メインコンテンツへスキップ
見出し画像

noteではニワトリを戦わせ、仕事では業務改善アプリを作る。AIで大切なのは「構造化する力」かもしれない。

    こんにちは。

    小岩に愛され、小岩を愛する風来坊。
    コロッバーKAWAIです。

    今日は、たまには真面目な話をしてみようと思います。

    普段、noteではAIを使ってゲームを作っています。

    最近では、ニワトリを戦わせる格闘ゲームなんてものも作っています。

    ニワトリが殴ったり、蹴ったり、必殺技を繰り出したり。

    何をやっているんでしょうね、私は。

    まあ、楽しいのでいいのですが。

    一方、実際の仕事でもAIを使う機会が増えてきました。

    こちらは、もう少し真面目です。

    最近は、AIを活用して業務改善のためのWebアプリを作る機会が増えてきています。

    データの分析や不具合の検知、情報の整合性チェックなど、実際の業務で感じる不便を解消するためのツールです。

    もちろん、会社の仕事なので、内部のデータや具体的な仕様を何でも公開できるわけではありません。

    ただ、どんな考え方で作っているのか。そのあたりなら、お話しできそうです。

    そして、こうしたアプリを作っているうちに、あることを考えるようになりました。

    AIで何かを作るために大切なのは、プログラミングの知識だけではないのではないか。

    今日は、そんなお話です。

    画像

    気がつけば、業務改善アプリが増えていた。

    最近、仕事でどんなものを作っているのか。

    公開できる範囲で、いくつか紹介してみます。

    ① GAとECのデータを組み合わせる分析アプリ

    一つ目は、GA(Google アナリティクス)とECのデータを組み合わせて分析するアプリです。

    例えば、ECサイトの転換率。

    サイトに訪れた人が、どのくらい購入につながっているのか。

    どの流入経路に課題がありそうなのか。

    どこを改善すれば、購入につながる可能性があるのか。

    こうした情報を整理し、改善プランを検討できるようにするものです。

    ただ、ここで一つ問題があります。

    マーケティングの知識がない担当者にとっては、そもそもGAからどうやってデータを取得するのか、というところから始まるわけです。

    そこで、データの取得方法から案内する。

    取得したデータをECの販売データと組み合わせる。

    数字を確認し、改善できそうな部分を探す。

    分析の専門知識がなくても、改善に向けた最初の一歩を踏み出せるようにする。

    そんな考え方のアプリです。

    ② 画像から不具合やエラーを検知するアプリ

    二つ目は、画像を使った確認作業を補助するアプリです。

    例えば、Webページのスクリーンショット。

    そこに表示されているエラーメッセージや、不自然な表示などを検出できないか。

    OCRによる文字の読み取りと画像解析などを組み合わせて、確認する仕組みです。

    もちろん、画像を読み込めば、すべてのバグが見つかるわけではありません。

    画面に現れない不具合もありますし、検知できない問題もあります。

    それでも、人間が一枚ずつ確認していた作業の一部を補助できれば、確認の負担を減らせるかもしれません。

    ③ メーカーの公式情報とデータベースを照合するアプリ

    三つ目は、メーカーの公式情報と、データベースに登録されている情報を照合するアプリです。

    製品の仕様や項目を確認し、登録内容と一致しているかを調べる。

    一件ずつなら、それほど大変ではないかもしれません。

    でも、件数が増えると話は別です。

    そこで、取得可能なメーカーの公式情報を参照し、データベースの項目と比較する。

    不一致が疑われる部分を抽出し、確認しやすくする仕組みです。

    当然、情報の取得条件や、比較する項目の定義、データの正確性などには注意が必要です。

    それでも、最初からすべてを人間が確認するのではなく、確認すべき場所を絞り込めれば、作業の進め方は変わってきます。

    ④ 社内のマニュアルや知識を管理するアプリ

    そして、現在進行形で作っているものもあります。

    社内に散らばっているマニュアルやメモ、業務上の知見などを整理するツールです。

    こうした情報は、意外なところに残っていたりします。

    正式なマニュアル。

    誰かが残したメモ。

    担当者しか知らない作業手順。

    情報そのものは存在しているのに、必要なときに見つからない。

    そこで、一か所で管理できる仕組みを考えています。

    ただし、今回特に重視しているのは、検索機能の性能だけではありません。

    情報を更新しやすいこと。

    どれだけ便利な検索機能を作っても、情報が古いままなら意味がありません。

    情報を登録するのが面倒だったり、修正する手順が複雑だったりすれば、いずれ更新されなくなる可能性があります。

    だから、情報を探す人だけでなく、情報を更新する人のことも考える。

    そんなツールを制作しています。

    画像

    でも、これって新しい機能なの?

