出張AIとは ── 移動時間を、商談前後の意思決定に変える技術

出張は、移動と商談準備が重なる時間です。

空港へ向かう、飛行機に乗る、到着後に移動する、商談に入る、会食や二次会を調整する、翌日の予定に備える。ひとつひとつは小さな行動ですが、その裏側には多くの判断があります。

どの交通手段を選ぶか。雨なら動線を変えるべきか。接待に向く店か。会話しやすい席か。相手の役職や目的に合うか。Google評価は高くても、騒がしい口コミが多い店を避けるべきか。

MarsLinkが考える出張AIは、人間の判断を前提に、移動中に分断された情報を束ね、ビジネスの文脈で判断できる状態をつくるAIです。

出張で困るのは、情報の分断

出張中、情報そのものは大量にあります。

フライト情報
鉄道やタクシーの所要時間
天気予報や降水確率
Google評価、口コミ、写真
店舗の営業時間、席、価格帯
商談相手との関係性
目的地周辺の混雑
会食後の二次会候補
翌日の移動や宿泊

問題は、これらが別々のサービスに分かれていることです。検索、地図、SNS、予約サイト、交通アプリ、天気アプリを行き来し、最後は本人が頭の中で統合する負荷が生まれます。

出張AIが解くべき課題は、情報量の追加よりも、情報を目的に合った判断材料へ変換することです。

出張AIが見るべき文脈

たとえば、同じ「評価4.4の居酒屋」でも、文脈によって判断は変わります。

友人との食事なら良い店でも、商談後に相手と落ち着いて話す場としては不向きになる場合があります。口コミに「活気がある」「賑やか」「席が近い」という言葉が多ければ、接待文脈ではリスクになります。

出張AIでは、候補そのものの評価だけでなく、次のような文脈を重ねる必要があります。

商談の目的

初回訪問なのか、契約前の最終確認なのか、関係構築なのか。目的によって、選ぶべき移動手段や会食場所は変わります。

相手との関係性

友人同士なら許容される場所でも、役員同席や接待では避けるべき場合があります。AIは「人気」だけでなく、場の意味を読む必要があります。

時間制約

到着予定、荷物受け取り、タクシー待ち、雨天時の徒歩距離、二次会の開始時間。出張では、数十分の遅れが体験全体を崩します。

避けたい体験

騒音、長い徒歩、雨に濡れる動線、席の狭さ、待ち時間、混雑、価格帯の不一致。良い候補を探すだけでなく、避けるべき条件を明確にすることが重要です。

LLMと構造化データの組み合わせ

生成AIに「羽田到着後におすすめの店を教えて」と聞く段階から、出張AIはさらに踏み込みます。

LLMは文章理解や要約に強い一方で、リアルタイムの交通、天気、混雑、営業状況、口コミの変化、個人の目的や避けたい条件を扱うには、構造化データとの接続が必要です。出張AIには、LLMに加えて、データ統合と推薦ロジックが必要です。

MarsLinkでは、移動AIを次のような構成で考えています。

1. Context Layer

現在地、到着予定、目的地、移動手段、天候、混雑、時間制約、利用者の目的を整理する層です。

2. Journey Graph

空港、駅、ホテル、飲食店、地域、交通手段、イベント、口コミを、移動の流れとしてつなぐ考え方です。店舗データベースを超えて、「どこから、どこへ、何のために移動しているか」を扱います。

3. Recommendation Engine

行くべき候補と避けるべき候補を理由つきで整理します。広告順位よりも、文脈適合度、移動負荷、天候影響、会話しやすさ、価格帯、時間制約を重ねます。

4. Assurance Layer

なぜ薦めるのか、なぜ避けるのか、どの情報を根拠にしたのかを説明する層です。ビジネス用途では、提案の理由が見えることが利用の前提になります。

飛行機AIとしての出張AI

出張AIが最も価値を出しやすい場所のひとつが、飛行機の中です。

機内では、利用者は到着後の予定を考える時間を持っています。一方で、通信は不安定になりやすく、クラウドAIに頼りきる設計では使いにくい場面があります。ここで重要になるのが、通信が弱い環境でも使えるエッジAIと、接続できる時に最新情報を取り込むハイブリッド構成です。

CabinTimeは、こうした機内・船内などの移動空間でJourney AIを導入する初期パッケージとして、現在、設計・開発を進めています。出張の文脈では、たとえば次のような判断支援を想定しています。

到着後の交通手段を、混雑と天候を踏まえて比較する
会食・二次会候補を、商談目的に合うかどうかで整理する
Google評価だけでなく、騒音、席間、雰囲気、雨天動線を確認する
一次会から二次会までの徒歩距離、地下動線、タクシー距離を比較する
21時以降の降水確率が高い場合、傘や屋根付き動線を提案する
避けるべき候補を、理由つきで提示する

ここで重要なのは、AIがお店を売る設計から距離を置き、利用者が商談や関係構築に集中できるように、失敗しやすい条件を事前に整理することです。

出張AIと旅行AIの違い

出張AIは旅行AIと近い領域にあります。しかし、目的が違います。

旅行AIでは、体験の豊かさ、好奇心、回遊、発見が重要になります。出張AIでは、それに加えて、時間の確実性、相手への配慮、会話環境、失敗回避、翌日の予定への影響が大きくなります。

同じAI基盤でも、評価すべき軸は変わります。

出張AIで重視する軸

時間通りに到着できるか
商談目的に合う環境か
相手に失礼がないか
騒音や混雑で会話が妨げられないか
雨や交通乱れに強い動線か
料金や雰囲気が場に合っているか
翌日の移動に悪影響がないか

このように、出張AIはおすすめの提示に加えて、ビジネス文脈の意思決定を支援します。

大阪・関西で出張AIを考える意味

大阪・関西は、出張AIを実装する場所としても相性が良い地域です。

伊丹空港、関西国際空港、新大阪駅、京都、神戸、奈良、うめきた、夢洲。空港、鉄道、ホテル、会食、展示会、観光、自治体、地域企業が近い距離に集まっています。出張者は、ビジネスと移動と滞在を短い時間の中で何度も切り替えます。

大阪のAIスタートアップMarsLinkが取り組む移動AIは、このような現場から始めるべきだと考えています。飛行機AI、鉄道AI、ホテルAI、旅行AI、出張AIは別々の市場に見えますが、根本にあるのは同じです。

移動中の人に、次の行動を判断できる状態をつくること。

現在のフェーズ

CabinTimeは現在、開発・共同検証フェーズです。

だからこそ、出張AIについても、航空会社、交通事業者、ホテル、地域事業者、法人利用の現場とともに検証を重ねる必要があります。どのデータが本当に役立つのか。どの粒度の説明なら使いやすいのか。どこまでAIが提案し、どこから人が判断するべきか。

MarsLinkは、CabinTimeを起点に、移動中の情報をビジネスの判断材料へ変えるAI基盤を育てていきます。

関連リンク