micomia

Blog

技術記事

【でぃぐりーん開発背景】アプリを使っていてGoogle検索に移動させないためにAI機能は、どう設計されるべきか

【でぃぐりーん開発背景】アプリを使っていてGoogle検索に移動させないためにAI機能は、どう設計されるべきか

はじめに

アプリを見て気になる植物があっても、結局Googleで調べ直してしまう。
この流れが続くと、ユーザー体験は分断されます。
でぃぐりーんでは、その分断をなくすためにAIによる植物判定と育成情報の補完を取り入れました。



AIを入れた目的は、最新技術の導入ではなく体験の強化

この機能の本質は、AIを使うこと自体ではありません。
店頭や閲覧時に生まれる「これって育てやすいのか」「自分でも大丈夫か」という判断を、その場で支えることにあります。
AIは、ユーザーの迷いを減らすための手段として導入されています。


投稿者の負担を減らし、閲覧者の理解を早める

投稿時に細かい植物情報を毎回手入力してもらう設計では、発信側の負担が大きくなります。
一方で、情報が少なすぎると閲覧者には価値が伝わりません。
そこでAIを使い、自動で基本情報を補完することで、投稿のしやすさと閲覧時の分かりやすさを両立しました。
この点は、実績ページの「投稿時にAIが植物を判定し、基本情報を自動登録」という説明とも一致しています。


重要なのは、買う前に判断できること

AIの恩恵が最も大きいのは、購入前です。
育成難易度や必要な世話のイメージがつくことで、ユーザーはその植物を自分の暮らしに置けるかを考えやすくなります。
これは、単なる情報提供ではなく、意思決定の支援です。


AI機能は、派手さより安定性が大切

植物系アプリで必要なのは、過度に多機能なAIではなく、日常利用に耐える安定した補完です。
今回の開発でも、世話情報が安定して自動入力されるよう調整した点が重要でした。
つまり、AIの価値は目新しさではなく、繰り返し使える実用性にあります。


まとめ

AI機能は、ユーザーを驚かせるためだけのものではありません。
アプリ内で理解し、判断し、次の行動へ進めること。
でぃぐりーんのAI機能は、検索のために外へ出なくていい体験を作るために設計された事例です。

畑井駿佑

畑井駿佑

micomia株式会社の代表取締役です。 エンジニア、プロジェクトマネージャーを経験し、2024年にUI/UXにこだわった使いやすいシステム/アプリを開発するmicomia株式会社を設立しました。

