概要
https://qiita.com/nagasunari/items/6934369c178bb8c15474
詳細内容
## AI採点が出来る最強の応用情報過去問演習サイトを作った
https://qiita.com/nagasunari/items/6934369c178bb8c15474
応用情報技術者試験の記述式問題対策のため、開発者はAI採点と画像内手書き機能を備えたスマホ最適化Webサービス「過去問記述ラボ」を構築し、AIの制御とモダンな開発手法に関する貴重な知見を公開した。
**Content Type**: ⚙️ Tools
**Scores**: Signal:5/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:5/5
**Main Journal**: 91/100 | **Annex Potential**: 90/100 | **Overall**: 92/100
**Topics**: [[AI Grading, Personal Development, Web Application Development, Next.js, AI Reliability/Control]]
応用情報技術者試験の午後試験対策における既存ツールの不便さに着目し、筆者は「過去問記述ラボ」というスマートフォン最適化されたWebサービスを個人開発しました。本サービスは、手書きで解答できる画像内描画機能と、模範解答との差分を的確に指摘し点数を推定するAI採点機能を核としています。特にAI採点では、曖昧になりがちな記述問題の自己採点を効率化し、不足要素を具体的に提示することで学習効果を高めます。
技術スタックにはNext.js (App Router)、Supabase、Vercelを採用。個人開発プロジェクトの効率性を重視し、フロントエンドとバックエンドをVercel上で統合した構成のメリット（型の一元化、運用単純化）とデメリット（柔軟性、単一障害点）を具体的に解説。また、Supabaseの無料RDBとしての利点と、BaaSとしてのRLS（Row Level Security）の理解不足によるセキュリティリスクへの懸念、Vercelのログ機能の課題にも触れています。
本記事の最も重要な示唆は、AIをシステムに組み込む際の「AIの信頼性への対策」です。筆者は、AIの出力を盲目的に信用せず、JSONスキーマを用いた厳密な出力フォーマットの指定や、カスタムリンター（スクリプト）による検証・自動修正を通じてAIの「ブレ」を補正するアプローチを提唱。これは、AIを信頼性の高い「関数」として扱うためのテスト駆動開発（TDD）的な思考に近く、堅牢なAIシステム構築における実践的な知見を提供します。Webアプリケーションエンジニアにとって、実際のAI統合における具体的な課題とその解決策が示されており、単なるツール紹介に留まらない深い学びがあります。