6. 人工知能レイヤー - eBattery AI
電気自動車での移動には、互いに関連する複数の判断が必要です。走行する距離、現在のバッテリー残量、車両の消費量、道路状況、充電ステーションの位置、ドライバーのスケジュールは、すべて同じ移動の一部です。これらの変数のどれかが変われば、ほかの判断にも影響が及ぶことがあります。短く見えるルートでも、適切な充電インフラがなければ、かえって長い移動になることがあります。また、より高出力のステーションでも、車両が受け入れられる充電出力に限りがあれば、期待したほどの時間短縮にならないことがあります。
eBattery AIは、これらの判断をまとめて検討し、ユーザーに分かりやすい旅行プランを提示するために、アプリの中心に位置しています。ユーザーはやりたいことを自然な言葉で伝えることができ、eBattery AIは車両プロファイル、地図、ルート、利用可能なステーションデータをもとに、その要望を実行可能な選択肢に変えます。
ユーザーにとっての体験はシンプルです。「イズミルに行きたい」「週末の2日間の旅を計画して」「近くの使える充電ステーションを探して」と言うだけで始められます。裏側では、それぞれの依頼を、異なるデータソース、計算、アプリの機能と結び付ける必要があります。eBattery AIの役割は、この技術的な複雑さを処理しながら、判断の根拠をユーザーに分かりやすく示し続けることです。
このアプローチの中心にあるのは わかりやすさ、計算可能性、ユーザーによるコントロール が含まれます。アシスタントは、提案したルートがなぜ適しているのかを説明できなければならず、航続距離と充電の計算を一貫した方法で行えなければならず、ユーザーも自分のニーズに合わせてプランを変更できなければなりません。
現在のプロダクトのAIチャット、ルートおよび旅行プランニングが、この構造の中核をなします。リアルタイムのステーション情報、料金、交通状況といった入力は、各データソースのカバー範囲に応じて機能します。天候を加味した予測、車両との直接接続、行動から学習するパーソナライズは、同じアーキテクチャの上で段階的に拡張されていく機能です。
6.1 中央アシスタントのアプローチ
6.1.1 アプリのさまざまな機能を共通の文脈でつなぐ
eBattery AIは、ユーザーがアプリのさまざまな部分を移動する際に、同じ情報を何度も入力する手間を減らす中心的なアシスタントです。マップで始めたステーション検索はチャットで絞り込め、チャット中に作成したルートはルート画面で確認でき、計画した旅行は日程と立ち寄り先とともに旅行モジュールで編集できます。
この体験では、車両、旅、ユーザーの設定が共通の文脈を形づくります。たとえば、登録済みの車両を選んだユーザーが「近くの適切なステーションを教えて」と言ったとき、システムが毎回車種を聞き直す必要はありません。リクエストは、選択中の車両と、ユーザーが共有することを選んだ位置情報とあわせて評価されます。
一元的なアプローチにより、アプリ内の異なる入口からでも同じ判断ロジックにたどり着けます。ユーザーが地図から開始する充電ポイント検索と、AI Chatを通じて行う検索は、同じ車両、同じ設定、同じ最新データを使う場合、互いに一貫した結果を出すべきです。
これにより、eBatteryのモジュール間は単に画面遷移でつながるだけでなく、ユーザーがやりたいことそのものも維持されます。
6.1.2 ユーザーの意図をアプリの操作に変換すること
人は自分のニーズを技術的なパラメータで表現するとは限りません。「2時間以内に出発します」「子どもたちと行くので、もっとゆったりしたプランがいい」「充電のために遠回りしたくない」といった文には、複数の希望が同時に含まれています。
eBattery AIは、こうした発言を計画に使える情報へと変換します。必要に応じて、出発地、目的地、バッテリー残量、時間の優先度といった不足している情報を補います。質問は、結果に本当に影響する項目に絞られます。
たとえば、「イスタンブールからイズミルに行きたい」というリクエストで、登録済みの車両と出発地がすでにわかっている場合、ユーザーに尋ねるのは現在のバッテリー残量と移動の希望だけで済むことがあります。ユーザーが「有料道路を使ってもいいので、所要時間は短くしたい」と答えると、その情報がルートのリクエストに追加されます。
このアプローチは、自然言語をアプリの機能に結びつけます。ユーザーはメニューの技術的な構造を覚えなくても、必要なことを伝えられます。システムはその依頼を、該当する計算と画面の流れへとつなぎます。
6.1.3 レコメンドをユーザーのコントロールで完結させる
eBattery AIが提案するプランは、確認して変更できます。ユーザーは、おすすめのステーションを変更したり、経由地を追加したり、旅行日程から美術館を外したり、より低コストなルートを依頼したりできます。
アシスタントは、これらの変更をプランの他の部分と関連づけます。立ち寄り先を1つ外すことは、旅行リストを短くするだけでなく、1日の距離、到着時刻、充電の必要性も変える可能性があります。ユーザーが行った編集は、こうした関係を保ったまま評価されます。
プランの所有者はユーザーです。 AI は選択肢を見える形にし、計算を簡単にし、選択の結果を説明します。旅の目的、ペース、許容できる費用はユーザーが決めます。
6.2 AI Chat:オープニング体験、アバター、ストリーミング、コンテキストメモリ
6.2.1 最初の体験:できることを最初に見せる
AIチャットの開始画面では、アシスタントの主な機能がユーザーにそのまま示されます。ユーザーは自由な文章で会話を始めることも、用意された開始オプションのひとつを使うこともできます。
| スタートのオプション | ユーザーの目的 | 開始されたフロー |
|---|---|---|
| ルートを計画 | 車でポイントに到着する | 出発地、目的地、車両、充電のニーズに基づくルートの作成 |
| 旅行を計画 | 決められた時間内にエリアを巡ること | 興味と所要時間に合わせて1日のプランを作成すること |
| 最寄りのステーションを提案 | 適切な充電ポイントに到達すること | 位置情報、車両の互換性、利用可能なステーションデータをもとにおすすめを生成すること |
| マイ効率 | 利用データを理解する | 既存の記録に基づく消費量・利用状況の評価への移行 |
