AIコンテストは「面白いだけでなく再現性があるか」「評価軸をどう設計するか」が勝負どころです。ここでは短期間でも形にしやすく、デモや発表で訴求しやすいネタを3本に厳選しました。
1. 地域課題を自動で因数分解する「ローカルAI課題箱」
- 自治体の議事録や地域ニュースをスクレイピングし、困りごとを「課題→要因→既存施策→提案」の4段階で整理するリサーチ支援ボット。
- LLMで課題テキストを要素分解した後、ナレッジグラフ化して類似自治体の成功事例を照合する構成にすると、提案の根拠が明確になります。
- オープンデータ（地域統計、交通量、観光客数など）を自動取得し、課題の深刻度をスコア化すると審査員に刺さりやすいです。
2. ハッカソン成果を自動採点する「AIピッチコーチ」
- 参加チームが提出したPitch資料やデモ動画から、完成度・独創性・市場規模を自動採点し、改善提案コメントまで生成するコーチングツール。
- Slide OCR + マルチモーダルLLMで構造化データに変換し、審査基準に沿った評価テンプレートへマッピングすることで一貫性を担保します。
- 直近の優秀賞データをfew-shotで与えると採点の説得力が増し、審査員のレビュー時間短縮という明確な価値を示せます。
3. データ利用申請を半自動化する「プライバシールールチェッカー」
- 企業や自治体が提供するデータ利用規約をLLMで解析し、プロジェクト案が遵守しているかをチェックリスト形式で返すコンプライアンス支援ツール。
- RAG（Retrieval Augmented Generation）で最新規約を引用しながら回答させ、根拠URLをセットで提示すると信頼性が高まります。
- ユーザーからの申請テンプレを埋めるだけで提出書類が生成されるようにすると、審査を受ける側のメリットが明確になります。
いずれのネタも「公開データ＋LLM＋評価指標」で構成でき、準備期間が限られていてもPoCを形にしやすいのが利点です。発表時には、どのデータで精度を検証したか、誰の工数をどれだけ削減できるかを数値で示すと説得力が一気に増します。