私は2006年にSoftware Tailorを創業しました。19年が経ち、当社は4つの異なる経済サイクルを乗り越え、製薬、金融、政府、法務、防衛、エネルギー分野のフォーチュン・グローバル500企業6社と取引し、2007年以降プロジェクトの失敗は一件もありません。この最後の数字こそが、投資家や調達担当者から最も頻繁に質問されるものであり、唯一説明が必要なものです。以下に、その記録を支える4つのエンジニアリングルールをご紹介します。
ルール1：一つの提供モデル、サービスと製品の曖昧さなし
すべてのSoftware Tailorのプロジェクトは同じデリバリーモデルで進行します。つまり、動作するソフトウェアを納品する厳密に範囲を限定したパイロットフェーズを経て、その納品物を基にお客様が資金提供を選択する拡張フェーズへと進みます。当社は、要件ドキュメントに基づいて納品する「サービス」部門と、ロードマップに基づいて納品する「プロダクト」部門を別々に運営していません。両者は対立し、一方が常にもう一方を補助する構造になってしまうからです。
単一のモデルにより、すべてのエンジニアが作業開始前に「完了」のイメージを共有しています。これが失敗しないための前提条件です。
ルール2：顧客コホートの規律 — 出荷可能なお客様のみ対象
当社の顧客層は機会主義的に選ばれているわけではありません。19年間で6社のフォーチュン・グローバル500企業を獲得したことは、遅い営業パイプラインではなく、意図的な選定基準です。私たちが引き受けるすべての顧客は、開始前に3つのテストをクリアしなければなりません。彼らの課題は当社が以前に解決したものであること、社内のスポンサーがソフトウェアを実際に使用する本人であること（仲介層ではないこと）、そしてハードウェアやデータ環境が6か月に及ぶ調達の遅延なしに出荷可能であることです。
これらのテストのいずれかに失敗したお客様は、プロジェクトではなく他の誰かへの紹介となります。これは私たちが最も収益を失うルールであり、19年間にわたり例外が一切ないルールでもあります。
ルール3：認定されたフレームワークに基づくエンジニアリング規律
AIリスク管理に独自のフレームワークが存在するずっと前から、私がSoftware Tailorのために体系化したエンジニアリングルールは同じパターンを持っていました。すなわち、作業を統制し、リスクを把握し、成果を測定し、変更を管理するというものです。NIST AI RMF 1.0は2023年にAI向けにそのパターンを正式化し、2026年4月のクリティカルインフラストラクチャプロファイルは規制産業にまで拡張しました。これらの文書を読むと、当社の内部規律はこの4つの機能にきれいに対応しています。
それにより得られるもの：すべてのプロジェクトは、自社の慣習だけでなく、外部のフレームワークに基づいてエンドツーエンドで監査可能となります。調達チームがパイロットフェーズの範囲決定方法を尋ねた場合、その答えはリスク管理に関してNISTが示すものと同じであり、顧客のコンプライアンスチームもすでにその用語を理解しています。
ルール4：記録可能、回復可能、再現可能
4番目のルールは、現在AI Suiteで使用している監査証跡の用語よりも前から存在しています。すべてのSoftware Tailorのプロジェクトは、あらゆる決定、あらゆる成果物、あらゆるコードのバージョンをバージョン管理された入力から再現できる状態で進行します。これは一般的なソフトウェアエンジニアリングでは珍しいことではありませんが、私たちがそれを適用しているのは プロジェクトコードベースだけでなく、スプリントの決定、スコープの変更、顧客の承認もすべて記録され、すべて復元可能です。
この規律こそが私たちの コンテンツフリーの監査ログ アプローチがAI Suiteをあのように出荷できた理由です。監査行パターンは、すでにプロジェクトに適用している同じパターンです。用語はコンプライアンスフレームワークから借用し、実践は私たちの出荷方法から借用しています。
AI Suiteに引き継がれたもの
Local AI Suite + AI Admin Consoleライン — 詳細は なぜAIをクラウドSaaSではなくインストール可能なバイナリとして出荷するのか — は、カスタム案件ではなく製品ラインに適用された同じエンジニアリング規律です。同じ単一の提供モデル（デスクトップインストーラーと無料1週間パイロット）、同じ顧客層の規律（明確なデータ居住制約のある規制産業）、同じフレームワークマッピング（NIST AI RMF + EU AI Actの展開者義務）、同じ記録・復元・再現可能な監査体制です。
2007年以来のプロジェクト失敗ゼロはスローガンではありません。例外なく適用された少数のルールの結果です。同じルールが現在AI Suiteの構築を支配しています。
参考文献
- NIST. 「AIリスク管理フレームワーク（AI RMF 1.0）」 https://www.nist.gov/itl/ai-risk-management-framework2026年7月15日アクセス。