これらの選択肢は、最初のやり取りにおける迷いを減らします。ユーザーはアシスタントにどんな質問ができるかを推測する必要がなく、アプリは日常のEVのニーズに関連した出発点を提示します。
会話が進むにつれて、最初の選択肢は文脈に合った操作に置き換わります。ルートが作成された後は「ルートを開く」、ステーションが提案された後は「ステーションへ移動」といったアクションが前面に表示されます。
6.2.2 アバター:アシスタントのビジュアルアイデンティティ
AI Chatのビジュアルアイデンティティは、アニメーションするロボットのアバターです。チャットを始める前は、画面の中央に表示されたアバターが、ささやかな動きとライトエフェクトで、いつでも対話できる様子を見せます。
最初のメッセージが送信されると、アバターは小さくなってアシスタントのメッセージの横へ移動します。これにより、画面の焦点が自然に開始時の体験から会話へと移ります。ユーザーの入力、アシスタントの返信、作成された結果カードのためのスペースも広がります。
アバターは、AIが生成したメッセージを視覚的に区別するのにも役立ちます。このアイデンティティにより、アプリ内のコミュニティメッセージとは異なる、一貫したアシスタント体験が生まれます。
動きやビジュアル効果の役割は、ユーザーを導き、システムの状態を分かりやすくすることです。読みやすさと操作性が優先され、アニメーションが重要な情報の妨げになることはありません。
6.2.3 ストリーミング: 回答を流れとして届ける
eBattery AI は、適切な回答をストリーミング形式で表示します。ユーザーは、長い説明が完成するのを待つ代わりに、回答が少しずつ形づくられていく様子を見ることができます。
この体験では、2つの異なるプロセスが区別されます。説明文の作成と、プランの計算です。アシスタントがテキストの生成を始めたからといって、ルートの計算が完了したわけではありません。ルート、ステーション、または旅行カードは、関連するデータと計算の準備が整った時点で表示されます。
たとえばシステムは、まずリクエストが理解されたことを示し、次にルートの選択肢を準備しながら進捗状況を共有することがあります。計算が完了すると、マッププレビューと充電ストップが表示されます。こうして、素早いフィードバックを提供しながら、結果の整合性も保たれます。
フローの途中でユーザーがリクエストを変更した場合は、新しいリクエストが優先されます。以前のリクエストに対する遅れて届いた結果が、最新のプランに取って代わってはなりません。これは、立ち寄り先やルートの好みを続けて変更する会話では特に重要です。
6.2.4 Context Memory:会話の意味を保つ
コンテキストメモリにより、進行中の会話をそれ以前のやり取りと合わせて理解できます。
ユーザーがまず「イスタンブールからイズミルへ行きます」と言い、続けて「帰りも計画して」と入力すると、アシスタントは2つ目のリクエストを最初の旅程と関連付けます。「これをもっと経済的にして」という表現も、話題になっているルートや旅行プランに適用されます。
コンテキストは3つのレベルで扱われます。
チャットのコンテキスト: 会話中に提供された情報と行われた変更。
有効なプランのコンテキスト: 編集中のルート、旅行、またはステーションの選択。
保存されたユーザー設定: 選択された車両と、ユーザーが恒久的に設定した内容。
この区別により、一時的な希望が恒久的な習慣として解釈されることを防ぎます。ユーザーがある旅行で「今日は有料道路を避けよう」と言ったからといって、今後のすべての旅行が同じようにプランニングされるわけではありません。
同様に、以前の会話で入力されたバッテリー残量を、翌日の最新の車両データとして使うことはできません。文脈を覚えておくには、情報がどのくらいの期間有効かを管理することも必要です。
6.3 レイヤー構造:ルールベースの判断レイヤーとLLMレイヤー
6.3.1 計算と説明の役割を分ける
eBattery AIのアーキテクチャは、異なるタスクを異なる手法で解決するという考え方に基づいて構築されています。
航続距離の計算、エネルギー需要、車両とステーションの互換性、ルート候補の評価は、定義されたデータ項目と計算ルールで動作する判断レイヤーで行われます。ユーザーが自然な言葉で伝えた要望を理解し、結果を説明するのは、大規模言語モデル、つまりLLMレイヤーの役割です。
この区別は、提案の数値的な根拠と、その説明の仕方を結び付けます。アシスタントが「こちらのステーションのほうが適しています」と述べるとき、その理由は計算レイヤーが生成したデータに基づくべきです。説明で使われる距離、時間、エネルギーの値は、結果カードの値と同じ情報源に基づいています。
| アーキテクチャ構成要素 | 中核となる責任 | 生み出す結果 |
|---|---|---|
| データおよび統合レイヤー | 車両、地図、ステーションなどの情報源から届くデータを整理する | ソースと鮮度が定義された入力 |
| リクエストとコンテキストの管理 | ユーザーのリクエスト、選択中の車両、有効なプランを組み合わせる | 構造化された計画リクエスト |
| ルールベースの判断レイヤー | 互換性チェック、エネルギー計算、候補の評価を実行する | ルートと充電プランの選択肢 |
| LLMレイヤー | 自然言語を解釈し、計算結果を説明すること | ユーザーに合わせた説明 |
| 検証とアクションのレイヤー | 結果の一貫性と取引の権限を確認すること | 表示できるカードと実行可能なアクション |
| エクスペリエンスレイヤー | チャット、カード、画面遷移を表示する | アプリ内のユーザー体験 |
6.3.2 ルールベースの判断レイヤーの範囲
ルールベースのアプローチとは、同じデータのスナップショットと同じルールのバージョンであれば、計算を一貫して再現できることを意味します。
この層では、利用可能なバッテリーエネルギーを計算し、ルート区間に必要なエネルギーを推定し、車両と互換性のないステーションを除外し、適した候補を定められた基準で比較します。ユーザーが選んだ道路の好みや、確保しておくバッテリーの予備もここで考慮されます。
ルールベースの計算は、外部の状況が確実に分かっているという意味ではありません。将来の交通状況、実際の消費量、到着時点でのステーションの状態は変わる可能性があります。そのため、計算方法が一貫していても、入力や出力の一部は推定値です。
