[生成AI] オープンアイデアのプラットフォーム開発ログ2 – 実装と再発見

まだアプリの名前が決まっていません。 名無しじゃあれなので早めに決めないとですね。 ※この記事は生成AIとの協業で執筆されました

実際に作ってみたけど期待通りとはいかず…

デモ版には素晴らしい価値がありました

見えなかったアイデア同士の繋がりを見し、新たな視点もたらしてくれる そこからまた斬新なアイデアがうまれる

まだ洗練されていないデモ版でもこれなので、 ロジックを改良し、より多くのアイデアを読ませれば、とても価値あるアプリになるだろうと期待していました。

アプリを一通り作り終え、試してみると… 確かにアイデアのマッチングは成立しています。 しかしそれだけ。 80%とか似ている順にアイデアが並びますが、ただそれだけ。 新しいひらめきも、視点の転換もそこにはありませんでした。

それもそのはず。私が試したデモ版は、geminiの解説付きだったからです。 私が感じた価値は、geimniによる「なぜ似ているのか」という助言に支えられていたものだったみたい。 一方コストを抑えるために採用した4o-mini搭載の試作アプリには、その「AIによる魔法」が欠けていました。

もちろん強力なモデルをつけるという選択肢もありました。 でも、そんなことしたらアプリの心臓たる60個の評価項目が漏れてしまうかもしれない。

私にはジレンマがありました。

安易にAIを導入すれば私の情報資産が漏洩してしまい、かといってプロンプトで守りを固めれば開発コストが爆増してしまう。 最初期のMVPにそんなことはしなくない。 だがしかし生成AI解説を設けないとそもそもアプリに価値がでてこない。

こんなことがあって、情報はあるが活用できないアプリになってしまったのでした。

再発見：課題 x アイデア のベクトル和

課題のベクトル + アイデアのベクトル = 0

課題のベクトルを、アイデアのベクトルで中和すると 中和できるベクトルこそ、その課題を解決するアイデアなんだと、geminiに提案されました。

そうか、その通りですよね！ これまでのアプリは、AIによる詳細な分析レポートを提供することでしか価値を生み出せませんでした。 しかしこの「ベクトル演算」を使えば、たとえ一見無関係なジャンルであっても、「その課題が本質的に求めていたピース」を数学的に特定できる ただのマッチングだけでなく、「あなたのアイデアを本質的に求めていた課題」も一緒にを提示できれば、AI分析、いやそれ以上の価値を提供できる！！

しかしこの手法の本当にすごいところはそこだけじゃありません。

ある課題に対して、どのようなアイデアベクトルであればたしてゼロにできるか

ある課題ベクトルに対し、どのような評価項目を持つアイデアなら課題を解決できるのか。 この逆算を行えば、最適な課題やアイディアを無から推測できるという側面もありました

元々、アイデアと課題はカテゴリーで分けるしかなかった。

これまでは、意見は課題は「IT」「教育」といった大まかな「カテゴリー」でわけるしかありませんでした。それ以外に方法がなかったからです。 このアイデアや課題をベクトル空間で捉え直すという試みは、統計的・数学的な様々な分析手法を社会課題に持ち込むことを可能にします。

本来ならば考えもしなかったアイデアと課題の相性の良さを、数学的に考えることができるようになったのです。

例えば、ある農業分野において深刻な課題があって、それに対する解決策が、実は全く異なる分野、化学分野に眠っていたとしましょう。企業はそのマッチング可能性について気づいていません。 これまでは、その企業が偶然農業に関わり出し、運良く自分達の知見を応用しなければ課題は解決しませんでした。 解決したとしても氷山の一角で、解決しなかった課題のほうが多いでしょう。 つまり社会の進歩が「偶然の出会い」に依存していたのです。

しかしこの課題とアイデアのベクトル化は、数学的手法を用いて必然的にその埋もれた可能性を暴き出すことができるはずです。

課題とアイデアは蓄積されればされるほど良質なものと繋がり、世界中の課題を横断的に解決できるようになる可能性があると感じています。

終わりに

開発ログ2を書きました。 開発ログ3で、今開発しているところまで追いつきそうです。 次回はオープンアイデアの意義と、アプリ形態のすり合わせの葛藤について書きます。