AI搭載ブランド保護・調査プラットフォーム:導入事例 is a case study by HDWEBSOFT. Industry: テクノロジー. Services provided: 開発, 連携・統合, データ管理・分析, DevOps. Technologies used: .NET, AI, AWS, クラウド. Solutions: サイバーセキュリティ, データ分析. HDWEBSOFTが構築したAI搭載ブランド保護SaaS。調査員が複数ソースから証拠を収集し、フォレンジックチェックを実行し、引用可能なレポートを生成します。

テクノロジー.NETAIAWSクラウド

AI搭載ブランド保護・調査プラットフォーム:導入事例

HDWEBSOFTはスウェーデンのSaaS企業向けにブランド保護調査プラットフォームを構築しました。証拠収集・画像フォレンジック・OSINTチェックを統合し、証拠に基づくガードレールを備えたAIエージェントが手作業数時間の調査を数分に短縮します。

偽造ウェブサイト、盗まれた商品画像、フィッシングメール、マーケットプレイスの偽販売者——これらはすべて収益を奪い、信頼を蝕みます。しかしそれらを追跡する調査員は、通常、WHOIS検索、逆画像検索、ヘッダー解析といった何十もの分断されたツールを継ぎ接ぎして使っています。スウェーデンのSaaS企業はHDWEBSOFTに、調査員が証拠を収集し、フォレンジックチェックを実行し、AIエージェントに調査全体を任せ、法務チームにも提出できるレポートで締めくくれる、単一のサブスクリプションプラットフォームへの統合を依頼しました。

プロジェクトの背景

ブランド侵害は量の問題です。偽のストアフロント、コピーされた画像、スプーフィングメールのすべてが、削除要請や法務エスカレーションに先立ち、ドメインレコード、画像フォレンジック、メールヘッダー、マーケットプレイス出品情報など複数のソースから証拠を集める必要があります。クライアントの顧客はこの作業を手作業で行っていました。ここでWHOISツールを開き、そこで逆画像検索をし、別の場所でヘッダー解析を行い、すべてを手でドキュメントにコピーしていたのです。

製品ビジョンは、ひとつのログインで使える調査員のワークベンチでした。メールとファイルがいつどこで開かれたかをトラッキングし、専用の調査ラボであらゆるウェブサイトや販売者を調べ、AIエージェントが証拠チェーン全体を自律的に実行してから結論を書き起こす。HDWEBSOFTはプラットフォーム全体を設計・構築しました。PostgreSQLをバックエンドとするBlazor Serverウェブアプリケーション、サブスクリプションモデルのためのStripe課金、そしてMicrosoft Agent Frameworkで調整されたAI調査エージェントです。

プロジェクト関係者インタビュー

「外部ソースはそれぞれ異なる言語を話していました——WHOISはテキストを返し、VirusTotalはスコアを返し、Google Visionはラベルを返します。転換点は、AIにどのソースも生のまま読ませないことを決めたときでした。すべてを正規化レイヤーに通し、一つの小さな標準証拠シグナルを発行させ、エージェントには『実際のシグナルが裏付けるまで結論を書くな、そしてすべてのステップは再生可能なタイムラインに入れろ』と命じました。そこから調査員はAIの答え合わせをやめ、そのレポートを削除通知に添付し始めたのです。」

— Quynh Le(HDWEBSOFT プロジェクトマネージャー)

この規律がプラットフォームのアーキテクチャを形作りました。各統合が生のペイロードを返すのではなく、すべてのデータソースは標準化された「シグナル」——単一のレポートビルダーを支える小さな型付き証拠オブジェクト——を発行するよう適合させました。AIエージェントはシグナルのみを対象に動作し、すべての結論にシグナルを引用しなければならず、各ステップは監査可能なタイムラインに永続化されます。信頼はモデルへの期待ではなく、パイプラインの属性になりました。

主な機能

  • メール・ドキュメントトラッキング — トラッキングされたメール、画像、ファイルがいつどこで開かれたかを、位置情報、デバイス、参照元とともにレポート。
  • 調査ラボ — ウェブサイト、ドメイン、画像、ファイル、メールヘッダー、企業、テクノロジー、オンラインマーケットプレイスの専用チェック(eBay販売者プロファイリングを含む)。
  • 画像フォレンジック — 画像メタデータの抽出、オンラインで流通するコピーの発見、画像が編集された兆候の検出。
  • AI調査エージェント — 自律エージェントが証拠チェックをステップバイステップで実行し、引用付きの完全な調査レポートを生成。
  • インテリジェンスドシエ — すべての発見を引用可能な証拠項目とともに読みやすいレポートに集約。
  • サブスクリプションと課金 — プラン階層、無料トライアル、Stripeによる決済処理。

