どうも、AI初心者のokadaです。
趣味というほどでもないですが、読書は好きで月に1～2冊ペースで読んでいます。何を読んだかすぐ忘れるので、読んだ本の記録をスプレッドシートに記録しています。
記録がたまってきたので（最も古いのは8年前）、Geminiに自分の読書傾向を分析してもらったら面白いかも…と思いDeep Researchでレポートを出してもらいました。
GeminiのDeep Researchとは
AIが自律的にWeb検索・分析・統合を繰り返し、複雑なリサーチを代行する機能。複数ソースの横断や時系列の整理を行い、数分で網羅的なレポートを生成する。
読書記録はこんな感じ。224冊分ありました。
出したプロンプトはこちら。
| これをもとに、この人の読書傾向を分析し、5点特徴を挙げて。 |
結果：期待通り、詳細なレポートが出てきました。
読書傾向の特徴を挙げるにあたって、最初に私の評価基準を分析した表が出てきました。評価が高いのは”心の回復や「赦し」を与えるテーマ”とか”体感覚を揺さぶるエッセイ”だとのこと。
結果をもとに作成して出してもらったインフォグラフィック（一部）がこちら。
読んだ本の記録を渡すだけで、傾向を言語化してもらえるって面白い。
感想文のデータが分析に結構効いていて、AIって定性調査に向いてるなあと実感しました。雑多な感想文でも、量がたまれば（少なくとも自分にとっては）分析しがいのあるデータになるんですね。
続いて、下記のプロンプトでまだ読んだことのない著者のおすすめ作品を出してもらいました。
| 添付したCSVデータと分析結果をもとに、この人が好みそうな著者を5人挙げて。 ・著者はCSVデータに含まれない人物とすること ・それぞれの著者について、「作風」「おすすめ作品（いくつか）」を挙げること ・あらすじは記載しない |
結果（抜粋）：
ちなみに残り4人は宮下奈都、さくらももこ、津村記久子、恒川光太郎でした。今年（もう6月だけど）は新規開拓するぞ！
＊今回はソースがこの読書記録だけだったので、notebookLMでも良かったかもと後で思い直しました。同じプロンプトを投げてみたところ、notebookLMはもっと端的なレポートを出してました。今回のケースで個人的にDeep Researchが特に活きたと感じたのは、何が高評価・低評価となるポイントなのか、評価基準の分析をしていたところでした。
株式会社糸島ベース 