社のいまの位置を確かめるための目安で、人や会社の優劣を測るものではありません。どの段階からでも始められます。
How we work
組織と会議から入り、現場で回し続ける。
Quanが提供するのは、AIそのものではありません。AIと組織をどう組み合わせ、会社をどういう姿へ持っていくのかという設計と、マニュアルではない、AIとの関わり方です。AIの道具を売る会社と組織づくりを支援する会社のあいだをつなぐ四つの層を、一つのチームで引き受け、最後に現場で使われ続ける形まで落とします。
Organization組織の設計
組織図と役割を見直し、どの仕事を人が持ち、どの仕事をAIに渡すかを、部署と役職ごとに決めます。AIに任せる範囲を、ツールの都合ではなく組織の設計から決めるための工程です。
Meetings会議の進め方
決まったこと、未決事項、担当と期限が必ず残る会議の進め方を入れます。会議の記録がそのままAIの材料になり、判断の理由が会社に蓄積されていきます。
Memory会社の記憶（RAG）
会議、規程、提案書、顧客対応の記録を、出典と版と閲覧権限つきで引ける状態にします。扱う情報の重さに合わせて、クラウド、閉域、社内のローカル環境から置き場所を選びます。
On site現場に入るエンジニア
FDE（顧客の現場に入り込んで作るエンジニア）が、雛形を御社の業務と言葉に合わせて直しながら、使われるようになるまで付き添います。作って納めて終わりにしないための役割です。
その結果、現場に入るもの
- 役職と習熟度ごとの業務の雛形を、御社向けに調整したもの
- 9つのAIサービスの中身を、御社の業務の流れに合わせて組み込んだもの
- 毎日の定常業務は軽量のモデルで回し続け、判断が要るところだけを上位のモデルと人に回す運用
Proof in use
私たちが毎日使っているAIを、そのまま見せます。
QuanEngineは、Quanが自分たちの会議と会話を会社の記憶にするために作り、毎日使っている仕組みです。外に売るために作ったものではないからこそ、私たちが自分で使い込んでいることの証拠として、いま回っていることと、これから目指していることを並べて書きます。
いま回っていること
- 社内の通話を録音し、社内のPCで文字起こしをしています。音声そのものは外部のサービスに出しません。
- 固有名詞の聞き間違いを辞書で直し、AIの修正案は原文と分けて持っています。
- 通話ごとの要約、決まったこと、話題、課題を、1日2回自動でまとめています。
- 週に1回、通話とチャットを読み、振り返りを書いています。
- すべての記録に、出典と時刻と「AIの案か、人が確認したか」の札を付け、見てよい人の範囲でだけ検索できるようにしています。
これから目指していること
- 複数の会社の記憶を、それぞれ分けて安全に預かれるようにすること。
- 機械が一台止まっても、記憶づくりが止まらない構成で動き続けること。
- 人が確かめて「確定」とした記録が、会社の正式な判断として積み上がっていくこと。
- 言い換えた質問にも、ふさわしい記録が見つかる検索にすること。
- 外部の方が参加する会議でも、録音の同意と保存期間の決まりのもとで記憶にできること。
クラウド型
契約の範囲内で外部のAIサービスを使います。立ち上げが早く、公開情報や社外秘でない業務に向いています。
閉域型
専用の環境を用意し、データを送る先と保存期間を限定します。顧客情報を扱う問い合わせ対応や、社内規程の検索に向いています。
社内ローカル型
社内ネットワークの中に置いた機械でモデルとRAGを動かし、必要ならネットワークから切り離します。未公開の数字や、医療・法務の情報に向いています。
Company
花火師でありたい。主役は、つくったものの側に。
私たちは、名前の売れたスターより、「あそこの花火は良かった」と言われる花火師でありたいと考えています。思想の乗った手触りのある作品を世の中に出し、それに触れた人が「自分もこういうものをつくりたい」と思う循環を、AIとともに起こしていくことが、Quanという会社の目的です。
Vision
創発する人とAI
人とAIが互いの力を引き上げ合い、触れた人がつくる側へ回りたくなるプロダクトを生み続けます。
Mission
孤独をなくす ／ 歪みを取る ／ 花火をあげる
相談相手のいない経営者やつくり手の孤立を減らし、支えている人が報われない構造を正し、人の目に留まる仕事を打ち上げます。
量子のように、可能性を重ねたまま進む。
量子は、観測されるまで複数の状態を重ね合わせたまま存在します。私たちも、いくつもの可能性を同時に抱えたまま考え、対話のなかで一番良い線を選び取ります。好奇心が重なり合ったときに生まれる大きなエネルギーを、AIとともに仕事へ変えていく会社でありたいという思いを、Quanという名前に込めています。
CONTACT
御社の「線」を、
一緒に引くところから。
どのサービスが合うか分からない段階でも、そのままご相談ください。最初の60分で、御社のいまの段階と、AIに渡せる仕事と、残しておくべき判断を一緒に洗い出し、何本かの線を引いてお見せします。