【Launch HN】AIエージェントの「脳」となる。社内データを統合して開発を爆速化する「Hyper」が登場

皆さん、こんにちは！10年来の親友であり、共同創業者のShalinとKanyesです。今回私たちが開発した「Hyper（https://heyhyper.ai/ ）」を紹介させてください。Hyperは、社内に散らばる情報を集約してAIエージェントのパフォーマンスを劇的に向上させる、まさに「社内の脳（Company Brain）」となるツールです。

現在のAIモデルは非常に優秀ですが、企業ごとの文脈を理解できていないことが最大のボトルネックです。情報はSlack、ドキュメント、口頭での議論に分断されており、エージェントは常に不完全な情報で動かざるを得ません。MCP（Model Context Protocol）も有用ですが、セッションごとの使い捨てや情報の断片化といった課題があります。

Hyperは、Docs、Slack、メール、カレンダーなどのツールと連携し、それらを「事実と関係性の知識グラフ」へと統合します。私たちが構築したメモリシステムは、「エピソード（生のソース）」と、そこから抽出した「事実（Fact）」のハイブリッド構造になっています。例えば、「AはBと対立している」「XはYに取って代わられた」といった関係性をグラフ化し、常に最新の状態を維持します。これにより、「金曜出荷」が「月曜出荷」に変更された際も、古い情報に惑わされることなく正確な判断が可能です。

さらに、検索時にはPostgresによる全文検索とベクトル検索を組み合わせ（Reciprocal Rank Fusion）、各ユーザーのアクセス権限に基づいた正確な回答を提供します。Claude Code、Cursorなどの主要ツールとも連携し、プロンプトへのコンテキスト注入と回答からの知識抽出を自動で行います。

実際に、CEOが自身の口調を模したメールを数分で作成したり、製品のポジショニングを理解したAIが一度の指示で完璧な動画スクリプトを生成したりと、すでに多くのユーザーが生産性を向上させています。

3日間の無料トライアルを用意しています。料金プラン（https://heyhyper.ai/pricing ）やプライバシーに関するFAQ（https://heyhyper.ai/faq ）も公開していますので、ぜひ実際に触ってみてフィードバックをください！最高のエクスペリエンスを一緒に作り上げましょう！

ローンチおめでとう！ところで、複数のソースで情報が食い違っている場合、どうやって対処してるの？Hyperは「一番それらしいもの」を自動で推測する感じ？それとも人間が検証を挟むようなフローがあるのかな。

全力で応援してるから、気を悪くしないで聞いてほしいんだけど！これって凄くない？開発中にOpus 4.8がリリースされて、上で触れてた機能の多くが一気に不要になっちゃったわけでしょ。例えば、セッション間のメモリ管理は劇的に良くなったし、動的なワークフローならエージェントを大量に並列実行できる。エコシステム側だってSalesforceやUiPathのヘッドレス化みたいにAPIを強化して対応しなきゃいけないし。スタートアップは常に応援してるし期待してるけど、技術の進化が早すぎて驚くよ！

ナイス！でも一つ提案。20世紀初頭のフォードの生産方式みたいに、効率化されたAIエージェント・ワークフローを構築するのはどう？今やモデルやAPIは超強力なのに、いまだに一人の社員のワークステーションに全ての作業を詰め込んで、役割分担をうまく回せていない気がするんだ。

やあ！これ素晴らしいね、ローンチおめでとう。実は私も同じ領域で開発中なんだけど、いくつか意見を聞かせてくれないかな。1. サードパーティシステムとのコネクタは自作してる？2. セールスはどんな感触？みんな課題については即座に理解してくれるんだけど、実際にコンバージョン（成約）につなげるのが結構難しいなと感じていて。

面白いプロダクトだね。この分野でやってる人を他にも知ってるよ。既存顧客の反応はどう？あと、標準的なエージェント処理と比べてどういう改善（デルタ）が出ているのか、どうやって計測してるの？裏側ではRAGを使っている感じかな？

かなりいいね。コンセプトはわかったんだけど、結局このアプリが具体的に何をするものなのか、明確な答えが得られなくて。MCPサーバーなの？それともエージェントがコンパイルしたメモを見るビューワー？それとも連携を設定するためのUI？インテグレーションのページにはたどり着いたけど、データを連携させる前に、このアプリが何者なのかをちゃんと理解しておきたいんだ。

これに賭けるのは良い選択だと思う。ビジネスやドメイン知識って、いろんなところに散らばってて、結局は社員の頭の中に集約されてるから、今のAIエージェントからはアクセスしにくいんだよね。とはいえ、これこそが究極の参入障壁（Moat）だよ。ビジネスの運用方法が全てプロダクト内に蓄積されれば、会社はそのプロダクトなしでは立ち行かなくなる。個人的には、オープンソースでデータが自分のサーバー内で完結するなら使いたいかな。もしエージェントやチームがHyperを頼り切っている状態で、君たちがサービスを終了したり、高価格帯へシフトしたりしたら、僕らは石器時代に逆戻りだからね。ポテンシャルはかなり高いし、OpenAIやAnthropicのような企業がMoatを探す上でも面白いアイデアだよ。

「事実は、各エピソードから抽出された意味であり、主語・述語・目的語のレコードとして、平易な要約と、その事実が導入・無効化されたタイムスタンプと共に保存される（主語=人物, 述語=所属, 目的語=企業）。事実はそれらの間に型付きのエッジを持つグラフを形成する：XはYと緊張関係にある、AはBから派生した、JはKに取って代わった、など」。知識グラフやエキスパートシステム、そして広義のエンティティ・属性・値（EAV）ストレージという概念が、70〜80年代の「AIの冬」のせいで不当に過小評価されてきたとずっと考えていたんだ。RAG界隈が「RAG＝ベクトル類似性によるフラグメントの取得」という考え方に占領されているのも、その評判のせいかもしれないね。数十年との違いは、今やLLMがそのグラフを大規模に維持し、かつエージェント的にクエリを投げて最適解を探る能力があるってこと。中小企業でも独自のエキスパートシステムを構築できる規模感に達している。このアプローチが成功するのを見たいんだ。過去のデータ構造やアプローチを再解釈して、どう影響を与えられるかを探る余地が残されていると思うから。もしLLMがAGIに近づくなら、それはツールを使う能力による部分が大きい（皮肉な進化だよね）。先人たちの知恵の上に立ちつつ、あらゆる種類のストレージ技術を試していくべきだよ。（ちなみに、知識グラフにはどのデータベースを使っているの？それもまた先人たちの知恵が詰まっている場所だし、気になる！）

実際、どうやって正確な事実抽出を行っているの？知識グラフに変換すると、意味のある文脈や情報が大量に失われてしまう気がするんだ。「GabeはValveのCEO」みたいな単純なものはグラフ化しやすいけど、「Matt GarmanはAWSのCEO」という事実は、AWSがAmazonの傘下企業であること（そしてそれぞれCEOがいること）までは表現できないしね。それに、Claudeのメモリ機能やこれまで使ったあらゆるメモリシステムに共通する不満なんだけど、どれも「意図」を全く汲み取れていない。重要なインフラ構築の際に調査メモとして残した内容が、日常業務で参照されるべきではないのは明白なのに、なぜか関係ないセッションにまでその手のメモリが割り込んでくるんだ。

「宇宙家族ジェットソン」のカートゥーンを使うライセンスはどうやって取ったの？