JioStar チーフアーキテクトが語る、5億ユーザー規模の AI コンテンツディスカバリー | OpenAI
2026年11月11日
JioStar のチーフアーキテクト、Vijay Seshadri 氏との対談。

企業規模:エンタープライズ(Enterprise)
地域:アジア太平洋およびオセアニア
業界:メディア、エンターテインメント、スポーツ
製品:API、Codex
私たちの「エグゼクティブの視点(Executive Function)」シリーズでは、AI を通じて変革を推進するリーダーたちの独自の洞察を共有しています。
JioStar は、5億人以上のコンシューマーにサービスを提供するエンターテインメントおよびスポーツのライブ配信プラットフォームを運営しており、スポーツのライブ配信において最大7,250万人の同時視聴者を記録した実績を持っています。この規模においては、AI は高速かつ信頼性が高く、常に本番環境の要件を満たすものでなければなりません。
JioStar は OpenAI API を活用し、JioHotstar 内に、対話型の動画およびクリケット統計データのディスカバリーアシスタントを組み込みました。視聴者は自然言語で話しかけるだけで、映画や番組、過去のハイライト、ライブ試合の決定的な瞬間、あるいはクリケットの統計データを検索でき、システムは視覚的かつ対話的な体験を通じて結果を返します。
シンガポールで開催された OpenAI エグゼクティブサミットにて、OpenAI の ASEAN 地域市場開拓責任者である Sidharth Sharma が、JioStar のチーフアーキテクトである Vijay Seshadri 氏と対談しました。約8週間で15以上の言語をサポートする体験をどのように構築したのか、そして AI をデモ(demo)から本番環境(production)へと移行する過程でリーダーが得た教訓について掘り下げました。
AI が人々のコンテンツを見つける方法を根本的に変えると確信した理由は何ですか?
過去25年間、コンテンツディスカバリー(コンテンツの発見)はほとんど進化してきませんでした。レコメンデーションシステムが最後の大きな転換点であり、それ以降の発展の大部分は、同じアイデアの反復に過ぎませんでした。
しかし、何を観るかを選ぶというのは非常に個人的なことです。例えば、ある人が「気分が落ち込んでいるから、元気が出るようなものを見せて」と言うかもしれません。このようなシンプルなリクエストにさえ、多くの微妙なニュアンスが含まれています。どのような落ち込み方なのか?普段は何を見れば元気になるのか?コメディが見たいのか、癒やし系の番組がいいのか、それとも完全に気を紛らわせるようなものが必要なのか?
従来のレコメンデーションシステムでは、その瞬間のニーズを理解するのは難しいでしょう。一方で、対話は視聴者に自分の心の状態を説明する手段を提供します。私たちはこれを「音声・視覚インターフェース(voice-visual interface)」と呼んでいます。
「コンテンツディスカバリーは本質的に視覚的なものですが、それらの視覚的な選択肢に口頭での好みや対話を組み合わせることで、強力な新しいパラダイムが生まれます。」
——Vijay Seshadri 氏、JioStar チーフアーキテクト
大規模なクリケットのトーナメントに間に合わせるため、どのようにしてこのアイデアを製品化したのですか?
私たちがこのコンセプトを構想し始めたのは10月と11月で、翌年2月には大規模なクリケットのトーナメントが控えていました。残された時間は約2か月しかなく、しかもエンターテインメントの視聴者とクリケットファンという、全く異なる2つの層のオーディエンスに対応する必要がありました。
エンターテインメントの視聴者は、「今日は金曜日の夜だから、何かサプライズをちょうだい」と言ったり、タイトルが思い出せない映画の内容を説明したりするかもしれません。一方、スポーツの視聴者は、ウィケットの陥落(fall of wickets)、連続6点打(sixes)、あるいは特定の選手が特定のスコアを記録した試合など、より具体的な動きを求める傾向があります。さらにクリケットの専門家ともなれば、1球ごとの統計データを知りたがるでしょう。
これらは全く性質の異なるコンテンツディスカバリーの課題です。私たちは極めて短い期間で、エンターテインメントコンテンツ、スポーツのハイライト、そして詳細なクリケットの統計データを、多言語に対応した1つの統合された体験へとまとめることに注力しました。
JioStar の規模において、技術設計に影響を与えたトレードオフの要因は何でしたか?
ごく初期の段階から、私たちはこの課題を精度(accuracy)、レイテンシ(latency)、コスト(cost)の3者間のトレードオフとして定義しました。すべてのエンジニアリング上の意思決定において、これら3つのバランスを同時に取る必要がありました。
音声機能によって、この点は特に重要になりました。私たちのユーザーの60%以上がテキストではなく音声を使用しています。人々は見たいものを直接言葉にして伝えることを好むのです。同時に、システムの応答は、大規模な同時アクセス環境下であっても、高い関連性と速度を維持し、なおかつ経済的に実現可能なものでなければなりませんでした。
「ありきたりに聞こえるかもしれませんが、答えは評価、評価、そしてまた評価(evals)です。このようなアプリケーションを初めて構築する場合、どれほど準備万端だと思っていても、評価の重要性を過小評価してしまう可能性が高いのです。」
——Vijay Seshadri 氏、JioStar チーフアーキテクト
本番環境において、効果的な評価システム(evaluation system)とはどのようなものですか?
私はこれを、評価フレームワーク(evaluation framework)と検証レイヤー(validation layer)の2つの部分に分けて考えています。本番環境に移行する前は、評価フレームワークを使用して修正を推進すべきです。そして本番環境においては、フィードバックループによって顧客の行動や失敗事例を新しい評価ケース(eval cases)へと変換する必要があります。
このフライホイールは自己強化を実現できますが、それを適切に構築し運用するのは極めて困難です。
そこで不可欠となるのがドメインエキスパート(領域の専門家)です。スポーツの統計データの評価を行う際、私たちは熱心なファンがどのような質問をするかを熟知しているスポーツ雑誌の編集者などの専門家と協力しました。たった1つのプロンプト(prompt)だけで構築を始めることはできません。システムに種を蒔くためには、人間の深い専門知識が必要なのです。