eBattery AIはこの違いを保ちます。既知のデータ、ユーザーが入力した情報、モデルの推定値は、同じ確度では提示されません。
6.3.3 LLM レイヤーの範囲
言語モデルは、ユーザーの要望を理解し、計算された結果を自然な説明に変換するために使われます。
「歩く距離を減らしたい」「美術館を外して」「充電であまり長く待ちたくない」「なぜこのステーションを選んだの?」といった表現が、このレイヤーの対応範囲に含まれます。
LLMは、適切なアプリ機能に引き渡せる構造化されたリクエストの作成を支援します。ただし、ステーションの料金、ソケットの状態、車両のバッテリー残量を、一般的な知識で補うことはありません。これらの情報は、関連する記録や連携システムから取得されます。
たとえば、判断エンジンがルートの寄り道が少なく適切な出力を得られるという理由であるステーションを選んだ場合、アシスタントはその理由をわかりやすく言い換えることができます。
「このステーションはお車に対応しており、メインルートにより近い場所にあります。より高出力に見える代替案は、お車の充電上限のため、時間面での追加の利点はありません。」
この説明の価値は、ユーザーが判断の理由を理解できることにあります。
6.3.4 検証済みデータから説明可能な結果へ
各結果は、使用された主な入力情報と関連付けられます。選択した車両、バッテリー情報、計算時刻、ステーションデータの鮮度により、プランがどのような条件で作成されたかを把握できます。
この構造は、ユーザーからのフィードバックの評価も容易にします。おすすめされたステーションが選ばれなかったからといって、必ずしも計算が間違っていたとは限りません。ユーザーは別の休憩場所を望んでいたり、特定の事業者を好んでいたり、計画には表れない時間的な制約を抱えていたりすることがあります。
判断の入力情報とユーザーによる変更をあわせて検証することで、システムを時間をかけてより意味のある形で改善できます。
6.4 ルート計画 — 車両プロフィール、航続距離の計算、ルートと道路の設定
6.4.1 車両プロフィールとあわせて移動を計画する
eBatteryのルート計画では、出発地と到着地に加えて、車両のエネルギー特性と充電特性も考慮されます。
同じルートでも、2台の電気自動車で必要な充電プランが異なることがあります。使用可能なバッテリー容量、消費量、対応ソケット、充電受け入れ電力が、この違いを生みます。
プランニングに使う主な車両情報は次のとおりです。
| 車両情報 | プランニングでの役割 |
|---|---|
| ブランド、モデル、適合する車両バリアント | 正しい技術プロファイルの選択を確実にします |
| 使用可能なバッテリー容量 | 移動中に使えるエネルギー計算の基礎となります |
| 消費値 | 距離を推定エネルギー需要に変換します |
| AC充電対応 | 長めの休憩や目的地での充電の選択肢を検討する助けになります |
| DC 充電のサポート | 経路上の急速充電の選択肢を検討できます |
| ソケットの互換性 | 利用可能なステーションの特定を可能にします |
| 現在のバッテリー残量 | 移動開始時のエネルギー状態を定義します |
総バッテリー容量と使用可能容量は別々に評価されます。航続距離の計算で基準とする値は、走行に使用できるエネルギーです。
現在の利用フローでは、ユーザーは出発前にバッテリー残量を手動で入力します。登録済みの車両プロフィールには技術情報が保存されますが、バッテリーの割合はその旅ごとの最新の入力値です。今後の車両連携によって、対応車両からこの情報を自動で取得できるようになる拡張の余地があります。
6.4.2 航続距離の計算とエネルギー予備
航続距離の計算は、利用可能なエネルギーと予想消費量との関係を土台にしています。
現在のエネルギー量 = 使用可能なバッテリー容量 × バッテリー残量 / 100
基本の航続距離の見積もり = 利用可能なエネルギー / 消費量 × 100
ここでは、エネルギーはkWh、消費量はkWh/100 km、航続距離はキロメートルで表します。
たとえば、使用可能なバッテリー容量が60 kWh、現在の充電レベルが40%、計算に用いる消費電力量が18 kWh/100 kmの車両を考えてみましょう。
この場合:
バッテリー内の算出エネルギーは24 kWhです。
ゼロまでの理論上の航続距離は約133キロメートルです。
たとえば、到着時の予備として15%を確保する場合、プランニングに使えるエネルギーは15 kWhに減ります。
同じ消費量の前提で、予備を確保したまま計算した距離は約83キロメートルです。
この例は、画面に表示される理論上の航続距離と、プランニングで実際に使える距離がなぜ異なるのかを説明しています。ここでの15%は、計算ロジックを示すために用いた例としての予備分です。
実際のルート計算では、距離は道路の特性や利用可能な消費量の入力データとあわせて評価されます。データの対象範囲が広がるにつれて、勾配、交通、天候などの影響もモデルに加えられる可能性があります。予測の前提となる条件が変わると、プランも再評価されます。
6.4.3 出発地、目的地、経由地
ユーザーは、出発地を現在地、住所検索、またはマップ上から指定できます。目的地と途中の立ち寄り先も、同じ旅行プランの一部です。
途中の立ち寄り先は、EVのプランニングで特に重要です。イスタンブールからイズミルへ向かう途中でブルサに立ち寄ると、総距離が変わるだけではありません。滞在時間、その地域で充電できるかどうか、次の区間をどのバッテリー残量で始めるかもプランに影響します。
ユーザーは立ち寄り先の順序を変更することも、特定の順序を維持することもできます。手動で設定した順序は、ユーザーのスケジュールや個人的な優先事項を表すことがあります。システムは、この設定に合わせて充電ストップを再計算します。
変更のたびにユーザーがすべての情報を入力し直す必要なく、関連するプランが更新されます。
6.4.4 ルートモードと道路の設定
eBatteryは、ルートの選択肢をユーザーの移動の優先事項と結び付けます。
最速 のアプローチは、移動全体にかかる時間に着目します。運転時間に加えて、充電のための迂回、充電時間、データがある場合は待ち時間も評価に含まれます。
最も効率的 アプローチは、エネルギー需要と入手可能なコストデータを、妥当な移動時間とあわせて扱います。ユーザーにより低コストの選択肢を提示する際には、それが所要時間に与える影響も示されます。
