PromptQLとは何ですか？

PromptQLは、スレッド形式の会話から共有コンテキストを自動的に整理し、スキルや知識が相互にリンクされた動的なWikiを生成するチーム向けAIです。

PromptQLはどのように情報を整理しますか？

スレッド化された会話から重要なポイントを抽出し、それらを動的なWikiにリンクすることで、スキルやインサイトを検索可能な知識ベースとして構築します。

PromptQLを利用するメリットがあるのは誰ですか？

チャット、ミーティング、ディスカッションなどからチームの集合知を一元化し、コラボレーションを向上させて情報のサイロ化を減らしたいチームや組織に適しています。

PromptQLは既存のツールと連携できますか？

はい、一般的なメッセージングやコラボレーションプラットフォームと統合し、会話を自動的に取得して構造化します。

PromptQLはチームの機密データに対して安全ですか？

はい、エンタープライズグレードの暗号化とアクセス制御を採用しており、チームデータのプライバシーとセキュリティを確保します。

PromptQLとは？マルチプレイヤーAIエージェントでチームのナレッジを自動構築

PromptQLの概要

PromptQLは、スレッド形式の会話から得た共有コンテキストを自動で整理し、スキルや知識が相互にリンクされたWikiとして構築するマルチプレイヤーAIエージェントです。ClaudeやChatGPTのように動作しますが、スレッドと「脳」がチーム全体で共有されている点が異なり、ユーザーが手動でコンテキストを維持する必要がありません。Slack、ドキュメント、チケット、CRM、データウェアハウスなどに散らばったコンテキストから学習を開始し、ユーザーが修正を加えるたびに成長します。すべてのタスクにおいて、参照元や前提条件を明示するため、修正内容は再利用可能なスキル、チームナレッジ、またはセマンティックモデルの変更として蓄積されます。

活用シナリオ

カスタマーサクセス: Mayaが「Acmeのような顧客はチャーンリスクか？」と質問すると、PromptQLが利用状況データ、サポートチケットの感情分析、CRMを分析してリスクを特定します。
サポートエスカレーション: Samが「定期的に発生するエクスポートの遅延」に関するコンテキストを提供すると、PromptQLが学習し、将来のチャーン評価に適用します。
レポート作成: Danaが「取締役会資料向けにQ1の地域別売上を」と依頼すると、PromptQLが分析テーブルからデータを取得します。
Wikiの初期構築: MayaがAcmeCorpのような新しいアカウント用にWikiを構築したい場合、PromptQLがSlack、Googleドキュメント、Snowflake、PostHog、Salesforce CRMから情報を読み取り、Wikiページを作成します。
ナレッジ管理: あいまいさや矛盾を検出し、コンテキストの陳腐化を防ぎ、作業の流れの中でコンテキストの更新を提案します。
チームコラボレーション: 複数のユーザーがAIを一度修正するだけで、その修正がチーム全体の共有コンテキストになります。「テストアカウントを売上から除外する」といった再利用可能なスキルとして蓄積されます。

Core Features

共有スレッドと共有脳
ClaudeやChatGPTのようなシングルユーザーツールとは異なり、マルチプレイヤー対応でスレッドと「脳」が共有されています。
自動コンテキストブートストラップ
Slack、Googleドキュメント、Snowflake、PostHog、Salesforce CRMなどの既存ソースから、60秒以内に共有コンテキストを自動生成します。
修正による学習
ユーザーがAIを一度修正すると、その修正がチーム全体で再利用可能なスキル、チームナレッジ、またはセマンティックモデルの変更として反映されます。
ソースの透明性
すべてのタスクにおいて、参照したソースと立てた前提条件を明示します。
Wiki自動作成
収集したコンテキストから自動的にWikiページを作成。70名のチームでの実際の貢献統計も確認できます。
コンテキスト提案
作業の流れの中で新しいコンテキストを取得し、リンク付けして陳腐化を防ぐよう、コンテキストの更新を提案します。
矛盾の検出と解決
あいまいさや矛盾を検出し、作業の流れの中で解決できるようにします。
クロスプラットフォーム連携
Slack、Googleドキュメント、Snowflake（消費データ）、PostHog（プロダクト分析）、Salesforce CRMからデータを読み取ります。

対象ユーザー

手動でのWiki更新なしに共有コンテキストを維持したいチーム向けです。カスタマーサクセスマネージャー（例：Maya）、サポートエージェント（例：Sam）、データアナリスト、オペレーションやレポート作成担当者に最適です。70名のチームでの実績がありますが、より大規模な組織にもスケールします。

PromptQLの使い方

開始する: PromptQLのウェブサイトにアクセスし、「Get started」または「Book demo」をクリックします。
アプリをダウンロード: Mac（Apple Silicon）またはWindows用のデスクトップクライアント、またはiOS App StoreまたはGoogle Playからモバイルアプリをインストールします。
コンテキストを接続: Slack、ドキュメント、チケット、CRM、データウェアハウスなど、既存のデータソースにPromptQLを接続します。
一度修正する: AIが立てた前提が間違っていた場合、修正するか、その分野に詳しいチームメイトをタグ付けします。修正は共有コンテキストとして反映されます。
Wikiを活用する: PromptQLが収集したコンテキストから自動的にWikiページを作成します。Wikiに追加する前に、貢献内容を確認・編集できます。
作業の流れの中で使う: 「この顧客はチャーンリスクですか？」や「Q1の地域別売上を取得して」といった質問をすると、PromptQLが参照元を明示しながら回答します。

効果レビュー

PromptQLは、コンテキスト維持という「第二の仕事」をなくすという約束を果たしています。デモでは、Mayaがチャーンリスクについて質問し、PromptQLが複数のデータソースを分析、Samが修正コンテキストを提供するとそれが再利用可能なスキルになる、という現実的なワークフローが示されています。70名のチームでの実際のWiki貢献統計は、このツールが積極的に活用され、効果を発揮していることを示唆しています。散乱したSlackスレッドと陳腐化したWikiに悩むチームにとって、PromptQLは実用的で自動化されたソリューションを提供し、手動Wikiで知識が腐敗するのではなく、実際の作業から知識を蓄積・成長させます。

PromptQL