MAS-333: Agentic AI（LangGraph 等）を用いた財務意思決定支援システムの世界先行事例調査

調査ステータス: ✅ 完了 (2026-04-25) 使用ツール: Claude Research + Gemini Deep Research（並行実施）結果: RQ-035_*_result_claude.md / RQ-035_*_result_gemini.md / RQ-035_*_synthesis.md MAS-059 への反映: 仕様書起草前の SSoT として参照

起票経緯（bizlp 文脈）

我々は「一人法人〜SMB の経営者向け統合財務意思決定支援システム」を開発中。Solo-CEO Financial Navigator (MAS-057 BRD) の延長として、MAS-058（希望年収逆算）/ MAS-012（人員逆算）/ MAS-048（採用 TCO）/ MAS-017（資金調達）/ MAS-011（What-if）の個別計算エンジンを連鎖オーケストレーションする意思決定ツリー UI（MAS-059 案件）を構想中。

実装方式の候補として「LangGraph 風のステートフル DAG + LLM ルーティング + Firestore checkpoint + LangSmith 可観測性」（社内 E 案）を採用検討している。決定前に既存の世界類似事例を網羅的に調査し、設計判断・差別化ポイント・採用すべきパターン/避けるべきアンチパターンを整理したい。

想定アーキテクチャ（社内 E 案・現時点の設計仮説）

DAG 定義: LangGraph で f58_solve → f12_solve → f48_simulate → check_constraints → suggest → wait_user_choice の有向グラフ
State: TypedDict で型定義、reducer パターンでノード毎に部分更新
Checkpointer: Firestore に各ノード遷移で自動保存・タイムトラベル可能
Conditional Edges: 制約違反検知時に LLM が「打ち手 3 案」の優先順位を並替
Human-in-the-Loop: wait_user_choice でグラフ自然停止・再開
並列ブランチ: 同一 checkpoint から fork して 3 案を並列実行
可観測性: LangSmith で全ノード遷移・LLM 入出力・コストを可視化

調査の目的（具体的な 7 問）

Q1. agentic AI フレームワークを用いた商用稼働中のアプリケーション

LangGraph / LangChain Agents / CrewAI / AutoGen / Microsoft Semantic Kernel / Google Vertex AI Agent Builder / AWS Bedrock Agents 等を用い、特に「経営判断・財務計画・経営者向け意思決定支援」を扱う商用アプリ。

採択フレームワークと他フレームワークを退けた理由（公開されている範囲で）
失敗・撤退事例（スケーラビリティ・コスト・LLM 非決定性によるサービス安定性問題）も等しく重視
bizlp E 案との設計類似度評価

Q2. 意思決定ツリーをビジュアル化する UI を持つ商用財務計画 SaaS

特に以下のパターンを探索:

シナリオ分岐をツリー構造で表示（チェックポイント間を行き来できる）
タイムトラベル（過去の検討状態に戻って別案を試す）
並列ブランチ比較（複数仮説を同時に走らせて結果を並列表示）

参考カテゴリ: FP&A 系（Pigment / Cube / Anaplan / Vena / Mosaic / Causal / Runway）/ シナリオプランニング系（Strategyzer / Modelo）/ 経営者向け AI アシスタント。

Q3. Human-in-the-Loop（HITL）財務意思決定実装事例

LLM/AI が提案 → 人間が承認または分岐選択 → 再実行のループを UI として明示している製品
承認待ちのキューイング・複数提案の優先度提示
失敗事例（HITL を無視させた結果の事故・規制対応）

Q4. ソロ CEO / 一人法人 / SMB（従業員 1-10 名）向けの「報酬最適化 + 事業計画」統合 SaaS

役員報酬・社会保険料・税金・法人留保のトレードオフを GUI で扱う製品。日本版/海外版どちらも対象。

5 カ年シミュレーションと一人社長の手取り最適化を同時に扱う製品はあるか？
国内（freee / マネーフォワード / 弥生）の AI/Agent 化進捗
海外（Bench / Pilot / Indinero / Acuity / Foundry / 1-800Accountant）の AI 採用状況
Collective.com (米 Solo S-Corp 特化) の機能網羅度

