プロンプト地獄を「訓練」で終わらせ、組織の暗黙知を AI に蒸留する。
Train once, works every time — AI を「使い捨ての指示」から「永続的なデジタル同僚」へ。
汎用 AI チャットの「優秀だが記憶のない道具」という構造的限界を、Panofy は ORPO / KTO によるノーコード蒸留、永続記憶（Persistent Memory）、自己反省（Reflection） の 3 つの技術で打破する。LlamaFactory（GitHub 70,700★、NVIDIA・Amazon 採用）開発チーム PrismShadow による信頼性の地盤。
Plus $10／Pro $160 のローンチ価格は、時給 $80 の専門人材で 月 2 時間の作業削減で BEP 到達。AI 投資を「事業費用（OpEx）」から「知的資本投資（CapEx）」へ組み替え、退職後も判断ロジックを継承する サクセッション・プランニング までを射程に収める。
Chapter 00 — 全体図
「プロンプト地獄と使い捨ての指示」という現状の課題、「訓練」による能力の永続化、Agent Swarm（群知能）への応用、わずか数分の訓練 4 ステップ、そして投資対効果（ROI）の導入価値——本日のすべての論点が、この 1 枚に集約されている。
Chapter 01 — 課題
汎用 AI の実務導入で発生している摩擦は、単なる手間の問題ではなく、組織の生産性を根底から棄損する経営課題である。So What?（ビジネスへの悪影響） の視点で 4 つのペインポイントを分解する。
Problem · 4 Pain Points
優秀だが記憶のない派遣スタッフを、毎朝雇い直してオリエンテーションし、夕方には解雇する——汎用 AI チャットの実態は、この比喩に近い。情報が個人のチャット履歴に留まり、組織の知的資本として蓄積されない構造そのものが、最大の損失になっている。
Panofy はこの構造を 4 つのペインとして整理し、それぞれを「訓練」という技術解で解消することを提案する。
セッションごとに会社概要や業務ルールを再説明する「使い捨ての指示」が、認知的資源を食い潰す。
So What? 組織の生産性を根底から棄損し、人的資源の不当な浪費を招く成果物が個人のプロンプトスキルに依存し、組織としての標準化が困難になる。
So What? 判断基準の不一致がブランドイメージのブレと顧客対応リスクを常態化RAG 構築やファインチューニングには、高度なエンジニア・データラベル付け・GPU 予算が必須。
So What? 非エンジニア部門の AI 導入を阻み、組織全体の DX を遅延させる重複指示の繰り返し送信が、計算リソースを劇的に浪費する。
So What? 大規模運用ほど累積する「構造的な税金」として経済合理性を毀損
Chapter 02 — 解決
Panofy の優位性は、LlamaFactory を起点とする高度な技術スタックに裏打ちされている。ORPO（Odds Ratio Preference Optimization） や KTO といった最新の学習手法をノーコードで提供し、複雑な RLHF 工程を介さず業務文脈を AI に直接「蒸留（Distillation）」する。
Solution · Stateless → Stateful
PDF を 1 つ投げ込み、自然言語の一文で意図を伝える。それだけで、社内ルール・トーン・出力形式が「AI の人格」として焼き込まれる。明日の AI は今日のフィードバックを覚えていて、来週の AI は組織の「阿吽の呼吸」を体得している。
Stateless（状態を持たない）AI から、組織の仕様を完全に統合した Stateful（専門性を保持した） エージェントへ。再説明コストはゼロに収束し、AI は組織の知的資本へと組み替えられていく。
自然言語の一文と関連ファイル（PDF / URL 等）を投入するだけで、専門知識をエージェントの挙動として定着させる。
複雑な RLHF 工程を ORPO / KTO で抽象化。エンジニア不在でも「ファイル投入＋意図文」だけで蒸留が完結する。昨日の対話や修正された社内ルールを前提として理解する。セッションを超えた文脈保持で「使うほどに賢くなる」。
「再説明コストのゼロ化」がもたらすのは時短だけではない。組織知が AI 側に蓄積される構造変化が起きる。自らのミスやユーザーフィードバックを学習し、次回タスクに反映。失敗を経験値に変える自己進化メカニズム。
組織特有の業務フローへ自動最適化される。ベテランの「癖」をエージェントが体得していく。PrismShadow チーム × LlamaFactory：世界標準の LLM ファインチューニングフレームワーク LlamaFactory を 2 年以上開発し、NVIDIA・Amazon を含む大規模採用実績を持つ PrismShadow が、訓練の難所を「ノーコード体験」に圧縮した製品が Panofy である。
AutoML 的な抽象化ではなく、現場で繰り返し検証された訓練パイプラインの再パッケージ化と捉えるのが正確だ。
Chapter 03 — 仕組み
「使う AI」から「訓練する AI」への遷移は、技術的には 4 つの直線的ステップに集約される。投入 → 訓練 → アップロード → 配備。間に必要なのは、組織が「何を AI に内蔵させたいか」という意図だけだ。
Tweetfly や PMO アシスタントなど、何の専門家を作るかを最初に決める。意図の明文化が訓練の質を決める。
自然言語で「こういう時はこう答える」「このトーンを守る」など、判断ロジックを一文で投入する。
