今日は、私がどうやって というアプリを作ったか お話ししたいと思います。

きっかけはRedditの一枚の写真

ある日、Redditを見ていたら こんな投稿がありました。

「この写真、どこで撮ったと思う？」

コメント欄は大混乱。 タイだのポルトガルだの 色んな人が色んなことを言っていて 一番自信満々に「マリブです」と言ってた人は 実はベトナムだったんですよね。

私はいつも とかいろんなサイトを運営しているんですが この「写真の場所を特定する」というニーズは ただの好奇心じゃなくて 旅行者、調査者、ジャーナリスト 本当に必要としてる人がいるなって思いました。

Vibe Codingって知ってますか？

2026年になって 「Vibe Coding」という言葉が もうネタじゃなくて 私の普通の作業方法になってます。

Cursorを開いて ターミナルでClaude Codeを立ち上げて ただ話すだけ。

「写真をアップロードしたら AIが場所を教えてくれるWebアプリが欲しい。 ドラッグ＆ドロップでアップロードできて 結果に地図が表示されて きれいなランディングページも必要。」

それだけ。

ワイヤーフレームもなければ Jiraチケットもなし。 ただ、明確な問題と明確な結果だけを伝えました。

最初の24時間

AIが数分で骨組みを作ってくれました。 Next.jsのフロントエンド バックエンドのAPIエンドポイント ファイルアップロードの基本フロー。

最初の夜は プロンプトを繰り返しながら UIを磨いて 核心機能を追加しました。 アップロードした画像を マルチモーダルAIに送って 地理的な分析をしてもらう機能です。

ここがVibe Codingの いいところでもあり 難しいところでもあります。

AIは機能的なコードを すぐに作ってくれますが あなたのプロダクトビジョンは 知らないんです。

だから私はこう指示しました。

「アップロードエリアは プレミアム感が欲しい。 2010年みたいなファイル入力じゃなくて。」

「結果ページには テキストの座標だけじゃなくて 地図にピンを立ててほしい。」

「信頼度スコアを追加して。 AIがどれだけ確信してるか ユーザーが知りたいはず。」

「ランディングページは 技術者じゃなくて 調査者や旅行者に向けて書いて。」

1つのプロンプトに数秒。 1回の改善で動くコードが出てきます。

1日目の終わりには 写真を受け取って場所を推測する プロトタイプが完成しました。

難しいのは「良くする」こと

Vibe Codingは80%まで すごく速く進めてくれます。 残りの20%は あなたの力が試されるところです。

AIが作ったコードは動くけど 汎用的なんです。 次の2日間は 本当に大事な細部に費やしました。

AI分析パイプライン

最初のバージョンは 画像をビジョンモデルに送って 「どこですか？」って聞いてるだけでした。 有名なランドマークならいいんですが 地味な街角だと全然ダメ。

なので多段階の分析を作りました。 AIがまず視覚的な手がかりを抽出して 建築スタイル、植生、道路標識、ナンバープレートとか。 それを地理的な知識と照らし合わせる。 これでランドマークじゃない写真でも 精度が劇的に上がりました。

地図の統合

座標を表示するだけじゃつまらない。 衛星写真が見られるインタラクティブな地図を入れました。 調査者にとって これが結果を信じるか無視するかの 分かれ目なんです。

AIができなかったこと

正直に言います。 AIはプロダクトを設計しませんでした。

信頼度スコアが生の座標より大事だってこと OSINT調査者には衛星地図が必要で 旅行者にはきれいなピンがいいってこと カラーパレットの選択 実際にコンバートするランディングページの見出し。

これらの判断は 全部私がしました。

プロトタイプを使うユーザーの反応を見て 競合のレビューを読んで 「シンプルな単語の方がSEO効果がいい」って 知識を活かして。

AIはインフラの決定もしませんでした。 CDNにCloudflareを選んで ドメインのルーティングを設定して APIのレート制限を構成して 画像処理のコンプライアンスに対応して。

Vibe Codingはコーディングを加速しますが アーキテクチャ思考を代替するわけじゃないんです。

リリースと改善

whereisthisplace.ioのドメインを取って DNSを設定して 最初のバージョンを1週間以内に公開しました。

完璧じゃないプロダクト。 でも、本当の問題を解く 本物のプロダクトです。

最初のユーザーは オーガニック検索と 旅行フォーラムの数投稿から来ました。

フィードバックはすぐに来ました。

複数枚の一括アップロードが欲しい 調査者はケース管理機能が欲しい 旅行者はSNSで結果をシェアしたい

収益に繋がるものから優先しました。

1か月後

サイトは月に数百件の 写真場所クエリを処理するようになりました。

コスト構造はシンプルです。 AI APIのクエリあたりのコスト 固定のホスティング料 あと私の時間。

開発チームを雇うのと比べたら Vibe Codingのアプローチで 市場投入時間は約80%短縮 初期コストは90%以上削減できました。

学んだこと

Vibe Codingは力の乗数であって 代替ではない。

一番いい結果が出るのは 自分が本当に欲しいものを 正確に言語化できるときです。 曖昧なプロンプトは曖昧なコードを生みます。

80/20の法則は本当。

AIは動くプロダクトを速く作ります。 磨き、UXの細部、ビジネスロジック そこはまだ人間の判断が勝ちます。

準備ができてなくても出荷しろ。

whereisthisplace.ioの最初のバージョンは 荒いところがありました。 でも公開されてて動いてて 本物のユーザーから本物のフィードバックが来ました。 完璧は出荷の敵です。

これから

ロードマップは明確です。 田舎や屋内写真の精度向上 プロユーザー向けの深いOSINT機能。

基盤はしっかりしてて Vibe Codingのおかげで 予算を燃やさずに速く改善できます。

アイデアを抱えてるなら 私のアドバイスはシンプルです。

エディタを開いて AIに話しかけて 今週中に何か出荷しましょう。

ツールはもう準備できてます。 問題はあなたが準備できてるかどうかだけです。