AIプロジェクトで登場する技術スタック
各技術の「役割」を理解するだけで、投資判断とベンダーとの議論の質が変わります。
なぜ非エンジニアが技術を知る必要があるのか
AIシステムの導入・開発を外部ベンダーや社内エンジニアに依頼するとき、技術スタックの基礎を知らないと「なぜそのコストがかかるのか」「その選択は妥当か」が判断できません。詳細な実装知識は不要ですが、各技術の役割と使い分けを理解することで、適切な判断軸が持てます。
AIプロジェクトの代表的な技術スタック
| レイヤー | 代表技術 | 役割 |
|---|---|---|
| AI/ML | Python・LangChain・PyTorch・TensorFlow | モデル学習・推論・パイプライン構築 |
| バックエンド | Python・Node.js | APIサーバー・ビジネスロジック |
| フロントエンド | React・Next.js・TypeScript | ユーザーインターフェース |
| データベース | PostgreSQL・MongoDB・pgvector | データ永続化・ベクトル検索 |
| クラウド | AWS・Google Cloud・Azure・Vercel | インフラ・デプロイ・スケーリング |
Python ― AIとデータの標準言語
PythonはAI・データサイエンス分野で事実上の標準言語です。
PythonがAI開発に使われる理由
Pythonはシンプルな文法と豊富なライブラリで、AIとデータ分析の事実上の標準言語になっています。PyTorch・TensorFlow（機械学習フレームワーク）・LangChain（LLMアプリ開発）など、AIに関する主要なライブラリのほぼすべてがPythonで書かれています。エンジニアの採用市場でもAIとPythonのスキルセットは密接に結びついています。
データ分析・LLMアプリでの活用場面
データ分析の探索・試作にはJupyterLab（コードと実行結果をセットで管理できる開発環境）が使われます。LLMアプリのバックエンドAPIにはFastAPIが多用されており、LLMのストリーミング応答の実装にも向いています。AIが中心機能のシステムでは、バックエンドもPythonで統一するケースが多いです。
JavaScript・TypeScript ― Webの言語
JavaScriptはWebブラウザで動く唯一の言語で、フロントエンドに不可欠です。
JavaScriptとTypeScriptの役割
JavaScriptはWebブラウザ上で動作する唯一のプログラミング言語で、ボタン操作・API呼び出し・画面の動的な更新など、ユーザーが目にするすべての動作を担います。TypeScriptはJavaScriptに「型」の定義を加えたMicrosoft製の言語で、バグを早期に検出しやすくなります。現在ほとんどの本番プロジェクトでTypeScriptが採用されています。
PythonとJavaScriptの使い分け
AIアプリではバックエンドにPython、フロントエンドにJavaScript/TypeScriptという組み合わせが一般的です。Node.jsの登場でJavaScriptもサーバー側で使えるようになったため、フロントとバックを同じ言語で統一したい場合はNode.jsが選ばれます。AIが主機能ならPython、Web機能が主でAIは補助的な役割ならNode.jsが向いています。
データベースの選定
データの性質と用途に応じてRDB・NoSQL・ベクトルDBを使い分けます。
リレーショナルDB（RDB）の特徴
PostgreSQL・MySQLに代表されるRDBは、データを表（テーブル）で管理し正確性を保証する仕組みです。顧客情報・注文データ・在庫など「正確性が重要なビジネスデータ」に適しています。AIアプリではユーザー情報・会話履歴・コスト管理などにRDBが使われます。
NoSQLとベクトルDB
NoSQL（MongoDBなど）はスキーマが固定されていないため、構造が不定形なデータの保存に向いています。ベクトルDB（pgvector・Chroma・Pineconeなど）はEmbeddingベクトルを格納して意味的な類似検索を行う専用のDBで、RAGシステムの中核を担います。多くのAIアプリはこれら3種を用途別に使い分けます。
クラウドとインフラ
クラウドの使い方を理解することでAIプロジェクトのコスト見積もりが正確になります。
AIプロジェクトでのクラウドコスト
クラウドのコストは「計算リソース」「ストレージ」「ネットワーク転送量」「マネージドサービスの利用料」で構成されます。LLM APIのコスト（OpenAI・Anthropicなどへの利用料）とは別に、アプリを動かすサーバーのコストが加算されます。GPUが必要なモデルの自社ホスティングはコストが跳ね上がるため、初期はAPIを使うのが現実的です。
主要クラウドの使い分け
| サービス | 特徴 | AIアプリでの典型的な用途 |
|---|---|---|
| AWS | 最大シェア。サービスが最も豊富 | 大規模・エンタープライズ向け |
| Google Cloud | 機械学習サービスが充実 | AIモデル開発・学習 |
| Azure | Microsoft製品との親和性が高い | Office365・Azure OpenAIとの統合 |
| Vercel | Next.jsのデプロイに最適化 | AIチャットアプリのフロントエンド |
| Supabase | PostgreSQL＋pgvectorのマネージドDB | RAGのベクトルDB |
まとめ
この記事では、AIプロジェクトで登場するPython・JavaScript・DB・クラウドの役割と使い分けを解説しました。
- PythonはAI・データサイエンスの標準言語で、機械学習フレームワークやLLMアプリ開発ライブラリが揃っている
- JavaScriptはフロントエンドの必須言語で、TypeScriptで型安全に開発。Node.jsでバックエンドにも使える
- RDB（整合性重視）・NoSQL（柔軟なスキーマ）・ベクトルDB（意味検索）をAIアプリの用途別に使い分ける
- クラウドはAWS・Google Cloud・Azureがエンタープライズ向け、VercelやSupabaseはAIアプリの素早いデプロイに向く
これらを理解することで、AIシステムの技術提案を正確に評価し、技術スタックの選定・コスト試算・人材要件の判断ができるようになります。ジョブらくのデータマネジメント支援では、こうしたAI活用の導入設計から開発支援まで対応しています。
コメント