記録をかんたんに、提案をパーソナルに ── AIであすけんが目指すもの

Findy AI Engineering Summit Tokyo 2026 の登壇資料です。

食事管理アプリ「あすけん」を運営するaskenが、ミッション「ひとびとの明日を今日より健康にする」の実現に向けて、AIをどうプロダクトに実装しているかを紹介します。

健康寿命の延伸という社会課題から出発し、食事の行動変容ループ「記録 → 現状把握 → 次の一手 → 継続」を技術で回すための4つの取り組みを解説します。

・画像解析:写真を撮るだけの食事記録。深層学習による食品検出と10万種以上のメニューDB照合
・AIおまかせ記録:話し言葉のままの入力を構造化データに変換。難易度別の記録率計測とプロンプト設計で致命的エラー率を33.9%から13%台へ改善
・対話型AIチャット(開発中):食事履歴をふまえたパーソナルな提案。専門家を「正解の物差し」に据えた多段階の品質評価
・ガードレール:小型言語モデル(SLM)のfine-tuning(LoRA)と1トークン判定による、低レイテンシ・適合率97%の有害コンテンツ検知

発表者:山口将央(株式会社asken AX推進部 テックリード)

Transcript

1. 記録を に、 提案を に。 AIであすけんが​ 目指すもの かんたん パーソナル 山口 将央 株式会社asken ／ AX推進部 テックリード Findy AI Engineering Summit Tokyo 2026 12:10–12:40 ／ Room B 01 / 50
2. 山口 将央 株式会社asken ／ AX推進部 テックリード 「記録を​ かんたんに、​ 提案を​ パーソナルに」── 本日は、​ この​ 実践の​ 中身を​ お話しします。 2023 ／ 参画 業務委託と​ して​ 参画 画像解析エンジンの​ 内製化プロジェクトを、実質1人で​ 始動。 2024 ／ 入社 正式入社・テックリードへ 内製の​ 画像解析エンジンの​ 開発を​ 牽引。 現在 ／ AX推進部 精度向上と​ AI活用基盤 生成AIを​ 最適化した​ 画像解析エンジンの​ 精度向上を​ 牽引。​ 全社の​ 業務課題を​ 解くAI活用基盤の構築も​ 担う。 1 2 3 02 / 50
3. 「なぜ」から「どう」まで、3幕で。 ミッションの「なぜ」から、実装の「どう」まで。順にお話しします。 1 第1幕 ― なぜ なぜ「健康寿命」なのか。 あすけんのミッションと国家目標が、 同じ方向を向く理由。 2 第2幕 ― 何を 食事を、技術で変える。 記録・継続・ 打ち手のロジックをたどる。 3 第3幕 ― どう 行動変容ループを、技術で回す。 4つの機能で、 実際にループを回す。 03 / 50
4. 01 第1幕 なぜ、 「健康寿命」なのか。 あすけんの​ ミッションが、​ なぜ​ 国が​ 掲げる 「健康寿命の​ 延伸」 と​ 同じ方​ 向を​ 向くのか。​ まず、​ その​ 論理の​ 背骨から。 04 / 50
5. 「今日より​ 少し​ 健康な​ 明日」を、 一人​ ひとりが​ 積み重ねる。 それが、​ あすけんの​ ミッション 「ひとびとの​ 明日を​ 今日より​ 健康に​ する」 の出発点。 壮大な​ 号令ではなく、​ 毎日の​ 小さな​ 一歩の​ 総和です。 05 / 50
6. 手段は、食・​ 栄養学 × テクノロジー。 専門家しか​ 扱えなかった​ 栄養学の​ 知見を、誰もが​ 手の​ ひらで使える​ 状態に​ する ＝ 栄養学の​ 民主化。 専門知 食・​ 栄養学 これまで​ 専門家しか 扱えなかった​ 知見 × 民主化 テクノロジー 誰の​ 手の​ ひらにも 毎日​ 届けられる 行動へ 「知っている」を 「続けられる​ 行動」に 毎日の​ 食事の​ 選択へ 06 / 50
