市場調査に戻る
COMETは、事故の報告・調査、根本原因分析、監査、供給業者の適格性確認のためのソフトウェアとサービスを提供します。Supply Chainモジュールは、供給業者の情報、評価、文書、是正措置を管理します。COMET Signalsは、労働衛生、安全、環境、品質に関する記録を分析し、AI Assistantは調査担当者による調査の準備と分析を支援します。顧客には、エネルギー、鉄道、公共インフラ、建設など、重大な操業上の危険を伴う業種の事業者が含まれます。 (1, 2, 4, 5)
サプライチェーン総合評価：4.9/10。
| 評価分野 | 点数 |
|---|---|
| サプライチェーンへの理解の深さ | 4.2/10 |
| 意思決定と最適化の実質 | 4.0/10 |
| 製品とアーキテクチャの一貫性 | 6.0/10 |
| 技術的な透明性 | 5.4/10 |
| ベンダーの真摯さ | 5.0/10 |
COMETの実質は、調査を整理し、組織が失敗から学ぶ方法を改善することにあります。供給業者モジュールは、この方法を資格審査とリスク評価に広げます。サプライチェーン全体を最適化するという主張は、実際の仕組みよりはるかに広範です。評価担当者が点数を設定し、供給業者を審査し、対応を割り当てます。購買、供給業者、在庫数量を、期待される経済的結果に基づいて選択する計算は公開されていません。 (2, 3)
Signalsの最大の弱点は、記録内のパターンから、原因や有効な介入についての主張へ飛躍する点です。問い合わせへの回答が報告書に正しく基づいていても、誤った業務上の結論を裏付けることがあります。対応の前後で指標を追うだけでは、その対応が変化を引き起こしたとは立証できません。 (4)
COMETとLokadの比較
ある供給業者が不良部品を繰り返し納入するとします。COMETは、報告書を整理し、監査と結び付け、機能しなかった管理策を調べ、供給業者のリスク評価を更新し、是正作業を割り当てられます。これは重要な組織上の問題に対処します。情報が分散したままで、誰も対応を最後まで追わないために、失敗はしばしば再発するからです。 (2, 3, 4)
それに伴うサプライチェーンの選択は別の問題です。その供給業者にどれだけ発注するか、別の業者を認定するか、是正作業が効果を出すまでどれだけ在庫を持つかを決めます。これらは、不確かな不良率、入荷日、需要、代替費用、能力、資金に左右されます。Lokadの在庫最適化アプローチは、こうした資源投入を経済的に評価する数値的な意思決定ロジックを維持します。サプライチェーンサイエンティストがそのロジックを開発・改訂し、定期的に実行可能な意思決定を出力します。
COMETは調査と適格性確認のプロセスを維持し、Lokadは商品の流れに関する意思決定プロセスを維持します。リスク区分も根本原因のラベルも、後者に必要な確率と金銭的トレードオフを提供しません。ここで役立つのが、サプライチェーン入門の視点です。追加情報は、意思決定を改善するときにその費用を正当化します。徹底した調査はその計算に情報を提供できますが、計算自体は別途構築する必要があります。
供給業者の適格性確認とリスクスコアの限界
Supply Chainのページは、供給業者の登録、認証・文書の審査、評価、対応の管理を説明しています。カスタム採点は、支出、環境影響、安全、セキュリティ、その他の企業定義の基準を考慮します。画面にはリスク段階と発生可能性・重大性のマトリックスが表示されます。評価担当者は、顧客の設定を使って供給業者の総合点を算出します。 (2)
これらは業務フローと分類の仕組みです。高リスクとされた供給業者が、必ずしも購買を減らすべき業者とは限りません。重要な予備部品の唯一の供給元、代替可能な汎用品業者、取引量の少ない下請け業者は、似たリスクラベルでも全く異なる対応を必要とし得ます。経済的な意思決定には、代替策の費用と実現可能性、影響を受ける数量、中断期間、緩和策が結果を変える確率が必要です。
順序尺度のマトリックスは、その計算を提供しません。「起こりやすい」「壊滅的」といったラベルには、業務上の定義、時間軸、損失へのさらされ方との関係が必要です。支出や他の点数と組み合わせると、トレードオフを解決するより隠してしまうことがあります。COMETは評価の手順を公開していますが、後の損失に照らした供給業者スコアの較正も、緩和予算を供給業者間に配分する意思決定規則も公開していません。
