組織のデータ整備を効率的に行える調査AIエージェント
Deep Research で、
データ整備にかける調査時間を短縮。
依頼内容に応じて調査AIエージェントがタスクを整理し情報を収集します:
組織情報の調査
AskDonaの組織ナレッジベースを横断的に調査します
公開情報の調査
ウェブ上の公開情報をベースとして横断的に調査を行います。
ハイブリット調査
組織ナレッジベースとウェブ上の公開情報の両者の調査を行います。
あなたの依頼に対して能動的かつ再帰的に調査設計をAIエージェントが行います
目視や検索を駆使して文章を確認していませんか？
社内ドキュメントがいくつもあり、整理されていない時、
内容を特定することは想像以上に困難を極めます
• 複数文章を確認することの工数
• 特定の記述について特定することの工数
• 複数文章を読み込み理解することの工数
よくあるお困りごと：
• 各文書単位で検索を駆使した特定
• 目視で特定・確認・調査
• 記憶を頼りに文章を特定
• 経験者を頼りに文章整理
よくあるマニュアル作業:
人手により解決してきたデータ整備にかかる業務をDeepResearchで効率化
調査AIエージェント DeepResearch
DeepResearchとは、ユーザーの調査依頼内容に基づいて、5つの役割を持つAIエージェントが連携し、組織データまたは、公開されているウェブ情報の調査業務を支援する機能です。
AIエージェントは、必要な情報を自律的かつ再帰的に深掘りしながら、調査結果を構造化してレポートを生成します。
主なAIエージェントの実行業務:
• 質問の分解（サブクエリ化）
• 自律的・再帰的な情報探索
• 情報の分析と統合
• 調査レポートの生成
一問一答形式ではなく、これまで人が数時間かけて行っていた調査業務を、AIエージェントが数十分で行うことを目指してAIエージェントが設計されています。
組織のデータ整備を効率的に行える調査AIエージェント
Deep Research で、
データ整備にかける調査時間を短縮。
依頼内容に応じて調査AIエージェントがタスクを整理し情報を収集します:
組織情報の調査
AskDonaの組織ナレッジベースを横断的に調査します
公開情報の調査
ウェブ上の公開情報をベースとして横断的に調査を行います。
ハイブリット調査
組織ナレッジベースとウェブ上の公開情報の両者の調査を行います。
あなたの依頼に対して能動的かつ再帰的に調査設計をAIエージェントが行います
目視や検索を駆使して文章を確認していませんか？
社内ドキュメントがいくつもあり、整理されていない時、
内容を特定することは想像以上に困難を極めます
• 複数文章を確認することの工数
• 特定の記述について特定することの工数
• 複数文章を読み込み理解することの工数
よくあるお困りごと：
• 各文書単位で検索を駆使した特定
• 目視で特定・確認・調査
• 記憶を頼りに文章を特定
• 経験者を頼りに文章整理
よくあるマニュアル作業:
人手により解決してきたデータ整備にかかる業務をDeepResearchで効率化
調査AIエージェント DeepResearch
DeepResearchとは、ユーザーの調査依頼内容に基づいて、5つの役割を持つAIエージェントが連携し、組織データまたは、公開されているウェブ情報の調査業務を支援する機能です。
AIエージェントは、必要な情報を自律的かつ再帰的に深掘りしながら、調査結果を構造化してレポートを生成します。
主なAIエージェントの実行業務:
• 質問の分解（サブクエリ化）
• 自律的・再帰的な情報探索
• 情報の分析と統合
• 調査レポートの生成
一問一答形式ではなく、これまで人が数時間かけて行っていた調査業務を、AIエージェントが数十分で行うことを目指してAIエージェントが設計されています。
組織のデータ整備を効率的に行える調査AIエージェント
Deep Research で、
データ整備にかける調査時間を短縮。
依頼内容に応じて調査AIエージェントがタスクを整理し情報を収集します:
組織情報の調査
AskDonaの
組織ナレッジベースを
横断的に調査します
公開情報の調査
ウェブ上の公開情報を
ベースとして横断的に調査
を行います。
ハイブリット調査
組織ナレッジベースと
ウェブ上の公開情報の
両者の調査を行います。
あなたの依頼に対して能動的かつ再帰的に
調査設計をAIエージェントが行います