この2つの選択肢のあいだに、すべての旅行に当てはまる決まった優劣はありません。出張では時間が、週末の旅行では休憩の取り方や予算が重要になることもあります。
有料道路、高速道路、フェリーなどの道路の好みは、ルートのリクエストに追加されます。Google Maps Routes API もこうした好みに対する回避オプションを提供しており、これらのオプションはルート検索を誘導しますが、適切な代替ルートが見つかるかどうかは道路網次第です。eBattery は、利用している地図サービスが提供するこれらの機能を、車両や充電の計画と組み合わせます。
地域別のより詳細な道路制限は、関連するデータおよびルートサービスの対応範囲とあわせて扱われます。ユーザーに提示されるルートは、設定が結果にどのような影響を与えるかを分かりやすく示すものであるべきです。
6.5 充電プランニングとステーションスコアリング:充電量の提案、セーフティマージン
6.5.1 まず適合性、次に比較
充電計画の最初のステップは、利用可能なステーションを特定することです。ステーションの評価が高い、あるいは料金が安いからといって、その車がそこで充電できるとは限りません。
このため、評価は2段階で実施されます。
車両と旅程に適合する候補の特定。
適切な候補を、時間、コスト、利用条件の観点で比較します。
ソケットの互換性、アクセスのしやすさ、到達に必要なエネルギーは、第1段階の対象です。これらの基本条件は、他の利点で補えるスコア要素としては扱われません。
たとえば、安いからという理由だけで、車両と互換性のないステーションが推奨されることはありません。同様に、現在のエネルギーでは到達が難しそうな地点が、充電出力が高いというだけで優先されることもありません。
6.5.2 ステーションのスコアリング: トリップごとに変わる適合度
適切な候補が特定された後、ステーションは複数の基準による評価を受けます。
| 基準 | 評価対象 |
|---|---|
| ルートからの逸脱 | ステーションに到着してメインルートに戻るために必要な追加の距離と時間 |
| 車両との出力の適合性 | ステーションの出力と、車両が活用できる範囲との関係 |
| 価格 | アクセス可能で、該当するユーザーに適用できる料金プラン |
| 現在の状態 | 対応する連携先における、適合する充電ポイントの現在の状況 |
| 待機情報 | 信頼できるデータや十分なモデルの裏付けがある場合の、想定される待ち時間 |
| 運用上の信頼性 | データがある場合のサービスの継続性と利用体験 |
| ユーザーレビュー | 体験情報の新しさ、内容、そして十分な数の観測に基づいているかどうか |
| 休憩との相性 | ステーションと、ユーザーの現在の経由地および時間計画との関係 |
| データの鮮度 | 判断に用いた情報がどれだけ新しいか |
これらの基準の重要度は、選択したルートモードによって変わります。時間優先の旅では、回り道や充電時間がより決定的になることがあります。コスト優先の旅では、料金差が生む追加時間とあわせて評価されます。
データの欠落も評価に含まれます。ライブの状態が不明なステーションは「空き」とは見なされません。同様に、ソケットの使用状況だけでは、信頼できる待ち時間を算出するのに常に十分とは限りません。
ユーザー評価だけでも、運用上の信頼性の代わりにはなりません。少数の古いレビューと、新しくより幅広い体験の集まりを、同じ重みで扱うべきではありません。
6.5.3 ステーションの出力と実際の充電体験の関係
ステーションに表示されている出力値は、車両がセッション全体を通してその出力で充電されることを意味しません。充電時間は、バッテリー残量、容量、車両や充電設備の特性など、複数の要因によって決まります。米国エネルギー省のAlternative Fuels Data Centerの資料も、これらの変数が合わさって充電時間を決めると説明しています。
たとえば、DC充電の受入上限が100 kWの車両の場合、定格出力が350 kWのステーションが、適合する150 kWのステーションより、定格出力のみを理由に速いとは限りません。最初のステーションにたどり着くのにより大きな迂回が必要なら、旅程全体では2番目の選択肢のほうが適している場合もあります。
eBatteryの評価では、ステーションの出力を車両の特性とあわせて検討します。数値が高いものを自動的により良い選択肢として示すのではなく、そのステーションがユーザーの移動にもたらす便益を見ます。
6.5.4 充電量: 次の区間に適したエネルギー
充電プランには、ステーションの選択に加えて、おすすめのエネルギー量も含まれます。
基本的な考え方は、次のルート区間に必要なエネルギー、目標とする到着時の残量、適切な代替案をあわせて検討することです。ユーザーがすべての立ち寄り先で同じバッテリー残量に達する必要はありません。短い区間、長い次の区間、目的地での充電の可否によって、目標は変わることがあります。
バッテリーに追加すべきエネルギーの基本的な関係は次のとおりです。
追加されるエネルギー = 使用可能容量 × (目標バッテリー残量% − 現在のバッテリー残量%) / 100
たとえば、使用可能容量が60 kWhの車両で、バッテリー残量を20%から70%に引き上げると、バッテリー内のエネルギーが約30 kWh増えることになります。
この値は、ステーションのメーターで計測された、あるいは請求されたエネルギーと完全に一致するとは限りません。充電時の損失や補助的な消費があるため、エネルギーをどの地点で測定するかが重要になります。
充電時間も、単にステーションの最大出力で割って求めるわけではありません。モデルは、情報が得られる場合、バッテリー残量の異なる段階における車両の充電挙動を考慮します。わかりやすい例として、バッテリーに30 kWhのエネルギーを平均正味出力60 kWで充電する場合、エネルギー伝送にかかる時間はおよそ30分です。ここで決め手となるのは、セッション中の平均出力です。
コスト計算では、電力量料金に加えて、適用されるセッション料金、時間料金、その他の料金体系の要素も考慮されます。表示される見積もりがどの範囲を含んでいるかを、ユーザーが理解できるようにする必要があります。
6.5.5 安全マージンと代替手段の確保
