机密数据AI应用诊断 —— 在输出前，与您共同梳理处理方式

课题

合同、会议纪要、客户信息、报价单、内部知识库。虽然企业内部拥有大量看似可以利用AI的信息，但我们经常听到这样的顾虑：无法判断这些信息是否可以直接提供给外部的云端AI。不知道该从何着手，时间就这样一天天过去；向供应商咨询，对方却从一开始就大谈大规模开发。本诊断正是面向面临此类困扰的中小企业经营者及管理部门人员。

解决途径

Cor.秉持“在使用AI之前，先规划处理的信息”这一理念。我们绝不会盲目直接开发。信息各有其机密程度，需要区分哪些可以提供给外部云端AI，哪些则应在不将数据传到公司外部的前提下、使用本地运行的Local LLM来处理。我们首先会与您一起理清这种区分使用的思路。诊断的结果有时也可能是“目前暂时不要开发为好”，我们也会客观中立地告知这一结论。

实施内容

诊断将按以下流程推进：

• 通过现场访谈，了解实际业务与痛点
• 调研现有业务，梳理出可实现AI化的业务清单
• 对所处理的数据进行分类（整理机密程度）
• 划分云端AI与Local LLM的使用边界
• 梳理风险（从输入边界、访问权限、操作日志、人工审批这4个设计维度切入）
• 制定是否推进PoC的方针

我们不从纯技术话题切入，而是优先将“首先应该如何处理何种信息”形成明确的文字方案。

成果

诊断结束后，您将获得一份可用于后续决策的资料。资料内容包含可作为AI化候选的业务梳理结果、数据分类及处理方式的梳理、风险与应对策略，以及推进PoC时的方针方案。

诊断之后有3种选择：推进Local LLM/AI基础架构的PoC（3个月300万日元起，根据课题和内容有所变动）、直接推进小规模的正式落地，抑或是判断目前暂不开发。无论做出何种选择，本诊断本身在设计上都能作为决定下一步行动的参考依据。费用约为10万至30万日元（根据课题和内容有所变动）。