関連記事

DevOpsとは?考え方・導入メリット・開発運用の効率化をわかりやすく解説

DevOpsとは?考え方・導入メリット・開発運用の効率化をわかりやすく解説

DevOpsとは、開発と運用を統合してソフトウェアの開発・リリースを効率化する文化・手法です。基本概念からビジネス活用までわかりやすく解説します。

Docker(コンテナ技術)とは?仕組み・メリット・開発での活用をわかりやすく解説

Docker(コンテナ技術)とは?仕組み・メリット・開発での活用をわかりやすく解説

Dockerとは、アプリケーションをコンテナにパッケージ化して実行する技術です。コンテナ技術の仕組みやビジネス活用をわかりやすく解説します。

サーバーレスアーキテクチャとは?仕組み・メリット・活用事例をわかりやすく解説

サーバーレスアーキテクチャとは?仕組み・メリット・活用事例をわかりやすく解説

サーバーレスアーキテクチャとは、サーバー管理をクラウドに任せて開発に集中できる仕組みです。基本概念やビジネス活用をわかりやすく解説します。

Kubernetesとは?仕組み・Dockerとの違い・導入メリットをわかりやすく解説

Kubernetesとは?仕組み・Dockerとの違い・導入メリットをわかりやすく解説

Kubernetesとは、コンテナの管理・運用を自動化するプラットフォームです。Dockerとの違いや仕組み、ビジネス活用をわかりやすく解説します。

既存SNSはなぜアートと相性が悪いのか Artlが解こうとした情報過多の問題

既存SNSはなぜアートと相性が悪いのか Artlが解こうとした情報過多の問題

既存SNSではなぜ作品そのものに集中しづらいのか。Artlが向き合った、情報過多とアート鑑賞体験のズレについて解説します。

「“いいね”ではなく“鑑賞しました” 」Artlが反応の仕方を変えた理由

「“いいね”ではなく“鑑賞しました” 」Artlが反応の仕方を変えた理由

Artlは「いいね」機能を外し、「鑑賞しました」を採用しました。作品制作の本質を守るために反応の形を変えた理由を紹介します。

Artlが目指すのは、芸術がもっと光を浴びる世界

Artlが目指すのは、芸術がもっと光を浴びる世界

Artlが目指すのは、芸術がもっと光を浴びる世界です。現バージョンで見えた改善点と、次のアップデートで重視したい方向性を紹介します。

なぜArtlはトリミングしないのか 作品をそのまま展示する設計の意味

なぜArtlはトリミングしないのか 作品をそのまま展示する設計の意味

Artlは作品のトリミングや角丸加工を行わず、そのまま展示できるSNSです。表現を制約しない投稿設計の意味を解説します。

作家が安心して発信できるSNSとは何か Artlの投稿体験を支える考え方

作家が安心して発信できるSNSとは何か Artlの投稿体験を支える考え方

Artlは、作家が安心して作品を発信できるSNSを目指しています。タグ付けや不要な入力を減らした投稿体験の考え方を紹介します。

アート専門SNS「Artl」を作った理由 作品そのものが評価される場所を目指して

アート専門SNS「Artl」を作った理由 作品そのものが評価される場所を目指して

Artlは、映えや拡散ではなく作品そのものに向き合えるアート専用SNSです。作品が正しく届く場所を目指した開発背景を紹介します。

シンプルで主張しすぎない 「Artlが目指した鑑賞体験のUI/UX」

シンプルで主張しすぎない 「Artlが目指した鑑賞体験のUI/UX」

Artlは、作品のみが自然と流れてくるシンプルなUI/UXを目指しました。アートの世界観を損なわないデザイン思想を紹介します。

作品ファーストとは何か? Artlが設計した“作品を邪魔しないUI”

作品ファーストとは何か? Artlが設計した“作品を邪魔しないUI”

Artlが目指したのは、作品を邪魔しないUIです。トリミングしない設計、過度な世界観を持たないUI、投稿しやすさを両立した思想を紹介します。

今後は、もっと学習が続くアプリへ ゲンゴーの次の改善テーマ

今後は、もっと学習が続くアプリへ ゲンゴーの次の改善テーマ

ゲーミフィケーションやAIによる個別最適化を通じて、より続けやすい学習体験へ。ゲンゴーの次の改善テーマを紹介します。

翻訳とAIは“今”を支え、学習機能は“将来”を支える ゲンゴーの機能分担

翻訳とAIは“今”を支え、学習機能は“将来”を支える ゲンゴーの機能分担

翻訳とAIは現場の今の困ったを助け、学習機能は将来の日本語習得を支える。ゲンゴーにおける機能ごとの役割設計を紹介します。

建設現場の定着課題に向き合う 外国人技能実習生向け日本語学習アプリ「ゲンゴー」を開発した理由

建設現場の定着課題に向き合う 外国人技能実習生向け日本語学習アプリ「ゲンゴー」を開発した理由

建設現場で働く外国人技能実習生の定着課題に向き合い、日本語学習と現場コミュニケーションを支援するアプリ「ゲンゴー」の開発背景を紹介します。

AI OCRとは?紙の書類をデジタル化する仕組み・従来OCRとの違い・活用事例を解説

AI OCRとは?紙の書類をデジタル化する仕組み・従来OCRとの違い・活用事例を解説

請求書や契約書、申込書など、紙の書類を手作業でデータ入力している業務はありませんか?こうした手入力作業は時間がかかるだけでなく、入力ミスの原因にもなります。この課題を解決する技術として注目されているのが「AI OCR」です。この記事では、AI OCRとは何か、従来のOCRとの違い、仕組みやビジネスでの活用事例について、初心者の方にもわかりやすく解説します。

Transformerとは?仕組み・GPTやBERTとの関係・AI開発での重要性をわかりやすく解説

Transformerとは?仕組み・GPTやBERTとの関係・AI開発での重要性をわかりやすく解説

Transformer(トランスフォーマー)とは、2017年にGoogleが発表した深層学習のモデルアーキテクチャで、現在のAI技術の基盤となっている革新的な技術です。ChatGPTのGPT、GoogleのBERT、画像生成AIなど、現代のほぼすべての主要AIモデルがTransformerを基盤としています。

自然言語処理(NLP)とは?仕組み・活用事例・AI開発での重要性をわかりやすく解説

自然言語処理(NLP)とは?仕組み・活用事例・AI開発での重要性をわかりやすく解説

自然言語処理(NLP:Natural Language Processing)とは、人間が日常的に使う言葉(自然言語)をコンピューターに理解・生成させるためのAI技術です。チャットボット、翻訳、文章要約、感情分析など、現代のAIサービスの多くがこの技術を基盤としています。

拡散モデル(Diffusion Model)とは?仕組み・画像生成AIとの関係をわかりやすく解説

拡散モデル(Diffusion Model)とは?仕組み・画像生成AIとの関係をわかりやすく解説

拡散モデル(Diffusion Model)とは、画像にノイズを徐々に加えていくプロセスを逆転させることで、ノイズから高品質な画像を生成するAIモデルです。Stable Diffusion、DALL-E、Midjourneyなど、現在の画像生成AIの多くがこの技術を基盤としています。

AIパイプラインとは?構成要素・構築方法・効率的な運用をわかりやすく解説

AIパイプラインとは?構成要素・構築方法・効率的な運用をわかりやすく解説

AIパイプラインとは、AI開発の一連の処理工程を自動化する仕組みです。データ収集からモデル運用までの流れやMLOpsとの関係をわかりやすく解説します。

【でぃぐりーん開発背景】アプリを使っていてGoogle検索に移動させないためにAI機能は、どう設計されるべきか | micomia技術記事