AIとの共創

1. 店舗紹介文の自動生成
2. カスタマーサポートチャットボット
3. レビューの要約・感情分析
4. おすすめ店舗のパーソナライズ

AI/ML基礎 — 開発者が知るべき基本概念

AIをサービスに組み込む前に、仕組みを理解しよう。深い数学は不要。概念がわかれば十分だ。

Yuki: 「AIを使うのに博士号は要らない。でも、何ができて何ができないかは知っておくべきだよ。」

AI・ML・LLMの違い

AI (人工知能)
└── ML (機械学習)
    └── Deep Learning (深層学習)
        └── LLM (大規模言語モデル)
            └── ChatGPT, Claude, Gemini...

LLM（大規模言語モデル）の仕組み

LLMは「次に来る単語を予測する」ことで文章を生成します。

入力: 「沖縄で人気の」
LLMの予測: 「観光」(40%) 「グルメ」(25%) 「ビーチ」(20%) ...
→ 「沖縄で人気の観光スポットは...」

主要なLLM

AIの得意・不得意

得意なこと

不得意なこと

AIを安全に使うための原則

1. AIの出力は「下書き」として扱う（人間がレビュー）
2. 個人情報・機密情報をAIに送らない
3. AIの判断を最終決定にしない
4. ハルシネーションを前提にファクトチェックする
5. 利用規約とプライバシーポリシーを確認する

AIの倫理とバイアス

考慮すべき点:
├── バイアス: 学習データの偏りが出力に反映される
├── 公平性: 特定のグループに不利な結果を生まないか
├── 透明性: AIが判断した理由を説明できるか
├── プライバシー: ユーザーデータの取り扱い
└── 責任: AIの出力に対する責任は誰にあるか

Yuki: 「AIはツール。包丁と同じで、使い方次第で便利にも危険にもなる。開発者として、倫理的な使い方を常に意識しよう。」

ShimaLinkでのAI活用方針

ポイント

• LLMは「次の単語を予測する」仕組みで文章を生成する
• ハルシネーション（もっともらしい嘘）に注意が必要
• AIの出力は「下書き」として扱い、人間が最終確認する
• 個人情報や機密情報をAIに送らない
• AIの倫理（バイアス、公平性、透明性）を常に意識する

LLM APIの統合 — AIをサービスに組み込む

基礎概念を理解したら、実際にAPIを呼んでみよう。

Yuki: 「AIの統合は、結局のところAPIコール。HTTPリクエストが書ければ、AIが使えるよ。」

OpenAI APIの基本

APIキーの取得

# 環境変数で管理（ハードコーディング厳禁!）
export OPENAI_API_KEY="sk-..."

Node.jsでの使用

npm install openai

import OpenAI from "openai";

const openai = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
});

async function generateText(prompt: string): Promise<string> {
  const response = await openai.chat.completions.create({
    model: "gpt-4",
    messages: [
      { role: "system", content: "あなたは沖縄の観光に詳しいアシスタントです。" },
      { role: "user", content: prompt }
    ],
    max_tokens: 500,
    temperature: 0.7,
  });

  return response.choices[0].message.content || "";
}

// 使用例
const description = await generateText(
  "海風テラスというカフェの紹介文を書いてください。海が見えるテラス席が人気です。"
);
console.log(description);

APIのパラメータ

temperatureの使い分け

メッセージの役割（Roles）

const messages = [
  // system: AIの人格・ルールを定義
  {
    role: "system",
    content: "あなたはShimaLinkの店舗紹介文ライターです。沖縄の魅力を伝える温かい文体で書いてください。200文字以内で。"
  },
  // user: ユーザーの入力
  {
    role: "user",
    content: "店名: 海風テラス\nカテゴリ: カフェ\n特徴: オーシャンビュー、自家焙煎コーヒー"
  },
  // assistant: AIの過去の応答（会話の継続に使用）
  {
    role: "assistant",
    content: "碧い海を眺めながら、丁寧に焙煎されたコーヒーの香りに包まれる..."
  },
  // user: 続きの指示
  {
    role: "user",
    content: "もう少しカジュアルな文体にしてください。"
  }
];

店舗紹介文ジェネレーターの実装

// src/services/ai/descriptionGenerator.ts
import OpenAI from "openai";

const openai = new OpenAI();

interface ShopInfo {
  name: string;
  category: string;
  features: string[];
  location: string;
}

export async function generateShopDescription(shop: ShopInfo): Promise<string> {
  const prompt = `
以下のお店の紹介文を作成してください。

店舗名: ${shop.name}
カテゴリ: ${shop.category}
特徴: ${shop.features.join("、")}
場所: ${shop.location}

