【ITニュース解説】I Built My Dad a Local AI Translator for His Stock Research

この記事は、株式調査に役立つ「Argus Friend Brief」というツールの開発について述べている。これは、ある開発者が自分の父親のために作ったもので、ローカルで動作するAI（人工知能）を使って、複雑な株式調査データを平易な言葉で解説するというものだ。システムエンジニアを目指す人にとって、身近な問題解決にAI技術をどのように応用できるか、また開発プロセスでどのような工夫や課題解決が行われるかを知る上で非常に参考になるだろう。

開発者の父親は、日々「Argus」という株式調査ダッシュボードを使っている。Argusは、AIインフラ、半導体、電力、冷却、ネットワークなど、53社に関する株価、技術指標、企業価値評価、ニュース、米国証券取引委員会（SEC）への提出書類、強気・弱気の意見といった膨大な情報を一箇所に集約している。しかし、情報が多すぎると、それを読み解き、関連付けて理解する作業は依然として大変だという課題があった。Argus Friend Briefは、この「情報が多すぎて消化しきれない」という問題を解決するために考案された。

このツールは、Argusの調査データから重要な部分を抽出し、匿名化されたスナップショットを作成する。そして、このスナップショットを基に、ローカルで動作するAIモデル「Gemma」に、特定の企業について「何が変わったか？」「なぜそれが重要なのか？」「強気な意見の根拠は何か？」「弱気な意見の根拠は何か？」「次に何を監視すべきか？」という5つの質問に平易な言葉で答えるよう指示する。この解説文には、各事実の根拠となる情報源（エビデンスID）が必ずリンクされており、情報がどこから来たのかを簡単に確認できる仕組みだ。ただし、このツールは投資判断を助言するものではなく、あくまで調査をサポートするためのものであると明確にされている。

Argus Friend Briefが特に重視しているのは、「ローカルであること」だ。これは、ユーザーのパソコン上でAIが動作し、株の調査データがインターネット上のクラウドサービスに送信されることがないという意味である。この「ローカル推論」というアプローチにはいくつかの大きなメリットがある。一つはプライバシーの保護だ。父親の重要な調査データが外部に漏れる心配がないため、安心して利用できる。二つ目はコスト削減だ。クラウド上のAIサービスを利用すると、リクエストごとに料金が発生することが多いが、ローカルで動かせばそういった費用はかからない。三つ目は開発者がシステムを完全に制御できることだ。Gemmaのような「オープンウェイト」のAIモデルは、その中身（重みと呼ばれる部分）が公開されているため、開発者はモデルを他のローカルモデルに交換したり、モデルへの指示（プロンプト）を調整したり、データの検証ルールを追加したりと、柔軟にカスタマイズできる。これは、特定のベンダーのAPIに縛られずに開発を進められるという大きな利点がある。

このツールの実現にはいくつかの技術が組み合わされている。ユーザーインターフェース（画面表示）には、Pythonで手軽にWebアプリケーションを作成できるフレームワーク「Streamlit」が使われている。Argusのデータは「SQLite」という軽量なデータベースに保存されており、ここから必要な情報が読み取り専用モードで安全に抽出される。AIモデルのGemmaは「Ollama」というソフトウェアを通じてローカルで実行される。また、AIが生成する回答の構造や形式を定義するために「Pydantic」というツールが使われている。生成された回答は、単に表示されるだけでなく、引用（エビデンスID）が正しいか、投資助言のような不適切な表現が含まれていないかなど、厳密な検証（引用検証、言語ガード）が行われる。

開発過程では、いくつかの課題と工夫があった。例えば、AIモデルが最初に生成した回答に含まれる引用IDが正しくないという問題が発生した。これに対して開発者は引用IDの形式を短く、より明確なものに変更することで解決した。また、AIがArgus内の「機会スコア」を投資機会と誤解釈したため、その意味を明確にするプロンプトの修正と、投資助言と受け取られかねない言葉を検知する「言語ガード」を追加した。このような検証プロセスを通じて、AIの回答の正確性と安全性を高める工夫がなされている。もしAIの回答がこれらの検証を通過できなかった場合、一度だけ修復を試み、それでも失敗すればエラーを表示して不正確な情報が表示されないようにする「フェールクローズ」という考え方も取り入れられている。これは、システムが誤った情報を提供するリスクを最小限に抑えるための重要な設計思想だ。

さらに、開発者はSentry Agent Tracingというツールを使い、AIモデルの応答速度、利用したトークン数（AIが処理した文字数のようなもの）、検証の成功・失敗といった運用上の情報を記録した。これは、AIの動作をデバッグし、改善するために役立つが、プライバシーを守るために、実際の調査データやプロンプトといった機密情報は一切収集しないように設定されている。また、Entireというツールを使って、開発過程での意思決定やコードの変更履歴を記録し、開発プロセスが透明で追跡可能な状態に保たれている点も特筆すべきだ。

Argus Friend Briefは、身近な問題に対し、ローカルAI技術を駆使してプライバシー、コスト、制御性という価値を同時に実現した好例と言える。システムエンジニアを目指す皆さんにとって、単に技術を使うだけでなく、ユーザーの課題を深く理解し、その解決のためにどのような技術を選び、どのような工夫を凝らすか、そして開発過程で発生する問題をどのように乗り越えるかという、実践的な開発の姿勢を学ぶことができるプロジェクトと言えるだろう。