OpenAI が How V7 gives AI agents institutional memory を発表 ── GPT-6 Astraで89%の精度達成
AIエージェントが「なぜその判断をしたか」を説明できないのは、単に推論能力が足りないからじゃない。会社の業務文脈がそもそも見えていないから。V7がOpenAIの最新モデル群を組み合わせて構築した「インスティテューショナルメモリ」の仕組み、これはかなり現実的な突破口になりそうだ。
▸注目すべきポイント
V7 GoがGPT-5.6 Lunaで数百万のファイルを解析し、エンティティや関係を「Context Graph」という構造体に統合。長コンテキスト方式より1桁安価で高速なトラバースを可能にする。さらに、最も複雑なグラフクエリにはGPT-6 Astraを投入し、89%の精度を実現。ワークフローではGPT-5.6 TerraとSolが50〜100ステップの複雑なタスクを数分で完了させ、99.9%の精度と監査可能なトレースを保証している。
◈前モデル / 競合との比較
GPT-5.6 Lunaは従来比で1ドキュメントあたりのコストを78%削減しつつ、精度は+11.6ポイント向上。GPT-6 Astraは最も困難なクエリにおいて89%の精度を記録。長コンテキスト依存のアプローチと比較して、グラフ traversals のコストと速度が桁違いに優れる。
◈なぜ作られたのか
従来のLLMは毎回ファイルをやり直して文脈を探すので、コストも時間もかかる。V7のContext Graphは、SharePointやGoogle Driveなどのソースから一度抽出した事実や関係をグラフ構造で保持し、エージェントが必要なときにピンポイントで参照できる設計。まるで会社の「社内wiki」がリアルタイムで更新され、AIが自由に検索できるようなイメージだ。
▸誰に向けられたものか
金融・保険・不動産業界で、跨系统のデータ照合や複雑なコンプライアンスチェックを行うチーム。大量の文書から特定のエンティティ間の関係を迅速に特定する必要があるアナリスト。監査証跡の残る自動ワークフローが必要な運用責任者。
◆公式リンク
V7 Goはクローズドソースのエンタープライズプラットフォームとして提供されている。OpenAIのAPI直接アクセスではなく、V7社のソリューション経由で利用する形になる。具体的はV7公式サイトから問い合わせが必要。
SOURCE: OpenAI (2026-09-21)