条件:
- 200文字以内
- 沖縄の魅力が伝わる温かい文体
- お店の特徴を具体的に盛り込む
- 来店意欲が湧く表現
`;

  try {
    const response = await openai.chat.completions.create({
      model: "gpt-4",
      messages: [
        {
          role: "system",
          content: "あなたはShimaLinkの店舗紹介文ライターです。沖縄のローカルビジネスの魅力を引き出す文章を書きます。"
        },
        { role: "user", content: prompt }
      ],
      max_tokens: 300,
      temperature: 0.7,
    });

    return response.choices[0].message.content || "紹介文の生成に失敗しました";
  } catch (error) {
    console.error("AI API Error:", error);
    throw new Error("紹介文の生成に失敗しました。しばらく経ってから再試行してください。");
  }
}

APIのエラーハンドリング

import { RateLimitError, APIError } from "openai";

async function safeAICall(prompt: string, retries = 3): Promise<string> {
  for (let i = 0; i < retries; i++) {
    try {
      return await generateText(prompt);
    } catch (error) {
      if (error instanceof RateLimitError) {
        // レート制限: 待ってからリトライ
        const waitTime = Math.pow(2, i) * 1000; // 指数バックオフ
        console.log(`Rate limited. Waiting ${waitTime}ms...`);
        await new Promise(r => setTimeout(r, waitTime));
        continue;
      }
      if (error instanceof APIError && error.status >= 500) {
        // サーバーエラー: リトライ
        continue;
      }
      // その他のエラー: 即座に失敗
      throw error;
    }
  }
  throw new Error("AI APIの呼び出しに失敗しました（リトライ上限）");
}

コスト管理

// コスト削減の工夫
const config = {
  // 1. 簡単なタスクには軽いモデルを使う
  simpleModel: "gpt-3.5-turbo",  // 分類、簡単な質問
  advancedModel: "gpt-4",        // 複雑な生成タスク

  // 2. max_tokensを適切に制限
  maxTokens: 300,  // 不必要に長い応答を防ぐ

  // 3. キャッシュで同じリクエストを避ける
  cacheEnabled: true,
  cacheTTL: 3600,  // 1時間
};

ポイント

• LLM APIはHTTPリクエストで呼べる。複雑な機械学習の知識は不要
• APIキーは環境変数で管理し、ソースコードにハードコーディングしない
• temperatureで創造性を制御（0=正確、1=創造的）
• エラーハンドリングとリトライ戦略を必ず実装する
• コスト管理のために、タスクに応じたモデル選択とキャッシュを活用する

プロンプトエンジニアリング — AIへの「聞き方」の技術

AIの出力品質の80%は、プロンプト（指示文）で決まる。

Yuki: 「AIは優秀なインターン。能力は高いけど、指示が曖昧だと期待通りの結果は出ない。良いプロンプトを書けるかが勝負だよ。」

プロンプトの基本構造

[役割] あなたは〇〇です
[コンテキスト] 背景情報・制約条件
[タスク] 具体的にやってほしいこと
[フォーマット] 出力の形式
[例] 期待する出力の例

テクニック1: 役割を与える

# 悪い例
「カフェの紹介文を書いて」

# 良い例
「あなたは沖縄の観光ライターです。地元の魅力を引き出す温かい文体が得意です。
以下のカフェの紹介文を200文字以内で書いてください。」

テクニック2: 具体的に指示する

# 悪い例
「ShimaLinkについて説明して」

# 良い例
「ShimaLinkは沖縄のローカルビジネス向けWebプラットフォームです。
以下の3点について、それぞれ50文字以内で説明してください:
1. サービスの概要
2. 主な機能
3. ターゲットユーザー」

テクニック3: Few-shot（例を提示する）

以下の形式でお店の紹介文を作成してください。

### 例1
店名: 島そば屋
紹介文: 三代続く老舗の味。モチモチの自家製麺と、鰹と豚骨の黄金スープ。那覇の路地裏に佇む、地元民が愛する一杯。

### 例2
店名: 美ら海ダイニング
紹介文: 恩納村の高台から望む絶景と、県産食材にこだわったイタリアン。特別な夜を演出する、大人のための隠れ家レストラン。

### あなたの番
店名: 海風テラス
カテゴリ: カフェ
特徴: オーシャンビュー、自家焙煎コーヒー、手作りスイーツ
紹介文:

テクニック4: Chain of Thought（思考の連鎖）

複雑なタスクでは、AIに段階的に考えさせる。

以下のレビューを分析してください。

レビュー: 「景色は最高だったけど、料理が出てくるのに30分以上待った。
味は普通。でもスタッフの対応は丁寧だった。」

まず、以下のステップで分析してください:
1. ポジティブな点を列挙
2. ネガティブな点を列挙
3. 総合的な感情（positive/neutral/negative）を判定
4. 改善すべき点を1つ提案

出力形式:
{
  "positive": [...],
  "negative": [...],
  "sentiment": "...",
  "suggestion": "..."
}