プランニングは、バッテリーを理論上の最後の一滴まで使い切ることを前提にしません。到着時の予備、消費量の見積もりのばらつき、道中の代替手段へのアクセスのための余裕を残します。
必要な予備バッテリー量は、ルートの長さ、ステーションの密度、データの鮮度、プランの柔軟性と併せて評価されます。充電機会が頻繁にある市街地のルートと、選択肢が限られた長距離区間とでは、条件が同じではありません。
eBattery AIは、推奨する充電量を説明する際に、この考え方を見える形で示します。ユーザーは、あるステーションでなぜより多くのエネルギーを充電することが推奨されるのか、あるいは次の適切な立ち寄り先まで届くのに、なぜ短い充電で十分と判断されるのかを理解できます。
現在の空き状況の情報も、プランが作成された時点の状況を示すものです。この情報は、到着時に同じソケットが空いていることを予約するものではありません。そのため、代替ステーションの検討はプランの重要な一部です。
6.6 動的な再計算
6.6.1 移動中に変化する状況をプランに反映する
ルートは、移動が始まる前に作成された固定的な書類としては扱われません。ユーザーが進むにつれて、位置、交通状況、ステーションの状態、本人の希望が変わることがあります。
動的な再計算は、これらの変化がプランに与える影響を評価します。ただし、各トリガーは、関連するデータにアクセスできる範囲でのみ機能します。
| 変更 | 使用する情報 | 計画への影響の可能性 |
|---|---|---|
| 交通状況の変化 | 地図と交通情報のソース | 所要時間とルートの選択肢の更新 |
| 計画中のステーションの状況変更 | オペレーター連携 | 代替の充電ポイントの検討 |
| ユーザーがルートから外れること | 位置情報とルートの進捗 | 残りの距離とエネルギー必要量の再計算 |
| バッテリー情報の更新 | ユーザーのサインイン、将来対応予定の車両連携 | 充電スポットと目標エネルギー量の更新 |
| 経由地の追加または削除 | ユーザーによる編集 | 影響を受けるルート区間の再計画 |
| 天候の変化 | 該当する連携が有効になっている範囲 | 消費量予測の再評価 |
手動で入力したバッテリー残量で行う移動では、システムが算出する残りエネルギーは推定値です。車両から計測した最新のバッテリーデータと同じ扱いでは表示されません。
6.6.2 変更のたびに新しいルートとしてユーザーに提示しない
絶えず変わる小さな差は、ユーザーに不要な判断の負担をかけることがあります。数秒程度の交通状況の揺れや、ごくわずかな所要時間の優位性のたびに、新しい提案が必要になるわけではありません。
再計算のアプローチでは、変更が移動にとってどのような意味を持つかを評価します。現在のプランが実行可能であること、エネルギーの予備、そしてユーザーにもたらされる明確なメリットが優先されます。
これにより、プランの安定性が保たれます。ユーザーは、ごく近い2つの選択肢の間で絶えず誘導される代わりに、必要なときに意味のある更新を目にします。
6.6.3 変更の理由を説明する
提案された新しいルートは、現在のプランと比較して表示されます。ユーザーは、どの条件が変わり、その結果どうなるのかを確認できる必要があります。
例:
「計画したステーションの対象コネクターで、利用状況が変わりました。代替のステーションがルートに近く、現在のエネルギー予測に基づいて到達可能です。新しい選択肢をご確認いただけます。」
説明には、手元のデータが裏付ける要素のみが使われます。信頼できる待ち時間の見積もりがない場合、正確な短縮分数は示されません。
地図プロバイダーからの交通情報と、このデータに基づくeBatteryのEV評価も、正しく関連付けられます。提案の根拠によって、どのデータがどのように使われたかが分かるようになります。
6.7 AI旅行プランニング — 候補プール、クラスタリング、時間配分、充電との連携
6.7.1 移動プランから日常の体験へ
旅行プランニングは、ユーザーが特定の地域で過ごす時間を組み立てます。目標は、興味を引く場所を、ユーザーの持ち時間、関心、車両のエネルギー needs に合ったスケジュールに変えることです。
ユーザーが「カッパドキアで2日間過ごします。自然と歴史を中心にしたいです」と伝えると、システムは地域、旅行期間、優先事項をあわせて評価します。出発地点、1日のペース、そしてユーザーが特に見たい場所があればそれもプランに追加されます。
完成したスケジュールは、日ごとに分けられた編集可能な旅程として提供されます。
6.7.2 候補地プールの作成
最初のステップは、地域内の適切な訪問先を特定することです。候補には、文化施設、博物館、自然エリア、飲食スポット、休憩場所が含まれることがあります。
評価の対象となる情報には、情報源の範囲に応じて、位置、カテゴリー、滞在時間、営業時間、ユーザーレビューが含まれます。
人気が高いというだけでは選ばれる理由になりません。その場所がユーザーの関心に合わない場合、日々のスケジュールから遠すぎる場合、訪問に十分な時間がない場合は、優先度が下がることがあります。
コンテンツのナレーションは、選択された場所の記録に紐づけられます。営業時間や入場条件のように変わりうる情報は、言語モデルの一般的な知識から、最新のデータであるかのように生成されることはありません。
6.7.3 地理的クラスタリングと交通との関係
候補地は、日別のスケジュールを作成する前に、地理的および交通上の関係の観点から評価されます。目的は、同じ日の中での無駄な往復を減らすことです。
マップ上で近くに見える2つの地点でも、移動時間が短いとは限りません。実際の移動パターンは、道路の接続、通過地点、地域の地理によって決まります。そのため、日ごとのグルーピングは直線距離だけに基づいていません。
たとえば、1日のスケジュールを同じエリア内の訪問先で組み立てる一方、離れた立ち寄り先は別の日に回すことができます。これにより、ユーザーは移動ではなく訪問により多くの時間を充てられます。
ユーザーが特定の順序を希望した場合、その選択は維持されます。システムは残りのプランをその順序に合わせて調整します。
6.7.4 時間の予算配分:現実的な1日のスケジュール
1日のプランが実行可能かどうかは、総滞在時間に加えて、移動時間と休憩時間によって決まります。
1日の時間配分には、次の要素が含まれます:
地点間の移動。