    ここまで紹介しておいて、こんなことを書くのも何ですが。

    実は、こうした機能の多くは、すでに世の中に存在しています。

    ECモールには分析機能があります。

    業務管理システムもあります。

    マニュアルを管理するサービスだって、たくさんあります。

    決して、私が画期的な新技術を発明したという話ではありません。

    では、なぜ自分で作るのか。

    理由は単純です。

    機能が存在することと、誰もが使いやすいことは、別だからです。

    例えば、分析機能が充実していても、使う人がどの数字を見ればいいのか分からなければ、なかなか活用できません。

    多機能な管理ツールがあっても、毎日の更新に手間がかかるなら、使い続けることが負担になります。

    高機能であることが、必ずしも正解ではない。

    むしろ、使う人によっては、必要な機能が少ない方が便利な場合もあります。

    もちろん、既存のサービスで十分に解決できるなら、それを使えばいいと思っています。

    何でも自分で作ればいい、という話ではありません。

    ただ、既存の仕組みでは解決しにくい小さな不便を、自分たちに合った形で改善できるようになった。

    そこに、AIを使ったアプリ制作の面白さを感じています。


    最近、AIとの方が話が早いこともある。

    ここで、少しだけ開発の話を。

    以前から、何かを作ろうとして相談すると、こんな回答が返ってくることがありました。

    「そのデータがないとできません」

    「その仕様では難しいですね」

    もちろん、間違っているわけではありません。

    必要なデータが存在しなければ、実現できないこともあります。

    技術的な制約をきちんと伝えるのも、開発者の大切な仕事です。

    ただ。

    こちらが知りたいのは、できない理由だけではなかったりします。

    では、どうすれば実現できるのか。

    例えば、必要なデータがないなら、別のデータで代用できないのか。

    すべてを実現するのが難しいなら、一部だけでも実現できないのか。

    別の方法で、同じ目的を達成できないのか。

    そういうことを、一緒に考えたいわけです。

    その点、AIはなかなか便利です。

    「別の方法はない?」

    「今あるデータなら、何ができる?」

    「この機能をなくしたら実現できる?」

    何度でも相談できます。

    しかも、嫌な顔をしません。

    これは、なかなか大きなメリットです。

    ただし。

    AIには、別の問題もあります。

    できないことまで、自信満々に「できます」と言うことがある。

    これはこれで困ります。

    人間の開発者が「難しい」と言った背景には、品質や安全性、運用上の問題が隠れていることもあります。

    AIの提案を、そのまま正解だと思ってはいけません。

    それでも、実現方法を何度も考え、試して、修正できる。

    この試行錯誤のしやすさは、私にとって大きな変化でした。


    そもそも、何を作りたいのか説明できますか?

