【要約】AIアプリを作る仕事の大半は、プロンプトではなくデータの理解だった [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
AI開発者がユースケース（業務フロー）のみに基づき設計を進めると、実データの複雑さに対応できず精度が出ない問題がある。設計者が実データを確認せずに進めることで、以下のような技術的課題に直面する。
- ・データの形式が想定と異なり、スキャン画像の傾きやノイズが含まれる。
- ・取引先ごとにレイアウトが異なり、解析の複雑性が増大する。
- ・明細行が複数ページにまたがるなど、構造的な不整合が発生する。
- ・仕様書に記載のない、業務上の暗黙的なルールがデータに含まれる。
// Approach
開発者はプロンプトを書く前に、実データを詳細に分析してAIの役割を「入力・処理・出力」の3点に分解して定義する。データに基づいた設計を行うことで、以下のステップを踏む。
- ・入力：座標情報やマスタ情報の有無など、モデルに渡すべき情報をデータから決定する。
- ・処理：AIに任せる範囲を最小化し、ルールベースで処理可能な部分はAIから切り離す。
- ・出力：下流システムの都合に合わせ、JSONスキーマなどの型を先に固定する。
- ・検証：平均的なデータだけでなく、設計を壊す「端のデータ」を収集して対策する。
// Result
設計の解像度を高めることで、AIアプリの精度向上と運用コストの最適化が実現する。データ中心の設計を採用した結果、以下の成果が得られる。
- ・プロンプトが簡素化され、モデルの判断ミスが減少する。
- ・AIの担当範囲が限定され、システムの再現性とコストが向上する。
- ・失敗をカテゴリ化して分析できるため、継続的な改善サイクルが確立される。
Senior Engineer Insight
> プロンプトの微調整に時間を費やすのは、設計の不備を隠蔽する行為である。大規模・高負荷な現場では、AIの非決定性を制御しなければならない。そのためには、入出力の型を厳格に定義し、決定論的な処理とAIを分離するアーキテクチャ設計が不可欠である。プロンプトは設計の結果として導かれるものであり、出発点にしてはならない。