7. 1日の​ 改善と、​ 生涯の​ 目標は「同じ​ ベクトル」。 「今日より​ 健康な​ 明日」を一生分積み重ねた​ 帰結が、​ 健康寿命の​ 延伸。 向きは​ 同じ、​ 違うのは​ 時間スケールだけ。 ミクロ / 1日 「今日より​ 健康な​ 明日」 あすけんの​ ミッション​ （毎日の​ 一歩） マクロ / 生涯 「健康寿命の​ 延伸」 国が​ 掲げる​ 目標（生涯の​ 健康） 結論 時間スケールが​ 違うだけの、同じ方​ 向の​ ベクトル。​ だから​ 日々の​ プロダクトが、​ そのまま​ 日本の​ 健康課題への​ 取り組みに​ つながる。 07 / 50
8. 「健康寿命」とは？ 生涯を​ 「健康な​ 期間」と​ 「不健康な​ 期間」に​ 分けた​ ときの、健康な​ 期間の​ 平均。 健康な​ 期間 ＝ 健康寿命 不健康な​ 期間 ＝ 日常生活に​ 制限​ あり ← 一生​ （平均寿命）​ → 健康寿命 不健康な​ 期間 平均寿命 − 健康寿命 ＝ 不健康な​ 期間 　──　ここを​ 縮める​ ことが鍵。 日常生活に​ 制限なく​ 過ごせる​ 期間 介護・制限​ あり 08 / 50
9. 「不健康な​ 期間」は、​ 約8〜12年も​ ある。 日本の​ 平均寿命と​ 健康寿命の​ 差​ （2022年）。​ この​ 差を​ 縮める​ ことが、​ 国が​ 掲げる​ 目標の​ 鍵。 健康寿命 不健康な​ 期間​ （平均寿命との​ 差） 男性 健康寿命 72.57歳 8.49年 平均寿命 81.05歳との​ 差 女性 健康寿命 75.45歳 11.63年 平均寿命 87.09歳との​ 差 出典：厚生労働省​ 「平均寿命と​ 健康寿命」​ （2022年） 09 / 50
10. 目的は、“長く​ 生きる​ ”こと ではない。 QOLを​ 保ち、​ 自立して​ 心豊かに​ 暮らせる持続可能な​ 社会を​ つくる​ こと。 鍵は、​ 平均寿命を​ 延ばす以上に「不健康な​ 期間」を​ 縮めること。 10 / 50
11. 国の​ 目標は、​ 健康寿命 ＋3年以上。 2040年までに、​ 健康寿命を​ 2016年比で​ 3年以上​ 延ばす​ （男女とも​ 75歳以上​ へ）。 ＋3年〜 「誰もが​ より​ 長く​ 元気に 活躍できる​ 社会」へ。 2040年まで 2016年比 75歳以上​ へ 11 / 50
12. 誰もが、「明日の​ 健康」に 向かっている​ 社会へ。 栄養学と​ いう​ 専門知を民主化し、​ 「知っている」を​ 「続けられる​ 行動」に変える。 これは​ 健康スローガンではなく、技術で​ 解くべき社会課題です。 12 / 50
13. 健康寿命を​ 縮める​ “上流”の​ ひとつは、食・​ 肥満。 生活習慣病の​ 流れを、​ 上流へた​ どった​ 先に​ ある​ ひとつが、​ 食と​ 肥満。 上流 食・​ 肥満 内臓脂肪型肥満・メタボ 発症 生活習慣病 糖尿病・高血圧・ 脂質異常症 進行 重症化 心疾患・脳卒中​ （動脈硬化） 帰結 健康寿命を​ 縮める 不健康な​ 期間が​ 延びる だから あすけんの「食事改善」は、​ 健康寿命の​ 延伸に​ おける​ 重要な​ アプローチと​ なる。​ 次は、​ それを​ 「どう​ 実装するか」。 出典：厚生労働省​ 「メタボリックシンドロームとは？」​ 「肥満と​ 健康」​ ほか 13 / 50
