有限会社オーセンエンジニアリングのNEWS

ニュースリリース

プレスリリース

2026年9月14日
有限会社オーセンエンジニアリング
SAS研究所（SEMARCHST LAB）

AIへ送る情報量を81.8％削減、評価対象100意味を100％保持

独自開発の意味選択AIエンジン「SSAE」で実証

― 意味を選んでAIに考えさせる「省計算」で、クラウドAIからローカルLLMまで ―

有限会社オーセンエンジニアリング（山形県鶴岡市）は、弊社SAS研究所で独自に研究開発を進めている「SSAE（Selective Semantic AI Engine／意味選択AIエンジン）」の基礎実証において、AI（LLM）へ送る情報量を、本実験条件における通常LLM相当の比較基準に対して『81.8％削減』しながら、評価対象とした『100意味を100％保持（100/100 PASS）』する結果を確認しました。SSAEは、LLMへ渡す前に現在の処理に必要な意味を選択し、AIに考えさせる意味の範囲そのものを絞る外部意味処理エンジンです。今回の成果は、AIそのものを高性能化するだけでなく、『AIの能力を必要なところだけに使う』という新たなAI処理効率化の可能性を示すものです。

『意味構築学』から『SAS OS』、そして『SSAE』へ

SSAEは、単独のプロンプト圧縮技術として開発されたものではありません。弊社が研究する『意味構築学』を理論的基盤とし、意味をLLMの外部で保持・管理し、意味の境界や関係を扱う『SAS OS』の研究開発を経て、その時の処理に必要な意味・条件・関係を選択してLLMへ渡すエンジンとして開発したものです。文章やtokenを削ること自体を目的とするのではなく、『何を残すべきかを意味から判断し、AIに考えさせる範囲そのものを制御する』ことに特徴があります。

81.8％削減、100/100 PASS

今回の実験では、本実験系列で通常LLM相当の比較基準として設定したTrim Baseline約251.0 input tokensに対し、SSAEによる入力は平均45.8 input tokensとなり、『約81.8％削減』しました。同時に、評価対象100意味について『100/100 PASS、意味FAIL 0』を確認しました。重要なのは、単に情報量を減らしたことではなく、『必要な意味を保持したまま、AIが処理する情報範囲を大幅に小さくした』ことです。意味構築学からSAS OS、SSAEへと積み上げてきた研究が、具体的な数値として確認された成果です。

この成果がつながる先

生成AIの急速な普及に伴い、計算資源、電力、データセンターへの需要が増大しています。SSAEによって一回一回のAI処理から不要な情報処理を減らすことができれば、同じ計算資源をより有効に利用し、クラウドAIでは電力需要やデータセンター設備増強への圧力を需要側から緩和する可能性があります。一方、今後普及が見込まれる『ローカルLLM』では、PC、企業内サーバー、工場設備、ロボットなど限られた計算環境でAIを動かすため、処理効率がより重要になります。SSAEは『AIに考えさせる意味の範囲を必要な部分に絞る』ことで、限られた計算資源を有効に使い、ローカルLLMの実用性を高める可能性があります。

今後の展開・9月27日に公開実証

今後は、異なるAIモデルでの再現性、実計算量、処理時間、APIコスト、電力消費、CO₂排出量との関係を検証し、ローカルLLM、企業AI、製造、ロボット、行政、インフラなどへの応用を進めます。なお、今回の81.8％の入力情報量削減が、そのまま同率の電力・CO₂削減を意味するものではありません。2026年9月27日開催の『つるおか環境フェア』では、SSAEと通常AIを比較し、AIの処理効率と環境負荷を可視化する実証展示を予定しています。

『AIにも、必要なところだけ考える仕組みを。』

SSAEは、LLMに考えさせる意味の範囲を必要な部分に絞り、『無駄な計算を減らし、限られた計算資源をより有効に使う』。そして『増大するAI需要を、より少ない計算資源で支える』技術を目指します。

PRESS RELEASE

September 14, 2026
Authen Engineering Co., Ltd.
SAS Research Institute (SEMARCHST LAB)
Tsuruoka, Yamagata, Japan

81.8% Reduction in Information Sent to an AI While Retaining 100% of 100 Evaluated Semantic Elements

Demonstrated with the Independently Developed “SSAE” — Selective Semantic AI Engine

Toward More Compute-Efficient AI, from Cloud AI to Local LLMs, by Selecting What the AI Needs to Think About

Authen Engineering Co., Ltd., based in Tsuruoka, Yamagata, Japan, has confirmed a significant result in foundational experiments on “SSAE” (Selective Semantic AI Engine), independently developed by the company’s SAS Research Institute (SEMARCHST LAB).

