# Cognisant LLC（コグニザント合同会社）

> 「作って終わり」にしないAI受託開発。Forward Deployed Engineer（FDE）型で、お客様の業務に効くまで現場に入り込んで伴走します。LLM/RAG開発・RAG精度設計・PoC脱却までを一気通貫で支援する、東京・豊島区のAIテクノロジー企業です。

Cognisant LLCは、業務文書で正答率93.6%を実現したRAG/AI精度設計を強みとします。データ整備・ハイブリッド検索・評価駆動の改善サイクルで「デモは動くが本番で崩れる」を越え、「使えるAI」を実装します。大手総合商社・大手通信キャリア・官公庁向けシステム企業・広告代理店などの導入実績があります。

## サービス

- [AI受託開発・RAG精度設計](https://cognisant.io/services/ai-web): RAGシステムの新規構築、既存RAGの精度改善、運用設計までを一気通貫で提供。Agentic RAG（LangGraph）、ハイブリッド検索（ベクトル＋キーワード＋リランキング）、文書構造別チャンク、49問規模の業務シナリオ評価セットによる評価駆動改善が中核。大手総合商社の週次レポートAI検索では、正答率38.8%→93.6%、総合品質スコア2.37→4.55/5.00を実証。閉域環境・国内クラウドへのデプロイにも対応。

## インサイト（技術解説・事例）

- [実データ2,290人の行動分析 — 計測設計がAIのデータ分析を決める](https://cognisant.io/insights/product-data-mbti-behavior): 自社運営の診断アプリの本番データ2,290人分をLLMに読み取り専用SQLで分析させた事例。直観型が一般人口の2.4倍という発見、仮説→交絡検証→限界開示という分析の実務、そして分析AIの性能より計測スキーマの設計が結果を決めるという教訓。
- [LLMO（AEO）とは何をすることか — 自社3サイトの実測で分かった「効くこと・まだ効かないこと」](https://cognisant.io/insights/llmo-aeo-practical-guide): LLMO/AEO/GEOの整理と実測ベースの実務。AI経由流入は全体の約0.3%（ChatGPT 11セッション/30日・着地面の特定まで）、IndexNowは202受理でも4日後46/54未発見。効く側=一次データ・構造化・正しいSEO。GA4のAI流入分離計測の作り方と保存版チェックリスト。
- [llms.txtの書き方と設置 — 3サイトで運用して分かったこと（実物リンク付き）](https://cognisant.io/insights/llms-txt-guide): llms.txtの仕様（H1＋引用ブロック＋セクション別リンク集）と書き方5ステップ、SPAのrewriteで配信が静かに壊れる落とし穴とcurl検証、効果の正直な現在地（断定できる実測はまだ・安い保険としての位置づけ）。
- [経理AIはどこまで任せられるか — 経費監査の見逃しを0.2%にした3層設計](https://cognisant.io/insights/expense-audit-ai-casestudy): 大手メーカーの経費監査AIの進行中事例。7か月分・明細4.3万行を対象に、監査抽出1,678件の捕捉99.8%・完全な見逃し3件（0.2%）。決定論ルールで確定・LLMゲートで仕分け・人が最終判断する3層設計、「精度87%」の的中率/捕捉率の読み方、リーク点検、人が見る件数の設計まで。
- [RAG構築の手順 — 「1日でできる最小構成」と本番品質の間を、4層で埋める](https://cognisant.io/insights/rag-build-guide): RAG（検索拡張生成）構築の実務手順。モデル選定からではなく「何に答えられれば合格か」の定義から始め、データ整備→検索設計→生成→評価→運用の順で積み上げる。系統（素/ハイブリッド/Graph/Agentic）の選び方と過剰設計の回避まで。
- [AIエージェント開発の実務 — 「自律」を追わず、「裁量」を設計する](https://cognisant.io/insights/ai-agent-development): AIエージェント開発は「どこまで任せるか」の設計が本質。ワークフローで足りる処理との見分け方、ツールは狭く堅く、書き込み操作に承認の段差、失敗時は人に返す縮退。Human-in-the-loopから実績を測って「卒業」する運用まで、2024年から本番運用する見積エージェントの経験から。
- [エンタープライズサーチとは — 「探して一覧」から「調べて答える」へ、生成AI時代の社内検索](https://cognisant.io/insights/enterprise-search-rag): エンタープライズサーチとは社内に散らばる文書・ナレッジの横断検索。Web検索と異なる前提（権限・社内語彙・鮮度）、「使われない」3つの理由、RAGで出典つきの回答へ変わる設計、製品導入と構築の判断軸。社内文書検索で正答率38.8%→93.6%の実例つき。
- [バイブコーディングで作ったAIを、本番品質に立て直す — 品質・セキュリティ・保守を取り戻す順番](https://cognisant.io/insights/vibe-coding-ai-rebuild): バイブコーディングや安価な外注で「動くもの」はできたが品質・セキュリティ・保守に不安が残る状態からの立て直し。棚卸し→守る線→評価セットで測れる化→「直すか作り直すか」を数字で判断する順番と、二度目の失敗を防ぐ発注条件（検収=評価セット・権利・運用）を解説。
- [あなたのRAGはどこで精度を落としているか — 症状から原因を引く診断ガイド](https://cognisant.io/insights/rag-precision-diagnosis-guide): RAGが本番で精度を落とす原因を「症状→4層（データ・検索・評価・運用）→系統（素/ハイブリッド/Graph/Agentic）」で診断し、次の一手まで示すピラー記事。ルールベース優先・人間監査を卒業する運用設計まで俯瞰し、各深掘り記事へ分岐する。
- [RAGは「測れないと上がらない」— 評価セットの作り方](https://cognisant.io/insights/rag-evaluation-set-design): 検索と生成を分けて測る評価セットの作り方。決定的な採点はルールで、曖昧な質だけLLM-as-a-Judge＋人手。評価があるからこそ人間監査を「卒業」してフィードバックループを自動化できる設計。
- [ハイブリッド検索とは — ベクトル検索＋BM25でRAGの精度を上げる設計](https://cognisant.io/insights/rag-hybrid-search-design): ベクトル＋キーワード（BM25）＋リランキングをRRFで束ねる設計で固有名詞の取りこぼしを塞ぐ。決定的に解ける処理はLLMよりルールベースが測定容易・ブレず・低コスト・保守容易。
- [RAGは前処理で8割決まる — 文書構造に沿ったチャンク設計](https://cognisant.io/insights/rag-chunking-data-design): 固定長分割の失敗、文書構造（条文・見出し・表）に沿った分割、メタデータ付与、古い版・廃止規程の整理。データ整備がRAG精度の土台であることを解説。
- [商社の文書検索で正答率を38.8%→93.6%にした4層設計](https://cognisant.io/insights/rag-precision-4layer-casestudy): RAGが本番で精度を落とす原因を、データ・検索・評価・運用の4層で解説。ハイブリッド検索（ベクトル＋キーワード＋リランキング）と49問の評価駆動改善の実装事例。
- [法令RAGはなぜ難しいか — 参照関係を辿るGraph RAG](https://cognisant.io/insights/graph-rag-legal-compliance-casestudy): 条文の準用・参照を辿るGraph RAGと4軸のLLM-as-a-Judge評価で、法令ナレッジの回答合格率を65%→約91%へ。参照構造を持つ規程・契約にも横展開可能。
- [「使われる」営業AIの作り方 — Slack見積エージェントと提案書自動生成](https://cognisant.io/insights/sales-automation-agents-production): Human-in-the-loop設計で現場に定着させる営業自動化。商談の前・最中・後を一気通貫で支援する本番運用エージェントの設計原則。

