UKA-GYRE 開発記 ― 読み物編 第5回
前回の記事:
この記事は「UKA-GYRE 開発記」読み物編の 最終回 です。
難しい専門的知識は出てきません。
エンジニアでない方も安心してお読みください。
1. AIコメントの品質はどれくらい？
正直に書く。
いま、UKA-GYREが生成するコメントの品質は、 熟練トレーナーの7〜8割 くらいだと思っている。
「えっ、まだ8割？」と感じるだろうか。
それとも「もう8割も？」と感じるだろうか。
この受け止め方の違いこそ、実はAIとの付き合い方を左右する大事なポイントだったりする。
AIが得意なこと は、はっきりしている。
数値分析の正確さ。
過去の事例をブレなく参照できる安定感。
16パターンのMBTIスタイルを正確に書き分ける器用さ。
客観的な分析は、人間よりも正確かもしれない。
一方で、 まだ足りない部分 もある。
微妙な感情のニュアンス。
想定外の状況への対応。
そして何より、長期的な人間関係の文脈を読む力。
「このクライアントは先月、仕事で大きなトラブルがあった。だから今週の数字が悪くても、そこには触れずに別の角度から声をかけたい」――こういう判断は、まだ人間のトレーナーにしかできない。
ただし、ひとつ面白いデータがある。
トレーナーがAIコメントに加える修正の量が、月を追うごとに減っている。
最初は半分以上書き直していたのが、今では数行の手直しで済むことも珍しくない。
システムが学んでいる。確実に。
2. AIが得意なこと、苦手なこと
AIは「調子の悪い日」がない。
月曜の朝だろうが金曜の深夜だろうが、同じ品質のコメントを出す。
数百件の過去事例を一瞬で検索して、最も状況が近いパターンを引き当てる。
これは人間には真似できない。
でも、AIには「今日のこのクライアントには、あえて数字の話をしない方がいい」という判断ができない。
データに現れない情報――クライアントの表情、声のトーン、LINEの文面から感じ取る「なんとなくの不調」。
こうした 行間を読む力 は、まだ人間のほうがずっと上だ。
3. 「超える」のではなく「補完する」
ここで、大事なことを言っておきたい。
このシステムの目標は、トレーナーを「置き換える」ことでは一度もなかった。
最初から目指していたのは、「AIが8割書いて、トレーナーが2割仕上げる」という分担だ。
なぜ100%自動化を目指さなかったのか。
技術的にできないから、というだけではない。
パーソナルダイエット指導は人対人のサービスだから だ。
クライアントがダイエットを続けられるかどうかは、食事の数字だけで決まらない。
「このトレーナーが見てくれているから頑張れる」という信頼関係がある。
AIがどれだけ正確なコメントを書いても、その信頼関係を代替することはできない。
だからUKA-GYREは、トレーナーの仕事を代替するのではなく、 トレーナーが本来やりたかった仕事に集中できる余白を作る ために設計した。
AIがデータ分析と下書きを引き受けることで、トレーナーはクライアントとの対話や、一人ひとりへの細やかな気配りに、より多くの時間を使えるようになる。
AIが優秀な下書き担当になることで、トレーナーはより「人間らしい仕事」に集中できる。
この考え方が、システムのあらゆる設計判断に影響している。
4. 「選ぶだけ」が、なぜこんなに強力なのか
UKA-GYREでは、トレーナーがA案かB案を 「選ぶだけ」 で、システム全体が動き出す。
「選ぶだけって、そんなに大したこと？」
実は、ものすごく大したことなのだ。
「A案を選んだ」という行為の中には、こんな情報が詰まっている。
- どちらの文体がこのクライアントに合っているか
- どれくらいの直接性が適切か
- どんな励まし方が効果的か
- 数字を出すべきか、感情に寄り添うべきか
トレーナーはこれらを一瞬で判断して「こっち」と選んでいる。
言語化すれば何行にもなる情報が、「A案を選んだ」という1クリックに圧縮されているわけだ。
100件の選択記録が溜まったとき、そこにはトレーナーの「美学」が丸ごと保存されている。
どんなコメントを好み、どんな表現を避けるか。
どういう状況でどんなトーンを選ぶか。
トレーナー自身が言語化できないような「感覚」が、選択データとして構造化される。
これは「AIが生成して、人間がチェックする」という品質管理の話ではない。
AIと人間が一緒にコメントを作り上げていく、本当の意味での共創 なのだ。