各場所で過ごす滞在時間。
食事や休憩の時間。
必要な充電スポット。
駐車、アクセスなどの移行に対する合理的な猶予時間。
6時間の旅行プランに、訪問時間の合計がちょうど6時間になるスポットだけを入れると、移動の時間が残りません。eBattery AIは、その日の総時間の枠の中でプランを組み立てます。
プログラムの価値は、できるだけ多くの場所を並べることでは測られません。ユーザーが選んだペースで実行でき、変更の余地があることが大切です。
6.7.5 充電を1日の予定に組み込む
充電のための立ち寄りは、旅行プランの作成時にエネルギーの必要量と合わせて検討されます。一日の終わりに付け足される別個のニーズとしては扱われません。
食事休憩を適切な充電ポイントと組み合わせられる場合、2つの活動を同じ時間帯に行えます。たとえば、同じ場所で同時に始まる40分の食事休憩と25分の充電は、適切な条件下では、合計65分の追加の立ち寄りを必要としません。プランは、重なる時間をまとめて評価します。
このマッチングでは、ステーションの実際のアクセス、運営条件、駐車場の配置、ユーザーの好みが重要です。マップ上でレストランの近くに見えるステーションが、常に適した休憩先であるとは見なされません。
複数日にわたる旅行では、エネルギー計算が日をまたいで続きます。翌日の開始時のバッテリー残量は、前日の計画上の終了時点と関連付けられます。夜間充電は、ユーザーの計画に含まれ、かつ該当する設備で対応できる場合にのみ考慮されます。
6.7.6 編集可能な旅のストーリー
算出されたスケジュールは、日ごとに分けられた立ち寄り先と、自然な言葉による説明で表示されます。ユーザーは、どの日にどのエリアを巡るのか、充電がどこに組み込まれているのか、その日のおおよその時間配分を確認できます。
「2日目をもっとゆったりさせて」「美術館を外して」「午後は自然の中で過ごしたい」といったリクエストで、プランを編集できます。
変更後は、影響を受ける日とルート区間が再評価されます。旅行の説明文も更新後のプランに合わせて変わります。以前の説明と新しい立ち寄り先リストとの間に矛盾が生じないようにすることが原則です。
都市や地域に焦点を当てたこの構造は、今後の段階で、より広範な国規模かつ長期的な計画の土台となります。
6.8 効率分析
6.8.1 データをドライバーにとって意味のあるものにする
効率分析は、ユーザーがエネルギーや移動の記録をより分かりやすく評価するのに役立ちます。
利用できるデータが十分であれば、異なる期間の消費量、距離、充電支出、計画値と実績値を比較できます。AIは数値の中の変化を説明し、ユーザーが確認すると役立つ可能性のある記録を示します。
分析の範囲は、使用したデータによって決まります。車両との接続、セッション記録、ユーザーのサインインから得られた情報は、ルートのみから算出した推定値とは区別して扱われます。
6.8.2 実測消費量と計算による推定値
消費量の評価では、エネルギーと距離が、同じ期間、同じ車両、一貫した計測方法に基づくものである必要があります。
総エネルギーと総距離が分かっている場合、基本の消費量の計算は次のとおりです。
平均消費量 = 総走行エネルギー ÷ 総走行距離 × 100
長さの異なる移動の消費量を単純に合計して移動回数で割っても、その期間の正しい平均にならないことがあります。総エネルギー量と総距離から計算すれば、短い移動と長い移動の重みが保たれます。
充電中に購入したエネルギーも、同じ期間に走行で消費したエネルギーと常に一致するとは限りません。期間の開始時と終了時のバッテリー残量、充電ロス、記録の範囲がこの関係に影響します。
このため、eBatteryは、充電の支出、購入したエネルギー、走行時の消費量を、それぞれ別の意味を持つものとして扱います。
6.8.3 変化を示し、その理由をデータに基づいて説明する
説明のための例として、比較可能な2つの期間で平均消費量が18 kWh/100 kmから19,8 kWh/100 kmに上がったとします。この変化は、消費量が10%増えたことを意味します。
ただし、この結果だけでは増加の原因はわかりません。ルート、速度、天候、積載量、走行の構成が変わった可能性があります。
AIの評価は、データが裏付ける範囲にとどまります。消費量と距離の記録しかない場合は「消費量が増えました」とは言えますが、急ブレーキやエアコンの使用といった特定の行動が原因だと結論づけるには、関連する計測値が必要です。
車両から直接得られるデータがない場合、バッテリーの健全性が測定されたかのように表示されることはありません。詳細な運転行動の分析は、そうした行動を評価するのに十分なデータを提供する連携によって拡大していきます。
6.8.4 比較可能な利用習慣をつくること
効率画面の目的は、ユーザーが自分の利用状況を時間の経過とともに把握しやすくすることです。
似たルートの比較、異なるステーションでの充電費用の確認、予定時間と実際の時間の差の把握が、この理解を支えます。
アシスタントの提案は、具体的かつ控えめなものです。検証されていない節約率をユーザーに約束する代わりに、どのデータが変化したのか、より意味のある比較のためにどの条件を確認すべきかを説明します。
6.9 結果カードとディープリンク
6.9.1 会話をアプリ内で使える結果に変える
AI Chatで作成されたルート、旅行、ステーションの提案は、結果カードで表示されます。カードにより、ユーザーは重要な情報をすばやく確認し、該当するモジュールへ移動できます。
| カードの種類 | カードの基本内容 | 関連する画面 |
|---|---|---|
| ルートカード | 出発地、目的地、ルートの概要、所要時間の目安、充電ストップ | ルート計画 |
| トリップカード | 地域、日数、日ごとのスケジュール概要 | 旅行プランニング |
| ステーションカード | 場所、互換性、出力、確認できる最新情報 | ステーション詳細 |
| 効率カード | 期間、主要指標、評価の要約 | 効率 |
カードの目的は、すべての詳細を小さな領域に詰め込むことではありません。ユーザーが結果を把握し、次の操作を選べるだけの情報が提示されます。
6.9.2 ディープリンクで同じプランを開く
ディープリンクにより、結果カードがユーザーを該当する画面の正しいコンテンツへ誘導します。
