ルールベースとは
ルールベースとは、人間が定義した「もしAならばBを実行する」という条件分岐のロジックでシステムを動作させる手法
読み: ルールベース
ルールベースとは、人間が定義した「もしAならばBを実行する」という条件分岐のロジックでシステムを動作させる手法。機械学習がデータからパターンを自動的に学習するのに対し、ルールベースは全ての判断基準を人間が明示的に設計する。エキスパートシステムの時代から使われてきた古典的なアプローチだが、現在でもAIと組み合わせて使われる場面は多い。
かんたんに言うと
「もしXならY」というルールを人間が全部書いて動かす仕組み。AIが自分でパターンを見つけるのとは反対のアプローチ。ルールが明確な業務（法令遵守チェック、入力バリデーション等）では今でも現役で使われている。
機械学習との使い分け
ルールベースが向くのは、判断基準が明確で例外が少ない領域。税率の計算、法定書類のチェック、フォーマット検証など。機械学習が向くのは、パターンが複雑で人間がルールを書ききれない領域。画像認識、自然言語処理、需要予測など。実務ではルールベースで対応できる部分をまず処理し、残りを機械学習に回すハイブリッド構成が多い。
AI前処理としてのルールベース
AIに入力するデータの前処理にルールベースを使うケースが増えている。個人情報のマスキング、不正入力のフィルタリング、フォーマットの正規化など。AIの出力に対するガードレールもルールベースで実装することが多い。禁止表現のチェック、出力フォーマットの検証、数値範囲の妥当性確認はルールで書いた方が確実で説明もしやすい。
ルールベースの限界
ルールの数が増えると管理が破綻する。数百のルールが相互に矛盾し始め、どのルールが優先されるのか誰にもわからなくなる。ルールの追加・変更のたびに全体への影響を検証する必要があり、保守コストが膨らむ。この問題を解決するために機械学習が導入された経緯がある。ただし機械学習にも説明困難性という別の限界がある。銀の弾丸は存在しない。
導入判断の基準
ルールが100個以内で収まるならルールベースで十分。100を超えるならルールの構造化（デシジョンテーブル、デシジョンツリー）を検討する。1,000を超えるなら機械学習への移行を検討する。ただし、法的根拠が必要な判断（与信審査、コンプライアンスチェック等）はルールベースを残すべき。AIの判断に「なぜその結論に至ったか」の説明責任が求められる場面では、ルールベースの透明性が武器になる。
当社の見解
当社はAI長期記憶システムを自社開発・運用している。開発のきっかけは、AIと経営戦略の壁打ちで出した結論がセッション切れで消えたことで絶望を感じた。1日かけて議論してきたことを振り返り、では事業計画書に落とし込むように指示を出したところ、「そのような記録はありません」と言われたことで、強烈な危機感を覚えこれは何としても解決しなければならない問題だと感じた。記憶がないAIは毎朝記憶喪失になる新入社員と同じだ。記憶があるAIは、前提条件を理解した上で本題に入れる。短いプロンプトで済むようになり、「前に言ったように実行して」と曖昧で短いプロンプトでも業務を遂行してくれる。同じことを繰り返し伝える回数も減り、開発業務でも同じミスを繰り返しにくくなり、人間の手戻りが減り、ストレスも減る。AIで本当に業務の質を上げるならば、記憶はマストである。
同じ失敗を二度としないAIエージェント
今のAIは、聞けば何でも答えてくれます。
でも、セッションが切れた瞬間に前回の失敗を忘れます。
当社が開発しているAIは、過去の経緯を念頭に置いて、
聞かれる前に「それは前回うまくいきませんでした」と声をかけます。
人間にも同じ失敗をさせず、AI自身も繰り返しません。
古参の社員が横にいるように、黙っていても気づいてくれる。
それが、当社が考える本当のAI社員です。