5. トレーナーの「暗黙知」をAIに移植する
優秀なトレーナーには、言葉にできない知識がある。
「このクライアントは今、励ましが必要だ。」
「今日は数字の話より、生活習慣の話をした方がいい。」
なぜそう判断したのか、本人に聞いても「うーん、なんとなく」と返ってくる。
これが 暗黙知 だ。
長年の経験で培われた、言語化されていない知恵。
普通なら、この暗黙知はそのトレーナーの頭の中に留まったまま消えていく。
引退したら、一緒に失われる。
UKA-GYREは、この暗黙知を少しずつ「形」にしていく仕組みを持っている。
トレーナーがコメントを選び、評価し、手直しするたびに、「何が良くて何がダメだったか」の記録が残る。
昇華バッチがそれを分析して、PATTERN Artifactとして蓄積する。
「停滞期のISTJクライアントには、具体的な数字と短期目標を組み合わせると効果的」――トレーナー自身が意識していなかったパターンが、AIを介して見えるようになる。
さらにTHOUGHT機能がある。
トレーナーが日々の指導で感じたことをメモとして残せる機能だ。
「今日、あるクライアントに脂質の"質"の話をしたら、すごく反応が良かった」――こういう気づきは、メモしなければ翌日には忘れてしまう。
THOUGHTに記録しておけば、AIがその知見を次回の生成に活かす。
これは 知識の民主化 でもある。
一人のトレーナーの経験知が、システムを通じて蓄積され、将来的には他のトレーナーのAIにも活かせるようになる。
個人の暗黙知が、みんなの形式知に変わるのだ。
6. AIのこれから ― 何ができて、何ができないか
「LLMがもっと賢くなったら、プロンプト設計なんて要らなくなるのでは？」
この質問をよく受ける。
答えは 「むしろ逆だ」。
モデルが賢くなっても、「何を入力するか」の重要性は変わらない。
どれだけ優秀なシェフでも、材料がまずければ美味しい料理は作れない。
AIに渡す情報の 構造 と 優先順位 の設計は、モデルの性能が上がるほど、その差が結果に効いてくる。
その先に見えているのは、 マルチモーダル の世界だ。
今は数値データだけを分析しているが、今後ますます食事の写真を直接AIに渡して分析できるようになるだろう。
「この写真、タンパク質が少なそうですね」ではなく「この鶏肉の量だと約120gですね。目標まであと30g、ゆで卵1個分です」くらいの分析ができるようになるかもしれない。
さらにその先には、 エージェント としてのAIがある。
今は「コメントを生成する」だけだが、いずれはトレーナーと対話しながらコメントを練り上げたり、場合によってはクライアントと直接やり取りする場面も出てくるだろう。
ただし、どこまで技術が進んでも、ひとつだけ変わらない原則がある。
AIは道具であり、パートナーだ。置き換わるものではない。
7. システムのこれから ― まだ終わっていない開発
UKA-GYREは「完成」していない。
というより、 このシステムの本質は「完成しないこと」にある。
現在の課題と、これから実現したいことを挙げてみる。
リアルタイムフィードバック。
今は日次でコメントを生成しているが、理想は食後すぐにフィードバックを返すことだ。
「さっきのランチ、良い選択でしたね」と即座に言えたら、クライアントの行動変容はもっと加速する。
長期トレンド分析。
現在は直近30日間のデータを見ているが、3ヶ月、半年というスパンでの傾向分析ができれば、「あなたは毎年この時期に停滞する傾向がありますが、今年は乗り越えられそうですね」といったコメントが可能になる。
複数トレーナーのナレッジ統合。
今はトレーナーごとに独立したナレッジベースだが、将来的には複数のトレーナーの知恵を統合して、「業界全体のベストプラクティス」をAIに学ばせることもできるだろう。
まだまだシステムは改善していく。
8. おわりに ― 「一緒に書いた」の意味
全5回の読み物編を通して、こんな旅をしてきた。
第1回。 AIに16の性格を教えた。
第2回。 AIに「経験を積む」仕組みを作った。
第3回。 数字を「歴史」として読み解く仕組みを覗いた。
第4回。 AIへの「伝え方」を極めた。
そして第5回。 AIと人間の役割を整理した。
5回分を書き終えて、ひとつの問いが浮かんだ。
このシステムを本当に動かしていたのは、何だったのか。
振り返ると、答えは最初から見えていた。