ユーザーがチャットで作成したルートを開いても、空のルートフォームが表示されることはありません。選択した出発地と目的地、車両、経由地、プランのその他の情報が、該当する画面に表示されます。
同じ関係は、旅やステーションのカードでも維持されます。これにより、チャット、マップ、プランニングの画面は、同じアクションの異なるビューになります。
技術的には、カードは該当する記録とプランのバージョンに紐づけられます。ユーザーがプランを変更しても、どの結果が最新かが分かるようになっています。
6.9.3 状況に応じたクイックアクション
結果に応じて、「ルートを開始」「ステーションへ移動」「保存」「共有」「お気に入りに追加」などの操作が提示されます。
すべてのカードにすべての操作を表示する必要はありません。操作は、ユーザーがその時点で得た結果に応じて選ばれます。
共有できるカードも、その内容の範囲とあわせて扱われます。ユーザーの自宅の住所や個人的な出発地点などの情報は、共有に当然含まれるものとも、必須のものとも見なされません。ユーザーは、どの内容を共有しているかを確認できる必要があります。
6.10 プロアクティブな提案と通知
6.10.1 ニーズが生じたときに意味のあるサポートを提供する
関連するデータがある場合、eBattery AI はユーザーが尋ねなくても重要な変化を表示することができます。
この対象には、走行中のステーション状況の変化、顕著な交通の影響、更新されたバッテリー情報に基づく充電プランの再評価が含まれます。
プロアクティブなサポートの目的は、ユーザーをタイミングよく助けることです。データが変わるたびに通知が作られるわけではありません。情報が現在の移動とどう関係するか、そして対応が必要かどうかが評価されます。
6.10.2 通知を、その根拠となるデータとあわせて評価する
バッテリー残量低下の警告が何を意味するかは、データの取得元によって異なります。
車両から現在のバッテリー残量を取得できる場合は、実測値を使用できます。ユーザーが開始時に手入力した場合、移動中に算出される値は推定値です。通知の文言はこの違いを保ちます。
同様に、お気に入りのステーションの料金面でのメリットについて提案を行うには、最新の料金表とユーザーに適用される条件を把握している必要があります。一方、メンテナンスのリマインダーは、ユーザーが保存した日付または適切なデータソースと関連付けられます。
このアプローチにより、プロアクティブな提案が、利用可能なデータの範囲と一貫したものになります。
6.10.3 通知の頻度とユーザー設定
通知は、重要度とコンテキストに応じて管理されます。進行中の移動の実現可能性に影響する変更と、一般的な利用の提案とでは、同じ優先度にはなりません。
ユーザーは通知の設定を管理できます。同じイベントに関する重複メッセージの削減、有効でなくなった通知を表示しないこと、おすすめを適切なプランへ案内することも、体験の一部です。
位置情報とバックグラウンド機能は、ユーザーの許可のもと、モバイルOSの動作条件の範囲内で実行されます。旅行中に表示される情報は短く、行動につながる内容に保たれ、詳細は該当する画面で確認できます。
6.11 信頼とエラー対応
6.11.1 情報の性質をわかりやすく示す
eBattery AIの信頼に対する考え方は、結果がどの情報に基づいているかを理解できるようにすることを土台としています。
ユーザーが入力したバッテリー残量、事業者から取得したソケットの状態、地図サービスによる所要時間の見積もり、AIによる説明は、それぞれ異なる種類の情報です。この区別により、提案を正しく評価できます。
生成AIシステムは、裏付けのない情報をもっともらしく提示することがあります。NISTの生成AIリスクプロファイルでも、この挙動が取り上げられています。eBatteryのデータに基づく計算と検証のアプローチは、こうした誤りがアプリの判断に与える影響を減らすよう設計されています。
このアプローチは、特に位置情報、ステーションの状態、価格、エネルギー計算で重要です。なめらかな説明が、検証済みのデータの代わりに使われることはありません。
6.11.2 データが不足しているときに、分かりやすく一貫して振る舞う
あるデータソースが応答しなくても、アプリのすべての機能が同時に止まるわけではありません。システムは、利用可能なデータでどのような結果を提示できるかを判断します。
たとえば、ステーションの位置とソケット情報はあるのにリアルタイムの状況を取得できない場合でも、ステーションの探索は続けられ、空き状況は「不明」と表示されます。
同様に、言語モデルが一時的に応答できない場合でも、計算サービスから受け取った有効なルート結果が解析され、標準のカードと短い説明で提示できる形になります。
最後に把握されたデータが使われる場合でも、鮮度は維持されます。キャッシュから表示される古い状態が、受信したばかりのライブ情報として示されることはありません。
6.11.3 権限、プライバシー、外部コンテンツのセキュリティ
AIレイヤーが必要とするデータは、実行する処理の範囲に限定されます。ステーションが推奨される理由を説明するために、ユーザーのメッセージ履歴全体や支払い情報をモデルに渡す必要はありません。
位置情報、旅行計画、ユーザーの設定は、アクセス制御のもとで扱われます。アプリの取引権限は、言語モデルによる自由なテキスト生成とは別に検証されます。
外部ソースからの説明やユーザーレビューも、データとして処理されます。これらのコンテンツに含まれ得る指示によってアプリの取引ルールが変更されることを許さないことは、アーキテクチャのセキュリティ原則の一つです。
支払いや予約といった今後の取引フローでも、AIによる提案と取引の実行は別々のステップです。ユーザーには取引の範囲が示され、該当する承認フローも維持されます。
6.11.4 エラーから測定可能な形で学ぶ
信頼性には、実際の利用シナリオを定期的に評価することが必要です。
車両と互換性のないステーション、価格の欠落、変更されたバッテリー入力、接続の中断、遅れて完了した古いルートリクエストなどの状況は、システムがどう動作すべきかを定めるテストシナリオです。
ユーザーのフィードバックもこのプロセスに貢献します。誤ったステーション情報に基づく選択と、期待に添わなかった選択は、同じ種類の誤りではありません。フィードバックを関連するデータと判断の段階に対応づけることで、適切な要素の改善に役立ちます。