そのため、包括的なサプライチェーンソリューションやプロセス全体の最適化というページの主張は過大です。ソフトウェアは供給業者の適格性確認を標準化します。リスクを織り込んだ購買や在庫最適化を支える、将来の需要、リードタイム、不良、中断の確率的な見通しは文書化していません。
調査の仕組みと因果関係の主張
COMET Investigateは、Significant Investigation Dataという表で証拠を整理し、機能しなかった、あるいは欠けていた防護策を調べ、人的要因を分析し、五つのRoot Mapsで所見を分類します。区分は、コミュニケーション、操業環境、管理、設備、教育です。Power BIのダッシュボードは、パターン、調査担当者の実績、完了までの時間、根本原因の選択の一貫性を示します。 (3)
この方法は調査同士を比較可能にし、作業者のミスといった表面的な結論で調査を終えることを防げます。実務上の要求は、2020年12月のLloyd’s Registerの事例に表れています。掘削管の故障で約24日間の非生産時間が発生し、調査では掘削記録、手順書、独立した冶金の専門知識、派遣された上級調査員を組み合わせました。六週間の調査で、四つのCOMET要因、九つの関連根本原因、十の提言をまとめています。これらは文書化された調査成果であり、将来の掘削損失の減少を測定したものではありません。 (17)
Signals 2.0は記録を分類し、問い合わせに回答します。情報源の検証、確信度の評価、回答の見送り、プロンプトの版管理、分類体系の変更後に過去のデータを再評価する仕組みを説明しています。これにより、分析を検査しやすく、修正しやすくなります。 (4)
ただし、記録との整合性は、その因果解釈の妥当性を示しません。報告書は前兆を省略したり、調査員の誤った説明を繰り返したり、受け入れられやすい分類を選ぶ圧力を反映したりします。検証機構は、説明が証拠内に存在すると確認できても、それが故障を説明するとは立証できません。将来の事故を予測するには、事故前に利用可能だった記録で警告を評価し、見逃した事象と誤警報による作業負荷も含める必要があります。検討した資料には、この評価は公開されていません。
介入の測定には指標の変化以上のものが必要
Signalsは、対応に証拠、責任者、日付、費用、追跡する測定値を結び付けます。前後の指標を効果の証拠として提示しますが、測定の履歴として有用でも、因果関係の検証としては弱いものです。 (4)
例えば、操業停止後に事故件数が減ったのは、単に作業時間が減ったためかもしれません。新しい報告促進活動によって、安全性が向上する一方でヒヤリハット報告が増える場合もあります。異常な急増の後に導入した介入は、件数が通常の範囲に戻るだけで成功したように見えます。分析者は、こうした影響と評価対象の対応を区別しなければなりません。業務上の文脈は役立ちますが、グラフの横に表示しても効果の帰属は解決しません。
COMETは自らの領域でこの問題を理解しています。2026年10月の過少報告に関する記事は、目標、賞与、請負業者の評価表が、どのように沈黙を報いるかを説明しています。また、Signalsが報告頻度の低下と記述品質の悪化を監視すると述べています。これは誤解を招く指標に対する実質的な防御です。だからこそ、前後の数字が介入効果を証明するという、製品のはるかに強い主張にも制約を課すべきです。 (15)
同じ基準はベンダーの成果にも当てはまります。McDermottの事例ページは、世界共通の一貫した調査プロセスと、過去のHSEデータの利用を報告しています。同じページの別の推薦文は、Corningで2022年に応急処置が必要な事例が29%減ったことをCOMETの効果としています。これは顧客報告の成果ですが、作業上の曝露量を調整した率、比較群、ソフトウェアと他の変更の影響の内訳がありません。2026年のAI Assistantより前の結果です。 (16)
技術の歴史とロードマップの一貫性
同社は、2021年のSTC GlobalとINSISOの統合から生まれ、2024年5月にCOMETという商業ブランドを採用しました。BGFは2023年にSTC INSISOへ成長投資を行ったと記録しています。その系譜は、調査手法、研修、ソフトウェア開発、業務プロセスの改善を組み合わせています。 (10, 18)
2023年より前のAIに関する主張は、特に精査する必要があります。2022年9月、COMETはNetwork Railの南部地域で、数万件のHSE記録を自然言語分析する実証を発表し、同年中の実証終了後に提供を開始する予定でした。10月には、STC INSISOがLloyd’s Registerとの共同開発によるSignalsの残りの知的財産とソフトウェアを取得しました。発表はNetwork Rail、McDermott、Coca-Colaでの商用実証を説明し、将来の事故を引き起こし得る潜在的な根本原因を予測できると主張しました。 (8, 9)
