【AIシステムの基本構成】専門領域をコアに AI システムを創る

※本記事は、AI 作成の構想段階の私の脳内のつぶやきでございます。

自己学習を兼ねて、AI システムを創ってみようと思う。
とはいえ、つくり方は千差万別で広範囲。動画で AI システムの作り方を学んだところ、言語は Python、 Webアプリフレームワークは streamlit が著名らしい。
さてここで私は、自分の業務システムに組み込めるような実用的な AI を創りたい、と思った。
システム構成を考えて調査したところ、なんと Python 不要だった！ AI 開発に Python が必須というのは勘違いだったことが発覚した！

勘違いと言えば、これは皆様に伝えたい。
IT エンジニアは論理的思考が、才能が重要、云々・・・、とさも特別であるかのようなネット記事が散見されるが、私はこれに非常にうんざりしている。
自らが優位であるかのような印象を与えることで、他者の参入を暗黙に拒む排他的で業務独占的な言動、属人化。 これでは後進が育成されない。日本が IT 後進国となってしまったのもうなずける事態である。
IT エンジニア、プログラムの作成の実態は、国語的能力である。プログラム言語とはその名の通り「言語」であり、 実際のコーディング作業は似た文章の繰り返し再利用である。
具体的には昔作ったコードや誰かがネット上に上げている参考コードのコピペの繰り返し、というものすご～く地味な作業である。
ずっと座りっぱなしで地味な作業が続くのでとっても肩がこる。
肩がこるので腕立て伏せをして肩をほぐす、脳に血液がめぐって頭もスッキリする、そして腕立て伏せをする、の無限ループ。 地味に筋肉ムキムキになるのである。

化学物質の EC 番号とその含有量(wt%)を入力したら、自動的に国連番号と消防法を表示する AI システムを創ろうと思う。
この二つは、分類ロジックがとても難解なのである。
国連番号に至っては二年ごとに更新され、新規に追加される番号もあれば統廃合される番号もある。
つまり最新データが必要になる。
ChatGPT や Copilot の弱点は、古い知識の状態で会話を続けてしまうことである。
よってRAG (Retrieval-Augmented Generation：検索拡張生成) システムの導入が必須となる。

要素	技術
UI（フロント）	Blazor
API（制御ロジック）	ASP.NET Core Web API
Embedding（ベクトル化）	テキストをベクトル化する。 Embedding は 外部API として扱う。 本環境では、ASP.NET Core から HTTP で呼び出すため Python は不要。 次のいずれかを利用する。 - Google Gemini Embedding - DeepSeek Embedding - OpenAI Embedding - Azure OpenAI Embedding
ベクトルDB（検索エンジン）	- Chroma を Docker で起動 - ASP.NET Core から HTTP API で接続 - ベクトル検索（kNN） - メタデータ管理（ファイル名、タグなど）
LLM（生成モデル）	次のいずれかのLLMを利用する。 Gemini / DeepSeek / Azure OpenAI
運用基盤	Windows Server 2022 / 2025 ├─ IIS / Kestrel（ASP.NET Core API） ├─ Docker（Linux コンテナ） ├         └─ Chroma（ベクトルDB） ├─ SQL Server（ログ・設定・ユーザー管理） └─ ログ基盤（Serilog / Application Insights）