14. 02 第2幕 食事を、 技術で​ 変える。 上流は​ 食・肥満。​ ​ 「食事を​ 変える」を​ どう​ 成立させるか。 記録・継続・​ 打ち手の​ ロジックを​ たどる。 14 / 50
15. 数ある​ 健康要因の​ うち、 「食事」に​ 集中する。 あすけんの​ 事業領域は​ 「食・​ 栄養学 × テクノロジー」。 健康寿命を​ 縮める​ 上流の​ ひとつが​ 食・​ 肥満だから​ こそ、 食事＝行動変容に​ 一点集中する。 15 / 50
16. すべては、「記録」から 始まる。 記録＝セルフモニタリングは、​ 現状を​ 見える​ 化し、​ 改善対象を​ 特定する​ 第一歩。 自己制御理論でも、​ 記録は「基準との​ ズレの​ 特定」を​ 通じて​ 行動を変えると​ される。 16 / 50
17. 記録だけでは、​ 足りない。物差しが​ 要る。 記録​ （データ）に、​ 栄養学​ （基準）と​ いう​ 物差しを​ 当てて初めて、 ​ 現状と​ 理想の「ズレ」が​ 見える。 データ 記録 何を​ どれだけ​ 食べたか × 基準 栄養学 どう​ ある​ べきか​ （物差し） 見える​ もの 現状と​ 理想の 「ズレ」 何を​ 直すかが​ 決まる 転換 ここで​ 「食・​ 栄養学 × テクノロジー」が、​ スローガンから具体的な​ 仕組みに​ 変わる。 17 / 50
18. 記録が「気づき」を​ 生むことは、​ 自社でも​ 示せている。 あすけんの​ 記録機能の​ 利用者は、​ 食事への​ 意識が​ 向上した。 栄養バランス への​ 意識が​ 向上 食材の​ 多様性 への​ 意識が​ 向上 朝食 への​ 意識が​ 向上 位置づけを​ 正確に これは​ 「体重が​ 減った」​ 研究ではなく、「記録 → 気づき」を​ 示した​ 研究です。 出典：東邦大学看護学部／あすけん　JMIR mHealth and uHealth, 2020 18 / 50
19. 記録は、​ 食事改善の効果的な​ 行動要素。 減量・​ 食行動の​ 改善と​ 一貫して​ 関連するのが、記録​ （セルフモニタリング） だった。 外部研究の​ 数字 いずれも​ 公開された​ 学術研究の​ 結果であり、あすけん​ 独自の​ データでは​ ありません。 一貫性 15 / 15 レビュー対象の​ 食事記録研究すべてで、​ 記録と減量に​ 有意な​ 関連が​ 認められた。 出典：Burke LE, et al. 2011​ （系統的レビュー） 継続性 週3日 超 記録の継続性が、​ 減量の​ ばらつきを​ 最も​ よく​ 説明した。​ 続ける​ ほど​ 成果も​ 大きい。 出典：Payne JE, et al. 2022 19 / 50
20. けれど、続かない。 25% 介入が​ 終わる​ 頃まで​ 記録を 続けられていた​ 人の​ 割合。 壁は​ 「記録の​ 重要性」ではなく、 続けられるかだった。 出典：Burke LE, et al. 2011 （外部の​ 公開研究。​ あすけん​ 独自の​ データでは​ ありません） → ボトルネックは 「続けられるか​ （adherence）」。​ だから、​ ここを​ 技術で​ 解く。 20 / 50
21. 成果に​ つな​ げるには、3つを​ 同時に満たす。 研究で​ 最も​ 支持された​ 要素は、​ 継続性。 簡単に​ する → 続く → 成果 1 記録を​ 簡単に 入力負担を​ 下げ、​ 継続を​ 上げる。 写真や​ 音声で​ 手間を​ 最小化。 例：画像解析・AIおまかせ記録 2 現状を​ わかりやすく 栄養学を​ 物差しに、 ​ 現状と​ 理想の​ 「ズレ」を ​ 可視化する。 例：栄養グラフ・点数​ （既存コア） 3 次の​ 一手を​ 提案 個別フィードバックで​ 「何を​ すべきか」を示す。 記録＋提案は​ 記録単独より​ 効果的。 21 / 50