## 強み・専門領域

- Forward Deployed Engineer（FDE）型開発: PoCで終わらせず、現場・実データ・業務に入り込み「使われる」状態まで伴走する開発スタイル。創業時から実践。
- RAG精度設計: データ設計・検索設計・評価・運用の4層を積み上げる方法論。
- LLM/生成AI導入、DXコンサルティング、業務システム・Webアプリケーション開発、AI内製化・伴走支援。

## 主要実績（カテゴリ別・守秘のため業種表記）

- 公共・大手: 大手総合商社（週次レポートAI検索のRAG精度改善）、官公庁向けシステム企業、大手通信キャリアグループ、エネルギーインフラ企業
- AI開発: マーケティングテクノロジー企業、フィンテックスタートアップ、動画広告配信企業、AI関連企業ほか
- 自社プロダクト: CV-Anchor（LP離脱ユーザーを1to1対話でCVへ着地させる、初期・月額0円の完全成果報酬型・CV特化チャットボット）

## 会社情報

- 社名: Cognisant LLC（コグニザント合同会社）
- 所在地: 〒170-0013 東京都豊島区東池袋3丁目22-21 Comforia東池袋West315
- 設立: 2025年7月
- Email: info@cognisant.io
- LinkedIn: https://www.linkedin.com/company/cognisant-llc/
- 事業領域: AI受託開発 / LLM・RAG開発 / RAG精度設計 / DXコンサルティング / Forward Deployed Engineering

## 問い合わせ

発注前提ではない30分のオンライン相談を受け付けています。現在の構成と課題をお聞きした上で、精度改善の方向性と概算感をお伝えします。お問い合わせ: https://cognisant.io/#contact