PersonalityAI as a service

PersonalityAI as a Serviceは、AIで人の個性・人格を再現し、チャット、会議シミュレーション、アンケート調査など、多様なコミュニケーションを実現するサービスです。Google Cloud、Geminiを活用して実現しています。今後は、アプリケーションとしての完成度を高め、ユースケースのPoC、SNS連携などの機能拡充、メタバースや人間理解への応用などの展開を目指します。

Comment 4

インスピレーション

  • 本テーマに取り組むに至ったきっかけは、「〇〇さんに相談したいけど、退職しちゃったから、相談できないな」という、同僚の呟きからでした。
  • 実際に、日本では、人の流動性が激しくなっており、同じ人といつも一緒に仕事をしているケースも少なくなっており、自分に必要な人がいつもいてくれるという環境は整いづらくなっています。
  • そこで、その人のパーソナリティをアーカイブできれば、いつでもその人に相談でき、その人の個性をベースとした回答やアドバイスがもらえる環境がつくれるのではないかと考えました。
  • また、この発想に至った時、多くのパーソナリティをアーカイブすることで、身近な課題や世の中の課題を解決できる可能性があるユースケースを想像することができました。
  • その結果、このテーマに取組みたいと思いが募り、今回の開発に至りました。

できること・機能

  • パーソナリティAI管理
    • パーソナリティAIの管理（登録・更新・削除・一覧表示・詳細表示）ができます。
  • 1on1チャット
    • パーソナリティAIとのチャットができます。一覧表示から話したい人を選んで、チャット画面で会話ができます。有名人や憧れの人、なかなか話せない人、自分自身など、いろいろな人と気軽にコミュニケーションが取れます。
  • AIミーティング
    • パーソナリティAI同士でミーティングができます。登録画面で、ミーティングのテーマと参加者を選んで登録すると、会議バッチが実行され、パーソナリティAI同士の会話内容と結論が導き出されます。一覧・詳細画面で結果を確認し、実際のミーティングで活用しよう。
  • AIアンケート
    • パーソナリティAIを活用して、アンケート調査ができます。登録画面で、アンケート内容とアンケートの対象（性格や世代など）を登録すると、アンケートバッチが実行され、各パーソナリティAIに対して、アンケート調査を実施し、アンケート結果のサマリーを保存します。一覧・詳細画面でアンケート結果を確認することで、効率的なアンケートを実施してみませんか？

構築方法

以下のGitHubへアクセスし、ReadMe.mdファイルをご参照ください
https://github.com/INTREPIDA1979/llm_app

直面した課題

  • 技術力の不足
    • ちょこちょことプログラミングはしていたものの、この10年間、プロマネやマネージャ業務が殆どで、実際にプロダクトを開発するのは、ほぼ10年ぶり。Google Cloud、Python、Langchainなど、あまり使ったことがない技術ばかりで、開発の初期段階にとても苦労しました。
  • パーソナリティAIの精度
    • パーソナリティAIというテーマに取り組もうと思った時に、どのように精度評価を行うべきかが一番の課題でした。抜本的な解決策にはなっていませんが、世の中の性格診断サイトを使ったアプローチを考え、性格診断サイトで人が選択した結果とパーソナリティAIが選択した結果がある程度の類似性（精度）が見られたことで、パーソナリティAIの一定の信頼性を出すことができたと思っています。
  • ユースケースの創出
    • パーソナリティAIを使って、どのようなサービスを提供するかも課題となりました。漠然と、有名人や日頃話せない人と話せたらいいな･･･というアイディアだったので、チャット機能はすぐに思いついたのですが、それ以外のユースケースがなかなか思いつきませんでした。最終的には、友人や会社の同僚などからも意見を募り、AIミーティング・AIアンケートのユースケースが生まれました。

誇りに思う成果

  • きちんと動くところまでプロダクトを作りきったこと

    • 兎にも角にも、思い立ってから2ヶ月弱で、プロダクトを作り上げられたことです。作りたい・形にしたいと思っていても、それを行動に移すのはなかなか難しかったのですが、やると決めて、形になるまでやりきれたことを誇りに思いたいと思います。

