top of page

AI-Powered Management Decision Support System (MDSS) Development Notes

6月24日
読了時間: 4分

AI APIを業務へ組み込むことで、単なるチャットボットではなく経営判断を支援するシステムが構築できないかを検証している。目的は、売上・市場・競合・ニュースなどの下記情報を統合を行うことで下記の意思決定の材料を提供することである。なお、最終判断は人間が行うことを前提としている。

  • 現状分析

  • リスク分析

  • フィッシュボーン分析

  • マインドマップ生成

  • PDCA提案


システム構成

現在のPoC構成下記となるが、社内の場合は基本データはSQLiteのかわりにPower BIまたは社内DB下記になると思う。


SQLite(社内の場合Power BIまたは社内DB)、Python、Gemini API、Streamlit UI


実施内容

データベース構築(SQLLite)以下のテストデータ用テーブルを作成

  • sales_transaction

  • customer_master

  • product_master

  • region_master

  • stock_prices

  • economic_news

  • competitor_status


AI分析機能

売上データ(sales_transaction)をもとに下記のツール生成する仕組みを構築

  • Weak Point

  • PDCA

  • Mindmap

  • Fishbone


UI構築

Streamlitで以下の画面を実装した。

  • Sales

  • Market / Macro

  • Competitor

  • PDCA

  • Mindmap

  • Fishbone


開発中に遭遇した課題

1. Gemini API Rate Limit

429 RESOURCE_EXHAUSTEDが発生!!!

当初はことあるごとにAPI呼び出しを行っていた。

画面表示>API呼び出し、タブ切り替え>API呼び出し、質問>API呼び出し


これはブラウザUIでStreamlitを使っており、Streamlitは操作のたびにスクリプトを再実行するため、意図せずGemini APIを呼び出していた。


2. コストと運用性

リアルタイム分析を目指していたが、毎回APIを呼ぶ設計では下記が発生することが判明した。

  • コスト増大

  • レート制限

  • レスポンス低下


改善方針

AI中心設計からDB中心設計へ変更

  • Before: ユーザー操作 -> (APIコール) -> リアルタイム分析 (コスト高、不安定)

  • After: ユーザー操作 -> (DB参照) -> 分析結果表示 + 更新時のみAI活用 (コスト最適化、安定稼働)


AI利用を必要最小限にする

AIはユーザより更新要求のみに利用し結果をDBに保存、日常的な下記参照はDBから取得

またキャッシュを使うことにより、より高速にレスポンスがあるように設計を直した。

  • 分析生成

  • 要約

  • フィッシュボーン作成

  • マインドマップ作成

  • PDCA生成


今後の構想

最終的には、売上、顧客、商品、ニュース、株価、為替、競合情報、を統合し、

「私の見解では」という形式で分析結果をアドバイスとして提示する対話型意思決定支援システムを目指している。


重要なのは、AIが判断するのではなくAIが情報整理と仮説生成を行い人間が判断することである。

 

まとめ

今更ながら、実際に作ってみていろいろ気付いたことがある。

お客様や会社へアイデアを提案した結果、どんなに良いアイデアでも却下されることがある。しかし、それにはそれなりの理由がある。技術的に実現可能かどうかだけではなく、様々な観点から判断される。

  • 運用は可能か

  • 保守できるか

  • コストは妥当か

  • 本当に利益につながるか


今回、MDSSの開発中にAPI制限へ何度も遭遇した。

AIを使う>APIを大量に呼ぶ>利用制限に達する>有料プランを勧められる


そこで「では、その費用を払う価値があるのか?」という視点で考えるようになった。会社も個人も同じである。結局のところ、導入によって得られるメリットがコストを上回るから採用されるのであって、その効果が不明瞭であれば保留や却下されるのは当然の判断だ。頭では理解していたつもりだったが、自分で作ってみて改めて実感できた。


AIOCRやMDSSの開発を通じて、技術だけではなく運用や投資対効果を考える視点を学べたことは大きな収穫だったと思う。


また、自分は設計を行い、AIにコードを書かせ、テストやレビューを行う形で開発を進めている。今後はこうした働き方が増えていくのではないだろうか。

コードは書けた方が望ましい。しかし、それ以上に重要なのは、「そのコードが何をしているのか」、「何が不足しているのか」を理解できることだと思う。


それが分からなければ、AIがどれだけコードを書いてくれても完成には辿り着けない。


今回の開発を通じて、技術だけでなく、設計・運用・コスト・レビューの重要性の再認識ができた。それだけでも、この挑戦には十分価値があったと思う。

コメント


bottom of page