目視や検索を駆使して文章を
確認していませんか？
社内ドキュメントがいくつもあり、整理されていない時、
内容を特定することは想像以上に困難を極めます
よくあるお困りごと：
• 複数文章を確認することの工数
• 特定の記述について特定することの工数
• 複数文章を読み込み理解することの工数
よくあるマニュアル作業:
• 各文書単位で検索を駆使した特定
• 目視で特定・確認・調査
• 記憶を頼りに文章を特定
• 経験者を頼りに文章整理
人手により解決してきたデータ整備にかかる業務をDeepResearchで効率化
調査AIエージェント DeepResearch
DeepResearchとは、ユーザーの調査依頼内容に基づいて、5つの役割を持つAIエージェントが連携し、組織データまたは、公開されているウェブ情報の調査業務を支援する機能です。
DeepResearchとは、ユーザーの調査依頼内容に基づいて、5つの役割を持つAIエージェントが連携し、組織データまたは、公開されているウェブ情報の調査業務を支援する機能です。
AIエージェントは、必要な情報を自律的かつ再帰的に深掘りしながら、調査結果を構造化してレポートを生成します。
主なAIエージェントの実行業務:
• 質問の分解（サブクエリ化）
• 自律的・再帰的な情報探索
• 情報の分析と統合
• 調査レポートの生成
一問一答形式ではなく、これまで人が数時間かけて行っていた調査業務を、AIエージェントが数十分で行うことを目指してAIエージェントが設計されています。
組織のデータ整備を効率的に行える調査AIエージェント
Deep Research で、
データ整備にかける調査時間を短縮。
依頼内容に応じて調査AIエージェントがタスクを整理し情報を収集します:
組織情報の調査
AskDonaの
組織ナレッジベースを
横断的に調査します
公開情報の調査
ウェブ上の公開情報を
ベースとして横断的に調査
を行います。
ハイブリット調査
組織ナレッジベースと
ウェブ上の公開情報の
両者の調査を行います。
あなたの依頼に対して能動的かつ再帰的に
調査設計をAIエージェントが行います
目視や検索を駆使して文章を
確認していませんか？
社内ドキュメントがいくつもあり、整理されていない時、
内容を特定することは想像以上に困難を極めます
よくあるお困りごと：
• 複数文章を確認することの工数
• 特定の記述について特定することの工数
• 複数文章を読み込み理解することの工数
よくあるマニュアル作業:
• 各文書単位で検索を駆使した特定
• 目視で特定・確認・調査
• 記憶を頼りに文章を特定
• 経験者を頼りに文章整理
人手により解決してきたデータ整備にかかる業務をDeepResearchで効率化
調査AIエージェント DeepResearch
DeepResearchとは、ユーザーの調査依頼内容に基づいて、5つの役割を持つAIエージェントが連携し、組織データまたは、公開されているウェブ情報の調査業務を支援する機能です。
DeepResearchとは、ユーザーの調査依頼内容に基づいて、5つの役割を持つAIエージェントが連携し、組織データまたは、公開されているウェブ情報の調査業務を支援する機能です。
AIエージェントは、必要な情報を自律的かつ再帰的に深掘りしながら、調査結果を構造化してレポートを生成します。
主なAIエージェントの実行業務:
• 質問の分解（サブクエリ化）
• 自律的・再帰的な情報探索
• 情報の分析と統合
• 調査レポートの生成
一問一答形式ではなく、これまで人が数時間かけて行っていた調査業務を、AIエージェントが数十分で行うことを目指してAIエージェントが設計されています。
ステップ 1｜調査タスクを依頼する
Deep Researchは、最初に調査を依頼するところからはじまります。
以下のようなことを依頼します:
調査したい内容
調査する目的
調査した後のアウトプット
調査内容が不明瞭な場合でも問題ありません。AIがユーザーの依頼事項をヒントに調査実行へ向け計画をしてくれます。
ステップ 2｜AIによる調査設計の開始
AIエージェントは実際に調査を行う前に、調査にあたっての前提条件や必要情報が揃っているかを確認します。
調査タスクに関連する確認：
ドキュメントの事前確認
調査にあたっての依頼タスクの充足度
事前確認のプロセスを経て、
調査へ向けてユーザーから追加質問（フォローアップ質問）を聞き返す準備を行います。
