AI設定アシスタントが「代理人」へ一歩近づいた日
今日は動画告知BotのAI設定アシスタントを、とにかく初心者目線で磨き続けた一日だった。
最初に気になったのは、DiscordやSlackの設定案内だ。
「Incoming Webhook」「POST送信」なんて言われても、初めて触る人には何のことか分からない。AIが知っている言葉ではなく、利用者が知っている言葉で話さなければならない。
そこで説明を全面的に見直した。
「サーバーを作る」「チャンネルを作る」「歯車を押す」など、一歩ずつ進める形へ変更。さらにSlackには「Slack APIを開く」、Discordには「Discord Webhookの作り方」というボタンを追加し、迷ったら公式ページへ飛べるようにした。
さらに、「分からなくなったら聞いてね」という一文も見直した。
実際のAIは、その場の画面を見て判断できるわけではない。それなのに「何でも案内する」と約束するのは誠実ではない。
そこで、
「どの画面で止まったか教えてくれれば、一緒に進めるよ。」
という、実際にできることに合わせた案内へ修正した。
もう一つ、大きな進展があった。
AIチャットへ画像を貼れるようになったことだ。
最初は
- Ctrl+V
- 📎ボタン
だけだったが、右クリックからも貼り付けられるよう改善を進めた。
そして話はさらに発展する。
「画像を受け取るだけでは意味がない。」
そう考え、AI自身がスクリーンショットを読めるようにする計画へ切り替えた。
販売版で使いやすいことを考え、画像解析にはGemini Visionを採用する方針とした。
利用者が自分のAPIキーを設定すれば、
「今はSlackのCreate an App画面です。次は『From scratch』を押してください。」
というように、スクリーンショットを見ながら案内できるAIを目指す。
画像は一時ファイルへ保存せず、メモリ上から直接Geminiへ送る設計とし、APIキー未設定時には設定方法を丁寧に案内する仕組みも組み込んだ。
今日は何度も思った。
「AIができること」と「利用者が期待すること」を一致させる。
この調整こそが、一番難しい。
過大な約束をすれば失望を招く。
逆に、できることを正しく伝えれば、利用者は安心してAIを頼れる。
動画告知BotのAI設定アシスタントは、単なる設定ウィザードではなく、「困ったときに相談できる代理人」へ少しずつ近づいている。
次はいよいよGemini Visionの実機檢証だ。
スクリーンショットを本当に理解し、「次に押すボタン」を案内できることが確認できれば、このAIは販売版の大きな価値になるだろう。