  • GoogleCloud上での生成AIアプリ開発を実践したこと

    • 今後、よりGoogleCloudを使った生成AIアプリケーション開発が盛んになっていくと思われる中、そのノウハウを貯めることができたことが成果となります。今回の開発で経験したことを体系化して、組織にフィードバックすることで、GoogleCloud上で生成AIアプリケーションを開発できる人材を増やしていきたいと思います。

  • 生成AIの活用ユースケースを発見できたこと

    • 生成AIに役割を与えると回答精度が上がるというのは、世の中でも一般的に知られていますが、性格や個性を与えても、一定の精度が出ることを確認できたことが成果となります。このアプローチを継続・拡張させていくことで、デジタルヒューマンやGeneralArticialInteligence（GAI）の実現に少しでも寄与していけたら･･･と思っています。また、パーソナリティAIを使ったユースケースを創出できたことも成果と捉えています。

学んだこと

  • GoogleCloudを活用した生成AIアプリケーション開発

    • 今回の一番の学びは、GoogleCloudに開発に関わるほぼ全ての環境が整っていることを学びました。今回、時間もなかったので、ローカルの開発環境は一切整えず、GoogleCloud上（CloudShell等）で開発しましたが、特に大きな問題もなく開発ができました。今回のようなプロト開発であれば、GoogleCloudだけで十分であることを体験できたことが大きな学びでした（やっぱり、実践して、経験することが重要ですね）。

  • 生成AI活用におけるユースケース創出の考え方

    • 今回のハッカソンを通して、生成AI（Gemini）がどんな特性・特長を持っていて、どういうケースで使えるかを考えるベース部分が学べたと思っています。特に、ユースケースを創出する時に、対象のテクノロジーの本質をとこまで理解しているかで、創造する深さや幅が全然違ってくると痛感しており、AIや生成AIに対して、もっと学習していく必要があると痛感しています。また、生成AIのユースケースを抽出するに当たり、多様性のある、いろいろな人と対話することで、よい発想が湧いてくるケースが多いので、今後も実践していきたいです。

  • AI・生成AIの精度評価について

    • AI・生成AIの精度評価をする際に、まずは、「自分達が何を評価したいのか（何のために評価する必要があるのか）を定義する」ことの重要性を学びました。今回、性格診断サイトを使った精度評価を行いましたが、「なぜ、これを精度として定義したのか」「なぜこの指標を精度評価に用いたのか」などをきちんと説明できることが重要で、AI開発において、きちんと説明責任を果たすことも、エンジニアに必要な要素になっていることを学べたと思います。今後の開発でもこの点に注意して、実践していきたいと思いました。

PersonalityAI as a Serviceの今後の展開

  • 直近の展開

    • まずは、2ヶ月で即興で開発したため、きちんとアプリケーション構成を見直したいと思っています。
    • 次に、本サービスで最も重要となるパーソナリティAIの精度向上を実践していきたいと思います。
    • さらに、認証機能やセッション管理など、アプリケーションとして不足している部分を追加して、一般公開できる状態にしていきたいと思います。

  • 短期的な展開

    • アイディアをどんどん形にして、PoCができる状態にしていきたいです。
    • PoCをたくさん行い、たくさんのフィードバックを受けることで、有益なユースケースを発見し、サービス化に繋げていきたいと思います。
    • 目標としては、SNSやOpenIDと連携して、パーソナリティAIが社会に受け入れられている状態になっていると嬉しいです。

  • 長期的な展開

    • パーソナリティAIを拡張させて、様々な分野で活用できるようにしていきたい。アイディアとしては、以下のようなことを実現したいと考えています。
      • メタバース上で、パーソナリティAIのアバターを作って、行動させてみる（多角的シミュレーション）。
      • 人ごとにパーソナリティAIを時系列で取得し、人の成長を予測する。
      • 人が経験したことを蓄積し、RAGを用いることで、パーソナリティAIに不足している知識や経験を補う。
    • 最終的には、パーソナリティAIを活用することで、豊かなで深いコミュニケーションを実現し、社会課題を解決したり、よりよい世界の創出に寄与していきたいです。

Built With

Share this project:

Updates