人と街の個性を可視化するLOGIOの現実世界データとは
生成AIの活用が広がる中で、AIが現実世界の人や街の動きをどう理解するかが問われています。JMASは、人と街の個性を可視化する「LOGIO」で、地域や生活者の行動差をAIが参照できる「現実世界アンカーデータ」の提供を開始しました。
ARCHETYP Staffingでは現在クリエイターを募集しています。
エンジニア、デザイナー、ディレクター以外に、生成AI人材など幅広い職種を募集していますのでぜひチェックしてみてください！
生成AIに必要になってきた「現実世界の基準」
生成AIの活用は、社内文書の検索や顧客対応だけでなく、営業支援、広告運用、商品企画、商圏分析、自治体施策など、実務に関わる領域へ広がっています。AIが文章を作るだけでなく、情報を整理し、提案や判断の材料を出す場面が増えているためです。
こうした活用で使われる技術の一つが、RAG（検索拡張生成）です。RAGとは、AIが外部の情報を参照しながら回答を生成する仕組みを指します。社内資料やFAQ、自社の業務データなどをAIに参照させることで、回答の根拠を補い、誤った内容を出すリスクを下げる目的で使われます。
一方で、生成AIが現実世界の生活者行動をすべて把握しているわけではありません。
現在のRAGで参照されるデータも、インターネット上のテキスト情報、社内文書、FAQ、自社業務データなど、文章情報や各社が持つ内部データが中心です。
生活者が実際にどのような施設に触れているのか、地域ごとにどのような行動差があるのかまでは、文章情報だけでは捉えにくい面があります。
JMASの発表では、生成AIやAIエージェントの活用領域が、広告設計、出店判断、観光施策、スマートシティ、ナビゲーションなどへ広がるにつれ、文章だけでは捉えにくい生活者グループや地域の動向を示す外部参照データが重要になるとされています。LOGIOの「現実世界アンカーデータ」は、こうした背景のもと、AIが地域や生活者グループの違いを判断するための外部参照データとして提供されます。
生成AIの回答精度を高めるには、文章情報だけでなく、現実の行動差を参照できる仕組みも必要になります。AIが人や街の動きをどこまで扱えるようになるのか、注目したいところです。
LOGIOが行動データをAIの読める特徴量に変える
LOGIOは、人と街の個性を可視化するサービスです。株式会社ドコモ・インサイトマーケティングが保有するドコモの会員属性や位置情報と、NTTタウンページ株式会社が保有する全国のスポットデータを掛け合わせ、生活者グループごとの価値観やライフスタイルに関するデータを生成・分析します。
今回提供が始まった「現実世界アンカーデータ」は、LOGIOの「全国ライフスタイル統計 1741市区町村データベース」をもとにしたものです。生活者グループごとのオフライン行動や地域特性を、AIが参照しやすい外部データとして整理しています。ここでいうアンカーとは、AIが現実世界の傾向を判断する際の基準点のようなものです。具体的には、地域、属性、施設ジャンル、月次を軸に、生活者グループごとの特徴や差分、変化を比較できる「地域・属性別ライフスタイル特徴量」を提供します。
これは、地域や生活者グループごとの行動傾向を、AIが参照しやすい施設ジャンル別のデータとして整理したものです。地域や属性ごとに、普段どのような施設に触れているかを「接触機会指数（EOI）」として算出し、生活者グループごとの特徴や差分、変化を比較できる形にします。
対象は全国、47都道府県、1741市区町村です。行政区画全体、性別、年代別、性年代別に分けた42,936グループごとの行動特徴量を提供し、1,000種の施設ジャンルに対する接触機会の特徴を相対化スコアとして算出します。月間4,000万件超のデータ項目を継続更新する点も特徴です。
ただし、本データは個人の移動履歴を提供するものではありません。地域、属性、施設ジャンル単位で統計化された行動特徴量として提供されます。位置情報を座標のまま扱うのではなく、施設ジャンルというAIが解釈しやすい語彙に変換することで、地域や生活者グループの違いを参照しやすくしています。
個人の移動履歴ではなく、統計化された行動特徴量として扱う点は、今回のデータを理解するうえで押さえておきたいポイントです。施設ジャンルという形に変換しているからこそ、AIが地域や生活者グループの違いを参照しやすくなっています。
AIの回答を一般論から観測データに基づく提案へ
「現実世界アンカーデータ」をAIエージェントやRAG環境に組み込むことで、地域やグループの特徴、変化の背景、施策の方向性について、観測データに基づくファクトを参照しながら、AIから自然文による説明を得ることも可能になります。これにより、AIの回答を一般論にとどめず、「この地域・属性では実際にこのような行動差が観測されている」というデータ参照型の回答が可能になります。
活用領域としては、広告・マーケティング、商圏分析、出店判断、観光施策、自治体施策、ナビゲーションなどが想定されています。
施設ジャンルに対する接触機会について、A地域は全国平均やB地域と比べてどの程度多いか、CグループはDグループと比べてどの程度少ないか、E月とF月ではどの程度変化したかを、全国平均比、グループ間差分、前月比などの観点から、全国同じ基準で比較できます。
自社の顧客データや購買データ、会員データ、広告配信データと組み合わせることで、既存データだけでは見えにくい地域差や属性差、行動差を補う使い方も想定されています。広告配信や販促施策のターゲット設計、施策評価などにおいて、現実世界の行動傾向を判断材料として加えられる点が示されています。
導入方法は、利用目的やシステム環境に応じて選べます。CSV納品、API連携、RAG向け加工データ、専用ツールでの閲覧などに対応し、既存の生成AIやRAG環境に外部参照データとして追加できます。大規模なシステム改修を前提とせず、一部エリア、一部施設ジャンル、一部期間に限定したサンプルデータから初期検証を始められます。あわせて、PoCやRAG/API組み込み検証の相談受付も開始されています。
LOGIOは今後、来訪者の行動傾向、来訪前後の行動変化、施設単位のスコアリング、より細かな地域・時間粒度の統計データなどを拡充していく方針です。ロボット、モビリティ、ナビゲーション、スマートシティなど、現実空間で動くAIシステムにおいても、地域や生活者グループごとの行動傾向を参照できる基盤として、活用領域を広げることを目指しています。
AIの回答に地域差や属性差が反映されるようになれば、一般論だけではなく、現実に近い判断材料として使いやすくなります。LOGIOの今後の拡充が、現実空間で動くAIの活用にどうつながるかも注目です。
まとめ
いかがだったでしょうか？
LOGIOの「現実世界アンカーデータ」は、生成AIが文章情報だけでなく、地域や生活者の行動差を参照するためのデータとして提供されます。 AIの回答に観測データを組み込むことで、一般論では見えにくい街や人の特徴を捉えやすくなる点が特徴です。 JMASは今後も、LOGIOを現実世界の人間行動をAIが参照できる行動統計基盤へ発展させ、地域理解や顧客理解、施策立案、意思決定の高度化に貢献することを目指しています。
AIが現実世界を理解するには、文章情報だけでなく、人や街の行動を示すデータも欠かせません。今回の取り組みは、AIと現実世界をつなぐ土台づくりとして見ておきたい動きです。