広告の薬機法チェックをAIで自動判定、無料公開でサービス売上150%成長

起点になったのは、「チェックを行う前」と「チェックした後」のデータが対になって残っていた事実を、学習の材料として捉え直した判断です。約7年の運用で自然に溜まっていた業務の副産物が、判定を学ばせるための教師データという別の価値を持ちました。そのうえでAIの役割は、原稿の可否を最終的に決めることではなく、チェックすべきポイントの抽出とNG割合の提示に絞られています。訴求を損なわずに書き換えるという最も属人的な工程を人の手に残した切り分けが、実務に載せられる形をつくったのではないでしょうか。

判定の窓口を社内ではなく顧客側に開いた設計も見逃せません。無料のセルフチェックとして自社サイトに置き、利用者に求める操作は記事ジャンルの選択とテキストの貼り付けだけ。結果はメールで返すため、その場で画面に張り付く必要もありません。専門チームに相談が届く前の段階で、どの程度の校正が必要かを依頼者自身がつかめるようにした点に、工数削減と顧客体験の両方を同時に動かす意図が読み取れます。

進め方の面では、試行錯誤が避けられない前提を最初から織り込んだ開発の組み立てが効いています。技術検証のステップをどう踏むかを重視し、アルゴリズムの組み方を変える、ある機能を落として別の機能を加えるといった軌道修正が実際に行われました。ここではパートナーのLightblueが技術検証と構築を担い、ネオマーケティング側が達成したいゴールと現場の知見・蓄積データを持ち込む分担が成立しています。β版として世に出し、教師データを増やしながら精度を上げていく前提に立った点も、完成を待たずに動かすための現実的な選択でした。