【要約】60代店長が生成AIとMakeで「勤務確認LINEボット」を作ってみた [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
店舗運営者が、事務所のPCへ移動して勤怠システムを確認する手間を削減するため、LINEボットの開発を行った。しかし、実装過程で以下の技術的課題に直面した。
- ・日付認識の不備：Makeの関数ミスにより、ChatGPTが生成する日付が固定値や不正な文字列になる。
- ・Reply Tokenの期限切れ：Google Sheets検索やOpenAIの処理に時間がかかり、LINEの返信用トークンが無効化される。
- ・分岐ロジックの不備：Text Aggregatorが空のデータを流すことで、該当者なしのルートと候補表示のルートが同時に実行される。
// Approach
開発者は、生成AIを設計やデバッグの「壁打ち相手」として活用し、Makeによるワークフロー構築を進めた。具体的には以下の手法で課題を解決した。
- ・プロンプトエンジニアリング：質問を解析し、intentやdateを含むJSONのみを返却させるプロンプトを継続的に改善した。
- ・通信方式の切り替え：Reply Tokenの期限切れを防ぐため、該当者なしのルートではPush Messageを使用するように変更した。
- ・モジュールの設定最適化：Text Aggregatorの「Stop processing after an empty aggregation」を有効化し、不要な分岐を防いだ。
// Result
構築されたボットにより、現場の店長がスマートフォンから即座に勤務情報を確認できる環境が整った。成果は以下の通りである。
- ・柔軟な照会機能：個人の勤務時間、部門別の出勤者、指定日の勤務状況などを自然言語で取得可能になった。
- ・開発プロセスの確立：AIを用いて「わからない」を分解し、試行錯誤の速度を上げる手法を確立した。
- ・今後の拡張性：シフト変更通知や欠員アラートなど、さらなる実務自動化への道筋を立てた。
Senior Engineer Insight
> ローコードとLLMの組み合わせは、現場主導のDXにおいて極めて強力な武器となる。しかし、APIのレイテンシやトークンの有効期限といった、分散システム特有の制約への理解が不可欠だ。本事例のように、処理の重いルートをPush Messageへ逃がすといった、実戦的な回避策の判断がシステムの安定性を左右する。スケーラビリティには課題があるが、現場のペインポイントを即座に解決するプロトタイピング手法として高く評価できる。