発電量予測機能の開発で経験した、AIチームとの仕様策定
前回の記事では、発電量予測機能の中で発生したヒートマップ表示のズレと、その解決までの流れについて紹介しました。
ヒートマップの精度向上がある程度見えてきた頃、次に進んだのが発電量予測機能そのものの実装です。
ただ、このフェーズで苦労したのは実装ではありませんでした。
むしろ大変だったのは、
「AIとどう連携するかを決めること」
でした。
今回の担当範囲
プロジェクト全体としては発電量予測機能の開発でしたが、私が担当していたのは主にフロントエンド側です。
それまでのフェーズでは、
- ヒートマップ表示
- 建物領域の表示精度向上
- 地図へのオーバーレイ
などを担当していました。
一方、この頃からは AI チームが作成する発電量予測 API と連携し、
- 予測結果の表示
- API連携
- ユーザー向け画面の実装
を進めることになりました。
AIが作るものと、フロントエンドが作るもの
通常のAPI開発であれば、
- 入力
- 出力
が比較的明確です。
しかし今回は AI が関わります。
そのため、
「どこまでをAI側で担当し、どこからをフロント側で担当するのか」
を整理する必要がありました。
AIチームは、
- モデルの学習
- 発電量予測
- 推論結果の生成
を担当します。
一方で私たちは、
- API連携
- 画面表示
- ユーザー体験
を担当します。
文章にするとシンプルですが、実際にはこの境界線を決めることが簡単ではありませんでした。
一番難しかったのは「何が返ってくるのか分からない」こと
通常のシステム開発では、
「APIはこういうデータを返します」
が先に決まります。
しかし AI 機能の場合は少し違います。
そもそも、
- どのようなデータを返せるのか
- どの程度の精度で返せるのか
- どれくらいの期間で実現できるのか
が分からない状態からスタートします。
つまり、
API仕様を決めるためにAI側の検討が必要であり、AI側の実装を進めるためには要件定義が必要
という状況でした。
この循環が、通常の開発とは大きく違う部分でした。
要件定義で重要だったこと
この頃は CTO と AI チームを含めて頻繁に認識合わせを行っていました。
議論の中心になったのは、
「ユーザーに何を見せたいのか」
という点です。
発電量予測という言葉だけを見ると、
年間発電量や予測値を返せば十分に見えます。
しかし実際には、
- どのような根拠で予測したのか
- ユーザーが結果を信頼できるか
- 画面上でどう表現するのか
まで考える必要があります。
そのため、
AIチームが返却する情報と、フロントエンドが表示する情報を並行して整理していきました。
スケジュール管理の難しさ
もう一つ難しかったのがスケジュールです。
通常の画面開発であれば、
API仕様が固まれば実装できます。
しかし今回のような AI 機能では、
AI側の検証結果によって仕様が変わる可能性があります。
つまり、
フロントエンド側の実装計画も固定しづらい状態でした。
そのため、
「いつまでに何を決めるか」
を整理しながら進める必要がありました。
技術的な課題というより、
プロジェクト管理の難しさを感じた部分です。
実装よりも大事だったこと
振り返ると、この時期に一番時間を使ったのはコードを書くことではありませんでした。
- AIチームとの認識合わせ
- 要件の整理
- 責務の切り分け
- スケジュール調整
こうした部分に多くの時間を使っていました。
特に AI を活用する機能では、
「どう作るか」より先に、
「何を作るのか」
を明確にすることが重要だと感じました。
まとめ
ヒートマップ表示の改善までは、主に技術的な課題との戦いでした。
しかし発電量予測機能の開発が本格化すると、
課題は技術から要件定義へ移っていきます。
AI機能は実装さえ始まれば進むわけではありません。
- 何を返すのか
- 誰が担当するのか
- ユーザーへどう見せるのか
こうした部分を整理して初めて実装が進められます。
今回の経験を通して、
AI機能開発では実装以上に要件定義と認識合わせが重要になることを強く実感しました。