私はAIと一緒に、できるだけ自動化された事業の仕組みを作ろうとしていました。
最初に考えていたのは、とてもシンプルなことです。
SNSで情報を発信する。
興味を持った人にLINE公式アカウントへ登録してもらう。
顧客情報を管理する。
必要な情報を届ける。
質問が来たら、AIが自動で回答する。
そして、サービスを提供して、その対価を受け取る。
できれば、この一連の流れをすべて自動化したい。
そんなことを考えていました。
もちろん、最初から順調だったわけではありません。
Makeに登録したものの、何をすればいいのか分からない。
LINE公式アカウントを作る。
LINE Developersを開く。
API。
アクセストークン。
Webhook。
知らない言葉が次々に出てくる。
さらにAirtableを使って、顧客情報を管理する仕組みを作る。
LINEからデータを送る。
Makeが受け取る。
Airtableへ保存する。
データが入らない。
設定を直す。
またテストする。
今度は片方だけエラーになる。
AIに聞く。
もう一度試す。
そんなことを繰り返しながら、なんとか、
LINE → Make → Airtable
という流れが動くところまで来ました。
自分がLINEで操作した情報が、Makeを通って、Airtableに自動で保存される。
初めてそれが動いたときは、少し感動しました。
何も分からないところから始めた私でも、本当に自動化の仕組みを作ることができた。
でも、私が最初に考えていた「自動化」は、これだけではありません。
まだ、一番重要なものが入っていませんでした。
AIです。
私が考える自動化には、AIが必要だった
私が作りたかったのは、単純にデータを右から左へ移動するだけの仕組みではありませんでした。
例えば、誰かがLINEから質問する。
その質問をMakeが受け取る。
必要な情報を確認する。
AIが質問の内容を考える。
回答を作る。
そして、その回答をLINEへ返す。
私がイメージしていたのは、そんな仕組みです。
つまり、
LINE → Make → AI → LINE
さらに顧客情報をAirtableで管理するなら、
LINE → Make → Airtable → AI → Make → LINE
少しずつ複雑になってきました。
でも、同時に、
「なんか、本当に自動化システムを作ってるみたいだな。」
とも思いました。
Makeを初めて開いたときは、丸いアイコンが一つ表示されているだけでも、
「これ、何すればいいの？」
という状態でした。
モジュールも分からない。
トリガーも分からない。
Webhookも分からない。
それが今では、Makeの画面に複数のモジュールが並んでいます。
LINE。
Airtable。
そして、これからAIも加わる。
線でつながったモジュール。
条件による分岐。
データの受け渡し。
画面だけを見ると、かなりそれっぽくなってきました。
もちろん、私はまだほとんど初心者です。
分からないことがあれば、すぐAIに聞きます。
エラーが出れば、原因も分かりません。
それでも、最初の頃と比べれば明らかに違います。
少しずつ、自分が考えていたものが形になってきていました。
自動回答に使おうと思ったのはGeminiだった
当時、私が使っていたAIはGeminiでした。
今でこそ、いろいろなAIを使うようになりました。
でも、AIを本気で使い始めた当初は、ほぼGemini一本です。
分からないことがあればGeminiに聞く。
Makeの設定も聞く。
LINE公式アカウントの設定も聞く。
APIについても聞く。
Webhookについても聞く。
エラーが出たら、またGeminiに聞く。
ここまで仕組みを作る過程でも、私は何度もGeminiに質問していました。
だから、自動回答の仕組みにAIを入れようと思ったときも、自然に考えました。
「じゃあ、Geminiをつなげればいいんじゃない？」
LINEから質問が届く。
Makeが受け取る。
Geminiに質問を送る。
Geminiが回答を作る。
その回答をLINEへ返す。
これができれば、私が毎回LINEを確認して、一件ずつ返信する必要はありません。
私が仕事をしている間も。
寝ている間も。
別のことをしている間も。
質問が届けば、AIが自動で回答する。
「これこそ、自分が考えていた自動化じゃないか。」
そう思いました。
そして私は、GeminiをMakeの仕組みの中に入れようとしました。
すると、また新しい話が出てきます。
API。
そして、
トークン。
さらに、
料金。
私は思いました。
