AI言い訳ジェネレーター ができるまで — バイラル狙いのエンタメAIの設計と実装

「遅刻したとき、どう言い訳する？」

誰もが一度は頭を抱えたこの問いに、AIが真剣に答えてくれたら？

それが AI言い訳ジェネレーター の出発点でした。単なるジョークツールに見えて、実は技術的にかなり面白い挑戦が詰まっています。この記事では、企画から実装まで全部お見せします。

#🎭 なぜ「言い訳」なのか

#コンセプトの背景

このサービスの開発テーマは「AIサービスで本当に収益化できるか検証すること」。そのためにはバイラル性が重要です。

実用系ツール（翻訳・要約など）は競合が多く、SNSで自然に拡散されにくい。一方で、

「AIが生成した爆笑言い訳」はシェアしたくなる

というユーザー行動は容易に想像できます。実際、Xで流れてくる「ChatGPTにXXさせてみた」系投稿は高エンゲージメントを叩き出しています。

#ターゲット設定の考え方

バイラル性と検索需要の両方を狙える、珍しいコンセプトです。

#🏗️ システム設計

#全体アーキテクチャ

ブラウザ
 │
 ├─ GenerateTab（Client Component）
 │ ├─ シナリオ選択（6種）
 │ ├─ レベルスライダー（1〜5）
 │ └─ POST /api/services/excuse-generator/generate
 │ └─ Claude Haiku（temperature: 0.9）
 │
 ├─ FeedTab（Client Component）
 │ └─ GET /api/services/excuse-generator/posts?sort=new
 │
 └─ RankingTab（Client Component）
 └─ GET /api/services/excuse-generator/posts?sort=likes

#データモデル

model ExcuseGeneratorPost {
 id String @id @default(cuid)
 scenario String // "late" | "deadline" | ...
 level Int // 1〜5
 excuse String // 生成された言い訳テキスト
 likes Int @default(0)
 createdAt DateTime @default(now)

 @@index([createdAt(sort: Desc)])
 @@index([likes(sort: Desc)])
}

複数のサービスを同一DBで運用しているため、テーブル名はサービス名のプレフィックスを付けて名前空間を分離しています。

#API設計

#⚡ AIプロンプト設計

ここが一番の肝です。Claude Haiku に「面白い言い訳」を生成させるには、どうプロンプトを設計するかが全てです。

#壮大さレベルの定義

#実際のプロンプト構造

あなたは日本語の言い訳を作る専門家です。
以下の条件で言い訳を1つ生成してください。

シチュエーション: {scenarioLabel}（{scenarioDescription}）
壮大さレベル: {level}/5 - {levelLabel}
レベルの説明: {levelDescription}

要件:
- 日本語で200文字前後
- {level <= 2 ? "現実的で..." : "創造的で..."}
- 言い訳のみ出力（説明不要）

temperature: 0.9 は重要な設定です。0.7だと「それっぽいが面白くない」出力になりがちで、1.0以上だと文章が破綻します。0.9はクリエイティビティと一貫性のバランスが最も良い値でした。

#A/Bテストの結果

#🎨 UX設計

#タブ構成の理由

[ 生成する ] [ みんなの言い訳 ] [ ランキング ]

3タブ構成は意図的です。

• 生成する: コア体験。すぐ使える
• みんなの言い訳: UGCによる滞在時間延長
• ランキング: 競争要素でリピート訪問を促す

「生成して終わり」ではなく、他人の面白い言い訳を見て笑い、自分の言い訳を投稿してリアクションを待つ——そのループを設計しています。

#レベルスライダーのUX

#SNSシェアボタンの配置

┌─────────────────────────────────────┐
│ 生成された言い訳テキスト │
│ │
│ [𝕏 でポスト] [LINE で送る] [📋コピー] │
│ │
│ [📋 みんなに共有する] [🔄 再生成] │
└─────────────────────────────────────┘

SNSシェアは2段構成にしました。上段は外部SNSへの直接シェア、下段はサービス内への投稿。どちらも1タップで完了します。

X（Twitter）のシェアURLにはハッシュタグ #AI言い訳ジェネレーター を自動付与しています。投稿が増えるとトレンドになる可能性があります（←希望的観測）。

#🔒 スパム対策の設計

認証なしで動かすため、スパム・乱用対策を複数層で実装しています。

#レート制限の実装

// src/lib/rate-limit.ts のラッパー

const limiter = rateLimit({ interval: 60_000, uniqueTokenPerInterval: 500 })

// 生成API: 10回/分

await limiter.check(res, 10, "GENERATE_" + ip)

// 投稿API: 20回/分

await limiter.check(res, 20, "POST_" + ip)

// いいねAPI: 30回/分

await limiter.check(res, 30, "LIKE_" + ip)

#いいね重複防止

認証なしでいいね重複を防ぐのは難しい問題です。今回はシンプルに localStorageにいいね済みIDを保存 する方針を取りました。

エンタメ系サービスにおいて「いいね数の完全な正確性」より「ユーザー離脱ゼロ」の方が重要と判断しました。localstorage方式で十分です。

#📊 期待するトラフィック経路

#想定される流入パターン

Google検索
 「遅刻 言い訳 面白い」
 「仕事 休む 理由 ユニーク」
 │
 ▼
 サービスページ
 │
 生成 → SNSシェア
 │
 X / LINE 拡散
 │
 新規ユーザー流入

#KPI設定（3ヶ月後目標）

#😅 実装でハマったこと

#1. Prismaマイグレーション中のファイルロック問題

開発サーバー（Next.js）が起動している状態で prisma generate を実行するとEPERMエラーが発生しました。Next.jsがPrismaクライアントのファイルをロックしているためです。

解決策: マイグレーション実行前に開発サーバーを停止する。シンプルですが、気づかないとハマります。

#2. temperature 0.9 の「安定感」

最初は temperature: 1.0 で試していました。確かに面白い出力が出ることもあるのですが、時々日本語が破綻したり、意味不明なテキストが混入したりしました。

0.9 に下げた途端、「十分クリエイティブで、かつ読める日本語」に落ち着きました。この0.1の差は思った以上に大きいです。

#3. ローカルストレージ×SSR

window.localStorage はサーバーサイドでは存在しません。FeedTabコンポーネント内でlocalStorageを直接参照するとハイドレーションエラーが発生しました。

解決策: useEffect 内でのみlocalStorageにアクセスするよう修正。SSR時は空配列を返します。

const [likedIds, setLikedIds] = useState<string[]>([])

useEffect( => {
 const stored = localStorage.getItem(LIKED_KEY)
 if (stored) setLikedIds(JSON.parse(stored))
}, [])

#📈 今後の展開

このサービスをどう育てていくか、いくつかアイデアがあります。

#💡 まとめ

AI言い訳ジェネレーターを作って気づいたことを一言で言うと：

「役に立つ」より「シェアしたくなる」の方が難しい

プロンプト設計、UX設計、SNS導線——全てを「これ、友達に送りたい！」という体験から逆算して決めました。

エンタメ系AIサービスは実用系と違い、**品質の評価軸が「笑えるか」「驚けるか」**にあります。これはAIの創造性と人間のセンスが交差する、面白い挑戦でした。

PVとシェア数の結果は、この記事の続編でご報告します。