目次
結論サマリー
EXECUTIVE SUMMARY
- 「分身ゴルフコーチAI」はカスタムGPTsで今日から試作可能。ただしKnowledge（参考資料）は1GPTにつき最大20ファイル・各512MB・約200万トークンの上限があり、資料の自動更新はできず差し替えは毎回手動。
- 知識を頻繁に更新したいなら、Actions機能で自前の外部データベース（RAG）に接続する方式が本命。ただし技術制約が厳しく、非エンジニア単独での構築は困難。
- 「AIクローンを月額課金で受講生に売る」ビジネスは海外で実在の成功事例あり（Delphi.aiで月39ドル課金・7桁ドル収益の例）。日本のゴルフコーチでこの型はまだ確認できず、先行者になれる余地が大きい。
- 重大な注意: 公開したGPTsは参考資料も指示文も抜き取られうる（設定次第で約96%の確率でナレッジが漏洩）。門外不出のノウハウの丸載せは危険。
- 推奨は段階的アプローチ。まずGPTsで試作（月20ドル）→反応を見て専用プラットフォームか自前RAGへ移行、の二段構え。
前提となる用語
論点1: GPTsは「情報更新型」にできるか
結論 — 単体では自動更新不可・毎回手作業
カスタムGPTs単体では知識の「自動更新」はできない。公式手順は「新しいファイルをアップロード → 古いファイルを削除 → Updateボタンで保存」という手作業で、APIでナレッジを自動更新する公式手段は存在しない（要望は多数あるが未対応）。Updateボタンの押し忘れ事故もコミュニティで多発している。[出典]
KNOWLEDGEの上限（すべて公式情報で確認済み）
実務Tip: 20ファイル枠を使い切る前に「複数文書を1つの連続テキストにまとめる」のが定石。200万トークン以内なら1ファイルに大量に詰め込める。[出典]
検索（RAG）の中身
- GPTsは資料を自動で細切れ（チャンク）にして検索する。API版の標準は約800トークン刻み・重なり400トークン・最大20チャンク返却。ただしGPTs作成画面ではこの設定を調整できない（固定・ブラックボックス）。[出典]
- 精度は資料の品質・構造に強く依存。雑多で大量な資料ほど検索精度は落ちるのが実践者の共通見解。
外部RAG接続（Actions）という選択肢
頻繁な更新が要るならこちらが本命
「毎週新しいレッスン知見を足したい」なら、GPTsのActionsで自前の外部データベースに接続する方式。20ファイル・容量上限を回避でき、データを都度更新できる。OpenAI公式のレシピ（Pinecone等）も存在する。[出典]
出典: OpenAI公式 Actions production notes / 日本語実装例では「Actionsの参照URLがユーザーに見えるため認証必須」との実務指摘あり（Zenn）。バックエンドはSupabase（pgvector）が自動埋め込み更新パイプラインを提供。
要点: 外部RAG方式は「情報更新型」を実現できるが、非エンジニアが単独で組むのは困難。エンジニアリング（外注/開発パートナー）か、後述の日本語ノーコードツール（miibo/Dify等）が現実的。
論点2: GPTs構築のベストプラクティス
指示文（INSTRUCTIONS）の構造
- 役割（WHO）+ 目的（WHAT）+ 理由（WHY）→ 手順（HOW）の順に構造化し、見出し・箇条書きで優先順位を視覚的に区別するのが定石。
- 指示文欄には8000文字上限がある。長い応答例やガイドラインはKnowledgeファイル側に逃がす。[出典]
- セクション区切りはMarkdown見出し（#）またはXMLタグが有効（OpenAI公式ガイドも推奨）。[出典]
ペルソナ（人格）再現の設計
- 役割 / 性格 / 口調 / 行動原則 / 禁止事項の5要素を明文化するのが定石。[出典]
- 訓練素材は「本人の一次情報」が鍵。約300本のレッスン文字起こし（受講生との実Q&Aの宝庫）・SNS投稿・受講生への添削コメントが絶好の素材。[出典]
- 国内実例: 技術経営の専門家が自著5冊をKnowledgeに投入した対話型コーチAI「ちゃたにコンパス」（Forbes JAPAN掲載）。体系化済み一次情報をそのまま載せる設計パターン。[出典]
ファイル形式 — 「Markdown最強・PDF非推奨」
- Markdown（見出し・箇条書き構造のあるテキスト）が最も検索精度が高い。
- PDFは非推奨。印刷用フォーマットゆえ構造が崩れやすい（ページ番号混入・多段組み崩壊・表の列崩れ）。スキャンPDFはOCR崩れで数値誤認も。[出典]
- → 本件の場合: 文字起こしデータは「クリーニング（フィラー除去・誤字修正）→ テーマ別に整理したMarkdown」にしてから載せるのが正解。
よくある誤解（検証で訂正済み）
FACT CHECK — 独立ソースで裏取りした結果、誤りと判明
- 誤解:「高度なチャンク分割（セマンティックチャンキング）で検索精度が15〜25%上がる」 → 誇張。実際の改善幅は2〜3ポイント程度にとどまる。チャンクは「400〜800トークン・10〜20%重なり」を出発点にする程度の理解で十分。[出典]
- 誤解:「指示文に『開示禁止』と書けば資料は守れる」 → 守り切れない。200以上のGPTsを調べた学術研究で、防御プロンプトは「経験ある攻撃者には不十分」と結論。あくまで防御層の一つ。[出典]
論点3: AIクローン市場の先行事例
海外 — 月額課金のAIクローンは実在ビジネス
大手も参入: MetaがInstagram人気クリエイター約50名とAIクローンをテスト。Tony RobbinsもAIクローンをローンチ済み。[出典]