テクニック5: 制約を明確にする

## 制約条件
- 200文字以内で書くこと
- 沖縄の方言は使わないこと
- 事実に基づかない情報は含めないこと
- 競合他社の名前を出さないこと
- 価格は記載しないこと（変動するため）

## 出力形式
JSON形式で以下のフィールドを含むこと:
{
  "title": "キャッチコピー（20文字以内）",
  "body": "本文（200文字以内）",
  "tags": ["タグ1", "タグ2", "タグ3"]
}

プロンプトの改善サイクル

  ┌──────────────────┐
  │  1. プロンプト作成  │
  └────────┬─────────┘
           ▼
  ┌──────────────────┐
  │  2. 出力を確認     │
  └────────┬─────────┘
           ▼
  ┌──────────────────┐
  │  3. 問題を特定     │ ← 不正確？長すぎ？形式違い？
  └────────┬─────────┘
           ▼
  ┌──────────────────┐
  │  4. プロンプトを修正 │
  └────────┬─────────┘
           │
           └──→ 1に戻る

実践: ShimaLinkのプロンプトテンプレート

// src/prompts/shopDescription.ts

export function buildShopDescriptionPrompt(shop: ShopInfo): string {
  return `
あなたはShimaLinkの店舗紹介ライターです。
沖縄のローカルビジネスの魅力を引き出す、温かく親しみやすい文章を書きます。

## タスク
以下の店舗情報をもとに、紹介文を作成してください。

## 店舗情報
- 店名: ${shop.name}
- カテゴリ: ${shop.category}
- 特徴: ${shop.features.join("、")}
- 場所: ${shop.location}

## 制約
- 150〜200文字
- 事実に基づかない情報は含めない
- 来店意欲が湧く表現を使う
- 価格情報は含めない

## 出力形式
紹介文のみを出力してください（説明や前置きは不要）。
`.trim();
}

アンチパターン

ポイント

• プロンプトの品質がAI出力の品質を決める
• 役割・コンテキスト・タスク・フォーマット・例を構造化する
• Few-shot（例の提示）でAIの理解度が劇的に向上する
• Chain of Thoughtで複雑な推論タスクを段階的に処理する
• プロンプトは反復的に改善する（作成 → 確認 → 修正のサイクル）

AI機能の実装 — ShimaLinkをAIで強化する

学んだ知識を使って、ShimaLinkに実際のAI機能を組み込もう。

Yuki: 「理論は十分。ここからは実装。ユーザーが本当に喜ぶAI機能を作ろう。」

機能1: カスタマーサポートチャットボット

// src/services/ai/chatbot.ts
import OpenAI from "openai";

const openai = new OpenAI();

// ShimaLinkのFAQデータ
const FAQ_CONTEXT = `
ShimaLinkは沖縄のローカルビジネス向けWebプラットフォームです。

よくある質問:
- 料金: 基本プランは月額3,000円、プレミアムは月額8,000円
- 対応エリア: 沖縄県全域
- 機能: 店舗ページ作成、予約管理、口コミ管理、アクセス分析
- 解約: いつでも可能、違約金なし
- サポート: 平日10:00-18:00（メール・チャット）
`;

interface ChatMessage {
  role: "user" | "assistant";
  content: string;
}

export async function chatWithBot(
  userMessage: string,
  history: ChatMessage[] = []
): Promise<string> {
  const messages = [
    {
      role: "system" as const,
      content: `あなたはShimaLinkのカスタマーサポートAIアシスタントです。

${FAQ_CONTEXT}

ルール:
- 丁寧で親しみやすい対応
- ShimaLinkに関する質問のみ回答する
- わからないことは「担当者にお繋ぎします」と案内する
- 個人情報は聞かない
- 回答は簡潔に（100文字以内が理想）`
    },
    ...history.map(msg => ({
      role: msg.role as "user" | "assistant",
      content: msg.content
    })),
    { role: "user" as const, content: userMessage }
  ];

  const response = await openai.chat.completions.create({
    model: "gpt-3.5-turbo",  // チャットには軽量モデルで十分
    messages,
    max_tokens: 200,
    temperature: 0.3,  // 正確さ重視
  });

  return response.choices[0].message.content || "申し訳ございません。回答を生成できませんでした。";
}

機能2: レビュー分析

// src/services/ai/reviewAnalyzer.ts
import OpenAI from "openai";

const openai = new OpenAI();

interface ReviewAnalysis {
  sentiment: "positive" | "neutral" | "negative";
  score: number;        // 1-5
  keywords: string[];   // キーワード
  summary: string;      // 一言要約
  improvements: string[]; // 改善提案
}

export async function analyzeReviews(
  reviews: string[]
): Promise<ReviewAnalysis> {
  const prompt = `
以下のレビュー群を分析してください。

