口コミ分析に生成AIを取り入れた店舗支援SaaS、日本語の前処理を省いた開発

日本語の口コミを扱ううえで避けて通れない分かち書きやベクトル化といった前処理を、開発側で抱え込まずプラットフォームに預けた判断が、この取り組みの起点になっています。学習済みモデルを土台にした機械学習機能が揃っているため、口コミの感情を判定するネガポジ分析はプロトタイプから小さく立ち上げられ、Vertex AI StudioやGoogle Cloudのコンソール上で検証も手軽に回せます。この身軽さが、2023年夏から機能ごとに順次公開し、翌年2月のメジャーバージョンへ積み上げていく開発の進め方を成立させたと考えられます。

分析対象のデータを、AIを動かす場所と同じクラウド上にあらかじめ揃えていたことも効いています。BigQueryやDatastoreは2022年以前から使われ、行動ログや口コミの傾向を社内向けのBIツールとして眺める土台がすでにできていました。そこへSQLから大規模言語モデルを呼び出せるBigQuery MLが加わり、専門知識を持たないマーケティングやカスタマーサポートの担当者でもデータ分析に手を伸ばせます。AIの使い手をエンジニアに閉じ込めない構えは、機能改善の着想を現場側から拾い上げる回路として働いている、というのが編集部の読みです。

基盤の選定基準を、機能の多さではなく預けるデータの扱いに置いた点も見逃せません。企業向けにサービスを提供する立場では情報漏えいが顧客のビジネスへ直接跳ね返るため、学習に使われるデータをコントロールできるかどうかが採用の決め手になりました。運用面では、億単位まで蓄積した大規模言語モデル向けのデータをすべて順番に処理すると時間が足りないため、並列処理を組み合わせる工夫が重ねられています。