16タイプの性格を定義したのは人間だ。
AIが生成した2つのコメントから「こっちがいい」と選ぶのも人間だ。
食事データに「この数字の裏にはこんな生活がある」と意味を与えるのも人間だ。
7層のプロンプトを設計し、微調整を繰り返すのも人間だ。
全ての工程に、人間がいた。
AIが賢くなれたのは、AIが優秀だからだけではない。
人間がループの中にい続けたから だ。
この設計思想には、名前がある。
Human-in-the-Loop。
直訳すると「ループの中に人間がいる」。
5回にわたって語ってきたすべてが、この一語に収束する。
そして気づく。
このシステムを作る過程で自分が最も学んだのは、技術ではなかった。
人間のコミュニケーション だった。
AIに「どう伝えればいいか」を教え込む作業は、そのまま「人間は何で動くのか」を問い直す作業だった。
性格によって響く言葉が違う。
同じことでも伝え方で反応が変わる。
「正しいこと」を言うだけでは人は動かない。
AIは鏡だった。
本当に良いAIシステムは、「AIがそこにいること」を忘れさせる。
「これAIが書いたの？」
いつかそう聞かれたとき、こう答えたい。
「いや、一緒に書いた。」
AIが提案し、人間が選び、共に練り上げる。
その循環が回るたびに、AIは少し賢くなり、人間は少し楽になる。
どちらか一方では成り立たない。
システムの螺旋は続いていく ―
読み物編はこれで完結だ。
AIとは何か、人とは何か。この開発を通じて、ずっと考え続けてきた。
一貫して伝えたいことは、 どこまでいってもAIはAIで、人は人だ ということだ。
AIは加速度的に進化していく。
その波の中で溺れないために、この開発で掴んだ「人とAIの境界線を引く感覚」を、これからに繋げていこうと思う。
ここから先は2つの道がある。
開発者の素顔を覗きたい方は、 番外編 へどうぞ。
自分が作ったAIに食べ過ぎを怒られ続けた話、チューニングの裏側、そして開発者だけが知る小ネタを詰め込んでいる。
「技術的にどう作ったのか」を知りたい方は、 技術深掘り編 でお待ちしている。
RAG設計、検索品質の追求、7層プロンプト、自己改善ループとサーバーレス基盤、そしてシステムアーキテクチャの全体像を、設計判断の根拠とともに解説している。
最後まで読んでくださった皆さんに、心から感謝を。
コラム：ケンタウロス・チェスの教訓
2005年、チェス界を揺るがす「フリースタイル・チェス」大会が開催された。
人間だけ、AIだけ、人間＋AIの混成チーム、何でもありのルールだ。優勝したのは、最強のグランドマスターでも、最新のスーパーコンピュータでもなかった。
2人のアマチュア棋士が3台の普通のPCを使ったチーム だった。彼らは、チェスの腕前では凡庸だった。コンピュータも特別なものではなかった。
しかし「AIにどの局面を分析させ、人間がどの判断を下すか」というプロセスの設計が、圧倒的に優れていた。この結果から生まれた概念が 「ケンタウロスモデル」 だ。
半人半馬の神話の生き物のように、人間とAIが融合して、どちらか単独では到達できない高みに至る。弱い人間 ＋ マシン ＋ 優れたプロセス ＞ 強いマシン単独
これは2005年のチェスの話だが、現在のAI開発にそのまま当てはまる。
UKA-GYREが証明しようとしていることも、結局これと同じだ。
AIの性能だけを追い求めても、最良の結果にはたどり着けない。
人間とAIの間に、どんなプロセスを設計するか。
この「間」のデザインこそが、次の時代の核心になる。
次回の記事:
「UKA-GYRE」開発記 シリーズ目次
読み物編 --- エンジニアでなくても楽しめる！
- プロローグ ― UKA-GYRE 開発記
- 読み物 第1回 ― ISTJには数字を、ENFPには共感を ― AIに「性格」を与えた日
- 読み物 第2回 ― 深夜3時はAIの経験値稼ぎタイム ― 「昇華」のメカニズム
- 読み物 第3回 ― カロリーの数字の裏にある物語 ― AIが「今日のあなた」を理解するまで
- 読み物 第4回 ― 「何を書くか」より「どう伝えるか」 ― AIを使った大人の実験科学
- 読み物 第5回 ― 「AIが書いた」ではなく「AIと一緒に書いた」 ― Human-in-the-Loopという思想（完結）（この記事）
- 読み物 番外 ― 自分が作ったAIに食べ過ぎを怒られ続けた話 ― 開発者の裏側
技術深掘り編 --- 設計判断と実装の詳細