Under the conditions of this experiment, SSAE reduced the amount of information sent to an AI (LLM) by 81.8% compared with the Normal-LLM-equivalent baseline used in the experiment, while retaining 100% of the 100 evaluated semantic elements (100/100 PASS).

SSAE is an external semantic processing engine that selects the meanings required for the current task before information is sent to the LLM, thereby narrowing the semantic scope that the AI needs to process.

This result points to a different direction for improving AI efficiency: not only increasing the capability of AI itself, but also “using AI capability only where it is needed.”

From “Semantic Construction Studies” to “SAS OS” and “SSAE”

SSAE was not developed merely as a method for shortening prompts. It has emerged from a broader research and development framework.

Its theoretical foundation is our original research field, “Semantic Construction Studies.” Based on this framework, we have developed “SAS OS,” an architecture for retaining and managing meaning outside the LLM, including semantic boundaries and relationships.

SSAE has evolved from this foundation as an engine that selects the meanings, conditions, and relationships required for a particular task and passes them to the LLM.

Its purpose is not simply to reduce the number of words or tokens. Its distinctive approach is to determine, based on meaning, what should be retained and to control the semantic scope that the AI is asked to process.

81.8% Reduction with 100/100 PASS

In this experiment, the Trim Baseline used as the Normal-LLM-equivalent comparison benchmark in this experimental series was approximately 251.0 input tokens.

With SSAE, the average input was reduced to 45.8 input tokens, representing an approximately 81.8% reduction.

At the same time, SSAE achieved 100/100 PASS across the 100 evaluated semantic elements, with zero semantic failures.

The key result is therefore not simply that less information was sent to the AI. Rather, SSAE substantially reduced the scope of information processed by the LLM while retaining the meanings required for the task.

This provides a quantitative result from the research and development path extending from Semantic Construction Studies to SAS OS and SSAE.

Where This Could Lead

As generative AI expands rapidly, demand for computing resources, electricity, and data-center infrastructure is also increasing.

If unnecessary information processing can be reduced for each AI task, the same computing resources may be used more effectively. In cloud AI, this could contribute to easing demand-side pressure on electricity consumption and the expansion of data-center infrastructure.

The approach may be particularly relevant to the growing field of local LLMs, where AI must operate within limited computing environments such as PCs, enterprise servers, industrial equipment, and robots.

Rather than relying only on making the LLM itself smaller, SSAE approaches the problem from another direction: narrowing the semantic scope that the AI needs to process. This could help make more effective use of limited computing resources and improve the practical viability of local LLMs.

Next Steps and Public Demonstration on September 27

We will continue to evaluate SSAE across different AI models and investigate its relationship with actual computational load, processing time, API costs, electricity consumption, and CO₂ emissions.

We also plan to explore applications in local LLMs, enterprise AI, manufacturing, robotics, public administration, and infrastructure.

The 81.8% reduction in input information demonstrated in this experiment does not mean an equivalent 81.8% reduction in electricity consumption or CO₂ emissions. These relationships will require separate measurement and verification.

On September 27, 2026, at the Tsuruoka Environmental Fair in Yamagata, Japan, we plan to publicly demonstrate SSAE alongside conventional AI and visualize differences in AI processing efficiency and estimated environmental impact.

“AI should think only about what matters.”

SSAE aims to narrow the semantic scope that an LLM needs to process, reduce unnecessary computation, and make more effective use of limited computing resources.

Our goal is to develop technology that can support growing AI demand with fewer computational resources.

環境フェアつるおか2026 出展のお知らせ

AIを増やす前に、無駄な計算を減らす。

生成AI時代の電力・CO₂・コスト削減に向けた新たな実証展示

有限会社オーセンエンジニアリングは、2026年9月27日（日）開催の「環境フェアつるおか2026」に出展します。当社ブースは第2多目的ホール・21番です。

今回のテーマは、急速に利用が広がる生成AIと、それを支える計算資源・電力・データセンター需要の増大です。AIは今後さらに社会へ広がっていきます。しかし、そのたびに計算量を増やし、電力設備やデータセンターを増設するだけでは、コスト面でも環境面でも限界があります。