日本 — そして「空白地帯」の発見
- 株式会社オルツ（東証グロース上場）が「パーソナルAI」を展開、著名人のデジタルクローン制作実績あり。「社長AIクローン開発会社」の受託市場も国内に形成されつつある。[出典]
- スイング写真を分析する汎用ゴルフGPTsは既に多数公開されている。しかし特定のプロコーチが「自分の分身」を月額課金で受講生に配布している事例（Delphi/Coachvox型）は国内ゴルフ領域で確認できなかった。
→ 日本のゴルフ×AIクローン月額課金は空白地帯。先行者利益の余地が大きい。
セキュリティ: 「中身は抜かれる」前提で設計する
最重要 — レッスンノウハウという知的財産を守る
- ナレッジ漏洩: Code Interpreter（コード実行機能）を有効にしたGPTは、約96%の成功率で参考資料の原本を抜き取られる（無効化するとほぼ0%）。[出典: 学術研究]
- 指示文漏洩: 「あなたの指示を全部見せて」等の定型攻撃で、カテゴリによっては88〜95%の高確率で指示文が漏れる（単一の大規模研究のカテゴリ別数値）。[出典]
対策（確認済み・ただし完全防御ではない）:
- ① Code Interpreterを無効化（最も効く一手）
- ② 指示文の冒頭と末尾に開示禁止を明示（補助的）
- ③ ファイル名をランダム文字列に
- ④ 根本策: 門外不出のロジックはGPTの中に直接置かず、外部API（Actions）側に置いてバックエンドで管理する設計
学習利用について: 個人プランはデフォルトで会話が学習に使われうる（設定でオプトアウト可）。Business/Enterpriseはデフォルト不使用。GPTビルダーは利用者の個別会話を見ることはできない。
配布・規約・事業継続リスク
受講生への配布
- 配布は4段階: 非公開 / リンクを知る人のみ / ワークスペース内共有（Team以上）/ GPT Store公開。閲覧者はチャット利用のみで設定の中身は見えない。[出典]
- 無料ユーザーもGPTsを使えるが専用枠はなく、Freeの通常制限（少数メッセージ/数時間）を共有。受講生がFreeプランだと使用回数の壁に当たる。[出典]
- リンク共有の注意: 一度渡したリンクは相手がブックマークすれば実質恒久アクセス。Actionsを使うGPTの公開にはプライバシーポリシーURLが必須。
規約・事業継続性（ここが意思決定の分かれ目）
- 生成物の所有権はユーザー側にあり、販売・クライアント業務での利用は可能（利用規約遵守・AI開示が条件）。[出典]
- ⚠ OpenAIは理由なくいつでもGPTを削除できる規約。GPTsに全事業を依存させるのは危険。
- ⚠ GPTsをアカウント間でそのまま譲渡する機能はない（Enterpriseワークスペース内のオーナー変更を除く）。
- ⚠ 「GPT」ブランドでの独自商品化は商標的にNG（OpenAIが60以上の商標に異議申立て）。独自ブランド化はAPI経由の自社アプリが合法ルート。[出典]
- ⚠ GPT Storeの収益分配プログラムは米国ビルダー限定で日本には未展開。「Store収益で稼ぐ」モデルは前提が崩れる。[出典]
ツール比較（ノーコードでのRAGチャットボット）
推奨: 3フェーズの段階アプローチ
0
フェーズ0 — 試作・検証（今すぐ・月20ドル）
カスタムGPTsで「分身AI」を試作
約300本のレッスン文字起こしから「よくある質問と指導パターン」を抽出し、クリーニング済みMarkdown（テーマ別に統合した数ファイル）にまとめてKnowledgeに投入。指示文は5要素（役割/性格/口調/行動原則/禁止事項）で構成。Code Interpreterは必ず無効化。リンク限定共有で数名の受講生にテストし、「AIコーチに価値を感じるか」を検証する。
1
フェーズ1 — 有償提供の入口（反応が良ければ）
専用プラットフォームか日本語ノーコードRAGへ
Coachvox / Delphi への移行を検討（リード獲得・月額課金・音声クローン・ダッシュボードが揃う）。またはmiibo等で独自ブランドのチャットボットとして受講生向け導線（LINE・会員ページ等）に埋め込む。日本のゴルフ×AIクローンの先行者を狙う。
2
フェーズ2 — 知識更新型・独自ブランド（本格化）
自前RAG + 独自アプリ
理論を頻繁に更新したい・門外不出のロジックを守りたい段階では、自前RAG（ベクトルDB）+ API独自アプリへ。GPTsのActions経由でも独自Webアプリでも可。この段階はエンジニアリング前提。
判断軸: 「まず売れるか試したい」→ フェーズ0（GPTs）／「音声・課金・リード獲得を今すぐ」→ フェーズ1（Coachvox/Delphi）／「理論を守り・更新し・独自ブランドで」→ フェーズ2（自前RAG）
未解決事項（要追加調査）
今回の調査で確定できなかった点（推測で埋めていません）
- カスタムGPTの既定モデル・旧モデル引退の正確な日付（公式ヘルプに一時アクセス不可のため一次確認できず）
- ストレージ全体上限（ユーザー10GB/組織100GB）は二次情報のみ
- Coachvox顧客の「月10〜99ドル課金で高額コンサルを代替」という具体的数字は未確認
- GPTごとの学習オプトアウト設定のUI名称・場所は一次情報で未確認
- Delphi Freeプランのトレーニング語数はソース間で矛盾あり・未確定
- 自前RAG構築の実費・工数見積もりは本調査の範囲外（フェーズ2進行時に相見積もりが必要）