信頼性へのアプローチは、結果を「成功」か「失敗」かで数えるだけにとどまらず、エラーの原因とユーザーへの影響を理解することに基づいています。
6.12 モデルに依存しないインフラとパフォーマンス目標
6.12.1 製品ロジックをモデルプロバイダーから独立させる
eBattery AIの基盤は、中核となる製品機能を単一の言語モデルの特性に依存させない考え方に基づいています。
車両プロフィール、ステーションデータ、ルート計算、ユーザーの設定は、アプリ自身のサービスで管理されます。言語モデルは、定義されたタスクとデータ契約を通じて、これらのサービスに接続します。
この構成により、GPTやGeminiなどの異なるモデルファミリーや、将来開発される代替モデルを評価できます。モデルを変更しても、車両とステーションの互換性といった基本ルールを書き換える必要がないようにすべきです。
モデルは、言語品質、構造化された出力の正確さ、タスクの成功率、遅延、コスト、データ処理の条件に基づいて選定されます。プロバイダー名だけが、プロダクトの品質の尺度として使われることはありません。
6.12.2 タスクに適したモデルとサービスの利用
すべてのユーザーのリクエストが同じ処理負荷を必要とするわけではありません。短い意図の分類と、詳細な旅行の説明では、必要なものが異なります。
インフラは、この違いに応じてタスクを振り分けられるように設計されています。計算サービスが直接解決できる作業はそれらのサービスで実行され、自然言語の解釈や説明が必要なステップでは適切なモデルが使われます。
パフォーマンスを支えるアーキテクチャ上のアプローチには、次の要素が含まれます。
互いに独立したデータ呼び出しを、適切な場面で同時に実行すること。
変化が比較的緩やかな車両情報の、制御されたキャッシュ。
空き状況や価格など変動するデータに鮮度ルールを適用すること。
ユーザーのリクエストが変更された際に、無効なアカウントをキャンセルすること。
時間のかかる処理を、インターフェースを止めずにバックグラウンドで実行すること。
結果のうち準備できた部分を、全体の整合性を保ちながら段階的に提示すること。
マップや交通情報のサービスにも、応答時間と計算の詳細さの間のトレードオフがあります。Google Routes APIは、交通状況の評価にさまざまなオプションを定めており、より包括的な検索では遅延が大きくなる場合があると説明しています。eBatteryのパフォーマンスへの取り組みでは、こうした外部サービスの挙動も、ユーザー体験全体の中で評価します。
6.12.3 パフォーマンス目標の設定
eBattery AIでは、ユーザーがリクエストを送ってから、使える結果にたどり着くまでの体験を通じてパフォーマンスを評価します。
最初の応答の開始とルート計画の完了は、別々の指標です。読み込みアニメーションが表示されることは、意味のあるAIの応答が始まったこととは同一視されません。
| パフォーマンスエリア | 設計目標 | 測定のアプローチ |
|---|---|---|
| AIの応答開始 | 標準的な条件で、最初の意味のある応答のストリームを2秒未満で開始する | リクエストを送信してから、ユーザーに最初の意味のあるコンテンツが表示されるまでの時間 |
| 標準ルートの作成 | 対応している一般的なシナリオで、利用可能なルート結果を可能な限り5秒以内に提示すること | リクエストからルートと基本の充電プランが準備できるまでの時間 |
| 画面遷移 | 計算中もインタラクションと滑らかさを保つ | 起動の遅延とインターフェースのフリーズ |
| 再計算 | 意味のある変更を適切なタイミングでプランに反映すること | アップデートを受け取ってから、新しい選択肢が利用可能になるまでの時間 |
| 複雑な旅行プラン | 進捗を見えるようにして、段階的に結果を届ける | 最初に使える結果が出るまでの時間と、プランが完成するまでの時間 |
これらの値はエンジニアリング上の目標です。実際の結果は、ネットワークの状況、データプロバイダー、ルートの長さ、停車回数、プランの複雑さに応じて測定されます。
1つの平均値だけでは、体験の全体像は説明できません。一般的なユーザー体験に加えて、処理の遅いリクエストも把握できるよう、中央値や95パーセンタイルなどの指標を追跡します。これにより、ほとんどのユーザーにとってシステムが高速に動作していることと、一部のユーザーが長く待たされていることとの差が見えるようになります。
6.12.4 速度とあわせて正確性と使いやすさを測定する
パフォーマンス評価では、応答時間に加えて結果の質も対象となります。
主な評価分野は次のとおりです。
車両に対応したステーション選択の正確さ。
エネルギーとバッテリー残量の計算の一貫性。
ユーザーが指定した立ち寄り順への準拠。
最新のデータと古いデータの区別を保つこと。
説明文と結果カードの値が一致していること。
結果カードが正しいプランと画面を開くこと。
ユーザーによる変更を正しいバージョンに適用すること。
異なる言語でも同じ要望を一貫して理解すること。
実績データが得られたら、推定到着時間を、消費量や充電時間の観測結果と比較します。この比較により、どの地域、車両プロフィール、利用条件で改善が必要かが分かります。
モデルの更新も、同じ評価の規律に沿って扱われます。新しいモデルの話し方が滑らかだからといって、ルートの説明がより正確になるとは限りません。現行のタスクでの成果、構造化された出力、アプリ内アクションとの整合性が合わせて確認されます。
6.12.5 拡張していく機能の共通基盤
モデルに依存しない構造により、製品の発展に合わせて eBattery AI を新しいデータやサービスで拡張していくことができます。
車両からの直接データ、エネルギーモデルへの気象条件の反映、ユーザーの好みから学習するおすすめ、より広い地域をカバーする旅行プランは、すべて同じ計算とコンテキストの構造に結び付けられます。
充電・決済、EVマーケット、モバイル充電サポートなどのサービスが順次開始されるにつれて、アシスタントが案内できる操作も広がります。新しい機能は、いずれも該当するサービスの実際の範囲、データ、ユーザーの承認とあわせて扱われます。
この発展の過程でも、アシスタントとユーザーの関係は維持されます。ニーズを理解し、適切なデータを使い、選択肢がもたらす結果を説明し、ユーザーが選んだ操作をアプリ内でスムーズにすることです。
