4 分で読了
1 views

Schema.org Actionsによる機械可読Web API

(Machine Readable Web APIs with Schema.org Action Annotations)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近部下から「APIにschema.orgを付けるといい」と聞いたのですが、正直ピンと来ません。要するにうちの業務で何が変わるのでしょうか?

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、難しく考える必要はありませんよ。簡単に言うと、schema.orgのAction注釈を使うとAPIが“機械にとって分かりやすいメニュー表”になるんです。

田中専務

メニュー表ですか。うちのシステムは職人文化の塊で、APIだってバラバラにある。これって要するに、外部の自動化ツールがうちの機能を勝手に使えるようになるということ?

AIメンター拓海

その通りです。もう少し整理すると要点は三つです。1. APIの機能が“誰にでも分かる形式”で表現される、2. 自動化代理(例: 音声アシスタントやチャットボット)がその表現を読んでタスクを実行できる、3. 認証などの実行に必要な情報も付けられる、ということです。

田中専務

なるほど。じゃあ検索エンジンだけでなく、うちの受注管理や在庫照会を外部ツールに安全に使わせられる、と。ところで導入コストと利益はどう見ればいいですか?

AIメンター拓海

良い質問です。投資対効果の観点でも三点に整理できます。第一に開発側の文書化コストは下がる、第二に外部サービスやパートナー連携が速くなる、第三に顧客接点の自動化で人的工数を削減できる、です。まずは自社で最も価値のあるAPI一点を選び、そこに注釈を付ける小さな実験から始めるのが現実的ですよ。

田中専務

具体的には、どんな情報をAPIに書き加えるんですか?うちの現場はセキュリティにうるさいので、勝手にアクセスされるのは困ります。

AIメンター拓海

例えば「この操作は予約を作る」「この操作は在庫を確認する」といった動詞的な説明や、必要なパラメータ名、期待される応答形式、そして認証方式の説明を追加します。著者らは認証の記述もschema.org拡張で扱えると提案しており、安全性と自動化を両立させる設計が可能です。

田中専務

それだと開発チームが手を動かす時間とセキュリティ設計が鍵ですね。失敗しないための進め方は何かありますか?

AIメンター拓海

段階的に進めるのが安全です。まずはドキュメントと実装を分け、注釈だけ作って自動化ツールで読み取り可能かを検証します。次に認証フローを限定的に公開し、実稼働前にパートナー限定で試験する。最後に運用ルールを決める。これならリスクを小さく回せますよ。

田中専務

これって要するに、まずは注釈を作って読み取らせる実験をして、問題なければ段階的に本番で使う、ということですね?

AIメンター拓海

その通りです。大丈夫、一緒にやれば必ずできますよ。まずは価値の高い一点に集中して、小さく実験、学んで広げるアプローチを取りましょう。失敗は学習のチャンスですから前向きに行きましょうね。

田中専務

分かりました。まずは受注登録APIに注釈を付けて、外部の対話システムに注文作成を試させる。うまくいけば人的対応を減らせるし、だめでも被害は小さい。要するに自社の重要なAPI一点を選んで、段階的に自動化を進めるということですね。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
ウェアラブルの音声とIMUを融合したショット検出
(WEARABLE AUDIO AND IMU BASED SHOT DETECTION IN RACQUET SPORTS)
次の記事
SkyLensによる重力レンズ像シミュレーションの実務的意義
(Image simulations for gravitational lensing with SkyLens)
関連記事
顔画像分類における生の特徴のプーリング
(Face Image Classification by Pooling Raw Features)
適応基底による強化学習
(Adaptive Bases for Reinforcement Learning)
視覚ベースの深層強化学習におけるオフライン学習エンコーダの検証
(An Examination of Offline-Trained Encoders in Vision-Based Deep Reinforcement Learning for Autonomous Driving)
パーソナライズされた音声・映像学習環境が学習者の感情と集中、学習成果に与える影響
(Evaluating the Impact of AI-Powered Audiovisual Personalization on Learner Emotion, Focus, and Learning Outcomes)
大規模モデルにおける倫理的価値整合の解体
(Unpacking the Ethical Value Alignment in Big Models)
単一通過ストリーミング確率的多腕バンディットにおけるギャップ依存メモリ・後悔トレードオフ
(Tight Gap-Dependent Memory-Regret Trade-Off for Single-Pass Streaming Stochastic Multi-Armed Bandits)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む