鑑定人試験AIの舞台裏（1）Dify×Pythonで「AIは計算が苦手」を克服する

1. 製造現場・鑑定実務において「AIの嘘」は許されない

製造業の設計現場や、損害保険登録鑑定人の実務において、計算ミスは致命的です。調査によれば、AI導入を検討する企業の約3割が「出力結果の精度」に不安を感じています 。 ChatGPTなどのLLM（大規模言語モデル）は、文章作成は得意ですが、実は複雑な数理計算において「もっともらしい嘘（ハルシネーション）」をつくリスクが常に付きまといます 。

2. なぜ「鑑定人試験AI」にPythonノードが必要だったのか

私が開発している「損害保険登録鑑定人2級（電気）学習支援ボット」では、オームの法則から複雑な電力損失の計算まで、正確な回答が求められます。

例えば、以下の数式を用いた計算です。

$P = I^2 R$

これをLLM単体で行わせると、計算手順は合っていても、最終的な数値で間違えることが多々あります。そこで私は、Difyの**「Codeノード（Python）」**を活用し、計算そのものを決定論的なプログラムに任せるワークフローを構築しました。

3. Difyワークフローによる「立式」と「計算」の分離

本ボットの実装の要諦は、LLMに「計算させる」のではなく、LLMに「パラメータを抽出させ、Pythonに渡す」という役割分担にあります。

• Step 1（パラメータ抽出）: ユーザーの問題文から、電圧 (V) や抵抗 (R) の数値をJSON形式で抽出。
• Step 2（コード実行）: 抽出した値をPythonノードに渡し、厳密な数式に基づいて計算を実行。
• Step 3（解説生成）: 計算結果を再度LLMに戻し、40年の知見を反映したプロンプトで「なぜこの数値になるのか」を丁寧に解説。

4. ビジネスとしての価値：1人起業家が勝つための「信頼の担保」

私はこの技術を単なる学習支援に留めず、製造業特化型の「業務効率化SaaS」として展開する戦略を描いています。 多くの企業がAI導入に慎重なのは「専門知識を持った運用者がいない」からです 。 40年現場で研鑽を積んできた私が、Difyという「兵器」を用いて、現場が安心して使える「計算精度100%のAI」を提供すること。これこそが、資本力のある大手ベンダーに対抗し、1年で年間売上5000万円を目指すビジネスモデルの核となります。

5. 「小さく始めて、確実に成果を出す」

まずはこの鑑定人試験AIのように、特定のニッチな領域で「正確な回答」を出せる成功事例（MVP）を迅速に構築することが重要です。

AIは万能ではありませんが、適切な設計（ワークフロー）さえあれば、熟練者の「暗黙知」を正確な「デジタル資産」へと昇華させることができるのです。

---