AIアシスタントを自作した方法とその理由

著者は、ある火曜日の非効率な一日から始まった。クライアントのブリーフの要約、山積みの研究タブ、思慮深い返信が必要なメール、そして数日間開きっぱなしの技術文書。コンテキストスイッチに追われるうちに午後7時を過ぎ、意味のある成果はほとんどなかった。その夜、著者は問題を別の視点から考え始めた。不足していたのは時間ではなく、レバレッジ（てこ）だった。そこで、独自のAIアシスタントを構築する決意を固めた。

なぜ既存のツールを買わなかったのか？著者は、制御権を重視したと説明する。市販のアシスタントは汎用的に設計されており、ユーザーの具体的なニーズに合わせた妥協が伴う。自製すれば、データの保存場所を自分で決められ、クライアント関連や機密データの取り扱いも安心だ。さらに、構築プロセスを通じてツールへの理解が深まり、問題が起きた時の対処や新機能の追加が容易になる。AIアシスタント市場は2025年の33.5億ドルから2030年には211.1億ドルに成長すると予測されており（CAGR 44.5%）、今から構築スキルを身につけることは将来のアドバンテージになる。

技術スタックの選定では、GPT-4oとClaudeを比較し、ツール呼び出しの信頼性とエコシステムの成熟度からGPT-4oを主要モデルに採用。Claudeは文書中心のタスク用にバックアップとして残した。オーケストレーションにはLangChainを選択。メモリ、ツール使用、推論ループを必要とするプロジェクトでは、LangChainの抽象化が時間を節約する。メモリはセッション内ではConversationBufferMemory、永続化にはSQLiteを使用。ツールとして、DuckDuckGo検索（APIキー不要）、ファイル読み込み、カスタムPython関数を実装。

環境構築では、仮想環境の作成、必要なパッケージ（langchain、langchain-openai、duckduckgo-searchなど）のインストール、APIキーの安全な保存を説明。コアアシスタントの構築では、LLMへの接続（temperature=0.2）、システムプロンプトの設計（アシスタントの行動基準を定義）、SQLiteによるメモリの追加、ツールの登録を順に行う。システムプロンプトは最も過小評価されている部分であり、具体的に記述することで後の修正が減る。

完成したアシスタントは、ウェブ検索、ファイル要約、カスタム関数の呼び出しが可能で、著者が日常的に頼るツールとなった。著者は、素早い回答や月額20ドルのライティング補助が必要なら既存製品を購入すべきだが、自分のワークフローに統合し、好みを学習し、特定のタスクを処理するためのアシスタントが必要なら、自製には十分な価値があると結論づけている。