📘

World Bank API × Gemini 1.5 Flash で「経済指標AIアナリスト」を作ってみた

に公開

はじめに

最近、Pythonと生成AIを使ったアプリ開発を勉強しているエンジニアです。
「ただデータをグラフにするだけじゃなくて、AIに『その数字が何を意味するのか』を解説させたい」と思い立ち、世界銀行のオープンデータとGoogleのGemini APIを組み合わせたダッシュボードアプリを開発・公開しました。

今回の開発で目指したのは、単に動くものを作ることではなく、「企業の実務レベルでも通用する、ガバナンス(法的権利・規約・安定性)を意識した設計」にすることです。

この記事では、技術的なエラーの解決録に加え、個人開発で見落としがちな「コンプライアンス対応」についても共有します。

作ったもの:Global Econ Monitor

日本・スウェーデン・米国の「インフレ率」「GDP成長率」「失業率」を比較し、AIがその傾向を辛口分析してくれるアプリです。

👉 デモアプリはこちら (Streamlit Cloud)
👉 GitHubリポジトリ

技術スタックと選定理由

  • Frontend: Streamlit (迅速なUI構築)
  • Data Source: World Bank Open Data (信頼性の高い公的データ)
  • Library: wbgapi (公式APIラッパー)
  • AI Model: Google Gemini 1.5 Flash (高速・安価・高精度)
  • Deploy: Streamlit Cloud

1. 技術的な壁と解決策

開発中は「古いライブラリの廃止」や「クラウド特有のエラー」に苦しみました。

① pandas_datareader から wbgapi への移行

当初は定番の pandas_datareader を使用していましたが、Python 3.12以降の環境で ModuleNotFoundError: No module named 'distutils' が発生。
これは依存元の distutils が標準ライブラリから削除されたためでした。

解決策:
無理に環境をダウングレードせず、よりモダンでAPI仕様に準拠した wbgapi に刷新しました。
さらに、ライブラリの便利機能(numericTime=True)がクラウド上で不安定だったため、「生データを取得してPandasで手動整形する」 という堅牢な実装に変更しました。

# 堅牢なデータ取得の実装例
raw_data = list(wb.data.fetch(list(indicators.keys()), economy=countries, time=range(2000, 2024)))
df = pd.DataFrame(raw_data)
# 文字列 'YR2000' を数値 2000 に安全に変換
df['time'] = df['time'].astype(str).str.replace('YR', '').astype(int)

② 404エラーを防ぐ「動的モデル選択」

Gemini APIはモデルの更新が早く、コードにモデル名を固定(ハードコーディング)していると、廃止された瞬間にアプリが落ちます。

解決策:
APIを通じて「現在利用可能なモデル一覧」を取得し、その中から最適なものを自動選択するロジックを組み込みました。

# APIに聞いて、今使えるモデルの中から 'flash' 系を優先して選ぶ
available_models = [m.name for m in genai.list_models()]
target_model = next((m for m in available_models if 'flash' in m), available_models[0])

2. コンプライアンス・法務への配慮

「動けばいい」ではなく、公開されるWebサービスとして責任ある設計を行いました。特に以下の3点に注力しています。

① ライセンスと著作権の明確化

GitHubで公開する以上、権利関係をあやふやにすることはリスクです。

  • MIT Licenseの付与: 第三者が安心してコードを参照・利用できるよう、標準的なMITライセンスをリポジトリに明記しました。
  • データ帰属表示 (Attribution): アプリ内およびREADMEに、データソースが「World Bank Open Data」であること、及びそのライセンス(CC BY 4.0)に基づく帰属を明記しました。

② プライバシーとセキュリティ

  • 個人情報の非取得: ユーザー入力(プロンプト等)や個人情報をサーバーに保存しない設計(Stateless)を徹底しました。
  • APIキー管理: Streamlit Secrets機能を使い、リポジトリ内にAPIキーが絶対に流出しない構造にしました。

③ AI倫理と免責事項

生成AIはハルシネーション(もっともらしい嘘)のリスクがあります。特に経済・金融分野では誤解が致命的です。

  • 免責の明記: 「本アプリの出力は投資助言ではない」「正確性を保証しない」旨をUI上で目立つように表示し、ユーザーの誤認を防ぐガードレールを設置しました。
  • 負荷対策: データのキャッシュ機能(@st.cache_data)を実装し、World BankやGoogleのサーバーに無駄な負荷をかけないよう、APIリクエスト回数を最小限に抑えています。

まとめ

今回の開発を通じて、「エラーを直す技術力」と同じくらい、「権利や規約を守って安全に公開する運用力」が重要だと学びました。

ただの個人開発アプリですが、ライセンスや免責条項を整備したことで、胸を張ってポートフォリオとして公開できるものになりました。
これから個人開発をする方の参考になれば幸いです。


最後まで読んでいただきありがとうございます!
この記事が役に立ったら、ぜひ「いいね」をお願いします。


Discussion