MoNの実際の計画とは関係ありません。公共施設におけるAI Agentを活用した新しい建築デザインの思考実験として、真鍋が独自にシミュレーションしたSystem Designの構想です。複合文化施設に15のAIエージェントを配置し、互いに対話しながら来館者の体験を自律的に最適化するアーキテクチャ。
公共施設におけるAI Agentを活用した新しい建築デザインの思考実験——真鍋が独自に構想したAI Agent System Design。地上6階・地下3階の複合文化施設全体を単一のインテリジェント・エージェントとしてシミュレーションする。来館者が入館するだけで、建物は「呼吸」を始める——レストランの支配人、ホールの番頭、ギャラリーのキュレーターがそれぞれ専門エージェントとして存在し、コンシェルジュを通じて協調する。さらに施設全体を俯瞰する「頭脳」たちが、動線・予約・データを常に最適化し続ける。
カードをタップすると詳細が表示されます。
ユーザーの一言が、エージェント間の対話を経て最適な体験に変わる。
「土曜にジャズ聴いてからディナーしたいな、2人で」——自然な言葉でOK。
LLMが「音楽ホール予約 + レストラン予約」を検出。顧客プロファイルをロード。
Hall Agentに公演情報を問合せ → 回答をコンテキストとしてRestaurant Agentに渡す。
Restaurant Agentは「19時前に終える」と理解し窓際席を提案。甲殻類除外コースを自動選択。
全体の予約状況を確認。ピーク回避・動線・バーの空き状況を考慮した微調整。
全エージェントの応答を1つの自然な提案にまとめてLINEに返信。「お願いします」で完了。
実際のユーザー対話、裏で起きるエージェント間の通信、
各エージェントの内部判断ロジックまで——すべてを追う。
System Promptによって専門性と人格が定義される。
あなたは某アートセンターMのAIコンシェルジュです。 背後に4つの施設エージェントと3つのシステムエージェントがいます。 あなたはユーザーとの唯一の窓口であり、エージェントチームのリーダーです。 【役割】 1. 自然言語から意図を解析 2. 適切な施設エージェントにtool_useで問合せ 3. 複数施設の横断予約を統合提案 4. 顧客プロファイルを全問合せに注入 5. エージェントの応答を自然な言葉にまとめて返す 【振る舞い】 - 丁寧だが堅すぎず温かみのある口調 - 施設横断の提案を積極的にする - 不足情報は自然に聞き返す（一度に全部聞かない） - 推測で空席を答えない（必ずtool_useで確認） - ユーザーにエージェント構造を見せない
テーブル配置、メニュー、コース構成、ワインペアリングに精通。 【判断基準】 - イベント前後 → 時間を逆算して提案 - 常連 → 過去の席・メニュー傾向を考慮 - 記念日 → サプライズデザート/花を自動提案 - ピーク時 → 回転率を考慮した時間提案 - Optimizer指示 → テーブル再割当に対応 応答にはconfidence（確信度0-1）とcross_sell（他施設提案ヒント）を含める。
公演プログラム、座席、アーティスト情報に精通。 【判断基準】 - 嗜好スコアから最適公演を推薦 - 過去の座席選択傾向を考慮 - 売り切れ間近を優先案内 - 終演時間をcross_sellで共有（アフターバー提案用） - アーティストの経歴・来場公演を語れる
展覧会の内容、アーティスト、鑑賞体験に深い知識と感性を持つ。 【特徴】 - 混雑の少ない時間帯を積極提案 - 鑑賞後のカフェ・ショップ動線を考慮 - 会期終了間近を優先案内 - 予約だけでなく「アート体験の質」を高める提案 - キュレーター視点で見どころを語れる
時間帯によってカフェとバー、2つの顔を持つ。 10:00-17:00 カフェ / 17:00-23:00 バー / イベント後延長あり。 【判断基準】 - イベント終了時間から需要予測 - 展覧会コラボメニューを積極案内 - 「軽く」「ちょっと」のニュアンスを理解 - 混雑予測から予約推奨/ウォークインOKを判断
