DX推進チームがお届けする、業務改善レポートです。これまでの記事で、私たちは「スマホと声で操作できるAIアシスタント」の開発過程 と、運用実験で見えた「作るべきAI・任せるべきAI」という戦略 についてお伝えしました。
今回は少し視点を変えて、開発の裏側で私たちが直面した「AIが賢すぎるがゆえの失敗」と、それを劇的に改善した「Function Calling（ファンクション・コーリング）」という技術についてレポートします。
直面した壁：「Vertex AI」の想像力が強すぎる
初期プロトタイプでのテスト運用中、私たちはある奇妙な現象に悩まされました。それは、「AIが気を利かせすぎて、もっともらしい嘘をつく」という問題です。
以前の記事でも触れた「言葉の揺れ」 は、自然な会話をする上では素晴らしい能力です。しかし、「在庫確認」という正確性が命の業務において、この柔軟さが裏目に出ることがありました。
例えば、ユーザーが「品番1581の在庫は？」と聞いたとします。 もしデータベースに「1581」が存在しない場合、従来のシステムなら即座に「該当なし」とエラーを返します。
しかし、Vertex AI（LLM）は優秀な生成AIであるため、文脈を読んでなんとか答えようとしてしまいます。
AIの思考（誤）： 「1581は見当たらないけど、ユーザーは在庫を知りたがっている…お、似た数字で『1580』があるな。もしかしてこれのことかな？ あるいは一般的な知識として答えてあげよう」
その結果、「1581（実は存在しない）の在庫は10個です」とハルシネーション（事実に基づかない回答）を返したり、勝手に類似商品の情報を引っ張ってきたりしてしまうのです。これでは業務に使えません。
解決策：「Function Calling」— 曖昧な言葉を“正確なコマンド”に変換する
この「賢すぎるゆらぎ」を制御し、AIを実務に耐えうる正確なアシスタントに変えたのが、Function Calling（ファンクション・コーリング） という機能です。
専門的な名称ですが、やっていることはシンプルです。AIに「適当に文章で答えて」と頼むのではなく、「ユーザーの言葉から、システムに入力するための『正確な値（引数）』だけを抽出して」と指示する技術です。
いわば、「曖昧な会話」を「カチッとしたシステム操作」に翻訳する機能と言えます。
導入前（プロンプトのみ）
ユーザー： 「1581の在庫ある？」
AI： （データベース全体をなんとなく見て）「ええと、たぶんありますよ、10個くらい。」
結果： 信頼できない
導入後（Function Callingあり）
ユーザー： 「1581の在庫ある？」
AI： （事前に定義されたツールを見て判断） 「これは『在庫検索ツール』を使うべき場面だ。必要な『品番』は『1581』だ。」
システム： （APIが1581ピンポイントで検索）→「該当なし」を返す
AI： 「品番1581は登録されていません。」
結果： 正確無比
劇的な変化：「会話」から「操作」へ
Function Callingを導入したことで、私たちのAIアシスタントは生まれ変わりました。
曖昧さの排除 AIはユーザーの話し言葉（「在庫ある？」「何個残ってる？」など）を、システムが理解できるJSON形式のデータに変換する「翻訳機」の役割に徹するようになりました。これにより、検索クエリの「ゆらぎ」が完全に排除されました。
既存システムとの確実な連携 前編で紹介した「在庫調査ツール」や「社内製品情報ツール」 を、AIが迷うことなく、正確な手順で呼び出せるようになりました。
結論：業務AIには「規律」が必要
今回の技術検証で学んだのは、ビジネスで使うAIには、ただ賢いだけでなく「決められたルールを逸脱しない規律」が必要だということです。
人間との対話（インターフェース） は、Vertex AIの柔軟な言語能力で優しく。
裏側の処理（ロジック） は、Function Callingで厳格に。
この「柔軟さ」と「厳格さ」のハイブリッド構成こそが、実用的な業務自動化AIの正体だと確信しました。
現在、この仕組みを応用し、在庫確認だけでなく、受注データの自動修正など、より複雑なタスクへの適用もテスト中です。私たちの「AIアシスタント開発」は、まだまだ続きます。
この記事が、皆さんの会社の業務改善、そしてAI活用のヒントになれば幸いです。
