【Fish×Techハッカソン③】オープンデータをAIに教え込む！「AIコンシェルジュ」の頭脳をつくるRAG実装への道 #FISHxTECH

2026年3月3日 23:47

▼前回の記事はこちら

いよいよアプリ開発へ！AIコンシェルジュの頭脳をつくる

前回までは、漁業×観光を高付加価値化するためのビジネスモデルや課題（船の安全基準や二重価格など）について考えてきました。今回からはいよいよ、これらを解決するアプリのコア機能である「観光客向けAIコンシェルジュ」の実装に取り掛かります！

今回のハッカソンで提供されている武器は、以下のオープンデータです。

石川県水揚げデータ（月次）
金沢市中央卸売市場データ（年次）

これをAIに読み込ませて、「今、金沢で一番美味しいお魚は何？」「どこに行けば体験できる？」といった観光客の質問に、的確に答えてくれるチャットボットを作るのが目標です。

なぜ「プロのガイド」に「AI」を掛け合わせるのか？

前回、船や市場での安全対策・高付加価値化のために「プロの通訳案内士（人間のガイド）が同乗することが必須だ」と書きました。「だったら、案内は全部人間に任せればよくて、AIは要らないのでは？」と思われるかもしれません。

しかし、ここに「専門知識の壁」が存在します。

例えば、第2回で紹介した「1グループ16万円」の豊洲市場プライベートツアー。これがなぜ高額でも人気なのかというと、「一流の元料理人が、プロの目線で市場の魚を解説してくれるから」です。一方で、地域の通訳案内士は語学や歴史・安全管理のプロですが、毎日市場に通う魚のプロや漁業関係者ではありません。目の前に並んだ魚を見て、「この魚は石川県でどれくらい希少なのか」「定置網なのか底曳網なのか」といった深い専門知識までカバーするのは困難です。

そこで、人間のガイドの隣で「お魚専門のブレイン」として機能するのが、今回開発するAIコンシェルジュです。現地でガイドや観光客が「あ、このお魚美味しそう！今が旬なの？」と疑問に思ったとき、AIがオープンデータ（過去20年分の水揚げ量や市場での取引データ）を瞬時に検索し、「これは秋に底曳網で獲れる甘えびで、今年は特に取引量が多いですよ！」と、データという客観的な事実に基づいた「プロ級のウンチク」を教えてくれる仕組みです。

「人間（安全・ホスピタリティ）」×「AIとオープンデータ（水産の専門知識）」。この掛け算こそが、豊洲市場のVIPツアーにも負けない「高付加価値な漁業体験」を石川県で実現するためのカギになると確信しています。

立ちはだかる「オープンデータの壁」：AIは表が苦手？

「オープンデータがあるなら、それをAIに投げ込めばすぐ答えてくれるでしょ？」最初は私もそう思っていました。しかし、実際にダウンロードした水揚げデータのCSVを開いてみて愕然としました。

データは「年月・漁名・地区名・品名・数量・金額」といったテーブル構造（表形式）になっています。実は、現在のLLM（大規模言語モデル）は、こうした無機質な数値の羅列から背景や文脈を読み解くのがあまり得意ではありません。ただ表を読み込ませても、「〇〇年のアオリイカの水揚げ量は…」と機械的に答えるだけで、コンシェルジュらしい「生きた案内」にはならないのです。

AIに正しく、そして「優秀なコンシェルジュらしく」案内してもらうためには、無機質なデータを「意味のある文章（コンテキスト）」に変換してあげる必要があります。前回のハッカソン参加者の方も「使えるデータにするための加工が一番大変」とブログで語っていましたが、まさにその通りでした。

Google Colabでデータを「AIが読める文章」に変換！

無機質な表データを、AI（LLM）が読み取りやすい「自然な文章」に変換しなければならない。しかし、石川県の水揚げデータは何万行にも及びます。手作業で行うのは絶対に不可能です
そこで、プログラムを書く作業自体も生成AI（Gemini）に手伝ってもらうことにしました。実は今回のハッカソン、公式ルールで「生成AIによるコーディングも全く問題なし」と明言されているのです。使わない手はありません！
私はGeminiに対して、以下のようなプロンプト（指示）を投げました。

