観測UIはほぼ完成〜Pivotサービス

観測UIがほぼ完成しました。
しばらく使って、さらに調整し洗練させようと思っています。

スクリーンショットは、QHDモニターいっぱいにウィンドウを広げて表示した様子です。
断片的なニュースの集まりから意味空間を作って、それをスライスして景色を見せる。
そういう感じです。
AIはパターン認識が得意なので、この景色を見せてやれば、特徴を抽出するのは容易です。

政治x国x配信社xトピックでスライスした様子が下のスクリーンショットです。

朝起きて、PCからPivot Workbenchを開くと、そこにはすでに観測可能なデータが用意されている。

最終的に、これをAI塾長と一緒に見ながら、音声で会話できるようにします。

完成が見えてきたので、技術解説書を書き始めました。
以下はその要約です。

Pivot Service 技術解説書―概要

1. 何をするものか

• Pivot Serviceは「観測断面」を生成する基盤
  多次元の意味空間（データの実体と観点を組み合わせた空間）を、2次元の表（行×列）に投影し、ユーザーとAIが自分の観点でデータを把握できるようにする。
• 離散的な情報に統一した見方を与えて意味空間を形成する。
• Pivotが提供する景色を見てAIが解釈を行う。

2. 背景・目的

• ZIKUUでは多種多様なデータ（文章・数値・ログ・イベント・外部サービス情報）を蓄積しているが、情報量増大に伴い全体像が見えにくくなる。
• 観測軸（Dimension）を明示し、必要な断面を切り出すことで、認知負荷を軽減し、視点を共有しやすくする。

3. 主な構成要素

要素	役割
Fact	観測対象の最小単位。識別子・Dimension値・観測値のみを保持し、解釈や推論は含まない。
Dimension	観測軸を定義（国・時間・人物・トピック等）。Dimension中心設計により、集計構造が安定し、変更の影響を抑える。
Pivot Engine	Factを入力し、行・列・フィルターを指定して断面を生成。集計関数は限定（count, sum, avg, min, max）で安全性・予測性を確保。
Snapshot	Pivot結果を保存し、再現・共有・時系列比較を可能にする。議論の基準として使う。

4. 重要な設計原則

1. Factは意味を持たない（汎用性を保つ）。
2. Dimensionを中心に設計し、観測軸を明確にする。
3. Pivotは断面生成のみに責務を限定し、推論やAI処理は含めない。
4. 解釈は後段に委ねる（AIは観測結果の整理・提示を補助）。
5. 思考は分散し、ユーザーごとに独立した観測状態を持つ。

5. 利用シナリオ

• ニュース・世界観測：国 × 出来事 × 時間
• 研究：概念 × 年 × 著者
• 科学観測：地域 × イベント × 時間
• 企業業績：年度 × 部門 × 商品
  

→ それぞれ「Dimension」の選択が異なるだけで、同一の観測・Pivotフローを使用できる。

6. AIとの関係

• Pivot ServiceはAI中心ではなく、AIが観測結果を理解しやすくする風景を提供。
• AIは観測結果を整理・提示し、気づきを補助するだけで、判断主体ではない。
• 生データを観測可能なデータに変換する際に、観測軸の抽出にAIを利用することもある。

結論

Pivot Serviceはデータ処理システムではなく、「意味空間の断面を生成する観測基盤」である。データを蓄積しただけでは意味づけが難しい状況で、ユーザーが自分の観点でデータを把握し、共有しやすくすることを目的として設計されている。