ステップ 3｜調査前に前提の解像度をあげる
AIエージェントが生成するフォローアップ質問は、調査精度を高めるための重要なプロセスです。
事前調査で確認できた事項を共有します
不足している前提条件の提示を行います
調査の二度手間を防ぐよう質問をします
この工程は実際にヒトが調査を行うときに自然行っているヒアリングに近しい作業です。
調査内容に対するタスクを因数分解し、前提条件を揃えることで質の高い調査を実行することができます。
ステップ 4｜エージェントが調査を実行する
ユーザーからの調査タスクと追加で取得した情報をもとに実行する項目を整理したら調査開始です。
5つの異なる役割を持つAIエージェントが連携し、社内データやウェブ情報に対して自律的かつ再帰的に調査を実行します。
調査項目の洗い出し
調査項目に基づいた調査
調査結果を分析・集計
調査項目の確認及び再調査
AIエージェントは、タスクを遂行するまで、調査を続けるため、数十分の調査時間に対して、参照情報は数十件から数百件に及ぶ場合もあります。
ステップ 4｜エージェントが調査を実行する
ユーザーからの調査タスクと追加で取得した情報をもとに実行する項目を整理したら調査開始です。
5つの異なる役割を持つAIエージェントが連携し、社内データやウェブ情報に対して自律的かつ再帰的に調査を実行します。
調査項目の洗い出し
調査項目に基づいた調査
調査結果を分析・集計
調査項目の確認及び再調査
AIエージェントは、タスクを遂行するまで、調査を続けるため、数十分の調査時間に対して、参照情報は数十件から数百件に及ぶ場合もあります。
ステップ 5｜調査結果を報告する
調査が完了したら、最終的なアウトプットの生成を行います。Deep Researchは、収集した情報を集めてまとめるだけではなく、読みやすいように文章を整えます。
文章作成の工夫；
重複する情報の削除や集約
参照情報元に忠実な根拠の整理
論点ごとの構造化
指定された構造への文章作成
調査レポートが完了したら、ユーザーは画面上で表示される結果を確認し、必要があればダウンロードすることも可能です。
よくあるご質問
よくあるご質問
よくあるご質問
RAGのデータベースにアップロードするデータは国内のサーバーに保存されますか？
はい、RAGのデータベースにアップロードされたファイルは日本国内のサーバーで管理されます。
AskDonaの利用環境は、他社と分離されていますか？
自社のクラウド環境でAskDonaを利用することはできますか？
RAGに入れらるファイルフォーマットや容量制限は？
社内データがChatGPTの学習に使われることはありますか？
まずはデモのご予約から。
AskDonaのテーマは「役割の再定義」です。AIができることはAIに任せて人が人の業務に集中できる環境をAskDonaを活用してつくりませんか？
Deep Research
Batch Analysis
レポート
記事
まずはデモのご予約から。
AskDonaのテーマは「役割の再定義」です。AIができることはAIに任せて人が人の業務に集中できる環境をAskDonaを活用してつくりませんか？
Deep Research
Batch Analysis
レポート
記事
まずはデモのご予約から。
AskDonaのテーマは「役割の再定義」です。AIができることはAIに任せて人が人の業務に集中できる環境をAskDonaを活用してつくりませんか？
Deep Research
Batch Analysis
レポート
記事
組織のデータ整備を効率的に行える調査AIエージェント
Deep Research で、
データ整備にかける調査時間を短縮。
依頼内容に応じて調査AIエージェントがタスクを整理し情報を収集します:
組織情報の調査
AskDonaの組織ナレッジベースを横断的に調査します
公開情報の調査
ウェブ上の公開情報をベースとして横断的に調査を行います。
ハイブリット調査
組織ナレッジベースとウェブ上の公開情報の両者の調査を行います。
あなたの依頼に対して能動的かつ再帰的に調査設計をAIエージェントが行います
目視や検索を駆使して文章を確認していませんか？
社内ドキュメントがいくつもあり、整理されていない時、
内容を特定することは想像以上に困難を極めます
• 複数文章を確認することの工数
• 特定の記述について特定することの工数