Q5. GCP/AWS/Azure 上の Cloud Run / Cloud Functions + Firestore/DynamoDB + LangGraph/LangChain 参照アーキテクチャ

マネージド agentic AI スタックの公式ガイド・ホワイトペーパー
月間 1,000 セッション規模のコスト試算
マルチエージェント構成のデプロイパターンと観測性
bizlp が GAS → GCP 移行で採用すべき推奨スタック（3 案以上）

Q6. Causal AI / 因果推論 AI の財務意思決定への応用

Causaly / causaLens / Geminos / Pyramid Analytics 等の Causal AI 製品が経営判断にどう適用されているか
LLM Agent との組み合わせ事例（Causal Graph を Tool として LLM に渡すパターン）
因果推論を使うと意思決定ツリーがどう変わるか
MAS-059 の意思決定ツリーに因果推論を組み込む価値判断

Q7. 規制・コンプライアンス・セキュリティ

AI が出した財務計画への責任帰属（製品提供者 vs ユーザー）
個人情報・財務情報の取扱い（GDPR / J-SOX / 個人情報保護法）
AI Hallucination による誤った経営判断の事例とその防止策
監査ログ・Audit Trail の業界標準
各国の AI Act / EU AI Act / 日本の AI 事業者ガイドラインとの整合
bizlp が日本で SaaS 提供する際に法的に留意すべき項目

調査範囲（含む / 除外）

含む

✅ 2024 年以降の最新事例
✅ 商用稼働している製品
✅ 日本市場 + 米国 + EU + シンガポール
✅ オープンソースで参考になるリファレンス実装
✅ 失敗事例・撤退事例も等しく重視

除外

❌ 個人投資家向け株式売買 AI
❌ 大企業向け予実管理（Anaplan 等は隣接領域として参考扱い）
❌ チャットボット型単独 LLM アプリ
❌ HR/採用特化 SaaS

期待アウトプット

A. エグゼクティブサマリ（最重要発見 3 つ + 直接的示唆）

B. 7 問への回答（各 3-5 事例以上 + リンク + 評価）

C. 競合ポジショニング図（2x2 マトリクス）

D. 採用すべき設計パターン Top 5（各事例 2-3 個 + bizlp 適用方法 + 実装コスト + トレードオフ）

E. 避けるべきアンチパターン Top 5

F. bizlp MAS-059 の差別化機会 3 案（日本社会保険料 / ソロ CEO 年収最適化 / 個人 B/S と法人 B/S 統合）

ツール別の役割分担

Gemini Deep Research 向け

事例の網羅収集（Q1-Q5 で各 5 事例以上）
検索の幅・市場マップ・参照アーキテクチャの広がり
プロンプトをほぼそのまま投入

Claude Research 向け（depth 重視・追加指示版）

A エグゼクティブサマリ + D/E/F の深い洞察
Q6/Q7 の哲学的・技術的トレードオフ整理
各問 3 事例で十分・代わりに深掘り
不確実性は「○○の可能性」「ソース未確認」マーカー必須
検索リソースを Q6/Q7 + D/E/F に集中

詳細プロンプトは Claude / Gemini それぞれの実投入版を tasks/rq_prompts/ 等に保存予定（バージョン管理）。

結果の参照先

Claude Research 結果: RQ-035_agentic_ai_financial_planning_result_claude.md
Gemini Deep Research 結果: RQ-035_agentic_ai_financial_planning_result_gemini.md
両者突合 + 統合結論: RQ-035_agentic_ai_financial_planning_synthesis.md

MAS-059 仕様書 v1.0 起草前にこれら 3 ファイルを必ず参照する。