移動データとAI ── 検索・SNSの次に「移動」を束ねるインテリジェンス基盤

インターネットの歴史は、ある意味で「データを束ねた者が、巨大になった」歴史でもあります。

世界中の情報を整理して検索可能にしたのがGoogle。人と人のつながりを束ねたのがSNS。そして近年は、人類の知識を学習して対話可能にした生成AIが台頭しています。それぞれが、ある領域のデータを束ねることで、社会の基盤になりました。

では、こう問うてみるとどうでしょう。移動のデータは、誰が束ねているのか。

答えは、まだ明確ではありません。ここに大きな空白があります。

移動データは、なぜ分断されるのか

私たちが移動するとき、膨大なデータが生まれています。

誰が、どこから、どこへ向かっているのか
どの交通手段を使い、どこで乗り換えるのか
到着後に何を食べ、どこに泊まり、どこを訪れるのか
天候や混雑に応じて、どう予定を変えるのか
どの口コミを見て、どの候補を避けるのか

しかし、これらのデータは、航空会社、鉄道会社、フェリー会社、空港、ホテル、自治体、観光協会、店舗、地図サービス、レビューサイトに分かれています。それぞれは部分的な情報を持っていますが、移動中の人にとって必要なのは、横断された判断材料です。

分断されている主なデータ

航空・鉄道・船舶・バスの運行情報
空港・港・駅・ホテル・店舗の位置情報
天気、雨雲、風、海況、気温
Google評価、口コミ、価格帯、騒音、席間、雰囲気
営業時間、予約可否、混雑、イベント
利用者の目的、同行者、避けたい体験
事業者が管理する公式情報

情報が足りないのではありません。情報が、人の文脈に沿って束ねられていないのです。

移動データをAIで扱う難しさ

移動データは、検索データやSNSデータと違い、現実世界の制約に強く結びついています。

飛行機は遅延します。フェリーは天候や海況の影響を受けます。観光列車は停車駅と滞在時間が決まっています。ホテルのチェックイン時間、飲食店の営業時間、タクシー待ち、雨、混雑、荷物の量、同行者の体力。これらがすべて判断に影響します。

このため、移動データをAIで扱うには、単に文章を生成するだけでは不十分です。

必要になる技術要素

構造化：場所、時間、移動手段、候補、条件を整理する
文脈理解：目的、同行者、制約、避けたい体験を読む
状況認識：天候、混雑、遅延、通信状態を把握する
推薦：目的に合う候補を優先し、合わない候補を下げる
説明可能性：なぜ薦めるか、なぜ避けるかを示す
フィードバック：選択結果や反応を次の判断に戻す

MarsLinkでは、この構造をJourney Intelligence Platformとして設計しています。

Journey Graph ── 移動を判断単位で表現する

Journey Graphは、移動と滞在の世界を、AIが判断に使える形で表現する考え方です。

地図アプリは場所と経路を扱います。予約サイトは施設や空き状況を扱います。レビューサイトは口コミを扱います。しかし、移動中の意思決定では、それらを一つの文脈として見る必要があります。

Journey Graphで結ぶもの

人：利用者、同行者、目的、制約
移動：便、航路、列車、バス、徒歩、タクシー
場所：空港、港、駅、ホテル、店舗、観光地
状況：天候、混雑、遅延、通信状態
候補：行く場所、避ける場所、代替案
根拠：口コミ、評価、営業時間、距離、料金
判断：推奨、回避、保留、要確認

この構造があることで、AIは単に「人気の店」を出すのではなく、「接待なので騒がしい口コミが多い店を避ける」「雨なので徒歩距離の長い候補を下げる」「到着遅延があるので営業時間に間に合う候補を残す」といった判断支援ができます。

LLMはどこで使うのか

移動データとAIの議論では、LLMの役割を正しく位置づける必要があります。

LLMは、口コミの要約、自然言語の理解、候補比較、説明文の生成、多言語対応に強みがあります。一方で、遅延情報、営業時間、到着時刻、天候、位置情報などは、構造化されたデータとして扱う必要があります。

LLMが担う領域

利用者の意図を自然文から読み取る
口コミやレビューから文脈に関係する要素を抽出する
候補ごとの違いを説明する
推奨・回避の理由を人間にわかる言葉にする
インバウンド旅行者向けに多言語で案内する

LLMだけに任せない領域

時刻、遅延、料金、営業時間などの正確なデータ
事業者が管理する公式情報
権限、更新履歴、根拠の管理
通信が弱い時の表示継続
人が最終判断するための確認導線

つまり、移動AIでは、LLM、構造化データ、エッジAI、推薦モデル、Assurance Layerを組み合わせる必要があります。

CabinTimeは移動データの入口

MarsLinkのCabinTimeは、機内・船内などの移動空間に、事業者の正規ルートで入り込み、移動の文脈を読み取ることを目指す開発中のAIアシスタントです。

CabinTimeが重要なのは、移動中のデータ接点になりうるからです。移動中の人は、到着後の行動を考えています。そこで、天候、口コミ、混雑、運行情報、目的、避けたい体験を束ね、判断材料として提示できれば、移動時間は単なる待ち時間ではなくなります。

CabinTimeで検証していること

機内・船内ポータルで、どの情報が読まれるか
到着前に、どの判断材料が役立つか
通信が弱い環境で、どこまで表示を保てるか
事業者が更新しやすい情報構造は何か
AIの推奨理由を、利用者が納得できるか

CabinTimeは現在、開発・共同検証フェーズです。

データを集めることが目的ではない

データの話をすると、必ず「プライバシーは大丈夫か」という問いが立ちます。これは当然の懸念です。

私たちが目指しているのは、不必要に個人データを集めることではありません。AIの役割は、複雑な状況を整理し、人が納得して、自分で選べる状態をつくることです。

推奨・回避・理由を示し、最終的に決めるのは人間です。根拠、権限、更新履歴、ログを残し、説明できるAIであることを前提に置いています。

移動データから意思決定インフラへ

「人が移動するときに発生するデータと意思決定」を束ねることは、これまで本格的に扱われてこなかった領域です。

検索、SNS、地図、レビュー、交通情報はそれぞれ強いサービスです。しかし、それらを横断して「今、この人がどう動くべきか」を支援する基盤はまだ発展途上です。

大阪・関西を拠点とするAIスタートアップMarsLinkは、CabinTimeを起点に、移動データを意思決定に変えるJourney Intelligence Platformを育てています。これは観光メディアでも、単なる旅行アプリでもありません。移動空間の情報・状況認識・意思決定をAIで支えるための基盤です。

関連リンク