文章の分類と繰り返し現れるテーマの検出は、機械学習の妥当な用途でした。原因を予測するというより強い約束には、これらの発表では提供されなかった前向き評価の証拠が必要です。後のMcDermottの資料は分析機能の継続利用を裏付けますが、予測性能を定量化していません。したがって、当初の目標はAIという呼称を使い続けているかではなく、実現した成果で判断すべきです。 (16)
新しい製品の説明は、より具体的です。従来のCompanionのページは、製品案内、設定支援、研修内容の定着を目的とするOpenAIベースのチャットボットを示しています。2026年4月15日のAI Assistant発表は、調査内での文書作成と、Companion Plusによる調査群の横断分析を説明し、すべての変更に人の承認を必要とします。この新機能はOpenAIも公開大規模言語モデルも使わず、法的特権で保護された調査は横断分析から除外するとしています。これらは別名の異なる機能であり、供給側はデータ経路と版の境界を明確にする必要があります。 (6, 7)
ロードマップには連続性があります。弱点は、相応の成果検証を伴わず、パターン発見から有効な予防を実現するという主張へ拡大することです。
ソフトウェア構成要素とアーキテクチャ
構成要素を知るうえで最も有力な証拠は、公開サービス定義、製品文書、日付のある雇用主の求人です。
| 層 | 文書化された構成要素 | 対象範囲 |
|---|---|---|
| 基幹ホスティング | 顧客に適した地域のMicrosoft Azure | 2024年のG-Cloudサービス定義 |
| 調査分析 | Microsoft Power BI | COMET Investigateで説明されたダッシュボード |
| ウェブ開発 | .NET Core/C#、Angular、React、SQL Server/T-SQL、REST API | COMET技術部門の2025年8月の開発担当業務 |
| Signals 2.0 | Azure。テナント別資源は後述 | 現行製品のアーキテクチャ説明 |
| 従来のCompanion | OpenAIベースの会話支援 | 製品案内チャットボット。2026年のAssistantとは別機能 |
求人は、COMETの個別開発システム、プラットフォーム、連携を対象とします。実際の開発業務は分かりますが、各構成要素がどの製品に割り当てられるかは明示されていません。公開資料が示すのは、主としてMicrosoftに依拠するアプリケーション事業です。モデルの系列と分析の計算要件は不明です。
Signalsは既存のHSEQシステムの記録を分析します。2024年のサービス定義は、既存EHSシステムを接続するAPI開発も提供し、設定と個別改修を区別します。その境界には、元システムが変わるたびに、項目の意味、識別情報、分類体系、連携を保守する継続的な義務が生じます。 (4, 12)
具体的な仕組みによるセキュリティ
Signalsは、個人データの秘匿化、テナントごとに分かれたデータベース・索引・キュー、外部モデルを使わない顧客のAzure環境内での処理を説明します。Assistantの発表は、顧客データが共有モデルに取り込まれず、特権で保護された調査が横断分析から除外されるとも述べています。これらは、データの露出と影響の封じ込めに関する意味のある設計上の主張です。 (4, 6)
2024年のサービス定義は、特定時点への復元と暗号化を提供する一方、独自アーカイブの責任を顧客に割り当てています。その文書にも現行製品の説明にも、侵害された管理者から保護された復旧コピー、試験済みの復元目標、分析エージェントの正確な権限は示されていません。これらは実務上残る欠落です。ISOへの準拠やコンプライアンスの表現では埋められません。 (12)
分類、問い合わせ、エージェントの動作の変更には、権限、審査、再現可能な評価、ロールバックが必要です。改訂履歴は発生後の誤りの診断を助け、エージェントのツール制限は引き起こし得る被害を抑えます。 (4)
生産性、保守、総費用
COMETのAI Assistantは、調査文書の作成時間を30%超削減すると主張します。調査担当者が採用、変更、却下できる原稿を作り、人の判断を維持します。これは範囲を限定した生産性の主張です。文書作成は大きな負担になり得ますが、その時間を減らしても、調査全体の作業が同じ割合で減るとは立証できません。聞き取り、証拠収集、技術分析、審査、是正措置の追跡は残ります。製品ページは作業負荷の研究も、人員を測定した基準値も示していません。 (5)
