
企業背景検証アシスタント
パートナーや企業の宣伝の真実性を検証しリスクを特定

企業背景検証アシスタント
パートナーや企業の宣伝の真実性を検証しリスクを特定
コンテンツ紹介
説明
企業背景検証アシスタントは、階層型エビデンス検証法に基づき、協力パートナー、サプライヤー、入札対象、インターンシップ受入先などの真実性を検証します。資格のすげ替え、データの水増し、時間軸の矛盾、主体の混同、定義の混用、実績のずれ、インターンの派遣化、重大なネガティブ情報の見落としなどのリスクを特定し、上司への報告や契約書への記載にそのまま使えるデューデリジェンスの結論を出力します。すべての結論は「事実の性質(A〜G)」と「ソースの状態」の2つの次元でエビデンスが明記され、「反証済み」「検証不能」「エビデンス未取得」を厳格に区別します。ビルトインのデータソース到達可能性実測表や段階的アクセス手順を備え、上場・債券発行企業については適時開示書類を優先し、非上場の中小企業についてはログイン制限への代替ルートや業界ごとの例外規定(人材、アウトソーシング、フランチャイズ、建設などにおける従業員数とサービス人数の違いなど)を活用します。グループと法人の定義の厳格な切り分けや、13項目の見落としチェックを含みます。 V2.4では入札・サプライヤー選定の専門モジュールを追加しました。入札と落札の区別、実績主体の帰属確認、4段階の許認可・認証確認、3つの信用失落リストのチェックと一票否決の適用を行い、「1枚の結論カード」「証拠請求書」「契約リスク条項」の3点セットを納品し、18項目の自己点検リストが付属します。 V2.5では教育シーンの専門モジュール(産学連携企業、インターンシップ受入先、就職支援機関の審査)を追加しました。関連規定に基づく参入基準とレッドラインを設定し、5つの判定基準で「インターンから派遣労働へのすり替え」を識別します。仲介業者によるインターンや報酬の代理受領を禁止し、三者間協定やインターンシップ責任保険を義務付けるとともに、当該規定が一般の4年制大学には参考適用となる旨も明記します。 V2.5.1では第9ステップの納品ゲートウェイを追加しました。6項目のスキップ一貫性チェック(主体、定義、等級と結論の強度の整合性、数字の一致、3種類の「なし」、時効)、エビデンスチェーンの自己証明表、1画面での5点セット納品、12項目の反パターンとチャネル事実のコールドスタート表を含みます。商業データベースの「企業規模」や「評価」などの推算フィールドの使用は禁止されています。 以下の4つのモードをサポートしています。 ①会社名のみ:基本的なリスクの速報 ②会社名+主要な主張:ターゲット検証 ③宣伝資料のアップロード:ページ単位での完全検証 ④調査方法の質問:接続に関する相談 「企業の身元調査」「デューデリジェンス」「企業デューデリジェンス」「背景検証」「パートナー審査」「サプライヤー審査」「入札資格審査」「インターンシップ先審査」「産学連携企業は信用できるか」「クロスバリデーション」「企業の検証」「企業の真偽調査」「企業の調べ方」「XX会社を調べてほしい」といったキーワードが入力された際に起動します。 法的効力を持つデューデリジェンス(法律事務所が必要な場合)や、機密・軍事関連の資格審査には適していません。
おすすめした人
Dancang
このスキルをおすすめする理由
「調べられない=リスクなし」とせず、統一社会信用コードを特定した上で、公式の登記、許可、司法、開示書類に基づいて階層的に証拠を収集します。独自のエビデンスの境界や基準の明確化により、検証可能な調査結論を導き出し、受け入れ判断を直接サポートします。
関連スキル
すべて表示
ファクトチェック
あらゆる主張、結論、データ、提案をAIファクトチェッカーに任せられます。ウェブでの出典調査、5段階の信頼度評価、推論の問題点の検出を行い、そのまま転送できる検証レポートを作成します。 【できること】検証したい主張を貼り付けると、3つのステップで自動チェックします。 🔍 分解——主張を「検証可能な事実/そこから導かれた結論/価値判断」に分け、立場や意見を事実として扱わず、厳密に区別します 🌐 ウェブで出典調査——出典、サンプル、統計の定義、時期、完全な文脈を一つずつ確認し、複数の情報源で相互検証します 🧩 推論のチェック——隠れた前提、相関関係と因果関係の混同、見落とされた別の説明、結論が成り立つ条件や成り立たない条件を見つけます 【選ばれる理由】 ✅ 5段階の信頼度評価:確認済み/概ね正しいが限定が必要/議論の余地あり/証拠不十分/明らかに誤り。各項目に出典リンク付き ✅ 4部構成のレポート:信頼できる事実と修正点/推論の最も重要な問題点/補強後の最も妥当なバージョン/どの程度まで信じられるか ✅ 憶測で補いません:調査で確認できない場合は正直に「証拠不十分」と示し、「おそらく正しい」でごまかしません ✅ レポートは完成品:読者、顧客、コミュニティにそのまま転送できます 【こんな方に】個人メディアやコンテンツの制作者、投資家やアナリスト、学生や研究者、そして「この言葉は信じてよいのか」をすばやく判断したいすべての方に適しています。 【使い方】検証したい主張をそのまま貼り付けてください。一文から段落まで対応できます。たとえば「橋本病の人はよく元気がない」と入力すると、出典付きの信頼度評価レポートが得られます。 ⚠️ 医療・法律・投資などの専門的な問題については、情報の検証のみを目的としています。最終的には専門家の意見を確認してください。

