【ITニュース解説】LedgerMind AI: Turning a Small Business Owner's Voice Notes into Records They Can Trust

LedgerMind AIは、ナイジェリアの小規模ビジネスオーナーが抱える、日常の非構造化された記録管理の課題を解決するために開発されたシステムである。多くの小規模事業者は、正式な会計帳簿ではなく、「配管工に40,000支払った」「顧客が60,000支払うことになっている」といった個人的なメモやボイスメモで日々の取引を記録している。これらのメモはビジネスの実際の歴史を物語るが、「今週の収入はいくらだったか」「誰がまだ支払いを滞納しているか」といった質問に答えるのは非常に難しい。LedgerMind AIは、このような日常のメモを、信頼性のある構造化された記録へと変換し、事業の状況を平易な言葉で示すレポートを提供するプラットフォームである。これにより、会計ソフトウェアの使い方を習得したり、経理担当者を雇ったりすることなく、自分のお金の流れを正確に把握したいと考える店舗やレストランのオーナー、小規模請負業者、農家などが主なターゲットユーザーとなる。

このシステムの基本的な仕組みは、利用者が手書きまたは音声でメモを入力するところから始まる。入力されたメモは、ホスト型推論サービスを通じて提供されるGemmaというAIモデルによって読み取られ、構造化された記録の「下書き」が提案される。たとえば、「水道工事に4万円払った」という音声メモは、AIによって「支払い、日付、金額、相手、目的」といった形式のデータに変換される。利用者はこの下書きを確認し、内容が正しいと判断した場合に承認を行う。承認された記録は、システムのバックエンドに保存され、すべての数値計算はこのバックエンドのプログラムコードによって行われる。AIは保存された記録から数値を直接集計するのではなく、バックエンドが計算した集計結果に基づいて、ビジネスの現状を要約する文章を作成する役割を担う。この方式により、AIは「言葉」による説明を担当し、重要な「数字」の計算は信頼性の高いコードが実行することで、データの正確性が保たれている。

LedgerMind AIの開発には、信頼性と実用性を確保するための四つの重要な原則が掲げられている。一つ目は「テンプレートによる柔軟な対応」だ。レストランと請負業者では記録すべき項目が異なるため、LedgerMind AIは共通のバックエンドを使用しながらも、各業種に合わせた記録形式や報告書を生成できるテンプレート駆動型エンジンを採用し、多様なビジネスニーズに対応可能にしている。二つ目は「AIの下書きと人間の確認」という原則で、AIが提案する記録はあくまで下書きであり、自動的に保存されることはない。支払いなどの重要な取引も、オーナーの最終的な承認がなければシステムに登録されない仕組みであり、これはAIの誤認識による間違いを防ぎ、データの信頼性を確保するための安全策である。三つ目は「数値はコード、言葉はAI」という原則で、すべての合計額や集計はバックエンドのプログラムコードによって計算される。AIはこれらの数値に基づいてビジネス状況の「説明文」を作成するだけで、直接データベースにアクセスしてデータを変更するようなことはしない。これにより、AIが誤った情報を提供したり、一時的に利用できなかったりしても、基となる数値データは常に正確に保たれる。最後の四つ目は「できないことの正直な開示」だ。システムが出力するレポートは、保存された記録から計算されたものであり、監査された会計結果ではないことを明確にしている。記録の不一致があった場合も、それを直ちに不正と断定せず、「調査が必要な信号」と捉えることで、利用者にシステムの限界を理解させ、過度な期待を抱かせないようにしている。

このLedgerMind AIは、Hacktoberfestというイベントへの提出時点では開発途上だった。現在、利用者の登録、サインイン、パスワード管理、ビジネスごとの所有権管理といった基本的な認証機能は正常に動作し、特定の業種（レストラン、スーパーマーケット）については、記録の入力からAIによるメモ解釈、レポート作成、AIビジネスアナリストによる分析までの一連の機能が完全に動作する。Webブラウザを通じた音声入力機能も実装されており、Renderというプラットフォームにデプロイされ、オプションでSentryによる監視も設定済みだ。しかし、まだ多くの機能が未完成のままだ。請負業者、農場など他の業種への対応は不十分で、ショップ向けの記録形式が残っているため、一部の記録が計算対象外となり、合計額が誤って表示されたり、レポート間で数値が食い違ったりする問題がある。AIによる情報抽出も、テストしたケース以外では、支払いの方向を誤認識したり、不明確な金額についてフォローアップの質問ができなかったりといった間違いを犯すことがある。さらに、AIが利用しているGemmaという外部サービスが、時にエラー（429, 500, 503）を返すことがあり、現在のリトライロジックではこれに対応しきれていない。AIビジネスアナリストによる分析レポートの生成が遅いというパフォーマンスの問題もある。「利益」の計算もまだ実装されておらず、これは「収入から支出を差し引いた純現金収支」として提供する計画だが、これも監査された利益ではないことを明記する予定だ。これらの未解決の問題に対しては、すでに25項目の具体的な修正リストがあり、今後も継続的に改善が進められる。

