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 8-12 万人の 日本人 訪韓 美容客 が、 PR と本音 を 区別できず 平均 3.5 時間 を 検索に費やし、 22-28% が 再訪問しない/後悔 する 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 ¥120-180 億 規模 に対し、 信頼情報源 が 機能不全 ─ 結果 22-28% が 後悔。
8-12万人/年
日本人 訪韓 美容客 推定 (한국관광공사 2024 × 美容目的率)
62%
「PR か 本音か 判断不能」 と 回答 (週刊女性自身 2025-09)
22-28%
「再訪問しない / 後悔」 回答率 (個人 IV N=50)
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 검증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 작업 工数 (7.1 h → 0.8 h / 일) — 人手 vs AI 자동
≥ 80%
キュレーター IAA + κ 0.6 + IoU 0.6 + 差≤1 (4 조건 AND)
¥10-20億/年
救済可能 機会損失 規模 (¥120-180억 시장 × 改善률)
年間 24-36 만 시간 の 検索시간 削減 (8-12 만 명 × 3 h)
9 작업 항목 平均 89% 削減 (5 段階 87% / 11 항목 88% / L 판정 94% / IAA 측정 98%)
Phase 1 終了 AI ↔ ground_truth ≥ 70% → Phase 4 ≥ 85%
旅行자 はしご 累計체험 可視化 (1 日 3 件 = 滞在 270 분 + 苦痛 600 等)
5 横展開 領域 의 コア機能 공통, Phase 4 MAU 5,000-20,000 명
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) |
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 시술) |
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 |
공통 액션 (横展開 共通) |
韓国美容 特化 部分 |
완료 조건 |
| S1 검증인 모집 |
W2-W4 (2 週) |
評価者 2 명 + 가이드 송부 + 트라이얼 5 件 |
在住者 1 + 美容 경험자 1 + p1-3 + N=10 trial |
큐레이터 2 명 確定 |
| S2 정답 데이터 |
W4-W5 (1 週) |
ground_truth N 件 + 4 지표 검증 |
calibration_n10 + v1_3_patch + v1_2_additions = N=15 |
IAA ≥ 80% + 4 조건 AND |
| S3 AI 검증 |
W5-W6 (1 週) |
AI 추론 ↔ ground_truth 비교 + 4 지표 |
P1-1 (5 段階) + P1-2 (11 항목) + L1/L2/L3 |
AI 一致率 ≥ 70% |
| S4 데모회 준비 |
W6-W7 (2 週) |
시나리오 + 5-7 명 참가자 + 사전 리허설 |
9 데모 페이지 + Yi Natsumi 인맥 5 명 |
5-7 명 確保 + 시나리오 |
| S5 데모회 + 응모 |
W8-W10 (3 週) |
데모 + 결과 反映 + 응모 송부 |
N=15 라이브 IAA + v0.6 final + CAC DM |
**送付 完了** |