そこで当社は、供給を増やす前に、AIに本当に必要な計算だけをさせることができないかという視点から研究を進めています。

人間は何かを考えるとき、頭の中にあるすべての知識を毎回総動員しているわけではありません。目の前の問題に関係する情報を選び、必要な部分から判断します。生成AIにも同じように、処理する意味の範囲を必要な部分に絞る仕組みを持たせれば、無駄な計算を減らせる可能性があります。

当社では、意味構築学およびSAS OSの研究を基盤として、この考え方を生成AI上で検証しています。現在、この研究開発中の技術を**SSAE（仮称：Selective Semantic AI Engine）**と呼んでいます。

展示では、通常のAIとSSAE（仮称）を同じ条件で比較し、使用token量と正答率の違いを可視化します。クロスワード課題も、そのための実験装置の一つです。目的はAIにクロスワードを解かせることではなく、どこまで計算量を減らしても正答を維持できるのかを測ることにあります。

これまでの実験では、条件によって、通常AIより少ないtoken条件でも高い正答率を維持する結果が得られています。tokenの削減は単なるAPI費用の削減にとどまりません。計算負荷が減れば、電力消費、CO₂排出、運用コスト、さらには将来必要となるデータセンターや関連設備の増設負荷を抑える方向にもつながります。

生成AIの利用を止めるのではなく、AIを使い続けるために、無駄な計算を減らす。
当社はこれを、生成AI時代の新しい環境対策の一つとして提案します。

環境フェアでは、研究成果と比較デモを通じて、AIの計算効率と環境負荷の関係を分かりやすく紹介します。企業、行政、教育、IT、エネルギー分野をはじめ、AI活用と環境負荷低減の両立に関心をお持ちの皆さまのご来場をお待ちしております。

環境フェアつるおか2026
2026年9月27日（日）9:30〜14:30／入場無料
有限会社オーセンエンジニアリング
第2多目的ホール・21番

AIにも「必要なところだけ考える」仕組みを。

新刊『意味構築学数理編Ⅰ』を出版しました

2026年8月29日、Amazonより新刊

『意味構築学数理編Ⅰ
意味構築数理学の誕生――AI時代の意味S/N比と意味雑音理論』

を出版しました。

本書は、AI同士の協調失敗、人間とAIの認識のずれ、組織内の伝達不全などを、「情報不足」や「AIの性能不足」だけではなく、意味の信号と雑音の問題として捉え直すものです。

通信工学における信号と雑音の考え方を「意味」の世界へ拡張し、著者が提唱する

「意味雑音」
「意味S/N比」

という概念を軸に、人間、AI、組織、社会の間で起こる意味の伝達、変質、逸脱を数理的に考察しています。

さらに、意味摩擦、意味インターロック、意味工学、SAS OSへと議論を展開し、AI時代における新しい意味制御・意味設計の可能性を提示しています。

工学では、雑音を測定し制御できるようになったことで、通信技術が大きく進歩しました。

では、「意味の雑音」を捉えることができれば、人間とAI、AIとAI、人間と人間の関係も、これまでとは異なる方法で設計できるのではないか。

哲学として始まった「意味構築学」を、数理と工学へ。

本書は、その第一歩として「意味構築数理学」の基礎を提示するものです。

書籍情報

書名：　『意味構築学数理編Ⅰ
意味構築数理学の誕生――AI時代の意味S/N比と意味雑音理論』

著者：佐藤将

形式：ペーパーバック
発売日： 2026年8月29日

Amazon販売ページ
https://amzn.asia/d/05v3h1ca

SAS Review #80公開
― AI社会は「制御」を求める時代へ ―

2026.8.8

SAS研究所は、SAS Review #80

「AI社会は『制御』を求める時代へ」
――1300人超の公開書簡と、『意味構築学』からSAS OSへ至る研究の軌跡――

を公開いたしました。

本稿では、AI業界で発表された1300人を超える研究者・技術者・経営者による公開書簡を取り上げ、AIの能力向上だけではなく、「AIをどのように制御するか」が世界的な課題となりつつある現状を考察しています。

また、2025年8月に出版した『意味構築学』から、この1年間に取り組んできた研究を振り返り、意味摩擦、意味雑音、意味S/N比、意味インターロックを経て、**SAS OS（Semantic Architecture Operating Structure）**へ至る研究の歩みを6枚の図とともに整理しました。