LedgerMind AIは、現代のウェブアプリケーション開発で広く使われる堅牢な技術スタックを採用している。バックエンドは、高速なAPI開発フレームワークであるFastAPIを基盤とし、データベース操作にはSQLAlchemy、データベーススキーマ変更管理にはAlembic、データストレージにはPostgreSQLが採用されている。バックエンドの記録エンジンはテンプレート駆動型で、複数のビジネスタイプに対応できるよう設計されている。フロントエンドは、ユーザーインターフェースを構築するReact、型安全性を高めるTypeScript、高速な開発ツールViteを組み合わせて構築された。AI機能は、Googleが提供するオープンウェイトモデルであるGemmaを、ホスト型推論サービスを通じて利用している。Gemmaは主に、メモの構造化された記録下書きへの解釈、サプライヤー請求書の抽出、そしてビジネスアナリストのレポート作成という三つの役割を担う。システムのセキュリティと信頼性を保つため、「ガードレール」が設けられている。AIモデルはデータベースへの直接的なアクセス権限を持たず、その出力は必ず人間のレビュープロセスを経由する。これにより、AIが誤った提案をしても、それが直接台帳に誤ったエントリとして記録されることはなく、人間が修正または拒否できる仕組みになっている。アプリケーションのホスティングと監視にはRenderとSentryが利用されている。

監視ツールSentryは、LedgerMind AIの運用上の課題を明らかにする上で非常に役立った。SentryはAIエンドポイントで発生した失敗を種類ごとにまとめ、AIがメモを解釈する際に利用するGemmaプロバイダーから、HTTP 503（サービス利用不可）やHTTP 429（リクエスト過多）エラーが頻繁に発生していることを教えてくれた。これはGemmaサービスが混雑していることが主な原因で、ユーザーが最も利用する「メモ解釈」のパスで発生していた。開発者のリトライロジックは短時間で再試行するだけだったため、すべての試行がすぐに失敗していた。また、ビジネスアナリストが分析を記述する際に、AIモデルの出力トークン制限（2,500トークン）に達して文章が途切れたり、ある分析リクエストに45秒もの時間がかかったりするパフォーマンスの問題もSentryから明らかになった。これらの問題から、リトライロジックを指数関数的に待ち時間を伸ばす「指数バックオフ」と、待ち時間にランダムな要素を加える「ジッター」を組み合わせる必要性、さらに外部APIが指定する再試行までの時間（Retry-Afterヘッダー）を尊重すること、そして各AI呼び出しの試行回数やモデル、遅延時間を記録することで、エラーの原因をより詳しく把握できるようにすることが次のステップとして挙げられている。また、分析にかかる時間を短縮するために、AIに渡すデータのスナップショットをより小さくすることも検討されている。

LedgerMind AIでは、Googleのホスト型推論サービスを通じてGemmaモデルを利用しているが、これには利用者がGPUを持つ必要がないというメリットがある反面、ユーザーのデータが外部に送信されるというトレードオフがある。この点は正直に開示されている。しかし、Gemmaのようなオープンウェイトモデルを選択したことには戦略的利点がある。ホスト型サービスがエラーを返した場合、一つのベンダーに依存するのではなく、別のプロバイダーに切り替えたり、将来的に自社でモデルをホストしたりする選択肢を持つことができる。また、AIはデータベースに直接アクセスせず、数値計算はバックエンドが行うため、AIを「短いリード」で管理できている。これにより、より優れたモデルが登場した場合でも、数値を扱うバックエンドに手を加えることなくAI部分だけを置き換えることが可能だ。さらに、オープンウェイトモデルは、将来的に特定のビジネスオーナーの非公式なメモや独特な表現に合わせてファインチューニングする上で非常に重要となる。Renderは、LedgerMind AIアプリケーションをウェブ上に公開するために利用されている。これにより、ビジネスオーナーは自分のコンピュータにバックエンドやAIモデルをインストールすることなく、ウェブブラウザを通じて利用できる。Render上にデプロイされたアプリケーションは、Reactで構築されたフロントエンドとFastAPIで構築されたバックエンドを接続し、データベースもRenderのPostgreSQLサービスを利用している。AI推論だけはGoogleのGemmaホスト型サービスを利用し、SentryがAI呼び出しの遅延やプロバイダーのエラーを監視している。Renderを利用することで、ユーザー側で複雑なAIインフラを運用することなく、手軽にAIアプリケーションを提供できることを示している。