Digital Reactor

Digital Reactor — Computation systems for better decisions

データと数理で、
事業の意思決定を支える。

機械学習・統計・数値計算でモデルをつくり、事業で動く計算システムに落とし込む。 予測や最適化を、意思決定に使える形にします。

相談する

Services

サービス

データを整え、数理で選択肢を絞り込み、意思決定の確度を上げるところまで引き受けます。

機械学習・統計モデルの設計と実装

信用スコアリング、需要予測、異常検知など、事業の判断を左右するモデルの設計と実装を、金融機関からITスタートアップ、研究機関まで支援してきました。目標に置くのは精度指標そのものではなく、与信の可否、在庫の発注量、点検の優先順位といった実際の判断の質を上げることです。

PoCで高い精度が出たモデルが本番の判断に使われないまま終わる原因の多くは、問題設定にあります。精度指標が業務のKPIと結びついていない、検証が本番の運用条件を再現していない、モデルの出す確率が実際の頻度とずれている、といった点です。この設計を最初に固めるところから、次の形で支援します：

  • 何の判断を、どの頻度で、どんな損失構造のもとで行うのかを先に確認し、そこから逆算して目的変数・評価指標・閾値を設計します。

  • 時系列を考慮したデータ分割やリークの排除など、本番でも成立する精度を見積もる検証を組みます。

  • モデルの出す確率を実際の頻度に合わせる校正と、予測の不確実性の定量化まで含めて実装し、閾値設計や人手確認の判断に使える形で出力します。

  • SHAP等による要因分解を出力に添え、審査・監査に耐える根拠を残します。信用・リスクモデリングの実務経験に基づいて設計します。

業界ごとの適用イメージ

  • クレジット：与信スコアリングやデフォルト予測を、審査の根拠を説明できる形のまま高度化します。財務データに加えて入出金履歴などの行動データを特徴量に取り込み、モデルの確率を実際のデフォルト率に合わせて校正したうえで、評価の頻度と対象を広げます。
  • 資産運用：投資先の評価やリスク指標の推定に、点の予測だけでなく不確実性の幅まで含めたモデルを組み込みます。データの少ない非上場先の評価や、市場環境が変わったときのモデルの劣化検知など、運用の現場で崩れやすい部分まで設計に含めます。
  • 保険：支払・解約の予測や引受の審査に、実際の頻度に合わせて校正した確率を提供します。事故のように件数の少ない事象でも、契約群どうしで情報を補い合う統計モデル（階層モデルなど）で推定を安定させ、料率や引受基準の検討に使える形にします。

モデルの設計・検証に関連する技術情報を技術ブログで公開しています。

計算システム・データ基盤の設計と構築

どれだけ良いモデルも、ノートブックの中に留まっている間は事業を変えません。データが自動で流れ、モデルが定期的に更新され、結果が業務システムに届いて、はじめて意思決定が変わります。データ基盤の構築からMLOpsの整備、運用の監視設計までを、事業の規模に見合った構成で引き受けます。

データ基盤の問題は、動き始めたあとに静かに現れます。手動実行のまま担当者の異動で止まる、パイプラインがエラーを出さずに古いデータで動き続ける、課金構造を把握しないまま組んだ処理が想定の何倍ものコストを生む、といった形です。こうした障害を設計の段階で防ぎます。提供している内容は次のとおりです：

  • 実験管理・自動再学習・監視を、チームの規模に見合うツール構成で整備します。過剰な基盤は作りません。

  • クラウドの課金がどの操作で発生するかを織り込んで処理方式を選び、運用後の請求額まで見積もります。

  • 入力分布のずれや精度の低下を検知する監視を組み、再学習・切り戻しの手順まで決めて引き渡します。

業界ごとの適用イメージ

  • クレジット：与信モデルの定期実行と結果の配信を自動化し、月次にとどまっていた評価を週次・日次に引き上げられる構成にします。入力データの遅延や欠損を検知して評価の実行を止める仕組みまで含めて設計し、誤ったスコアが配信されることを防ぎます。
  • 決済：取引量の増加に耐える集計・監視パイプラインを設計・構築します。不正検知のようにリアルタイム性が要る処理と、日次で足りる集計を分けたうえで、取引量が増えたあとの請求額まで見積もれる処理方式を選びます。
  • 資産運用：市況データや外部データの取り込みと指標の更新を自動化し、担当者が少人数でも保守・運用が回り続ける形に整えます。データ提供元の仕様変更や配信の停止も検知し、指標が古いまま使われ続けない構成にします。