争いのある調査や重大な結果を伴う調査では、人による審査に明確な目的があります。2025年7月の説明は、目撃者への聞き取り、信頼性の判断、業務上の文脈の評価を中心業務としています。2022年以降の適切な評価基準は、これらの責任を維持しながら、準備、分類、検索、定型的な追跡作業をどれだけ取り除けるかです。実質的な結論の承認に、すべての中間作業を手でやり直す必要はありません。 (19)
分類体系の修正は、その後の多くの分析を改善し得ます。費用がかかるのは、改訂した定義が意思決定を改善し、比較可能性を保ち、誤警報を減らすかを試験する作業です。管理者は項目を素早く変更できますが、その項目が何を意味すべきかを決める部分が高くつきます。 (4)
これはホリミゼーションにつながります。分類、業務上の前提、利用できる是正措置そのものを改訂可能にする必要があります。不適切な分類体系に報告書を一貫して振り分けるシステムは、効率よく間違うようになり得ます。そこから生まれる優先順位の経済的妥当性は、なお評価しなければなりません。
公開された2024年のG-Cloud料金は、複数の所有コストを明らかにします。英国・欧州地域の一モジュールは初年度£41,400で、標準の年次値上げ5%と地域別の追加料金が設定されていました。別途、API実装に£7,500、最大十二名の二日間の実務研修に£6,500が記載されています。これらは過去の枠組み契約料金であり、現在の顧客向け見積もりではありません。ソフトウェア料金だけでは投資全体を測れない理由を示しています。 (13)
サービス定義は、設定支援、上級利用者の研修、プロセス開発、情報伝達、変革管理も含めています。継続費用には、供給業者記録の更新、リスク定義の保守、分類の見直し、対応の追跡も含まれます。AI案内機能は問い合わせを減らせるかもしれませんが、こうした作業をなくしません。生産性評価では、ベンダーと顧客双方の労力を合算すべきです。 (7, 12)
責任と検証可能性
COMETの公開2024年G-Cloud条件は、文書に実質的に沿う動作と合理的な技能・注意を約束し、不適合をベンダー負担で是正するとしています。同じ文書は、結果と結論の全責任を顧客に割り当て、特定の経済的損失を除外し、記載された例外を除いて、責任総額を通常は六か月分の料金または合意したそれ以下の金額に制限します。これは契約されたソフトウェアの動作に対する責任であり、事業成果への責任ははるかに小さいものです。 (14)
評価に影響する条項がさらに二つあります。性能試験の結果は機密とされ、公開比較を妨げ得ます。解約条項は、終了後十日以内に最新のデータバックアップを請求することを求め、合理的な返却費用を認めています。単に顧客がデータを所有すると述べるより、制限の強い移行条件です。 (14)
より厳格な商業上の評価は、各介入を期待便益、実際の費用、業務上のリスクへのさらされ方、その後の証拠と結び付けます。結果を全面的に顧客へ負わせながら、指標の変化を効果の証明と呼ぶのは、予防やリスク分析の主張が示唆するものより、はるかに低い基準です。
サプライチェーン評価
総合評価の4.9/10は、25項目を同じ重みで算術平均し、丸めた値です。COMETの調査の仕組みを評価するとともに、供給業者やリスクに関する主張が示唆するサプライチェーンの意思決定を検討しています。
サプライチェーンへの理解の深さ：4.2/10
| 評価項目 | 点数 |
|---|---|
| 経済的な問題設定 | 4/10 |
| 具体的な意思決定への到達 | 3/10 |
| サプライチェーンに関する概念の明晰さ | 4/10 |
| 時代遅れの中心的教義からの独立 | 4/10 |
| KPIの見せかけに対する耐性 | 6/10 |
平均：4.2/10。
経済的な問題設定。 欠けているのは、競合する緩和策の価値の計算です。どの支出が、より大きな損失を防ぐ可能性が最も高いのでしょうか。 (2, 4)
具体的な意思決定への到達。 出力は評価、調査、提言、責任者を割り当てた対応です。経済的に選択した購買数量や調達配分を生成する計算は文書化されていません。 (2, 5)
サプライチェーンに関する概念の明晰さ。 供給業者の適格性確認と業務上の調査には、明確な仕組みがあります。サプライチェーン全体を最適化するという主張は、その範囲を超えています。 (2, 3)