PDF / Word / Excel / URL を投入。社内 SOP・FAQ・マニュアル・契約書テンプレなどがそのまま教科書になる。
15 分前後で訓練完了。専門人格を持つエージェントが配備され、社内に展開可能になる。
Step 02-03 の「土台訓練」と、運用後の Reflection（自己反省） は分離されている。最初の訓練で組織の前提条件を「焼き込み」、運用中の Reflection で「日々の癖」を吸収する——基礎と継続学習を切り分けることで、ハルシネーション暴走を防ぎつつ進化を続けさせる二段構造になっている。
Chapter 04 — 対象
Panofy は単なるツールではなく、組織の知的資産化を加速させるインフラである。特に、熟練社員の判断ロジックを訓練することで、退職後も専門的視点を継承する サクセッション・プランニング（判断人格の継承） としての価値は計り知れない。
ベテラン PMO の「リスクチェックの癖」や「判断ロジック」を訓練させたエージェントは、後任者にとって最高のアドバイザーになる。属人的だった「経験者の眼差し」を、組織の 永続資産 として継承可能にする——人事政策にも踏み込む射程の広さこそ、Panofy の本質だ。
Chapter 05 — 経済
AI 投資を「事業費用（OpEx）」から「知的資本投資（CapEx）」へと変換する視点が要諦。Panofy は訓練によって知識を「モデルの挙動」に焼き込むため、RAG のように毎回大量のコンテキストを送信するコストを構造的に抑制できる。
個人事業主・小規模クリエイター・少人数の業務チームが、自分の分身エージェントを構築する標準ライン。ファイル投入と一文訓練で、まず 1 つの「定型業務」をデジタル化することから始める。
Agent Swarm（群知能）による並列処理、Excel データから 15 枚 PPT を一発作成する高付加価値タスク、スケジュール予約による 24 時間稼働——本格運用ラインの機能群が解放される。
Pro プラン（$160/月）であっても、月間わずか 2 時間 の作業時間を削減できれば BEP に達する。Swarm 並列処理や PPT 一発生成の高付加価値タスクを考慮すれば、投資回収は極めて迅速。トライアル期間に「最も時間を奪う定型業務」を 1 つ自動化するだけで、初月から ROI 黒字化が現実的だ。
Chapter 06 — 競合
Panofy は 専門化の手軽さ と 運用の自律性 において、他プラットフォームとは一線を画すポジショニングを確立している。「固有の専門人格を迅速に育成する」という一点での速度優位性が決定打だ。
Chapter 07 — 応用
単一 AI の限界を突破し、組織的な自動化を実現するのが Manager-Worker アーキテクチャ の Agent Swarm（群知能）。各専門家が協力して一本の映画を作り上げる、プロの制作クルーの構造に例えられる。
「予算を絶対に出さない上司」や「難しい顧客」を訓練した 営業ロールプレイ・エージェント との壁打ちなど、単なる事務作業を超えた応用が可能。教育・研修コストを構造的に下げ、若手育成を AI で支援する未来が現実になる。
Chapter 08 — 導入
PoC から全社展開へ至るまで、リスクを管理しながら段階的に進める設計が不可欠。「特定業務での実証」→「部門連携と Swarm 展開」→「自己進化ループ」の 3 フェーズで、組織への定着を確実にする。
週次レポート等、繰り返し発生する「説明コストの高い業務」を選定。訓練による再現性と時間削減効果を実証する。一点突破でスポンサー獲得を狙う段階。
部門内 SOP をデジタル資産化。スケジュール予約機能を活用し、24 時間稼働するデジタルワークフォースを構築。Manager-Worker 構造を実装。
「自己反省」機能を活用し、実務フィードバックによる自律成長を確立。判断人格の継承（サクセッション）を制度化し、組織知の永続資産化を完成させる。
導入にあたっては以下のセキュリティ・ガバナンスが必須：
Chapter 09 — 総括
プロンプトエンジニアリング時代の終わり、訓練エンジニアリング時代の始まり。Panofy は AI と人間の関係を、消費者と道具から、育成者と育成対象へと反転させる。次世代ビジネスの決定的な競争優位性が、ここから始まる。
セッション横断で文脈を保持し、AI を「永続的なデジタル同僚」として定着させる。「再説明コスト」が構造的に消滅する。
LlamaFactory 系の訓練ノウハウがノーコード化され、中小規模・非エンジニアにも再利用可能な専門家配備が現実的選択肢に。
AI 利用を「事業費用」から「知的資本投資」へ組み替え。月 2 時間の作業削減で BEP 到達という極めて速い ROI。
退職後もベテランの「リスクチェックの癖」を継承可能に。人事戦略まで踏み込む射程の広さが Panofy の本質。
AI を賢くするのではなく、あなたの業務に馴染むように「育てる」。— Panofy が問う、AI と組織の新しい関係
このパラダイムシフトこそが、DX の真の完成に向けた第一歩だ。
1. サインアップ：panofy.ai でアカウント作成 → 10,000 無料クレジット入手。
2. 最初のエージェント作成：「毎回説明している定型業務」を 1 つ選び、15 分で訓練を開始。
3. 7 日間トライアル：Plus プラン無料トライアルで、自己進化と永続記憶の価値を実務で検証する。
Appendix — 参考スライド
本日のソースとなった解説スライドから、本文では割愛したコンテキスト補強の図版を抜粋。
Sources & Pager