22. 「自動化したら、気づきが​ 失われない？」 問 写真で​ 記録を​ 自動化すると、​ 「自分で​ 記録する​ 手間」が​ なくなり、​ 気づきも失われるのでは？ 答 いいえ。​ 気づきは​ “記録の​ 手間”ではなく、“可視化＋提案”が​ 生む。 だから​ 入力の​ 負担は​ 下げて​ よい。コスト​ （手間）を​ 下げ、​ 便益​ （気づき）は​ 保つ——これが​ エンジニアリングの​ 狙い​ どころ。 22 / 50
23. 03 第3幕 行動変容ループを、 技術で​ 回す。 記録を簡単に、次の一手を、全体を守る土台。 4つの機能で、行動変容ループを回していく。 23 / 50
24. 行動変容ループを、​ 「技術で」回す。 記録 → 現状把握 → 次の​ 一手 → 継続 の​ ループを、​ 一人​ ひとりに​ ・正確に​ ・ 滑らかに​ ・安全に回す。​ これがあすけんの​ 実装の​ 全体​ 像です。 ス テ ッ プ 0 1 記録 画像解析／AIおまかせ記録 入力負担を​ 最小化 ス テ ッ プ 0 2 現状把握 栄養グラフ・点数 栄養学を​ 物差しに​ ズレを​ 可視化 実証済みの​ 既存コア ス テ ッ プ 0 3 次の​ 一手 あすけんからの​ 提案 次の​ 一手を​ 提案で​ サポート ガードレール 土台 ループ全体​ （特に​ AIの​ 「次の​ 一手」）を​ 横断して​ 守る​ 土台。​ 詳細は​ 後半で。 継続 ＝ 行動が​ 変わり、​ 次の​ 記録へ 24 / 50
25. 「記録を簡単に」には、二重の​ 価値がある。 だから​ 私たちは、​ まず​ 入力負担の​ 最小化に​ 投資する。 1 続く​ （adherence） 入力負担が​ 下がれば継続率が​ 上がる。​ エビデンスで​ 唯一実証された​ 重要要素＝継続性を​ 直接後押しする。 → 25%問題への​ 打ち手 2 下流AIの​ 質を​ 決める 記録は、​ 画像解析や​ 「次の​ 一手」の​ 提案の​ 前提データ。​ 前提が​ 違えば、​ どんな​ 助言もノイズに​ なる。 → 記録の​ 質 ＝ AIの​ 質 拡張 ＞ 置換 だから​ AIは、​ 既存コア​ （栄養グラフ・点数）を置き換えず“拡張”する。 25 / 50
26. 写真を​ 撮るだけで、 記録できる。 写っている​ 食品を​ 自動で​ 特定して​ 記録する​ ——画像解析。 「記録の​ 手間」を、​ シャッター1回まで​ 下げる。 打ち手の​ 現在地 記録を​ 簡単に 次の​ 一手を​ 提案 土台：ガードレール 26 / 50
27. 写真から、​ 食品を​ 見分けて栄養に​ 変える。 深層学習で​ 食品を​ 認識し、​ メニューDBと​ 照合して​ 栄養素を​ 自動算出する。 1枚に​ 複数の​ 料理が​ 写っていても​ OK。 手順 1 食品を​ 検出 深層学習で​ 写真から​ 食品の​ 領域を​ 検出。​ 1枚に​ 複数​ （弁当＋味噌汁＋ ドリンク）でも​ 個別に。 手順 2 メニューを​ 特定 10万種以上の​ DBと​ 照合して​ 候補を​ 絞る。 市販品​ （コンビニ・チェーン） も一般料理も​ 対象。 手順 3 量と​ 栄養を​ 算出 確定した​ メニューから​ 量を​ 推定し、​ 14種類の栄養素を​ 自動で​ 計算。 難所 見た​ 目が​ 似た​ 別物の​ 判別や、​ 量の​ 推定は​ 難しい。​ だから精度を​ 継続的に​ 上げ続けている。 27 / 50
