趣味の売買管理が、煩雑になっていた

趣味で集めているコレクションを、フリマアプリで売却することがある。

購入した商品のリスト、出品予定の商品、出品済みの商品、売却済みの商品。それぞれの状態を管理し、出品文を作成し、売却後の記録を残す。

最初は手作業でやっていたが、商品数が増えるにつれて、管理が煩雑になってきた。出品文を毎回ゼロから書くのも手間だ。

そこで、AIを使って「購入・売買管理」と「出品文の作成」を一体化したシステムを作ることにした。

最初の構想：全部AIに任せてみた

最初の構想は、こんな感じだ。

商品名と状態を伝えると、AIがWeb検索をして、出品文に必要な情報を全て生成。チャット上で確認してから、データベースに出力する。

商品の特徴、状態の説明、付属品のリスト、注意事項、その他のコメント。全セクションをAIが作成し、私は「OK」と言うだけ。完璧だと思った。

しかし、実際に使ってみると、違和感があった。

特に困ったのが、チャット確認のステップだ。

AIが出力した文章を見て、「OK」と答える。ただそれだけのために、毎回チャットを見直す必要がある。しかも、実際にはデータベース上で直接確認・修正したいのに、チャット上での確認が一手間増えているだけだった。

気づき：AIに全部やらせる必要はない

試行錯誤の末、私はある結論に達した。

AIが生成するのは、可変部分だけでいい。

商品の特徴や状態の説明は、商品ごとに違う。だからAIに生成してもらう価値がある。

しかし、定型的な内容（付属品リスト、注意事項、その他のコメント）は、ほぼ毎回同じだ。これをAIに毎回生成させる必要はない。テンプレート化して、データベースの計算式で結合すればいい。

さらに、チャット上での確認も不要だ。データベースに直接出力して、そこで確認・修正する方が効率的だ。

この設計にしてから、出品作業が劇的に楽になった。

AIが生成した内容は、データベース上で確認できる。気になる部分があれば、その場で修正すればいい。購入リスト、出品予定、出品済み、売却済みの管理も、すべてデータベース上で完結する。

もう一つの事例：請求書処理のスピード重視

似たような判断が必要になったのが、請求書処理の効率化だ。

ある方から、「紙の請求書を会計ソフトに入力する作業を効率化したい」という相談を受けた。毎月30〜50枚の請求書を、目視で確認しながら手入力している。

この作業を効率化する方法は、いくつかある。

AIを使ってシステムを組めば、請求書をスキャンして自動的にデータベースに取り込み、異常値を検知し、会計ソフトに自動で送信する。完全自動化も、技術的には可能だ。

しかし、そのシステムを作るには、時間と費用がかかる。さらに、相談者のAIスキルやシステム構築の経験も考慮する必要がある。

そこで提案したのが、「CSV化」という、すぐできる方法だ。

Geminiの画像認識機能で請求書をスキャンし、データをCSV形式で出力する。それを会計ソフトにインポートする。この方法なら、システム構築の知識がなくても、すぐに始められる。

ただし、重要なのは「100%の精度は求めない」ということだ。

紙のデータは、画像認識の精度が80〜90%程度になる。ゴミが乗ったり、光ったりすると、読み取りが変わることがある。だから、最終的には人間が確認する前提で設計する。

実務で回る「スピード重視」の3原則

この2つの事例から、実務で回る「スピード重視」の3原則が見えてきます。

1. マニフェスト方式（透明性の確保）

AIに処理を始めさせる前に、「何を処理するのか」を宣言させる。

趣味の売買管理：
「プラスでデータベース以外の商品もありますか？」と確認してから、全商品リスト（DB商品 + 追加分）を確定。AIが自動で振り分ける。

請求書処理：
スキャン結果を一覧表示し、人間が確認してからインポート開始。対象外のファイルを勝手に処理しない。

これにより、「AIが勝手に判断して省略する」事故を防げます。

2. 役割の分離（AIの仕事を絞る）

AIに「全部やらせよう」とするのではなく、AIの仕事を明確に絞る。

趣味の売買管理：
AIが生成するのは可変部分（商品の特徴、状態の説明）のみ。定型部分はテンプレート化し、データベースの計算式で結合する。

請求書処理：
画像認識はAI、異常値チェックもAI（Gemのアラート機能）、最終判断は人間。

AIの出力と人間の編集を明確に分離することで、メンテナンスがしやすくなります。

3. 人間の確認ポイント（80%の精度で十分）

完璧を目指すより、80%の精度で十分。残りは人間が確認・修正する前提で設計する。

趣味の売買管理：
データベース上で直接確認・修正する運用。チャット確認は不要。

請求書処理：
CSV化して会計ソフトにインポート。異常値（通常の金額と大きく異なる場合など）はアラートで目立たせる。

完全自動化を目指すと、かえって時間がかかる。スピード重視で小さく始めて、実際に使ってみて効果が実感できたら、その時に徐々にシステム化していく方が、結果的にクオリティが高くなります。

スピード重視で小さく始める意味

完璧なシステムを作ろうとすると、時間がかかる。

設計に時間をかけ、実装に時間をかけ、テストに時間をかける。そうして出来上がったシステムが、実際には使いにくかった、ということもある。

一方、スピード重視で小さく始めれば、すぐに使い始められる。実際に使ってみて、「ここが不便だ」「ここをもっと効率化したい」という点が見えてくる。

その時に初めて、本格的なシステム化を検討すればいい。

趣味の売買管理も、請求書処理も、最初から完璧を目指していたら、今でも使えていなかっただろう。スピード重視で小さく始めたからこそ、実務で回るシステムになった。

まとめ

AIに100%を求めると、かえって時間がかかる。

実務で回る「スピード重視」のコツは、以下の3つです。

• マニフェスト方式で、AIが何を処理するかを宣言させる
• 役割の分離で、AIの仕事を明確に絞る
• 80%の精度で十分。残りは人間が確認・修正する前提で設計する

何事も、スピード重視で小さく始める。実際に使ってみて効果が実感できたら、その時に徐々にシステム化していく。この考え方が、実務で本当に使えるAIシステムを作る第一歩です。