科研プロジェクト審査助手
大学内の科研プロジェクト審査に対応する専門家向けアシスタントです。利用者が、あるカテゴリーに属するN件のプロジェクト資料を提供すると、各プロジェクトの申請書、形式確認簡易表/中間確認表、裏付け資料の3種類のファイルを処理します。ファイル名が入れ替わったり、誤って送付されたり、変更されている場合や、形式がdocx/xlsx/pdf/画像の場合にも対応します。裏付け資料は1つのファイルにまとめられている場合と、複数ファイルに分かれている場合のいずれにも対応します。 本Skillは、次の処理を順に行います。①内容のアンカー照合——文書内部からプロジェクト名/センター名、責任者、所属学院、実施期間を抽出し、3点セットを1件ずつ対応付けます。ファイル名と内容が一致しない項目は要確認として示します。②裏付け項目の正規化——資料が一括でも分割されていても、「原子証拠項目」に分解し、各項目にコードと状態ラベル(完備/要確認/欠落/疑義あり)を付けた台帳を作成します。ファイル数で裏付けの充実度を判断することはありません。③3つの観点による項目別監査——各証拠について、対応性、真正性、充実性を評価し、申請書の約束事項と中間表の自己申告成果の3者を突き合わせます。④二系統の評価と横断的なランク分け——別紙2の5項目を加重した報告用基準と、中間確認の5次元による参考基準を独立して扱い、混在させずに全プロジェクトを順位付け・ランク分けします。⑤構造化した審査原稿文書を作成し、公式フォームにそのまま貼り付けられる「点数+審査意見」を添付します。必要に応じて、操作可能な評価ページも生成します。 デフォルトでは華立の現行基準を使用します。指標、重み、参照資料は、開始前に利用者が確認したり、対話で変更したり、アップロードして上書きしたりできます。確認ポイントは2か所(最初に照合と台帳、次に評価とランク分け)設けています。資料を識別できない場合は、利用者に確認を促します。 完了審査に該当するプロジェクトには、2つの必須条件を設けています。1つ目は「申請書の期待成果 ↔ 裏付け資料の成果」の対応性を必ず検証することです。裏付け資料に申請書記載の期待成果が含まれていない場合は、一票否決(不合格)とします。2つ目は、テンプレート上の問題を「テンプレートを完全に誤用」(不合格)と「一部の書式が不一致」(少量の減点)に区別することです。

データクレンジング・整理エキスパート
データクレンジングおよび整理スキル(構造化テーブル + 非構造化テキスト/画像/音声)。ユーザーが「データをクレンジングして」「この表はバラバラだ」「重複排除」「欠損値の補完」「フォーマットの統一」「マルチヘッダー・結合セルの解除・クロス集計の1次元化」「複数テーブルの統合」「アンケートエクスポートデータの処理」「台帳の整理」「データ品質チェック」「ピボットテーブルが合わない/合計がおかしい理由」「金額の合計が0になる」「数字がテキストとして保存されている」「全角・半角の混在」「GBKの文字化け」「文字コードの識別」「ワイドテーブルのロングテーブル化」「複数選択肢の列分解」「結合セルの埋め方」「2つの表のキーが一致しない」「フィールド定義の統一」「テーブルの標準化」「クレンジングリスト/操作手順/数式の書き方」などを求めた際、または非構造化データのシナリオ(「チャット履歴/インタビューの文字起こし/コーパスのクレンジング」「テキストの重複排除と匿名化」「資料内の携帯電話番号やIDの削除」「画像ライブラリのチェック」「写真の重複チェック」「画像重複検出」「EXIFのプライバシー/位置情報の削除」「録音の整理」「音声アーカイブのチェック」「素材ライブラリのクレンジング」など)で使用します。Excel/CSV/TSVの構造診断、構造化の再構築(Tidy化)、クレンジングの決定と実行、整合性チェック、監査証跡の納品まで(納品4点セット:クリーンテーブル+原本のバックアップ+ログ+除外詳細)の全プロセスをカバーします。非構造化データではチェックレポートと決定リストを納品し、テキストデータでは重複排除や匿名化を実行して、行数と文字数の二重の整合性を担保します。政府、パーク、企業の台帳、アンケートエクスポート、業務レポート、チャット/文字起こしコーパス、画像・音声素材ライブラリなどの中国語の実務シーンを対象としており、機械学習のフィーチャーエンジニアリング(欠損値補完はモデリングではなく分析サービスのため)には適用されません。また、音声の文字起こしやノイズ除去は行いません。
情報
- バージョン
- v23
- 最終更新
- 実行クレジット
- 使用量に応じて消費
- モデル
- 自動選択