    そんなふうにAIを使っているうちに、あることを考えるようになりました。

    AIでアプリを作るために、本当に大切なものは何なのか。

    プログラミングの知識でしょうか。

    プロンプトを書く技術でしょうか。

    もちろん、どちらも役に立つと思います。

    ただ、その前に必要なことがあります。

    自分が何を実現したいのか、整理できているか。

    例えば、AIにこう伝えたとします。

    「ECサイトの売上を改善するアプリを作って」

    これだけでは、何を作ればいいのか分かりません。

    売上を改善するといっても、集客に課題があるのか、購入率に課題があるのか。

    そもそも、誰がそのアプリを使うのか。

    マーケティングの知識がある人なのか。

    初めて分析する人なのか。

    必要なデータは何なのか。

    どんな画面や操作があれば、目的を達成できるのか。

    こうしたことを整理する必要があります。

    これは、相手がAIでも、人間の開発者でも変わらないと思っています。


    必要なのは、構造化する力。

    例えば、先ほどのGAとECを組み合わせるアプリ。

    最初の目的は「ECの売上を改善したい」というものだったとします。

    そこから、一つずつ考えていきます。

    誰が使うのか。

    マーケティングの専門知識がない担当者。

    何に困っているのか。

    GAのデータをどう取得し、どう分析すればいいのか分からない。

    何が必要なのか。

    データの取得方法を案内する機能。

    ECデータと組み合わせて分析する機能。

    転換率などを確認する機能。

    改善案を検討するための機能。

    では、どんな状態になれば成功なのか。

    担当者が、専門家に毎回依頼しなくても、自分で課題を把握し、改善に向けた検討を始められること。

    こうして考えていくと、必要な機能が少しずつ見えてきます。

    画像

    私は、こうした考え方を「構造化する力」だと捉えています。

    漠然とした要望を、目的、課題、必要な情報、機能、操作の流れに分解していく。

    その要素を整理し、一つの仕組みとして組み立てる。

    もちろん、これだけで開発が成功するわけではありません。

    でも、何を作るべきなのかが整理されていれば、AIにも人間にも意図を伝えやすくなります。

    大切なのは、AIに上手な命令文を書くことだけではなく、何を命令するべきなのかを考えること。

    最近は、そんなふうに感じています。


    Webディレクターだからできることなのか。

    私は、WebディレクターやWebマーケターとして仕事をしています。

    普段から、目的を整理したり、課題を見つけたり、必要な機能やユーザーの導線を考えたりする機会があります。

    その経験が、AIを使ったアプリ制作に役立っている部分は、確かにあると思います。

    では、Webディレクターだからできるのか。

    私は、そうは思っていません。

    例えば、営業の仕事をしている人なら、顧客情報を管理する中で不便に感じることがあるかもしれません。

    経理の仕事なら、毎月繰り返す確認作業。

    人事なら、社内の手続きや情報管理。

    それぞれの仕事には、その仕事をしている人だからこそ気づける課題があります。

    むしろ、日々その業務に向き合っている人の方が、何に困っているのかをよく知っている場合もあります。

    そして、その課題を整理し、必要な仕組みを考えることができれば、AIを使って解決策を形にできる可能性があります。

    これは、特定の職種だけのものではないと思うのです。


    構造化だって、AIと一緒に考えればいい。

    ここまで、構造化が大切だと書いてきました。

    でも、最初から完璧に整理できる必要はありません。

    何を作りたいのか、まだ漠然としていてもいいと思います。

    「毎日、この作業が面倒なんだけど」

    「こういうことができたら便利なんだけど」

    そのくらいの相談からでも、始められます。

    AIに質問してもらいながら、何が問題なのかを整理する。

    解決方法をいくつか考える。

    必要な機能を決める。

    実際に試してみる。

    うまくいかなければ、もう一度考える。

    そうした作業を、AIと一緒に進めることができます。

    つまり、AIは、考えたものを作ってもらう相手であると同時に、何を作るべきかを一緒に考える相手にもなれる。

    ここが、私にとって面白いところです。


    作れることと、正しく使えることは違う。

    ただし、忘れてはいけないこともあります。

    AIを使えば、以前よりも短い時間で試作品を形にできる場合があります。

    でも、形になったからといって、完成したとは限りません。

    GAとECのデータを組み合わせたとして、その数値は正しいのか。

    集計期間や指標の定義は一致しているのか。

    画像から不具合を検知するアプリは、エラーを見逃していないのか。

    メーカーの公式情報を取得する場合、正しい情報源を参照できているのか。

    社内のマニュアルを管理するなら、権限や機密情報の扱いは適切なのか。

    こうした確認は、必要になります。

    業務で使うものだからこそ、実際の運用に耐えられるかどうかも考えなければなりません。

    AIが提案した内容を、そのまま信じるわけにはいかない。

    場合によっては、専門家による確認や開発が必要になることもあります。

    作ることが簡単になっても、正しく使えるものにする仕事がなくなったわけではない。

    そこは、きちんと考えておきたいところです。

    画像

    ゲームも業務改善も、根っこは同じかもしれない。

    さて。

    ここまで、仕事でのAI活用について書いてきました。

    普段のnoteに比べると、ずいぶん真面目な話になりました。

    でも、改めて考えてみると。

    noteで格闘ゲームを作っているときも、仕事で業務改善アプリを作っているときも、やっていることは似ている気がします。

    例えば、ニワトリを戦わせるゲーム。

    どんなキャラクターにするのか。

    どうやって攻撃するのか。

    相手はどう動くのか。

    操作する人が、どうすれば楽しめるのか。

    そうしたことを考え、必要な仕組みを整理していきます。

    仕事で作るアプリも同じです。

    誰が使うのか。

    何に困っているのか。

    どんな操作が必要なのか。

    どうすれば、その人の仕事が便利になるのか。

    目的は違っても、考え方には共通する部分があります。

    もちろん、ゲームと業務システムでは、求められる品質や責任は違います。

    それでも、何かを形にしていくという意味では、似ているのだと思います。

    私は、AIによってプログラミングそのものが不要になったとは思っていません。

    専門的な知識や経験が、必要なくなったとも思っていません。

    ただ、これまでなら「こんなものがあったらいいな」で終わっていたものを、自分で試し、形にできる可能性は広がったと思います。

    そして、そのために必要な考え方は、Webディレクターやエンジニアだけのものではない。

    AIに何ができるのか。

    それを知ることも大切ですが。

    自分は、何を実現したいのか。

    そのために、何が必要なのか。

    そこを考えることの方が、案外、大切なのかもしれません。

    ということで。

    明日も仕事では、真面目に業務改善を考えます。

    そしてnoteでは、たぶんまたニワトリを戦わせています。

    どちらも、私にとっては立派なものづくりです。

    たぶん。🐔


    追伸

    ちなみに。

    「うちにも、こんな業務改善アプリを作ってほしい!」

    というお話があれば、それはそれでありがたいのですが。

    業務情報を扱う以上、必要に応じて秘密保持契約(NDA)や業務委託契約など、きちんとした手続きが必要になります。

    そのあたりは、ちゃんとしています。

    一応、社会人なので。🐔

     
     
    小岩在住|現役WEBマーケター AI×マーケティングを実践検証。 広告運用・LP改善・SNS運用の現場で得た知見を発信。 4コマ漫画・小説制作にも挑戦中。 机上の空論ではなく、実際に試した結果だけを公開。

    あなたへのおすすめ