「ちょっと待って。Geminiって無料じゃないの？」
無料のGeminiを使っているのに、なぜお金を払うの？
これは当時、本当に疑問でした。
私はすでにGeminiを使っています。
普通に質問できます。
文章も作ってくれます。
分からないことも教えてくれます。
それなのに、Makeの自動化にGeminiを組み込もうとすると、APIやトークンという話が出てくる。
さらに、使い方によっては料金も発生する。
私は思いました。
「いや、今まで無料で使ってたよね？」
なぜ、今まで使えていたものに、わざわざお金を払う必要があるのか。
当時の私には、本気で意味が分かりませんでした。
もちろん、今になって考えれば違いは分かります。
自分でGeminiの画面を開く。
自分で質問を入力する。
回答を読む。
これは、普段私が使っていたAIとの会話です。
でも、今回やりたいことは違います。
私がGeminiの画面を開かなくても、
誰かがLINEに質問する。
Makeが自動で受け取る。
その質問をGeminiへ送る。
Geminiが回答を作る。
その回答をMakeが受け取る。
そしてLINEへ返す。
人が操作しなくても、裏側でAIを動かしたい。
そのために、APIを使います。
今なら、
「ああ、そういうことか。」
と思います。
でも当時の私は、AIを使い始めたばかりです。
チャット画面で無料で使えている。
なのに、自分の仕組みに組み込もうとしたら料金の話が出てくる。
素直に、
「なんで？」
と思いました。
そして今度は「トークン」が出てきた
APIについて少しずつ理解し始めたところで、今度はトークンという言葉が出てきます。
私は思いました。
「また新しい言葉か。」
API。
Webhook。
アクセストークン。
そして今度はトークン。
初心者からすると、
「アクセストークンとトークンは同じなの？違うの？」
というところから始まります。
AIにおけるトークンを、当時の私なりにかなり簡単に考えると、
AIが文章を読み取ったり、文章を生成したりするときに使われる、処理量の単位のようなもの。
という理解でした。
質問を送る。
AIがその内容を読み取る。
回答を考える。
文章を生成する。
その中でトークンが使われます。
そして利用するモデルや条件によっては、そのトークン量に応じて料金が発生する。
私はここで初めて、
「AIって、使えば使うほどお金がかかる場合があるんだ。」
と知りました。
それまでの私は、AIを自分で使っているだけでした。
質問する。
回答してもらう。
また質問する。
でも、自動化に組み込むと話が変わります。
もし10人が使ったら？
100人が使ったら？
1,000人が毎日質問したら？
一人が何十回も質問したら？
AIはそのたびに回答を作ります。
つまり、自動化できたからといって、すべてが無料で無限に動くわけではありません。
当時の私は、そんな当たり前のことすら知りませんでした。
「無料で使える」と「無料で自動化できる」は違った
私は少しずつ理解し始めました。
Geminiを無料で使えること。
そして、
Geminiを自分のシステムに組み込み、自動で大量に動かすこと。
これは同じではありません。
もちろん、利用するモデルや時期、利用条件によっては無料枠が使える場合もあります。
でも、私が当時作ろうとしていた仕組みでは、最終的に課金設定を行うことになりました。
正直に言えば、最初は納得できませんでした。
「無料で使えてるのに、なんで払うの？」
という感覚です。
でも後から考えれば、当然です。
AIが裏側で動く。
質問を読み取る。
回答を生成する。
それを何度も繰り返す。
利用者が増えれば、処理も増える。
そこにはコストが発生する。
ただ、完全な初心者だった当時の私には、そんなことは分かりません。
私はただ、
「AIをつなげれば、自動で回答してくれるんでしょ？」
くらいに考えていました。
そして、ここで初めて、
AIを使った事業には、AIを動かすためのお金が必要になることがある。
ということを知りました。
このあたりの初期投資については、また別の記事で詳しく書きたいと思います。
なぜなら私は、この後もいろいろなAIサービスやツールを試すことになるからです。
無料。
有料プラン。
API料金。
トークン消費。
月額課金。
クレジット制。
気づけば、
「結局、AIを使って何かを始めるのに、いくらかかるんだ？」
という新しい疑問が出てくることになります。
でも、この時点での私の目的は一つでした。
GeminiをMakeにつないで、AIに自動回答させること。