SAS Review #80は、SAS研究所におけるこの1年間の研究成果を総括するとともに、今後の実装・検証・社会実装へ向けた新たな出発点となる節目の論考です。

ぜひご覧ください。

▶ SAS Review #80
AI社会は「制御」を求める時代へ
――1300人超の公開書簡と、『意味構築学』からSAS OSへ至る研究の軌跡――

https://note.com/semarchst/n/n1727e67fe8cc

経営者向けメディア『経道』に
代表取締役佐藤将のインタビューが掲載されました

2026.8.4

経営者向けメディア『経道』に、有限会社オーセンエンジニアリング代表取締役佐藤将のインタビュー記事が掲載されました。

記事タイトルは、
「『本物』を追求し続けた30年――インターネットの先で挑むAIと地方創生」
です。

今回の記事では、1996年の創業以来、インターネット黎明期から時代の変化を見据え、自社ネット通販、マヌカハニーとの出会い、自社ブランド「玉川小町」の開発、全国百貨店催事や物産展での販売、そして現在取り組んでいる意味構築学／SAS OS、AIと地方創生への挑戦についてご紹介いただきました。

当社は創業以来、「本物」を追求することを大切にしてきました。
会社名の「オーセン」は、Authentic＝本物という意味に由来しています。

現在は、長年育ててきた「玉川小町」の展開に加え、AI時代における新たな価値創造として、意味構築学／SAS OSの研究・実装、関連書籍の執筆、漫画制作、地域資源の物語化にも取り組んでいます。

地方の小さな会社であっても、時代の変化を見据え、意味を見つけ、物語として伝えることで、新しい価値を生み出すことができる。
今回の掲載を機に、当社の歩みと今後の挑戦を多くの方に知っていただければ幸いです。

記事は下記よりご覧いただけます。

【経道 KEIDO　経営の道を究めるメディア　掲載記事】　
「本物」を追求し続けた30年――インターネットの先で挑むAIと地方創生

　https://kei-do.com/interview2/03166/

中山間地域の農業課題に、AI・SAS OSで挑む

――東京都「地域課題解決イノベーション創出プロジェクト」に参加

2026.7.30

有限会社オーセンエンジニアリング／SAS研究所は、東京都の「地域課題解決イノベーション創出プロジェクト」に参加し、2026年7月13日のワークショップ、7月29日のTokyo Innovation Baseでのピッチイベントに登壇しました。

今回取り組んだテーマは、秋田県・山形県から提示された、中山間地域における農業と地域の持続可能性です。

高齢化、担い手不足、耕作放棄地、農地の分散、移動、生活基盤、地域産業――。
中山間地域の課題は、農業だけを切り離して解決できるものではありません。

そこで当社は、個別の技術やサービスを導入するだけではなく、地域の中にある課題と資源の関係を読み解き、

人・農機・ロボット・ドローン・AI・企業・自治体・制度・地域資源

を、どのように組み合わせれば継続して機能する仕組みになるのかを設計する、SAS OSによる地域課題解決モデルを提案しました。

「AIを導入する」から、「AIを設計する」へ

AI、ロボット、ドローン、センサーなど、農業を支援する技術は急速に進歩しています。

しかし、優れた技術を導入するだけでは、地域課題の解決にはつながりません。

どの作業を人が担うのか
どの作業を機械やAIに任せるのか
誰が設備を所有し、維持管理するのか
自治体、企業、農業者、地域住民がどう連携するのか
導入費用や補助制度をどう組み合わせるのか
生産だけでなく、販売や地域の仕事へどうつなげるのか

こうした全体構造を整理し、役割と関係を設計する必要があります。

SASOSは、特定のAIやロボットを販売する仕組みではありません。
地域ごとに異なる条件を分析し、既存の技術、人材、制度、企業、地域資源を組み合わせて、実証可能なプロジェクトとして設計する基盤です。

2026年7月29日、Tokyo Innovation Baseで行われたピッチイベントに登壇し、中山間地域の農業と地域づくりに対するSAS OSの活用構想を発表しました。