• 複数文章を読み込み理解することの工数
よくあるお困りごと：
• 各文書単位で検索を駆使した特定
• 目視で特定・確認・調査
• 記憶を頼りに文章を特定
• 経験者を頼りに文章整理
よくあるマニュアル作業:
人手により解決してきたデータ整備にかかる業務をDeepResearchで効率化
調査AIエージェント DeepResearch
DeepResearchとは、ユーザーの調査依頼内容に基づいて、5つの役割を持つAIエージェントが連携し、組織データまたは、公開されているウェブ情報の調査業務を支援する機能です。
DeepResearchとは、ユーザーの調査依頼内容に基づいて、5つの役割を持つAIエージェントが連携し、組織データまたは、公開されているウェブ情報の調査業務を支援する機能です。
AIエージェントは、必要な情報を自律的かつ再帰的に深掘りしながら、調査結果を構造化してレポートを生成します。
主なAIエージェントの実行業務:
• 質問の分解（サブクエリ化）
• 自律的・再帰的な情報探索
• 情報の分析と統合
• 調査レポートの生成
一問一答形式ではなく、これまで人が数時間かけて行っていた調査業務を、AIエージェントが数十分で行うことを目指してAIエージェントが設計されています。
組織のデータ整備を効率的に行える調査AIエージェント
Deep Research で、
データ整備にかける調査時間を短縮。
依頼内容に応じて調査AIエージェントがタスクを整理し情報を収集します:
組織情報の調査
AskDonaの組織ナレッジベースを横断的に調査します
公開情報の調査
ウェブ上の公開情報をベースとして横断的に調査を行います。
ハイブリット調査
組織ナレッジベースとウェブ上の公開情報の両者の調査を行います。
あなたの依頼に対して能動的かつ再帰的に調査設計をAIエージェントが行います
目視や検索を駆使して文章を確認していませんか？
社内ドキュメントがいくつもあり、整理されていない時、
内容を特定することは想像以上に困難を極めます
• 複数文章を確認することの工数
• 特定の記述について特定することの工数
• 複数文章を読み込み理解することの工数
よくあるお困りごと：
• 各文書単位で検索を駆使した特定
• 目視で特定・確認・調査
• 記憶を頼りに文章を特定
• 経験者を頼りに文章整理
よくあるマニュアル作業:
人手により解決してきたデータ整備にかかる業務をDeepResearchで効率化
調査AIエージェント DeepResearch
DeepResearchとは、ユーザーの調査依頼内容に基づいて、5つの役割を持つAIエージェントが連携し、組織データまたは、公開されているウェブ情報の調査業務を支援する機能です。
DeepResearchとは、ユーザーの調査依頼内容に基づいて、5つの役割を持つAIエージェントが連携し、組織データまたは、公開されているウェブ情報の調査業務を支援する機能です。
AIエージェントは、必要な情報を自律的かつ再帰的に深掘りしながら、調査結果を構造化してレポートを生成します。
主なAIエージェントの実行業務:
• 質問の分解（サブクエリ化）
• 自律的・再帰的な情報探索
• 情報の分析と統合
• 調査レポートの生成
一問一答形式ではなく、これまで人が数時間かけて行っていた調査業務を、AIエージェントが数十分で行うことを目指してAIエージェントが設計されています。
ステップ 4｜エージェントが調査を実行する
ユーザーからの調査タスクと追加で取得した情報をもとに実行する項目を整理したら調査開始です。
5つの異なる役割を持つAIエージェントが連携し、社内データやウェブ情報に対して自律的かつ再帰的に調査を実行します。
調査項目の洗い出し
調査項目に基づいた調査
調査結果を分析・集計
調査項目の確認及び再調査
AIエージェントは、タスクを遂行するまで、調査を続けるため、数十分の調査時間に対して、参照情報は数十件から数百件に及ぶ場合もあります。
ステップ 4｜エージェントが調査を実行する
ユーザーからの調査タスクと追加で取得した情報をもとに実行する項目を整理したら調査開始です。
5つの異なる役割を持つAIエージェントが連携し、社内データやウェブ情報に対して自律的かつ再帰的に調査を実行します。
調査項目の洗い出し
調査項目に基づいた調査
調査結果を分析・集計
調査項目の確認及び再調査
