「面白そう」から開発した商談準備AIが、予想以上の難題を克服した経緯
本記事は、筆者が「初回商談前の企業リサーチの面倒さ」という課題意識から着手した「商談準備AI」（LINE bot）の開発過程と、その技術的な難題克服の道のりを詳細に記している。当初は「2〜3日で動く」と楽観視していたが、実用レベルに引き上げる過程で、複数の高度な技術的課題に直面した。
開発は複数のフェーズに分かれている。初期段階では、Webフォームから会社名などを入力し、GPT-4o-miniやClaude Sonnetを用いてレポートを生成するシンプルな仕組みからスタートした。その後、検索精度向上のためDuckDuckGoからTavilyへ、分析の役割分担としてClaude HaikuとClaude Sonnetの組み合わせを採用した。技術的なボトルネックとして、Vercel Hobbyプランの10秒タイムアウト制限があり、これを回避するために「ストリーミングレスポンス」という手法を用いて、5秒ごとに空白を送り続ける力技で接続を維持した。
利便性向上を目指し、WebフォームからLINE botへの移行を断行。最も難しかったのが「ハルシネーション（AIによる嘘の情報生成）」対策である。これに対し、単なる精度向上に留まらず、「事実/推定の分離」や「出力ゲート」を設け、さらにレポートに「認識した事実」と「結論への流れ」を併記することで、人間が推論プロセスを検証できる仕組みを構築した。また、名刺スキャン機能の追加にはClaudeのVision機能とClaude SonnetのOCR精度が不可欠であった。
さらに、エージェント設計の失敗談も語られており、複数のエージェントを同時に起動させた際、仕様議論が目的化し、タスクが暴走した経験から、「何をするか」だけでなく「何をしてはいけないか」を定義する役割分担の重要性を学んだ。最終的に、本AIは名刺画像やテキストからリサーチを実行し、レポートをLINEで提供する形で完成した。APIコストはリサーチ1回あたり平均約60円と試算されている。
背景
AIを活用した業務効率化ツールは近年急増しており、特に情報収集や分析の自動化が求められている。本記事の背景には、商談前の企業リサーチという、時間と労力がかかる定型的な業務プロセスが存在し、これをAIで代替・効率化したいというニーズがある。技術的な難易度が高いがゆえに、開発過程の知見が価値となっている。
重要用語解説
- ハルシネーション: AIが根拠のない、または虚偽の情報をあたかも真実であるかのように生成してしまう現象。AIツールの信頼性を確保する上で最大の課題の一つ。
- ストリーミングレスポンス: サーバー側で処理結果を一度に返すのではなく、データが生成されるたびに少しずつクライアントに送信する技術。長い処理時間におけるタイムアウト回避に有効。
- エージェント: AIシステムにおいて、特定の役割やタスクを担う自律的なAIモジュール。複数のエージェントを連携させることで複雑なタスクを処理するが、制御が難しい場合がある。
今後の影響
本AIの成功は、単なる情報収集の自動化に留まらず、AIの「信頼性」と「プロセス可視化」という、実用化における最も重要な課題を解決した点にある。今後は、より複雑な意思決定プロセスや、複数の専門知識を統合した高度な業務支援システムへの応用が期待される。特に、AIの「根拠」を示す仕組みは、ビジネス利用における信頼性の基準となるだろう。