パイプライン × AIエージェント × HITL自律学習プラットフォーム

AIが回す業務に、
企業独自のガードレール
を。

Flauro は、パイプラインを定義して AIエージェントに業務を実行させる基盤です。 各ステップを企業固有のナレッジから自動実行 / 人間レビュー推奨 / ブロックに判定し、その委譲境界を運用データから自律学習します。まずは開発領域(コードレビュー・PR)に特化して提供しています。

運用データから委譲境界を自律更新
介入を多次元リスク軸へ分解学習
インシデント率 SLO で安全側に制御
顧客 VPC 内で完結する配備
コア技術:HITL境界の自律学習

運用するほど、人間レビューが「本当に必要な PR」だけに集約される

Flauro はコードレビューを 1 つの閉ループとして扱います。レビュアーの自然な業務行動だけを学習材料に、AI と人間の委譲境界(HITL境界)を自律的に動かし続けるのがコア技術です。

① 多次元リスクスコアリング

差分・依存関係・インシデント履歴・業務文脈などを独立した複数の軸で評価します。

② 自動承認 or 人間へ委譲

委譲境界(HITL境界)に基づき、自動承認するか人間レビュアーへ委譲するかを判定します。

③ 介入の観察

レビュアーの採用・修正量・却下・無反応を、ラベル付け作業なしで学習材料として観測します。

④ 委譲境界の更新

観測を多次元軸へ分解配分し、HITL境界そのものを更新。次の PR 以降に反映されます。

④ で更新された境界は ① に戻り、PR ごとにループが回り続けます。

いままでできなかった → できるようになったこと

管理者が経験で HITL 閾値を手動設定
運用データから委譲境界が自律収束し、HITL 件数が自動的に減少
修正されても「全体として外れた」までしか学べない
どの評価軸が過大・過小評価だったかを軸ごとに分解して学習
適応学習を入れると安全性指標が読めなくなる
インシデント率 SLO を負のフィードバックとし、安全性に構造的な歯止め
プロダクト画面イメージ

判定・学習・ガバナンスを 1 画面で

ビジネス指標のダッシュボードから、PR 単位の多次元リスク判定までを可視化します。

app.flauro-dev.com/dashboard
ダッシュボード
Acme Corp · 開発パフォーマンス
2026年3月
リードタイム
9.1h
▼ 35%
デプロイ頻度
4.2/日
▲ 50%
変更失敗率
7.0%
▼ 53%
AI提案 採用率
80%
▲ 13pt
自動化カバレッジ
62%
自動承認 62%
要レビュー 28%
ブロック 10%
HITL境界の推移
自動承認領域が運用とともに拡大(W1→今週)
PR #482BLOCK
認証フローのセッション管理を修正
auth/session.ts ほか 3 ファイル
8.2
高リスク · ブロック
LLM 信頼度 0.93 — 人間レビューへ委譲
Severity
2.5
Knowledge
1.0
History
1.5
Context
2.0
User Impact
1.2
社内ナレッジ参照: OWASP A07 認証フロー脆弱性 / 過去インシデント #INC-204

※ 画面はイメージです。数値はサンプルデータに基づきます。

セキュリティ & インフラ

コードを外に出さない配備アーキテクチャ

金融・製造・通信・公共系の要件を前提に、顧客 VPC 内で完結する構成を Terraform / ECS Fargate でコード化しています。

社内データソース
GitHub / GitLab
Slack
Google Drive / Notion
インシデント・規約 DB
顧客 VPC(境界の外に出ない)
Flauro Core
AST + LLM ハイブリッド解析
多次元リスクスコアリング
HITL境界の自律学習
Decision Record / 監査ログ
LLM 統一ゲートウェイ
OpenAI
Anthropic
ローカル / 自社ホスト LLM
個人情報・秘匿情報は送出前に自動マスキング/送出制御
すべての通信は TLS 暗号化。顧客環境ポータビリティは Terraform で担保。

