V7 Goは、企業のファイルを「コンテキストグラフ」に変換することで、AIエージェントに構造化された組織の記憶を提供するために設計されたエージェンティック・プラットフォームです。このシステムにより、エージェントは、SharePointやGoogle Driveなどのさまざまな社内ツールやリポジトリに分散しがちな、財務報告書、スプレッドシート、メールといったビジネスコンテキストにアクセスし、それに基づいて行動できるようになります。
このプラットフォームは、異なる複雑さのレベルを処理するために、階層型モデルのアプローチを採用しています。V7 Goは、大量の構造化情報の抽出には GPT-5.6 Luna を使用し、複雑な推論や多段階のツール使用には GPT-5.6 Terra および Sol を使用します。特に、V7は最も要求の厳しいグラフクエリ・タスクに対して GPT-6 Astra のテストを開始しており、極めて複雑なデータセットを含むテストにおいて、GPT-6 Astra は、GPT-5.6 Sol の 78% と比較して、最も困難なクエリで 89% の精度を達成しました。
構造化されたコンテキストを提供することで、V7 Goは反復的な検索の必要性を減らし、トークンコストを低減することを目指しています。同社によると、この技術によって資産運用担当者は案件のスクリーニングを 21 倍速く行えるようになり、金融サービスチームがレビュー時間を 100 時間以上から 10 時間未満に短縮することを支援したと報告しています。また、コンテキストグラフはMCP（Model Context Protocol）サーバーのクエリもサポートしており、ユーザーはChatGPTなどの互換クライアントを通じて整理されたデータにアクセスすることが可能です。
出典
- How V7 gives AI agents institutional memory （OpenAI News, 2026-09-21）
- V7