技術的な課題

多くの外部ソース、共通言語なし

OpenAI、Google Vision、Apify、WHOIS、VirusTotalなどのプロバイダーはそれぞれ異なるフォーマットを返し、異なるレート制限を課し、異なる方法で失敗します。素朴に統合すれば、AIエージェントが一貫して推論できない、プロバイダーごとの脆いロジックの絡まりが生まれていたでしょう。

再起動を生き延びる長時間ジョブ

スクレイピング、スクリーンショット取得、AI実行はHTTPリクエストよりはるかに長い時間がかかります。これらのジョブはアプリケーションのUIスレッドをフリーズさせるわけにはいかず、調査途中のサーバー再起動で収集済みの数時間分の証拠を静かに失うことも許されません。

擁護可能なAI出力

調査レポートは、その結論が実際の証拠にまで遡れる場合にのみ有用です。生成AIが自由にレポートを書けば、結論のでっち上げのリスクがあります——レポートが法務チームに届く状況では許容できません。エージェントには、すべての主張が具体的なチェックを引用するよう強制する制約が必要でした。

反撃してくるソース

対象ウェブサイトは自動アクセスを頻繁にブロックします。ダウンロードやスクレイピングの試行は日常的に拒否されるため、収集ワークフローにはハードな失敗ではなく、回復力のあるフォールバック経路が必要でした。

ソリューション

標準化シグナルの共有パイプライン

すべてのデータソースをアダプターで包み、プロバイダーの生出力を小さな標準化された証拠「シグナル」に変換します。単一のレポートビルダーがすべてのソースからのシグナルを均一に消費するため、新しいプロバイダーの追加はアダプターをひとつ書くだけで済み、調査層やレポート層に手を入れる必要がありません。AIエージェントはシグナルのみを扱うため、その引用も検証可能です。

永続的なバックグラウンドジョブのオーケストレーション

重い処理——スクレイピング、スクリーンショット、画像解析、AI実行——はPostgreSQLに永続化されるバックグラウンドジョブに移しました。ジョブはプロセス再起動を生き延び、リスタートではなくレジュームするため、長い調査の間もBlazor UIは応答し続けます。

証拠のガードレールを持つAIエージェント

エージェントはMicrosoft Agent Framework上に、固定のツール実行順序、すべての発見が保存済みシグナルを参照する要件、実行された各ステップの永続化タイムラインという強い制約を持って構築されました。出力は調査員の成果物のように読めます。同じ証拠ルールの下で生成されるからです。

ブロック下での回復力ある収集

プロキシフォールバックとリトライ戦略を収集ワークフローに組み込み、ブロックされたダウンロードやスクレイピングが調査を失敗させるのではなく、自動的に回復するようにしました。

ビジネス成果

  • 調査時間が数時間から数分へ — エージェントの自律実行と統合された証拠収集が、ツールを行き来する手作業を置き換えました。
  • 多くのツールに代わる単一プラットフォーム — 統合されたサブスクリプションと単一ワークフローにより、調査チームのソフトウェアコストとトレーニング時間を削減。
  • 法務エスカレーション対応のレポート — 証拠で引用されたドシエは、再検証なしに法務チームや最終顧客と共有可能。
  • 継続収益のSaaSモデル — 無料トライアル付きのStripeサブスクリプションにより、受託サービスではなくプロダクトとしてプラットフォームを収益化。

技術スナップショット

  • バックエンドとアプリ: .NET 10、ASP.NET Core Blazor Server、MudBlazorコンポーネントライブラリ、Entity Framework CoreによるPostgreSQL、データベース永続化バックグラウンドジョブ。
  • AIと分析: Microsoft Agent Framework経由のOpenAI、Google Vision画像解析、Apifyスクレイピング、WHOIS・VirusTotalエンリッチメント。
  • 課金: Stripeサブスクリプション、トライアル、プラン管理。
  • インフラ: AWS(S3ストレージ、SESメール、ECSホスティング)、Dockerコンテナ、Azure DevOps CI/CD。

まとめ

このプラットフォームは、分断された手動の調査ワークフローを、証拠が標準化されたパイプラインを流れ、証拠のガードレールを持つAIエージェントが引用可能なレポートを生成する単一のサブスクリプション製品へと置き換えました。最も困難だった部分——法務コンテキストでも信頼できるAI出力の実現——はアーキテクチャで解決されました。すべてのソースをシグナルに正規化し、すべてのステップを永続化し、モデルには証拠が支持するものだけを書かせるのです。

擁護可能な出力を生み出すAIエージェント、敵対的なソースに直面するデータ収集プラットフォーム、またはサブスクリプションSaaS製品の構築をお考えであれば、当社のAI開発サービスとデータスクレイピング・ウェブクローリング開発サービスがまさにこのデリバリーモデルをカバーしています。類似案件のご相談はチームまでお問い合わせください。

関連する取り組みを見る

関連するケーススタディ、サービス、業界、地域での開発実績をご覧ください。