ソースコードを外部に出さない

推論・解析は顧客 VPC 内で完結。差分や設計情報を外部マルチテナントへ送出しません。

個人情報・秘匿情報の自動マスキング

LLM へ渡す前に PII・認証情報・機微情報を自動検知してマスキング/除去。外部モデル利用時も秘匿情報を境界外へ出しません。

チャンク粒度の ACL マテリアライズ

Drive / Slack / GitHub / Notion の権限をチャンク単位まで反映。退職・権限剥奪は SLA 内にキャッシュ無効化。

AI FinOps による費用配賦・予算制御

トークン・モデル・部門単位でコストを計測し、ショーバック/チャージバックと予算アラートに接続。AI 利用コストを統制します。

decision_id で完全再構成できる監査ログ

すべての AI アクションを不変ログとして保存。いつ・どの根拠で・誰が判断したかを後追いで再構成できます。

SLO による安全制御と段階展開

インシデント率 SLO で自動承認の拡大を制御し、検出ルールは DRAFT→SHADOW→WARNING→BLOCKING で段階展開します。

よくある質問

FAQ

Flauro とは何ですか?

Flauro は、パイプラインを定義して AI エージェントに業務を実行させるエンタープライズ向け基盤です。各ステップを企業固有のナレッジ(インシデント履歴・コーディング規約・依存関係・業務文脈)から自動実行 / 人間レビュー推奨 / ブロックに判定し、自動化と人間レビューの委譲境界(HITL境界)を運用データから自律的に最適化します。まずは開発領域(コードレビュー・PR)に特化して提供し、対応領域を順次拡張していきます。GitHub / GitLab はもちろん、Slack 起点のパイプラインにも対応します。

既存の自動 PR レビューツールと何が違いますか?

一般的な PR レビューツールが PR ごとに指摘を出すのに対し、Flauro は AI と人間の「委譲境界」そのものを学習で動かします。レビュアーの 1 回の介入を複数のリスク評価軸へ分解して「どの軸が過大・過小評価だったか」を学習するため、運用するほど自動承認が広がり、人間レビューは本当に必要な PR だけに集約されます。コーディング・エージェント型製品とも補完的に共存できます。

「HITL境界の自律学習」とはどういう仕組みですか?

コードレビューを「多次元リスクスコアリング → 自動承認 or 人間へ委譲 → 介入の観察 → 委譲境界の更新」という閉ループとして扱う仕組みです。レビュアーが普段どおりレビューするだけで(追加のラベル付け作業なしで)、自動承認すべき領域と人間が見るべき領域を分ける境界線が運用データから自律的に決まっていきます。

自動承認を増やすと、品質や安全性は大丈夫ですか?

本番投入後の実測インシデント率を SLO(サービスレベル目標)と照合し、負のフィードバック信号として境界拡張を制御します。SLO 違反を観測すると自動承認領域の拡大を停止し、人間レビュー側へ倒します。学習による無制限な拡大に構造的な歯止めが組み込まれているため、安全性を確認しながら自動化を進められます。

ソースコードや設計情報を外部に出さずに使えますか?

はい。金融・製造・通信・公共系のお客様向けに、ソースコードや設計情報を外部マルチテナントへ送出しない顧客 VPC / プライベートクラウド配備を選択できます。インフラは Terraform / ECS Fargate でコード化されており、顧客環境へのポータビリティを担保しています。

対応している言語や連携先を教えてください。

WASM Tree-sitter により TypeScript・Python・Go・Java・Rust・C# など複数言語の AST を統一処理します。連携先は GitHub / GitLab、Slack、Google Drive / Notion などの SaaS、OpenAI / Anthropic などの LLM を統一ゲートウェイ経由で利用できます。

料金や導入方法はどうなっていますか?

現在 Flauro はクローズドβ期間中で、招待制でのご提供です。PoC のご相談・デモのご希望・カスタム配備のご質問は、提供元である株式会社オルクストラAI のお問い合わせフォーム(https://orkextra.ai/#contact)よりご連絡ください。

先行導入パートナーを募集しています

現在クローズドβのため、招待制でのご提供となります。

PoC のご相談・デモのご希望・カスタム配備のご質問など、お気軽にご連絡ください。

運営会社

株式会社オルクストラAI

会社概要・導入支援体制・採用情報はコーポレートサイトをご覧ください。

Orkextra AI を見る