AIエージェントは、タスクを遂行するまで、調査を続けるため、数十分の調査時間に対して、参照情報は数十件から数百件に及ぶ場合もあります。
ステップ 2｜AIによる調査設計の開始
AIエージェントは実際に調査を行う前に、調査にあたっての前提条件や必要情報が揃っているかを確認します。
調査タスクに関連する確認：
ドキュメントの事前確認
調査にあたっての依頼タスクの充足度
事前確認のプロセスを経て、
調査へ向けてユーザーから追加質問（フォローアップ質問）を聞き返す準備を行います。
ステップ 2｜AIによる調査設計の開始
AIエージェントは実際に調査を行う前に、調査にあたっての前提条件や必要情報が揃っているかを確認します。
調査タスクに関連する確認：
ドキュメントの事前確認
調査にあたっての依頼タスクの充足度
事前確認のプロセスを経て、
調査へ向けてユーザーから追加質問（フォローアップ質問）を聞き返す準備を行います。
ステップ 1｜調査タスクを依頼する
Deep Researchは、最初に調査を依頼するところからはじまります。
以下のようなことを依頼します:
調査したい内容
調査する目的
調査した後のアウトプット
調査内容が不明瞭な場合でも問題ありません。AIがユーザーの依頼事項をヒントに調査実行へ向け計画をしてくれます。
ステップ 3｜調査前に前提の解像度をあげる
AIエージェントが生成するフォローアップ質問は、調査精度を高めるための重要なプロセスです。
事前調査で確認できた事項を共有します
不足している前提条件の提示を行います
調査の二度手間を防ぐよう質問をします
この工程は実際にヒトが調査を行うときに自然行っているヒアリングに近しい作業です。
調査内容に対するタスクを因数分解し、前提条件を揃えることで質の高い調査を実行することができます。
ステップ 5｜調査結果を報告する
調査が完了したら、最終的なアウトプットの生成を行います。Deep Researchは、収集した情報を集めてまとめるだけではなく、読みやすいように文章を整えます。
文章作成の工夫；
重複する情報の削除や集約
参照情報元に忠実な根拠の整理
論点ごとの構造化
指定された構造への文章作成
調査レポートが完了したら、ユーザーは画面上で表示される結果を確認し、必要があればダウンロードすることも可能です。
ステップ 1｜調査タスクを依頼する
Deep Researchは、最初に調査を依頼するところからはじまります。
以下のようなことを依頼します:
調査したい内容
調査する目的
調査した後のアウトプット
調査内容が不明瞭な場合でも問題ありません。AIがユーザーの依頼事項をヒントに調査実行へ向け計画をしてくれます。
ステップ 2｜AIによる調査設計の開始
AIエージェントは実際に調査を行う前に、調査にあたっての前提条件や必要情報が揃っているかを確認します。
調査タスクに関連する確認：
ドキュメントの事前確認
調査にあたっての依頼タスクの充足度
事前確認のプロセスを経て、
調査へ向けてユーザーから追加質問（フォローアップ質問）を聞き返す準備を行います。
ステップ 2｜AIによる調査設計の開始
AIエージェントは実際に調査を行う前に、調査にあたっての前提条件や必要情報が揃っているかを確認します。
調査タスクに関連する確認：
ドキュメントの事前確認
調査にあたっての依頼タスクの充足度
事前確認のプロセスを経て、
調査へ向けてユーザーから追加質問（フォローアップ質問）を聞き返す準備を行います。
ステップ 3｜調査前に前提の解像度をあげる
AIエージェントが生成するフォローアップ質問は、調査精度を高めるための重要なプロセスです。
事前調査で確認できた事項を共有します
不足している前提条件の提示を行います
調査の二度手間を防ぐよう質問をします
この工程は実際にヒトが調査を行うときに自然行っているヒアリングに近しい作業です。
調査内容に対するタスクを因数分解し、前提条件を揃えることで質の高い調査を実行することができます。
ステップ 5｜調査結果を報告する
調査が完了したら、最終的なアウトプットの生成を行います。Deep Researchは、収集した情報を集めてまとめるだけではなく、読みやすいように文章を整えます。
文章作成の工夫；
重複する情報の削除や集約
参照情報元に忠実な根拠の整理
論点ごとの構造化
指定された構造への文章作成
調査レポートが完了したら、ユーザーは画面上で表示される結果を確認し、必要があればダウンロードすることも可能です。