Geminiのバージョンって、どれを使えばいいの？
さらに設定を進めていくと、また迷います。
Geminiといっても、一つではありません。
複数のモデルがあります。
性能が違う。
処理速度が違う。
料金も違う。
利用できる機能も違う。
私は思いました。
「GeminiはGeminiじゃないの？」
AI初心者の私からすると、Geminiという名前だけで十分です。
それなのに、実際にAPIとして使おうとすると、
どのモデルを使うのか。
どのモデルなら自分の用途に合っているのか。
料金はどれくらいなのか。
トークンはどれくらい消費するのか。
また考えることが増えていきます。
私がやりたいのは、LINEから届いた質問にAIが回答することです。
ただ、それだけです。
でも、そのためにも選択が必要になります。
高性能なモデルを使えば、それだけ良い回答が期待できるかもしれない。
でも、コストも考えなければならない。
利用者が増えれば、料金も増える可能性がある。
私は少しずつ、
「AIを事業に組み込むなら、回答の性能だけじゃなく、コストまで考えないといけないんだな。」
と感じ始めました。
LINE、Make、Airtable、Geminiをつなぐ
そして、いよいよGeminiを仕組みの中へ入れていきます。
私が作ろうとしていた流れは、こんなイメージです。
ユーザーがLINEから質問する。
↓
Makeが質問を受け取る。
↓
必要に応じてAirtableの顧客情報を確認する。
↓
質問をGeminiへ送る。
↓
Geminiが回答を生成する。
↓
Makeが回答を受け取る。
↓
LINEへ回答を返す。
最初にMakeを開いたときとは、明らかに違います。
あの頃は、
「この丸いアイコン、何？」
から始まりました。
それが今では、
LINE。
Make。
Airtable。
Gemini。
それぞれのサービスが、Makeのシナリオ上でつながっています。
モジュールが増える。
線が伸びる。
場合によっては分岐する。
設定項目も増える。
エラーも増える。
でも、画面だけを見ると、
「おお、なんかすごいものを作ってる感じがする。」
と思いました。
自分がどこまで理解しているかは別です。
でも、最初は何もなかった画面に、少しずつモジュールが増えていく。
LINEから情報が届く。
Airtableにデータが保存される。
Geminiが質問を受け取る。
そして回答を作る。
最初に頭の中だけで考えていた自動化が、少しずつ本物の仕組みになっていました。
そして、AIが自動で回答した
設定する。
テストする。
エラーが出る。
AIに聞く。
修正する。
もう一度試す。
いつもの繰り返しです。
そして、あるとき。
LINEから質問を送ります。
Makeが動く。
質問がGeminiへ送られる。
Geminiが回答を生成する。
Makeがその回答を受け取る。
そして、
LINEに回答が返ってきました。
私は自分で返信していません。
LINEを開いて、質問を送っただけです。
その裏側で、
Makeが質問を受け取る。
Geminiへ送る。
Geminiが回答する。
そして、その回答がLINEへ戻ってくる。
「本当に返ってきた。」
最初に考えていた、
AIによる自動回答。
それが、本当に動きました。
Makeも知らなかった。
LINE公式アカウントの作り方も知らなかった。
APIも知らなかった。
Webhookも知らなかった。
Airtableも知らなかった。
トークンも知らなかった。
それでもAIに聞きながら、一つずつ進めてきました。
そしてついに、
LINE → Make → Airtable → Gemini → LINE
複数のサービスがつながり、AIが自動で回答するところまで来ました。
正直、ここまで来ると少し感動します。
最初は、
「AIがあるなら、全部自動化できるんじゃない？」
という軽い発想でした。
それが少しずつ、本当に形になってきた。
ただし。
ここで終わりではありませんでした。
AIが回答してくれた。
確かに、自動で返ってきた。
仕組みとしては動いた。
でも、私はその回答を見て、また新しい問題に気づきます。
「……これ、このままじゃ使えないな。」
AIが自動で回答すれば、それで完成だと思っていました。
でも実際には、
自動で回答することと、欲しい回答をしてくれることは違う。
次に私が向き合うことになったのは、
「Geminiをつないだ。でも、回答が思っていたものと違う。」
という問題でした。
そして、ここでまた新しいサービスが登場します。
Difyです。
でも、それはまた次の話です。
コメント