AIに記憶を持たせる：Locus Systemの目標と現在の仕組み

Claude Codeで朝から続けていた企画を、お昼にiPhoneのChatGPTから確認したい。外出先では使えないから会社に戻ってからClaudeで見直す。実務の現場では、こうした「ツール間の乗り換え」が何度も起きます。しかし当たり前の背後には大きな代償が隠れています。各AIは前の会話を知りません。Claude Codeの履歴はClaudeのセッションに、ChatGPTの会話はOpenAIのサーバーに、iPhoneのメモはローカルストレージに、それぞれ別々に保存されるためです。だから毎回「あの設定、どこまで決めたっけ」を手作業で確認し直す。ファイルを遡ったり、Slackで昨日のやり取りを検索したり。こうした「記憶の手作業復元」が単なる不便さではなく、実務レベルで判断ミスや重複作業を生む根深い問題になっていることに、多くの組織はまだ気づいていません。

そこで生まれたのがLocus Systemという個人用の記憶システムです。複数のAI・ツール間での会話を一元管理し、昨日の判断も失敗も、明日から即座に思い出せる状態を作る試みです。重要なのは、単なる履歴ログではなく「透過化」という目標です。ユーザーが保存ファイルやAPI連携を意識することなく、普通に仕事をしていれば自動で記憶が積み重なる。こういう使い勝手を実現するには、判断のコンテキストや重要度の重み付け、さらには「あのときなぜそう判断したのか」という意思決定の根拠まで含めた層が必要になります。AIの性能が上がるほど、その「前の判断の追跡可能性」が実務上の命綱になるという深い洞察が、この取り組みの根底にあります。

中小企業で複数の従業員がAI系ツールを使い始めると、この問題は急速に深刻化します。営業がChatGPTで顧客向け企画を作ってSlackに投げ、企画担当がClaudeで修正し、実装担当がGeminiで検証する。その過程で「どの段階で何が決まったか」「誰がどう判断した」という記録が、複数のツールに分散したまま流れていく。やがて「あの決定、誰が下したんだ」「前と違うことを言ってないか」という混乱が常態化し、判断の一貫性が失われていきます。Locus Systemのような「複数AIの会話を透過的に統合する仕組み」が業務システムレベルで実装されれば、組織全体の判断スピードと信頼性が劇的に変わるはずです。個人の試行錯誤の先に、チーム・組織全体の記憶基盤をどう作るか、という大きな課題が隠れています。