社内 AI コンテスト 2026 · B. サービス部門 · 個人エントリー
日本人のための、韓国美容本音レビューv1.3 · 応募 v0.3
Claude/Cloudcode + AWS Bedrock で構築する 5 段階 AI 真偽判定 + 11 項目構造化抽出
年間 約 50 万人の日本人訪韓美容客(美容=皮膚+形成・KHIDI 2025)が、 PR と本音を区別できず平均 3.5 時間を検索に費やし、 クリニック選びを後悔する人が約 7 割(外部調査)という構造課題を、 Cloudcode + Claude + Codex の一気通貫 AI ワークフローで 30 分以下の判断時間 + キュレーター IAA ≥ 80% に改善するキュレーションプラットフォーム。
▎ Before · 現状の構造課題
PR と本音が区別できない、
判断コスト 3.5 時間
市場 約 2,800〜4,100 億ウォン規模(範囲推定)に対し、 信頼情報源が機能不全 ─ 結果 約 7 割が選択を後悔(外部調査)。
8-12万人/年
日本人訪韓美容客推定 (韓国観光公社 2024 × 美容目的率)
41%
インフルエンサーが「ステマ依頼」経験=口コミの PR/本音 判別困難 (消費者庁検討会資料・LIDDELL 調べ 2022)
約 70%
クリニック選びを「失敗・後悔」 (外部調査・㈱FoR/Medimee 2026.03)
Instagram インフルエンサー推薦の 95% 以上が PR / 案件表記なし
Q&A サイト (5ch / 知恵袋) 断片的本音 ─ 比較不能
韓国在住日本人ブログ更新頻度低、 YouTube vlog 1 クリニック 1 映像
クリニック公式サイト 100% PR、 待ち時間 / 待機場所の情報なし
11 項目 (価格・痛み・カウンセリング等) を系統的比較できる場所が 不在
▶
▎ Build · Cloudcode 一気通貫 AI 構築
5 段階真偽判定 + 11 項目抽出 + 待機場所 L1/L2/L3
設計 → 検証 → デモ → 運用準備の全工程を Claude + Codex で実装。
P1-1
5 段階真偽判定 AI ─ レビュー本文 + メタ + コンテキストから ⭐⭐⭐⭐⭐〜⭐ に自動分類。 シグナル ID 適用根拠 + confidence 出力。
P1-2
11 項目構造化抽出 ─ procedure / price / pain / counseling / 日本語対応 / 雰囲気 / 回復 / 再訪 / 注意点 / 待ち時間 / 待機場所の質 を JSON 化、引用テキスト付随。
v1.3
待機場所 L1/L2/L3 自動判定 ─ 個室 / 大部屋 / ロビーを日韓 KW + 否定文 + 優先度ルールで分類。
NEW
苦痛総合指標 = 待ち時間 × wait_env_pain (L1=1 / L2=2 / L3=3)。 7 クリニック × 6 時間帯をヒートマップ可視化。
W9
キュレーター IAA 自動測定 ─ 一致率 + Weighted κ + Signal IoU + 11 項目差の 4 指標 AND で合格判定。
S5 検証済本音
S4 本音可能性高
N3 中立
P2 PR可能性
P1 PR 確定
▶
▎ After · 期待効果
3.5 h → 30 分、
累計 24-36 万時間/年削減
PR/本音区別不要な ⭐⭐⭐⭐⭐ 5-10 件を直接提示 → 救済可能機会損失 ¥10-20 億/年。
30分以下
1 人あたり判断時間 (3.5 h から 86% 削減)
89% 削減
9 作業工数 (7.1 h → 0.8 h / 日) — 人手 vs AI 自動
≥ 80%
キュレーター IAA + κ 0.6 + IoU 0.6 + 差≤1 (4 条件 AND)
¥10-20億/年
救済可能機会損失規模 (市場 約2,800〜4,100億ウォン × 改善率)
年間 約 150 万時間 の検索時間削減 (約 50 万名 × 3 h)
9 作業項目平均 89% 削減 (5 段階 87% / 11 項目 88% / L 判定 94% / IAA 測定 98%)
Phase 1 終了 AI ↔ ground_truth ≥ 70% → Phase 4 ≥ 85%
旅行者はしご累計体験可視化 (1 日 3 件 = 滞在 270 分 + 苦痛 600 等)
5 横展開領域のコア機能共通, Phase 4 MAU 5,000-20,000 名
KPI ロードマップ · Phase 0 (確定) → Phase 1 (進行中) → Phase 4 (2027-05)
| 指標 |
Phase 0 (現状) |
Phase 1 終了 (2026-08·目標) |
Phase 4 (2027-05) |
| Calibration セット (ground_truth) |
N=15 (確定) |
N=50 → N=200 |
N=1,000+ |
| AI ↔ ground_truth 一致率 |
測定 deferred |
≥ 70% (11/15) |
≥ 85% |
| キュレーター IAA (4 条件 AND) |
— |
≥ 80% + κ0.6 + IoU0.6 + 差≤1 |
≥ 90% |
| 11 項目平均充実度 |
— |
≥ 9/11 (S4 通過閾値) |
≥ 10/11 |
| 自動分類パターン |
165 |
11,550 (×7 クリニック ×10 施術) |
247,500 (×50 ×30) |
| 累計レビュー件数 |
— |
50-100 件 |
1,000-10,000 件 |
| 月間アクティブユーザー |
— |
デモ会 5-7 名 |
5,000-20,000 名 |
| 救済可能機会損失規模 |
— |
— |
¥10-20 億/年 |
Phase 1 · 5-Step Framework (W2-W12) — 横展開共通 + 韓国美容特化
| Step |
期間 |
共通アクション (横展開共通) |
韓国美容特化部分 |
完了条件 |
| S1 検証者募集 |
W2-W4 (2 週) |
評価者 2 名 + ガイド送付 + トライアル 5 件 |
在住者 1 + 美容経験者 1 + p1-3 + N=10 trial |
キュレーター 2 名体制(W2-4 募集予定) |
| S2 正解データ |
W4-W5 (1 週) |
ground_truth N 件 + 4 指標検証 |
calibration_n10 + v1_3_patch + v1_2_additions = N=15 |
IAA ≥ 80% + 4 条件 AND |
| S3 AI 検証 |
W5-W6 (1 週) |
AI 推論 ↔ ground_truth 比較 + 4 指標 |
P1-1 (5 段階) + P1-2 (11 項目) + L1/L2/L3 |
AI 一致率 ≥ 70% |
| S4 デモ会準備 |
W6-W7 (2 週) |
シナリオ + 5-7 名参加者 + 事前リハーサル |
9 デモページ + Yi Natsumi さん人脈 5 名 |
5-7 名確保 + シナリオ |
| S5 デモ会 + 応募 |
W8-W10 (3 週) |
デモ + 結果反映 + 応募送付 |
N=15 ライブ IAA + v0.6 final + CAC DM |
送付 (W10 予定) |