公開データを、AIが原本まで辿れる形に構造化する。Cabociaが5つのデータベースをつくる理由

日本の公開データの多くは、制度の上では誰でも見られます。有価証券報告書はEDINETで、地価や都市計画は国や自治体のサイトで公開されています。ただ、開示の形式は資料ごとにばらばらで、構造化されていないものも多く、機械から呼び出すのが難しい。別の資料と並べて比べるにも手間がかかります。

その結果、同じ公開情報でも、調べ方を知っていて時間をかけられる人と、そうでない人とでは、判断に使える事実の量に差が出ます。情報は開かれていても、そこへたどり着く道筋までは開かれていません。Cabociaは、この差を小さくするために始めた会社です。

生成AIが調べものに使われるようになり、問題の形が変わりました。主要なモデルの性能差が縮まるほど、答えの質はモデルの賢さより、何を参照したかで決まるようになります。検索結果や学習済みの記憶から組み立てた答えは、それらしく見えても、出典や更新時点がはっきりしないことがあります。

AIが人と対話しながら動くなら、おかしな数値が出ても人が気づいて止められます。ところが、AIエージェントが自分で手順を進める使い方では、途中で紛れ込んだ誤りが直されないまま最後の出力まで運ばれます。参照するデータの品質が、そのまま結果の品質になるということです。

Cabociaは、公開データを分野ごとに構造化したデータベースを運営しています。2026年2月に上場企業の有価証券報告書とIR情報を扱うEDINET DBのベータ版を公開し、そこに不動産取引・地価・賃料推定・J-REITの不動産DB、国や自治体の政策文書と補助金の公募情報の政策DB、法人番号を軸にした全国の法人情報の法人DB、用途地域・都市計画・地価・災害リスクの国土DB（β版）を加えてきました。

どのデータにも来歴を付けています。一次資料のURL、取得日時、抽出から単位の換算、検証までの変換の流れを記録し、算出方法も公開しています。AIが答えに使った数値を、人があとから原本で確かめられるようにするためです。

5つのデータベースは、法人番号・EDINETコード・住所などで名寄せしているので、分野をまたいで組み合わせられます。上場企業の保有不動産を地図に重ねる、補助金を採択された企業のその後の業績を追う、主要拠点の災害リスクを財務規模と並べる、といった使い方ができます。提供方法はWeb・API・MCPの3つで、MCPを使えばClaudeなどのAIから直接データを引けます。

・上場企業財務、不動産、政策・補助金、法人、国土の5つの公開データベースを運営

・数値ごとに一次資料のURL・取得日時・変換の流れを記録し、原本まで辿れる

・法人番号や住所で名寄せしており、分野をまたいだ分析ができる

・Web・API・MCPで提供し、ClaudeなどのAIから直接データを引ける

・法人向けに、組織での一括契約、業種特化データベースの構築、自社サービスへのデータ組み込みに対応

目指しているのは、AIが日本の事実を確かめるときに、標準的に参照される場所になることです。判断の前にはいつも事実の確認があり、資料を探して照らし合わせる作業に多くの時間が取られています。その確認をデータ基盤とAIに任せられれば、人は判断そのものと、新しいものをつくる仕事に時間を使えます。

Cabocia自身も、社内の業務をデータとAIを前提に組み立てています。自社で使いながら直してきた形を、データベースとして外にも提供しています。