28. 外部​ 技術を​ 出発点に、技術を​ 積み上げてきた。 画像認識・メニュー照合と​ いった​ 要素技術を、​ 世代ごとに​ 磨き上げ、​ 対応範囲と​ 精度を​ 広げてきた。 2016〜 ／ 外部​ 技術 外部​ API 写真からの​ 記録を​ 実現した​ 出発点。​ 画像認識・ メニュー照合の​ 技術の土台を​ 築き始めた。 自社内製 第一世代 外部​ APIに​ 頼らず、​ 培った​ 要素技術を​ 自社モデルへ​ 積み上げ。​ 市販食品まで​ 対応範囲を​ 拡張。 現行 第二世代 全メ​ ニュー対応​ （市販品＋ 一般料理・​ 自炊）。 精度を​ 大きく向上。 現在の​ 到達点 次世代 Coming soon 1 2 3 4 28 / 50
29. 言葉や​ 音声で、 ざっくり伝えるだけ。 「うどん2玉と​ サラダ」​ ——話す／書くだけで、 ​ AIが​ 自動で​ 記録する。 キーボード入力の​ 負担を、​ 会話レベルまで​ 下げる。 打ち手の​ 現在地 記録を​ 簡単に 次の​ 一手を​ 提案 土台：ガードレール 29 / 50
30. 「ざっくり」を、3層で​ 正確に​ 解く。 話し言葉を​ そのまま​ 受け取り、​ 3つの​ 層に​ 分けて​ 処理する。 第1層 ノイズ除去＋抽出 「今日は」​ 「食べたよ」​ 等を​ 除き、 メニュー名を​ 取り出す 第2層 DBから​ 検索 食歴や​ 自然な​ 組合せを​ 総合判断し、 候補を​ 1つに​ 絞る 第3層 量と​ 時間を​ 計算 「大盛り」​ 「半分」​ 「昨日」を​ 解釈し記録を​ 組み立てる 30 / 50
31. 「どこで​ 苦戦するか」を、数値で掴む。 入力を​ 難易度別に​ 分けて​ 記録率を​ 計測。​ 難しい​ ほど​ 落ちる​ ——だから、​ そこを​ 狙って​ 改善する。 簡単 全体の​ 約45% 78% 単品・単語が​ 中心 標準 全体の​ 約40% 74% 会話に​ 近い・2〜4品 難関 全体の​ 約15% 65% 5品以上​ ・成分情報が​ 混在 弱点の​ 特定 記録率と​ いう​ 単一指標でなく、難易度で​ 分解して​ 弱点を​ 特定。​ 打ち手の​ 優先順位を​ 決める。 31 / 50
32. 精度は、専門知と​ 設計の​ 積み重ね。 ドメインエキスパートと​ エンジニアが​ 協業し、​ 推測に​ 頼らないようLLMへの​ 指示を​ 作り込む。 1 ドメインエキスパートと​ 協業 何が​ 「正しい​ 記録」かを​ ドメインエキスパートが​ 定義し、​ プロンプトと評価基準に​ 反映。​ AI任せに​ しない。 2 境界の​ 見極め 句読点の​ ない​ 連続入力​ （肉じゃが​ ご飯味噌汁…） も食品ごとに​ 分割する。 3 数量推定の​ アルゴリズム化 「半分= 0.5 」​ 「少々​ = 0.25 」​ 「60g=基準量で​ 割る」 を​ 手順と​ して論理化。 4 否定形 → 肯定形 「〜しないで」を​ 「〜の​ 場合は​ ◯◯して」に​ 書き換え、​ 誤解を​ 減らす。 32 / 50
33. 改善は、多面的な​ 数値で​ 確かめる。 プロンプト改善の​ 効果を​ 一つの​ 指標で​ 語らず、​ 複数の​ 角度から​ 計測する。 改善前 33.9% 改善後 13%台 致命的エラー率​ （意図と​ 全く​ 違う​ 回答） 平均スコア 0.86 → 0.89 +0.03 変動係数​ （ばらつき） 6.1% → 4.1% 安定性が​ 向上 平均レイテンシ −1.2秒 体感も​ 改善 改善の​ 回し方 未記録ログを​ 理由別に​ 分解し、「どこまで​ おまかせしたいか」の​ 個人差を​ 数値で​ 発見している。 33 / 50