ステップ 4｜エージェントが調査を実行する
ユーザーからの調査タスクと追加で取得した情報をもとに実行する項目を整理したら調査開始です。
5つの異なる役割を持つAIエージェントが連携し、社内データやウェブ情報に対して自律的かつ再帰的に調査を実行します。
調査項目の洗い出し
調査項目に基づいた調査
調査結果を分析・集計
調査項目の確認及び再調査
AIエージェントは、タスクを遂行するまで、調査を続けるため、数十分の調査時間に対して、参照情報は数十件から数百件に及ぶ場合もあります。
ステップ 4｜エージェントが調査を実行する
ユーザーからの調査タスクと追加で取得した情報をもとに実行する項目を整理したら調査開始です。
5つの異なる役割を持つAIエージェントが連携し、社内データやウェブ情報に対して自律的かつ再帰的に調査を実行します。
調査項目の洗い出し
調査項目に基づいた調査
調査結果を分析・集計
調査項目の確認及び再調査
AIエージェントは、タスクを遂行するまで、調査を続けるため、数十分の調査時間に対して、参照情報は数十件から数百件に及ぶ場合もあります。
ステップ 1｜調査タスクを依頼する
Deep Researchは、最初に調査を依頼するところからはじまります。
以下のようなことを依頼します:
調査したい内容
調査する目的
調査した後のアウトプット
調査内容が不明瞭な場合でも問題ありません。AIがユーザーの依頼事項をヒントに調査実行へ向け計画をしてくれます。
ステップ 2｜AIによる調査設計の開始
AIエージェントは実際に調査を行う前に、調査に
あたっての前提条件や必要情報が揃っているかを
確認します。
調査タスクに関連する確認：
ドキュメントの事前確認
調査にあたっての依頼タスクの充足度
事前確認のプロセスを経て、
調査へ向けてユーザーから追加質問（フォローアップ質問）を聞き返す準備を行います。
ステップ 2｜AIによる調査設計の開始
AIエージェントは実際に調査を行う前に、調査に
あたっての前提条件や必要情報が揃っているかを
確認します。
調査タスクに関連する確認：
ドキュメントの事前確認
調査にあたっての依頼タスクの充足度
事前確認のプロセスを経て、
調査へ向けてユーザーから追加質問（フォローアップ質問）を聞き返す準備を行います。
ステップ 3｜調査前に前提の解像度をあげる
AIエージェントが生成するフォローアップ質問は、調査精度を高めるための重要なプロセスです。
事前調査で確認できた事項を共有します
不足している前提条件の提示を行います
調査の二度手間を防ぐよう質問をします
この工程は実際にヒトが調査を行うときに自然行っているヒアリングに近しい作業です。
調査内容に対するタスクを因数分解し、前提条件を揃えることで質の高い調査を実行することができます。
ステップ 4｜エージェントが調査を実行する
ユーザーからの調査タスクと追加で取得した情報をもとに実行する項目を整理したら調査開始です。
5つの異なる役割を持つAIエージェントが連携し、社内データやウェブ情報に対して自律的かつ再帰的に調査を実行します。
調査項目の洗い出し
調査項目に基づいた調査
調査結果を分析・集計
調査項目の確認及び再調査
AIエージェントは、タスクを遂行するまで、調査を続けるため、数十分の調査時間に対して、参照情報は数十件から数百件に及ぶ場合もあります。
ステップ 4｜エージェントが調査を実行する
ユーザーからの調査タスクと追加で取得した情報をもとに実行する項目を整理したら調査開始です。
5つの異なる役割を持つAIエージェントが連携し、社内データやウェブ情報に対して自律的かつ再帰的に調査を実行します。
調査項目の洗い出し
調査項目に基づいた調査
調査結果を分析・集計
調査項目の確認及び再調査
AIエージェントは、タスクを遂行するまで、調査を続けるため、数十分の調査時間に対して、参照情報は数十件から数百件に及ぶ場合もあります。
ステップ 5｜調査結果を報告する
調査が完了したら、最終的なアウトプットの生成を行います。Deep Researchは、収集した情報を集めてまとめるだけではなく、読みやすいように文章を整えます。
文章作成の工夫；
重複する情報の削除や集約
参照情報元に忠実な根拠の整理
論点ごとの構造化
指定された構造への文章作成
調査レポートが完了したら、ユーザーは画面上で表示される結果を確認し、必要があればダウンロードすることも可能です。