データ基盤の設計・運用コストに関連する技術情報を技術ブログで公開しています。

業務自動化・省力化

手作業で回っている業務には、計算とシステムで置き換えられる部分が少なくありません。定型処理の自動化から生成AI・LLMエージェントの業務適用まで、対象の選定、出力品質の保証、費用対効果の見積りを一体で支援します。

生成AIを試すこと自体は簡単になりました。難しいのは、デモで動いたエージェントが本番の多様な入力で品質を保てず、結局すべての出力を人が再確認して省力化にならない、という停滞を避けることです。機械に任せる範囲と人が判断する範囲の境界を数字で決めるため、次を引き受けています：

  • 出力の正しさに統計的な保証を付け、人手の確認に回す割合を制御できる形で運用に載せます。

  • どこまでを1つのタスクに任せるか、何を記憶させるか、どう評価するかといった、精度とコストを左右する設計判断を、実験で確かめながら決めます。

  • 削減される工数とシステムの運用コストを併せて見積り、導入するかどうかの判断材料として提示します。

業界ごとの適用イメージ

  • 保険：査定・審査資料の下読みや定型チェックを自動化し、担当者が判断の分かれる案件に時間を集中できるようにします。どの案件までを機械だけで通してよいかの基準は検証データで決め、見逃しの率を測ったうえで運用に載せます。
  • クレジット：稟議・審査事務の文書処理を生成AIで補助します。要約や転記のような定型部分から段階的に自動化し、出力品質の保証と人手で確認する割合の制御までを設計して、審査全体の処理時間を短くします。
  • 決済：加盟店審査や取引モニタリングの一次スクリーニングを自動化し、目視で確認する対象を疑わしい案件に絞り込みます。絞り込みの基準は見逃しの率と確認の工数を突き合わせて決め、実データで検証してから強めていきます。

エージェントの設計・品質保証に関連する技術情報を技術ブログで公開しています。

Product

プロダクト

業務特化プライベートLLM

Glassbox LLM

出力の文面だけでなく、モデル内部の状態まで検査できる、業務特化のプライベートLLMです。

業務特化で低コスト・高速

対象業務に絞って小型モデルを調整するため、汎用の外部APIより低いコストで速く応答します。

データを外に出さない

お客様の環境の中で完結して動くため、機密データを外部に送信せずに使えます。

内部状態で監査できる

APIでは取得できないモデルの内部状態を使い、出力だけでは分からない監査情報を付加します。

詳しく見る→

Track record

取引実績

複数の国立大学・研究機関、ITスタートアップ、金融機関などから、データと数理に関わる仕事を継続的にいただいています。アドバイザーとしての関与から、実際に手を動かす開発まで、ニーズに応じて柔軟に対応できます。

国立大学・研究機関

計算アルゴリズムの新規考案・実装、文献をもとにした再現実装と評価など。

ITスタートアップ

データ基盤の構築・運用、機械学習モデルの開発、業務自動化など。

金融機関

与信先・投資先評価の高度化、省力化・評価高頻度化のための自動化など。

Founder

代表について

望月優輝

望月 優輝

Yuki Mochizuki

デジタルリアクタ合同会社 代表

機械学習・統計、数値計算などの領域を軸としたソフトウェアエンジニアリングを専門としています。スタートアップからグローバル企業まで、さまざまなスケールの企業にて、事業価値に直結する計算システムを設計・構築してきました。主に機械学習の応用分野において、出版・発表、特許取得等の実績があり、また、IT戦略やデータベース技術等の情報処理に関する専門領域の国家資格を複数保有しています。九州大学理学部卒業。日本ITストラテジスト協会正会員。

国家資格
高度情報処理技術者試験に5区分合格：ITストラテジスト／システム監査技術者／プロジェクトマネージャ／システムアーキテクト／データベーススペシャリスト
研究・発表
査読付き論文（PNAS, Cell Reports ほか）、特許取得、国際会議での発表

代表の略歴・実績を見る →

Technical posts

技術ブログ

実際に手を動かして検証した記録です。判断の土台にしている手法や考え方が見えると思います。

記事一覧 →

まずはお問い合わせください。

案件のご相談でも、実現できるかどうかの壁打ちでも。段階を問わず受け付けています。 通常3営業日以内に返信します。

お問い合わせ