34. 「で、​ 結局 どうしたらいい？」 あすけんアプリ内の対話型AIチャット。 一人​ ひとりに​ 合わせて​ 提案し、​ 次の​ 一歩を​ 後押しする。 打ち手の​ 現在地 記録を​ 簡単に 次の​ 一手を​ 提案 土台：ガードレール 開発中 現時点では​ 未リリース。​ 開発を​ 進めている​ 取り組みです。 34 / 50
35. 違いは、「あなたを​ 知っている」こと。 自分の​ 記録データ・傾向・好みを​ コンテキストに​ 持つ。 ​ それが​ 汎用AIとの差。 汎用AI ChatGPT 等 あすけんの​ 対話型AIチャット 開発中 現時点では​ 未リリース。​ 開発を​ 進めている​ 機能です。 あなたの​ 食事履歴を​ 知らない 回答は​ 一般論にとどまる 毎回​ ゼロから​ 説明が​ 必要 記録・傾向・好みを​ 把握済み あなた​ 向けの​ 具体策を​ 即答 説明不要で、​ 次の​ 一手に​ 集中 35 / 50
36. 実際に​ 使って​ もらい、反応を​ 見ながら改善する。 会話ログ・マイクロサーベイ・アンケートを​ 手が​ かりに、​ 検証から​ 商用化へ​ 段階的に​ 磨く。 前半の​ 回収 前提データ​ （記録）が​ 違えば​ 助言も​ ノイズ。​ だから正確な​ 記録（機能①②）が、​ ここで​ 活きてくる。 検証 まず​ 使って​ もらう 会話ログから​ 課題を​ 収集する。 現在 改善 反応を​ 反映 マイクロサーベイ・アンケートを​ 改善に​ 反映。 商用化 実利用へ 使われ方を​ 見ながら、​ 改善を​ 継続する。 今後 1 2 3 36 / 50
37. 「出して​ よい​ 回答か」を、段階で​ 検品する。 入力GR → プロンプト → ナレッジ → 出力GR を​ 通った​ 最終回答を、​ リリース前に​ 3段階で​ テストする。 1 単体テスト 各モジュールが​ 単体で​ 正しく​ 動くか。​ 入力GR＝利用条件外を​ 検知／出力GR＝医療・法的判断を​ ブロック／ナレッジ＝ 専門知識を正しく​ 参照。 偽陽性・​ 偽陰性で​ 判定 2 結合​ テスト 全プロンプトを​ 繋いだ​ 最終回答を​ 評価。​ 価値が​ あるか・ キャラらしいか・ 禁止事項に触れないか。 Promptfoo ＋ 目検 3 シナリオテスト 人が​ 実際に​ 会話し、​ 文脈の​ 自然さと​ 体験を確認。会話の​ 途中で​ 禁止事項に​ 触れても​ GRが発動するか。 人に​ よる​ 目検 リリース後 会話ログを​ LLM-as-a-judgeで​ スコア → NGを​ 目検。すり抜け​ （​ 偽陰性）と​ 過剰ブロック​ （​ 偽陽性）を​ 継続チェック。 37 / 50
38. 専門家を、​ AIの「正解の​ 物差し」に。 AIで​ 量を​ さばき、​ ドメインエキスパートで​ 正確さを​ 担保する。 エンジニア 仕組み ドメインエキスパート 基準と​ 検証 メタ評価 ─ AIの​ 評価を、​ 専門家が​ 評価する AI 大量に​ 評価 数千件の​ パターンを​ AIが​ スコアリング 専門家 AI評価を​ 検品 その​ 評価が​ 妥当かを​ 専門家が​ 再評価 結果 良い​ ものだけ残す 疑わしい​ ものは​ 除外して​ 登録 設計・実装と、​ 自動評価の​ 仕組み​ （Promptfoo・ ガードレール・ログ評価） テストケースの​ 基盤づくり 何が​ 「正しい​ 回答」かを​ 定義する Block/Pass判定や​ 評価結果を​ 検証する プロンプトの​ 実装にも、​ UXデザイナーとともに直接手を​ 動かす 38 / 50