時代遅れの中心的教義からの独立。 従来の安全在庫やS&OPの仕組みを中心にはしていませんが、設定可能なリスクマトリックスは、経済的な問題を主観的な点数で置き換えてしまうことがあります。 (2)
KPIの見せかけに対する耐性。 COMETの報告抑制の分析は優れています。介入効果の検証にも、指標の変動に対して同じ懐疑的な見方が必要です。 (4, 15)
意思決定と最適化の実質：4.0/10
| 評価項目 | 点数 |
|---|---|
| 確率的モデル化の深さ | 3/10 |
| 最適化または機械学習における独自の実質 | 5/10 |
| 現実の制約への対応 | 3/10 |
| 意思決定の自動化と労働生産性 | 5/10 |
| 実際の業務の複雑性に対する適応力 | 4/10 |
平均：4.0/10。
確率的モデル化の深さ。 分類への確信度は、将来の業務リスクを金額に換算できません。公開された意思決定の仕組みには、その確率と損失を結ぶ計算がありません。 (2, 4)
最適化または機械学習における独自の実質。 分析アーキテクチャは検査と修正を支援します。前向き評価がないため、予測の価値についてより高い評価はできません。 (4, 8)
現実の制約への対応。 掘削事例が示すように、調査は技術的・組織的な文脈を保持します。購買、能力、予算の制約下での最適化は公開されていません。 (2, 17)
意思決定の自動化と労働生産性。 準備作業は大幅に削減できる可能性があります。文書作成の節約という主張では、調査とその後の追跡作業全体の負荷が測定されていません。 (4, 5)
実際の業務の複雑性に対する適応力。 稀な事象の予測と因果解釈は、不完全な証拠や選択的な報告に依然として左右されます。過少報告への対処は、有用な部分的対応です。 (4, 15)
製品とアーキテクチャの一貫性：6.0/10
| 評価項目 | 点数 |
|---|---|
| アーキテクチャの整合性 | 7/10 |
| システム境界の明確さ | 7/10 |
| セキュリティへの真摯な取り組み | 6/10 |
| ソフトウェアの簡素さと所有コスト | 5/10 |
| プログラム操作とエージェント支援業務との適合性 | 5/10 |
平均：6.0/10。
アーキテクチャの整合性。 事故記録、構造化された調査、供給業者の適格性確認、追加の分析層は、明確な業務目的を共有しています。Signalsの買収には追跡可能な技術的系譜があります。 (1, 8)
システム境界の明確さ。 適格性確認と調査の責任は明確です。買い手には、Companion、Companion Plus、Signalsの間のデータ移動を明示した図がなお必要です。 (4, 6, 7)
セキュリティへの真摯な取り組み。 説明される封じ込めの仕組みは評価できます。復旧の独立性とエージェントの権限には、より具体的な開示が必要です。 (4, 6, 12)
ソフトウェアの簡素さと所有コスト。 Microsoft中心の開発と共通設定は、整合した技術基盤を示唆します。連携、研修、分類体系、分析運用の費用は依然として大きな要素です。 (11, 12, 13)
プログラム操作とエージェント支援業務との適合性。 連携と反復可能な評価に対応しています。対応を継続的に実行するための公開インターフェースは、それほど明確ではありません。 (4, 12)
技術的な透明性：5.4/10
| 評価項目 | 点数 |
|---|---|
| 公開技術文書 | 6/10 |
| ベンダーを介さずに検証できる度合い | 5/10 |
| 移植性と囲い込みの可視性 | 5/10 |
| 導入方法の透明性 | 6/10 |
| 技術的主張を支える証拠の密度 | 5/10 |
平均：5.4/10。
公開技術文書。 アーキテクチャとサービス定義によって、実質的な精査ができます。再現可能なモデル評価と詳細な連携仕様は、より入手しにくい状態です。 (4, 12)
ベンダーを介さずに検証できる度合い。 製品の業務フロー、雇用主の技術的資料、公開枠組み契約文書を調べられます。事故予測や因果関係に基づく提言について、再現可能な公開評価はありません。 (8, 11, 14)
移植性と囲い込みの可視性。 顧客の所有権と出力機能は明示されており、解約時の短い請求期限と返却費用の可能性も明示されています。習得した分類体系の利用方法と過去の分類は、記録の出力以外にも移行作業を生みます。 (12, 14)
導入方法の透明性。 設定、連携、研修、組織への定着は文書化され、一部には料金も示されています。そのため、AIを即時導入できるという主張より、人が担う部分が見えやすくなっています。 (12, 13)