会場展示では、意味構築学、SAS OS、地域課題解決モデルに関する資料と、これまでの著書・研究成果を紹介しました。

本来の価値を、未来の力へ

今回のピッチでは、

「本来の価値を、再構築する。」

を中心メッセージとして掲げました。

中山間地域にある農地、自然、文化、人の経験、地域のつながりは、見方によっては負担や制約に見えることがあります。

しかし、その関係を読み直し、意味を再構築することで、新しい産業、仕事、交流、観光、教育、福祉などにつながる地域資産へ変えられる可能性があります。

当社は、農業だけを効率化するのではなく、地域全体が機能する仕組みをつくることを目指しています。

課題をお聞かせください

現在、当社では、自治体、農業法人、地域団体、企業、大学、金融機関、技術事業者などとの連携を進めています。

次のような課題をお持ちの皆様からのご相談をお待ちしております。

AIやロボットを導入したいが、何から始めればよいか分からない
複数の課題や関係者が絡み、全体像を整理できない
技術実証を行いたいが、実施体制を組めない
自治体、企業、地域住民の役割分担が定まらない
地域資源を新しい事業や仕事につなげたい
小規模な実証から始め、効果を検証したい

まだ明確な計画になっていない段階でも構いません。
課題をお聞きし、関係性を整理するところから、実証プロジェクトの設計まで一緒に考えます。

小さな地域課題の中に、次の事業の種がある。
SAS研究所は、意味構築学とSAS OSを活用し、地域にすでに存在する価値を、持続可能な未来の力へ再構築してまいります。

新規事業〝漫画企画出版〟ページを公開しました

有限会社オーセンエンジニアリングでは、2026年5月21日より新規事業〝漫画企画出版〟を開始し、専用ページを公開しました。

本事業は、人生・地域・企業・文化の価値を、意味構築学×SAS OS×AIにより〝読まれる物語漫画〟として形にし、出版・販促・多言語発信へ展開するサービスです。

第1号実績として、自社ブランド〝玉川小町〟を題材にした漫画本『漫画玉川小町物語』を出版・販売開始しました。

詳しくはこちらをご覧ください。
https://www.authen-net.com/manga

研究・出版・事業の歩みと、
新たな「AI統治」事業の開始について　2026.2.2

1. 2024年以降の取り組みについて

――「思想」と「実践」を往復する活動の深化

Authen-Netでは2024年以降、
技術・思想・生活実践を横断する取り組みを継続してきました。

その一つが、自然素材と身体感覚を基盤としたブランド
「玉川小町」の活動です。

玉川小町では、製品開発や情報発信を通じて、
単なる機能や効率ではなく、
「なぜそれを使うのか」「どのような判断が暮らしを形づくるのか」
という問いを、日常のレベルで提示してきました。

この活動は、後に進めるAI・情報社会の議論においても、
判断・意味・責任をどう扱うかという共通の問題意識につながっています。

2. 出版活動について

――「判断の構造」を言語化する試み

並行して、Authen-Netでは昨年来、
AI・情報社会・意味構築をテーマとした出版活動を進めてきました。

これらの書籍では、
AIやテクノロジーの問題を「性能」や「倫理」ではなく、
判断がどのような構造を通って社会に影響を与えるのか
という観点から整理しています。

出版という形をとったのは、
一過性の議論ではなく、
誰でも参照できる「思考の基盤」を残すためです。

3. SAS Lab ページの公開について

――研究・設計思想の拠点として

これらの活動を体系的に整理するため、
Authen-Netでは SAS Lab（Semantic Architecture Studies Lab）のページを公開しました。

SAS Labでは、

意味構築
判断の通過構造
情報と責任の設計

といったテーマを、
研究・設計思想としてまとめています。

SAS Labは、
すぐにサービスを提供する場ではなく、
思想と構造の背景を示す研究拠点として位置づけています。

4. 新事業「AI統治（AIガバナンス設計アドバイザリー）」の開始について

――判断を通過させる設計を、社会実装へ

近年、生成AI・業務AIの活用が急速に進む一方で、
次の問いが顕在化しています。

その判断を、なぜAIに任せたのか
人が判断すべきではなかったのか
説明責任は成立しているのか

これらは、AIの性能やモデル選定では解決できません。

Authen-Netでは、これまでの研究・出版・実践を踏まえ、
AIに「判断させてよい範囲」を構造で設計する外部アドバイザリー事業
「AI統治（AIガバナンス設計アドバイザリー）」を開始しました。

本事業は、

AIの開発や導入を行わず
実装や運用を請け負わず
その代わりに

**判断を通過させてよいかを、第三者の立場から確認する
External Advisory（外部アドバイザリー）**として関与します。

これは、AIを止めるための取り組みではなく、
安心して使い続けるための判断構造を社会に実装する試みです。

5. 今後に向けて

Authen-Netは今後も、

生活実践（玉川小町）
思想・研究（SAS Lab）
社会実装（AI統治）

を分断せず、
「判断をどう設計するか」という一貫したテーマのもとで活動を続けていきます。