39. 有害な​ ものだけを、 高精度に​ 排除する。 健康・医療を​ 扱うから​ こその​ 責任。​ 安心して​ 使える​ 状態を​ 担保する​ 土台——ガードレール。 ループの​ 一部ではなく、​ ループ全体を​ 横断して​ 守る。 打ち手の​ 現在地 記録を​ 簡単に 次の​ 一手を​ 提案 土台：ガードレール 39 / 50
40. 2系統で、​ 正常を​ 巻き込まずに​ 守る。 コミュニティと​ AIの​ 両面から、​ 有害な​ ものだけを​ 高精度に​ 排除する。 ① 日記・コメントの​ 治安維持 コミュニティ投稿から、​ 有害・​ 不適切な​ 内容を​ 検知して​ 排除する。 Presidio​ （NGワード・PII）​ ＋ SLM ② AI​ チャットの​ 入出力​ ガードレール AIへの​ 入力と、​ AIからの​ 出力の​ 両側を​ 検査し、​ 医療リスクを​ 抑える。 AWS ガードレール ほか 設計の​ 肝 正常な​ 投稿を​ 巻き込まず、有害な​ ものだけを​ 高精度に​ 排除する。​ だから​ 安心して​ 使える。 40 / 50
41. 「有害」だけを​ 弾き、悩みは​ 守る。 健康を​ 扱うから​ こそ、​ 線引きを​ 明確に。​ 正常な​ 投稿や​ 健康相談を​ 巻き込まない。 弾く​ 有害 守る​ 巻き込まない 挙動 テキストは投稿前に​ 警告（続けるかは​ 本人が​ 選択）。​ 露骨な​ 性的画像のみ​ ブロック。​ 予防的に、​ 巻き込まず守る。 自傷・​ 自殺に​ 関する​ 表現 他者への​ 危害・暴力・脅迫 わいせつ・性的な​ 表現 出会い​ 目的（連絡先交換など） 健康の​ 悩み・愚痴 摂食障害・過食嘔吐の​ 相談 服薬・医療に​ 関する​ 記録 日常の​ 記録・​ 一般的な​ 感想 41 / 50
42. 有害だけを​ 弾く2レイヤー。鍵は適合率。 ルールと​ 文脈AIを​ 重ね、​ 閾値は​ 「巻き込まない」方​ 向​ （適合率重視）に​ 振る。 入力 投稿 コメント・日記・​ 公開画像 レイヤー1 ルールベース Presidio で NGワード＋個人情報 (PII：電話番号・​ メール・住所)を​ 検出 レイヤー2 文脈AI SLM​ （〜4Bクラス）が​ 文脈を​ 読み 有害 / 無害 を判定 適合率 97% 有害と​ 判定した​ ものの97%が​ 実際に​ 有害。​ 適合率重視に​ 振る​ ことで、​ 正常な​ 投稿を​ 巻き込まず​ 有害だけを​ 排除。 42 / 50
43. 弾く​ モデルは、自分たちで​ 育てた。 既製の​ モデレーションに​ 頼らず、​ 健康ドメインに​ 合わせてSLM​ （〜4Bクラス）を​ ファインチューニング。 起点 大量データを​ 集める 数百万件規模のデータを​ 用意する 絞り込み 候補を​ 絞る 判定器・LLMで​ 有害候補へ段階的に （数百万→数万件） スコア付け カテゴリで​ 評価 スコアリングで​ 評価し、​ 自社のリスク定義に​ マッピング 学習 ファインチューニング ラベル付けした​ 教師データで、​ SLM​ （〜4Bクラス）を​ 学習 なぜ​ 自前か 既製の​ モデレーション​ （OpenAI・AWS 等）でなく、日本語・健康ドメインに​ 最適化する​ ため、​ 自前2層を​ 選んだ。 43 / 50