技術的主張を支える証拠の密度。 実名の導入事例は、実務での利用を裏付けます。ただし、予測と介入の選択の品質は、大部分が測定されていません。 (4, 9, 16)
ベンダーの真摯さ：5.0/10
| 評価項目 | 点数 |
|---|---|
| 対外発信の技術的な真摯さ | 5/10 |
| 技術ロードマップの一貫性 | 6/10 |
| 概念の明晰さ | 6/10 |
| 経済的な結果への責任 | 3/10 |
| エージェント型ソフトウェア時代における競争力の持続性 | 5/10 |
平均：5.0/10。
対外発信の技術的な真摯さ。 業務上の事例は説明の質を高めています。完全な調査を広く保証する表現には、はるかに強い検証が必要です。 (4, 5, 17)
技術ロードマップの一貫性。 歴史は、調査手法、2022年の言語分析、新しい文書作成と検証を結び付けています。連続性は評価できますが、初期の予測の約束には、今も公開された成果検証がありません。 (6, 8, 9)
概念の明晰さ。 機能しなかった防護策、組織の文脈、報告の誘因の扱いには実質があります。リスクスコアや前後比較の指標は、経済的・因果的な推論の代替としては弱いものです。 (2, 3, 15)
経済的な結果への責任。 契約条件は結果の責任を顧客に置き、公開された成果の主張には、費用を含む完全な比較がありません。 (4, 14, 16)
エージェント型ソフトウェア時代における競争力の持続性。 業務上の方法論、管理された証拠、維持される分類体系は価値を保ち得ます。チャット支援と文書作成は、それほど持続的な優位性ではありません。継続する価値は、介入の品質を高め、総作業量を減らせるかにかかっています。 (3, 4, 5)
出典
日付のないページは2026年11月4日に閲覧しました。G-Cloud文書は、ベンダーが公開した2024年の枠組み契約資料です。その料金と条件を、現在すべての顧客に適用される取り決めとして示すものではありません。
COMET、プラットフォーム概要。モジュール、方法論、利用業種、製品の境界。
COMET、Supply Chain。供給業者の登録、設定可能なリスク評価、文書、対応、製品群全体に関する主張。
COMET、Investigate。Root Maps、証拠の整理、人的要因、統合されたPower BI分析。
COMET、AIデータ分析。技術アーキテクチャと業務上の主張。
COMET、AI Assistant。文書作成、調査群の横断分析、文書化時間に関する主張、承認フロー。
COMET、COMET AI Assistantの紹介、2026年4月15日。製品の区分、承認、モデル・データ境界の主張、保護された案件の除外。
COMET、Companion。OpenAIによる製品支援、設定案内、研修内容の定着。
COMET、Lloyd’s Registerと開発したAI製品の取得、2022年10月18日。知的財産の所有、実証の範囲、言語分析、予測に関する主張。
COMET、Network RailでのSignals実証、2022年9月23日。対象記録、業務フロー、他の実証、提供開始時期。
COMET、STC INSISOがCOMETへ移行、2024年5月23日。以前の合併と商業ブランドの採用。
COMET、フルスタック開発者、2025年8月11日。雇用主が定めた担当業務と技術部門の範囲。
COMET/STC INSISO、G-Cloud 14サービス定義、2024年5月、ODT。ホスティング、復旧、支援、設定、連携、研修、解約時の取り決め。
COMET/STC INSISO、G-Cloud 14料金、2024年5月、ODS。モジュール・地域別料金、年次値上げ、API実装、研修。
COMET/STC INSISO、G-Cloud 14利用条件、2024年5月、ODT。適合義務、顧客責任、性能試験の機密性、賠償責任、データ出力条件。
COMET、ヒヤリハットの過少報告、2026年10月26日。誘因の歪み、報告品質、Signalsによる監視。
COMET、McDermott事例。公開事例の要約と、別途区別されたCorningおよび他の顧客の推薦文。
COMET、Lloyd’s Registerの掘削性能事例、2020年12月18日。事故の範囲、調査作業、提出された提言。
BGF、投資先STC INSISOの紹介。2023年の成長投資とソフトウェア・サービス事業の記録。
COMET、高リスクの意思決定におけるAIと人の判断、2025年7月24日。想定する調査責任と自動化の限界。