レビュー:
${reviews.map((r, i) => `${i + 1}. ${r}`).join("\n")}

以下のJSON形式で分析結果を出力してください:
{
  "sentiment": "positive" | "neutral" | "negative",
  "score": 1〜5の数値,
  "keywords": ["頻出キーワード1", "キーワード2", "キーワード3"],
  "summary": "レビュー全体の一言要約（50文字以内）",
  "improvements": ["改善提案1", "改善提案2"]
}

JSONのみを出力してください。
`;

  const response = await openai.chat.completions.create({
    model: "gpt-4",
    messages: [
      { role: "system", content: "あなたはレビュー分析の専門家です。" },
      { role: "user", content: prompt }
    ],
    max_tokens: 300,
    temperature: 0.2,  // 分析は正確さ重視
  });

  const content = response.choices[0].message.content || "{}";

  try {
    return JSON.parse(content);
  } catch {
    throw new Error("AIの応答をパースできませんでした");
  }
}

機能3: APIエンドポイントの設計

// src/api/ai.ts
import express from "express";
import { generateShopDescription } from "../services/ai/descriptionGenerator";
import { chatWithBot } from "../services/ai/chatbot";
import { analyzeReviews } from "../services/ai/reviewAnalyzer";
import { rateLimit } from "express-rate-limit";

const router = express.Router();

// レート制限（AI APIのコスト対策）
const aiLimiter = rateLimit({
  windowMs: 60 * 1000,  // 1分
  max: 10,               // 1分あたり10リクエスト
  message: { error: "リクエストが多すぎます。1分後に再試行してください。" }
});

router.use(aiLimiter);

// 紹介文生成
router.post("/generate-description", async (req, res) => {
  try {
    const { name, category, features, location } = req.body;

    if (!name || !category) {
      return res.status(400).json({ error: "店名とカテゴリは必須です" });
    }

    const description = await generateShopDescription({
      name, category, features: features || [], location: location || "沖縄"
    });

    res.json({ description, isAIGenerated: true });
  } catch (error) {
    console.error("Description generation failed:", error);
    res.status(500).json({ error: "紹介文の生成に失敗しました" });
  }
});

// チャットボット
router.post("/chat", async (req, res) => {
  try {
    const { message, history } = req.body;
    const response = await chatWithBot(message, history || []);
    res.json({ response });
  } catch (error) {
    res.status(500).json({ error: "チャットの処理に失敗しました" });
  }
});

// レビュー分析
router.post("/analyze-reviews", async (req, res) => {
  try {
    const { reviews } = req.body;
    const analysis = await analyzeReviews(reviews);
    res.json(analysis);
  } catch (error) {
    res.status(500).json({ error: "レビュー分析に失敗しました" });
  }
});

export default router;

RAG（Retrieval-Augmented Generation）の概念

チャットボットをさらに賢くするために、ShimaLinkのデータを検索してからAIに渡す。

ユーザーの質問
    ↓
[検索] ShimaLinkのFAQ/ドキュメントから関連情報を取得
    ↓
[生成] 取得した情報 + 質問をAIに渡す
    ↓
根拠のある回答

// RAGの簡易実装
async function ragChat(question: string): Promise<string> {
  // 1. 関連ドキュメントを検索
  const relevantDocs = await searchFAQ(question);

  // 2. コンテキストとして提供
  const context = relevantDocs.map(d => d.content).join("\n");

  // 3. AIに質問
  const response = await openai.chat.completions.create({
    model: "gpt-3.5-turbo",
    messages: [
      {
        role: "system",
        content: `以下の情報をもとに質問に回答してください。
情報に含まれない内容は「確認が必要です」と答えてください。

参考情報:
${context}`
      },
      { role: "user", content: question }
    ],
    temperature: 0.2,
  });

  return response.choices[0].message.content || "";
}

AI機能のテスト

// src/services/ai/__tests__/chatbot.test.ts
import { chatWithBot } from "../chatbot";

// APIをモック
jest.mock("openai");

describe("chatWithBot", () => {
  test("ShimaLinkの料金について正しく回答する", async () => {
    const response = await chatWithBot("料金はいくらですか？");
    expect(response).toContain("3,000円");
  });

  test("範囲外の質問には担当者を案内する", async () => {
    const response = await chatWithBot("明日の天気は？");
    expect(response).toContain("担当者");
  });
});

ポイント

• AI機能はAPIエンドポイントとして設計し、フロントエンドから呼ぶ
• レート制限でAPI呼び出しコストを管理する
• AIの応答は必ずバリデーション・パースする（JSON等）
• RAGパターンで自社データに基づいた回答を実現できる
• テストではAI APIをモックして安定したテストを書く
• AI出力には「AI生成」フラグを付けて透明性を確保する