44. 鍛え方は、LoRA × データの​ 質。 SLM​ （〜4Bクラス）を LoRA で​ ファインチューニングし、​ 有害 / 無害 を​ 判定する。 LoRAで​ ファインチューニング 事前学習済みの​ 重みは​ 凍結し、​ 重みの​ 更新分を​ 低ランク行列で​ 近似して、​ その​ 部分だけを​ 学習する​ 手法​ （LoRA）。 アノテーションに 時間を​ かける ​ アノテーション​ （ラベル付け）に​ 一番​ 時間を​ かけて​ 学習したのが、​ 精度に最も​ 効いた。 assistant-only で学習 応答​ （assistant）​ 部分だけを​ 学習対象に​ する​ 設定 chat_template を 修正し対応 44 / 50
45. 速さの​ 鍵は、「1トークン」。 投稿や​ AI応答の​ 前段で​ リアルタイムに​ 走る​ ガードレールは、​ 速度が​ 体験を​ 左右する。 入力 テキストを​ 判定 SLMに​ 投げる 生成 1トークンだけ出力 長文を​ 生成せず​ 判定を1トークンに （max_tokens=1） 確率 logprobを​ 取得 確率に​ 変換 スコア Yes / No の確率を​ 採点 ラベルでなく​ 連続値。 閾値で​ 最終判定 速さの​ 土台 SageMaker + vLLM​ （PagedAttention・連続バッチ）で​ 高並列・低レイテンシ。「1トークンで​ 判定」。 45 / 50
46. ループが​ 閉じ、ミッションに​ 還る。 4機能が​ 回すループの​ 先に、​ 最初に​ 掲げた​ ミッションが​ ある。​ 冒頭で​ 開いた​ 問いが、​ ここで​ 閉じる。 ミッション ひとびとの明日を今日より健康にする 記録が 続く 現状が わかる 次の​ 一手 が​ わかる 行動が 変わる 不健康な 期間が​ 縮む 健康寿命の 延伸 46 / 50
47. かんたんに、​ パーソナルに。​ その​ 土台に安全を。 これを​ 実現するために、​ askenが​ 貫く3つの​ 原則。 1 記録の​ 質 ＝ AIの​ 質 唯一​ 実証された​ 要素は​ 継続性。​ だから​ 入力負担の​ 最小化​ （画像・ 音声）に​ まず​ 投資する。 → 25%問題への​ 直接の​ 打ち手 2 AI任せに​ しない 専門知を​ 「正解の​ 物差し」に。​ ドメインエキスパート × エンジニアの​ 協業で​ 精度を​ 担保する。 → 改善は​ 多面的な​ 数値で（致命的エラー率 33.9%→13%台） 3 安全は、​ 機能ではなく​ 土台 適合率重視で​ 「正常を​ 巻き込まず、​ 有害だけ」を​ 排除。​ 自前SLM ＋ LoRA、​ 1トークン判定で​ 速度と​ 精度を​ 両立。 → ループ全体を​ 横断して​ 守る 還る 派手な​ 一発ではなく、計測と​ 改善の​ 積み重ね。​ それが「ひとびとの​ 明日を​ 今日より​ 健康にする」に​ 還る。 47 / 50
48. ありがとう​ ございました 記録をかんたんに、 提案をパーソナルに。 AIで、あすけんが目指すもの。 ―― ひとびとの明日を、今日より健康に。 48 / 50
49. 採用の​ ご案内 「ひとびとの​ 明日を​ 今日より​ 健康にする」を、 一緒に。 あすけんは​ これからも、​ ひとびとの​ 健康のために​ AIを​ プロダクトに​ 活用していきます。 ​ 興味の​ ある​ 方、​ ぜひ​ 一緒に​ やりましょう。 採用サイトは​ こちら 49 / 50
50. 最後に、​ ひとつだけ よければ、 フォローしてください。 あすけん開発メンバーの​ Xアカウントです。 QRコードから​ どうぞ 50 / 50