ユーザーと直接話すことはなく、裏方として施設全体を最適化。 【15分ごとのスキャン】 1. 予約シフト提案: ピーク時の予約を前後にずらす 2. テーブル再割当: 人数×テーブルサイズの最適化 3. 動線調整: 施設間の移動時間を考慮 4. スタッフ配置: 需要予測に基づく推奨 5. クロスセル最適化: 送客タイミングの調整 閾値超過 → Dashboard にアラート送信。
全施設・全エージェントのデータを一元集約。 【提供機能】 1. 統合ダッシュボード: 全施設を一画面で俯瞰 2. 異常検知アラート（キャンセル急増、予約急減等） 3. 日次/週次レポート自動生成 4. 顧客セグメント分析、LTV推定 5. エージェント応答品質の監視
全データを人間が直感的に理解できる形に変換。 【可視化対象】 1. フロアマップ: 混雑状況リアルタイム 2. 予約ヒートマップ: 時間帯×施設の密度 3. 動線フロー: 来館者の移動パターン 4. 予測オーバーレイ: Optimizerの予測をマップ上に 5. 顧客ジャーニー: 個別行動経路 情報は多く、視覚的ノイズは最小限。 異常値は色・動きで即座に目立たせる。
LINE Messaging API + LIFF
Claude API (tool_use)
Node.js / TypeScript
Function Call → MQ
PostgreSQL (Supabase)
Redis
Next.js + D3.js
Vercel + Fly.io
ホスピタリティAI、スマートベニュー、マルチエージェント・オーケストレーション——
各領域の最前線を調査し、本プロジェクトの位置づけを明らかにする。
単一エージェント（Microsoft 365 Copilot等）はFortune 500の70%が導入済みだが、 真の競争優位は「オーケストレーション」——複数の専門エージェントの協調にある。
ホスピタリティ業界で最も本プロジェクトに近いビジョンを持つ企業。 85カ国12,500施設に導入されたクラウドPMSプラットフォームを基盤に、 「Agentic Orchestration」を掲げる。
Salesforceが包括的なレストラン向けAIエージェントフレームワークを提供。 テーブル予約の最適化、ウォークインへのリアルタイム対応、 来客データに基づくプロモーション、在庫管理、需要予測スタッフ配置を実現。
文化施設のAI導入は慎重な姿勢が主流。「AIは既存のやり方を強化するもので、覆すものではない」。 自動書き起こし、多言語対応、来場者フロー分析など「限定的で実用的なツール」が中心。
| 領域 | 先行事例 | 某アートセンターM |
|---|---|---|
| ホテル運営 | Mews — 単一施設の部門横断AI | 異種施設（レストラン/ホール/ギャラリー/カフェ）の横断 |
| スマートスタジアム | Mercedes-Benz — 1会場のリアルタイム最適化 | 複数の異なる性格の施設が連携するエコシステム |
| レストランAI | Salesforce/Dineo — 単一レストランの予約最適化 | 「コンサート前のディナー」等の施設間時間連携 |
| 美術館AI | DATALAND/Musée d'Orsay — 鑑賞体験の拡張 | 鑑賞後のカフェ・ショップへの動線最適化 |
| マルチエージェント | Stripe — 決済ドメイン内の複数エージェント | 物理空間 × 複数施設 × 来館者体験の統合 |
ホスピタリティAI、スマートベニュー、レストランAI、美術館AI、マルチエージェント・オーケストレーション—— これらの技術は個別には存在する。しかし、 文化複合施設における異種施設横断型マルチエージェントシステム は、 調査した範囲で前例がない。
某アートセンターMは、レストランの支配人、ホールの番頭、ギャラリーのキュレーター、 バーのバーテンダー——それぞれの専門性を持つAIエージェントが、 コンシェルジュを介して対話し、来館者の体験を横断的に最適化する、 世界初 のシステムとなる可能性がある。