プロジェクト概要 ◾️目的・ゴール 営業担当者の制作業務負荷を劇的に軽減し、本来のコア業務（顧客コミュニケーション）に集中できる環境を構築する。 単なる「AIによる自動生成」に留まらず、「実運用に耐えうる再現性」と「法務・倫理的リスクを回避する安全性」を兼ね備えた、次世代の広告制作支援システムの開発を目指す。 ◾️背景・課題 現在、営業担当者が手作業で行っているラフ案作成は、業務負荷が高いだけでなく、品質の属人化が大きな課題となっている。 と同時に、そのソリューションとしては、昨今のAIを取り巻く環境（生成物の不確実性、攻撃的コンテンツへの脆弱性、著作権・コンプライアンスリスク）を鑑み、「AIに丸投げしない」制御構造の構築も急務となっている。具体的には、クリエイティブな生成にはAIを活用しつつ、レイアウトや規約チェックには決定論的なアルゴリズムを組み合わせることで、ビジネス実務に即した「外さない」出力を保証する必要がある。 ◾️ソリューション概要（アーキテクチャ詳細） 単一のモデルに依存する「All-in-one AI」から脱却し、信頼性・再現性・品質保証を多段階で制御するモジュール構成（Compound AI Architecture）を採用します。 1. インテリジェント・アナライザー（ML × LLM） 顧客資産（HP、ロゴ、既存制作物）を解析。 Scikit-learn等を用いた色彩分析や業種・トーンの分類といった定型的な判定を行い、AIの「思い込み」を排除した客観的なコンテクストを抽出する。 2. コピーライティング・エンジン（LLM） 分析データに基づき、キャッチコピーや訴求文を生成。ここはLLMの強みである「多様性」を活かす。 3. デターミニスティック・レイアウト（ルールベース） 「画像生成AIに文字や配置を任せない」方針を徹底。 CSSライクな描画エンジンやテンプレートエンジンを用い、位置・サイズ・フォント等のレイアウトを100%制御し、一貫したブランド品質を担保する。 4. ガードレール・モジュール（検証ゲート） 媒体規定や禁止表現、倫理的リスクを二重にチェック。 正規表現や辞書ベースのルールエンジンと、過去の判定データを学習したMLモデルによる「フェーズゲート」を構築し、リスクのある生成物を遮断する。 5. システム・オーケストレーター 各モジュールの実行順序、リトライ処理、例外ハンドリングを統合制御。ステート管理を行い、処理の透明性と追跡可能性を確保する。 ◾️求めるスキルセット 必須スキル（Must） • Pythonを用いたバックエンド開発経験（3年以上）。 • LLM API（OpenAI, Anthropic等）の実装およびプロンプトエンジニアリング。 • ハイブリッドシステムの設計経験： 生成AIの不確実性を理解し、ルールベースや従来の機械学習を組み合わせたシステムを構築できる能力。 • RDBおよびベクタデータベースの最適な設計・運用。 ◾️歓迎スキル（Want） • MLOps / ガードレール設計： Scikit-learn等を用いた分類モデルの構築や、LLMの出力検品システムの開発経験。 • レイアウトエンジンの開発： テンプレートエンジン（Jinja2等）や、プログラムによる画像・PDFの動的生成（Canvas系、SVG処理等）の実装経験。 • ワークフロー制御： LangGraph、Temporal、Airflow等を用いた複雑なエージェントワークフローの構築経験。 • セキュリティ意識： プロンプトインジェクション対策や、生成AI特有の脆弱性に対する深い理解。