【要約】Paresio 補助金検索サービス for AI Hackathon [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
中小企業の経営者が、分散した補助金情報を見逃し、複雑な申請手続きに苦慮している。開発者は、この問題の背景に以下の課題を特定した。
- ・情報の分散：国や自治体など1,788以上のサイトに情報が散在している。
- ・認知不足：経営者の約75%が新設の補助金を知らない。
- ・手続きの重さ：申請書類の準備や形式の不一致が大きな障壁となっている。
- ・法的制約：改正行政書士法により、書類作成の有料提供が禁止されている。
// Approach
開発者は、法的制約を設計の起点とし、情報の「発見・通知・準備」に課金を集約する手法を採用した。具体的な解決策は以下の通りである。
- ・3層のデータ取得：jGrants API、自治体CSV、LLMクローラーによる収集。
- ・統一制度スキーマ：バラバラな形式を正規化し、マッチングと通知を効率化。
- ・ハルシネーション対策：抽出と検証を別個のAIで行い、原文引用を必須化。
- ・LLMの抽象化：OrcaRouterを用い、環境変数のみでモデルを切り替え可能に設計。
// Result
補助金情報の「見落としゼロ」と「応募判断の迅速化」を目指す設計を実現した。本プロジェクトは以下の成果と展望を持つ。
- ・差別化：国内競合にない「申請準備の1枚化（チェックリスト）」を実現。
- ・拡張性：統一スキーマにより、海外の補助金市場への展開も容易な設計。
- ・コスト最適化：Grok等の安価なモデルを採用し、サブスクリプションの成立を目指す。
Senior Engineer Insight
> 規制を「回避」ではなく「設計の起点」とした点が極めて実践的だ。行政書士法という法的制約を、課金モデルの分離（作成は無料、発見は有料）に昇華させている。技術面では、抽出と検証のAIを分離する構成が、LLMの信頼性確保において定石であり、評価できる。また、OrcaRouterによるLLMの抽象化は、コスト変動の激しい推論コストを制御する上で、実戦的な設計思想といえる。