するとGeminiは、一瞬で完璧なPythonコードを生成してくれました。私がやったことといえば、手軽なPython実行環境である「Google Colab」にそのコードを貼り付け、ポチッと実行ボタンを押しただけです。

プログラムの全文は割愛しますが、Geminiが書いてくれたコードの「コア」となる変換部分はこんな感じです

Colabでこのプログラムを実行した結果、何万行というCSVの数値データが、数秒で「2025年金沢市では底曳網によって甘えびが〇〇kg水揚げされました」という、生きた日本語のテキストデータに生まれ変わりました！前回のハッカソン参加者の方のブログにも「使えるデータにするための前処理が一番大変」とありましたが、Geminiの力を借りることでこの巨大な壁をあっさり突破することができました。

*   **加能ｶﾞﾆ（ｽﾞﾜｲｶﾞﾆ雄） (年間総取引金額3位, 漁獲ピーク月において取引金額1位)**:
    *   年間総漁獲量: 259,405.68 Kg
    *   年間総取引金額: 1,006,381,210 円
    *   主な漁法: 底曳網
    *   漁獲ピーク月: 11月 (115,907.23 Kg)


*   **貝類**:
    *   年間総漁獲量: 5,316.87 Kg
    *   年間総取引金額: 7,462,201 円
    *   主な漁法: 刺網
    *   漁獲ピーク月: 04月 (1,678.28 Kg)


*   **香箱ｶﾞﾆ（ｽﾞﾜｲｶﾞﾆ雌） (漁獲ピーク月において取引金額2位)**:
    *   年間総漁獲量: 136,265.91 Kg
    *   年間総取引金額: 338,429,954 円
    *   主な漁法: 底曳網
    *   漁獲ピーク月: 11月 (124,359.71 Kg)

Difyを活用して「RAG」を構築してみる

文章化された大量のデータが準備できたので、次はこの知識をAIに組み込みます。今回は手軽にLLMアプリを開発できるプラットフォーム「Dify」を活用し、RAG（Retrieval-Augmented Generation：検索拡張生成）という仕組みを構築しました。

RAGとは、ユーザーから質問が来たときに、AIが自分の記憶だけで適当に答える（ハルシネーションを防ぐ）のではなく、私が先ほど作った「石川県の水揚げデータ文章」のデータベースから正しい情報を検索し、それをもとに回答を生成する仕組みです。

Difyのナレッジ機能に、先ほどGoogle Colabで作ったテキストデータを突っ込みます。さらに、システムプロンプトとして「あなたは金沢の海の幸に精通した、親しみやすい観光AIコンシェルジュです。観光客に対して、データに基づいて魅力的に案内してね」と設定しました

いざ、テスト稼働！AIコンシェルジュの回答やいかに？

さあ、準備は整いました。実際にDifyのテスト画面で、コンシェルジュに質問を投げてみます。

おおっ！しっかりと「オープンデータにある３月に水揚げ量が多い魚（例えば底曳網でのイイダコやアカガレイなど）」を根拠にして、人間らしく自然なトーンで答えてくれました！ただの表データが、現地で観光客をもてなす「生きた情報」に変わった瞬間です。感動！

まとめと次回予告

今回、実際に手を動かしてデータを処理してみて痛感したのは、「AIの性能を引き出すには、人間側がデータをどう整備して渡すかが鍵になる」ということです。とりあえず形にはなりましたが、まだまだ実際の漁業の「現場の肌感」や「市場のリアルな市況」まではデータからは読み取れません。

そこで次回はパソコンの前を離れ、実際に石川県漁協の方へインタビューに行き、「かなざわ総合市場」の現在や、観光客向けツアーの可能性について生の声を聞いてきたいと思います！お楽しみに！