NGO QUATRO — AI × COFFEE
コーヒー農家に、
いつでも頼れる専門家を。
ラオスのコーヒー農園から始める、
AI特化型チャットボットによる生産技術支援
特定非営利活動法人 NGOクワトロ 2025
01 — ABOUT US
NGOクワトロについて
団体概要
正式名称特定非営利活動法人 NGOクワトロ
設立2012年6月8日（法人登記）
理事長米坂浩昭
事務局長座間慶彦
所在地埼玉県さいたま市（活動拠点: 東京都世田谷区）
海外拠点ラオス・チャンパサック県パクセ
ミッション「努力した人が報われる社会」の実現
理念
開発途上国の人々が直面する困難な課題を、援助ではなくビジネスアプローチで解決する。
生産者が適正な対価を得られる仕組みを構築し、持続可能な発展を支える。
事業の歩み
2012
NGOクワトロ設立
「努力した人が報われる社会」をミッションに法人登記。ラオスでの国際協力活動を開始。
2017〜
教育支援 — 学生寮「坂雲寮」運営を開始
ラオス・パクセで学生寮を運営し、若者の教育機会を支援（卒寮生30名超）。
2024
コーヒー農家支援を本格化 / 「クワトロモデル」確立
ボラベン高原のコーヒー農家への技術指導を本格開始。LuLaLao Coffeeと共に、選定・精製・発酵・乾燥の全工程を3年で指導する独自メソッドを構築。
2025〜
AI導入 — 技術指導のスケール化
クワトロモデルの知見をAIに搭載し、24時間・多言語で農家に届ける仕組みを開発。
GRANT TRACK RECORD
JICA（国際協力機構）基金活用事業（2024）/ さいたま国際協力基金（2024-25）/ ゆうちょ財団 NGO海外援助活動助成（2026採択）
02 — CONTEXT
ラオス・コーヒー産地の現実。
農家が適正価格で売れない。
世界のコーヒーの70%を小規模農家が生産している。しかし、構造的な問題が連鎖し、
品質が上がらない → 価格交渉力がない → 所得が上がらない、という悪循環に陥っている。
小規模農家が分散
0.5-2haの家族経営が数百〜数千。個別に栽培・精製・販売。
技術指導が届かない
専門家が訪問できるのはごく一部。
大多数の農家は自己流のまま。
品質がバラバラ
統一基準がなく品質にばらつき。
高品質でも評価されない。
→
技術がなく
品質が証明
できない
仲買人の言い値で取引
品質を客観的に証明できないため、
仲買人が価格決定権を握る。
「良い豆」でも安値で買い叩かれる。
農家の所得が上がらない
努力しても報われない構造が固定化。
低所得が教育・医療・生活すべてに波及し、
次世代の離農を加速させる。
70% 世界のコーヒーを小規模農家が生産[8] ~4万 ラオスのコーヒー農家世帯（大半が0.5-2haの小規模農家）[1] 125M+ 世界のコーヒー生産従事者
03 — OUR WORK
南部ラオスで、助成金を活用して実証実験（POC）を進めている。
活動拠点 — チャンパサック県パクセ
南部チャンパサック県パクセを拠点に、ボラベン高原のコーヒー農家への技術指導を実施。

現地パートナー・LuLaLao Coffee（JICA海外協力隊OB・元川将仁氏）と連携し、独自メソッド「クワトロモデル」を構築。

助成金を原資にPOCを回しながら、技術指導の構造的な限界にAIで挑んでいる。
標高 1,000-1,350m[7]
気候 熱帯モンスーン
品種 アラビカ / ロブスタ
76-96
支援農家数（累計）
3件
助成金採択実績
「クワトロモデル」3本柱
1. 技術指導カリキュラム
 選定・精製・発酵・乾燥の全工程を3年で指導
2. 品質評価システム
 SCA方式を簡素化した独自基準・HP公開
3. AIチャットボット
 技術指導をAIで24時間届ける仕組み
GRANTS — 助成金採択実績
2024-25 彩の国さいたま国際協力基金（2年連続）
2024 世界の人びとのためのJICA基金活用事業
2026 ゆうちょ財団 NGO海外援助活動助成
04 — QUATRO MODEL
3年で農家の自立を目指す
「クワトロモデル」
コーヒー栽培の全工程を3年間かけて段階的に指導し、農家が自分の力で高品質な豆を作れる状態を目指す。
YEAR 1
選定
チェリーピッキング
完熟チェリーのみを手摘みする
技術を習得。
品質の土台をここで築く。
YEAR 2
精製
ウォッシュド / ナチュラル
果肉除去・水洗い・
発酵管理の技術を指導。
フレーバーに直結する工程。
YEAR 2-3
乾燥
水分量の管理
天日乾燥の均一管理。
水分量10-12%が目標。
保管品質を左右する重要工程。
YEAR 3
自立
品質評価 + 販売接続
SCA※基準で品質を自己評価。
HPで品質情報を公開し、
バイヤーと直接繋がる。
※SCA = Specialty Coffee Association（国際スペシャルティコーヒー協会）の品質評価基準
全工程をカバーする独自カリキュラム + AIが24時間サポート = 農家の自立を後押し
05 — CHALLENGE
国際協力の技術指導は、
構造的な限界があるのではないか？
STRUCTURAL CHALLENGE
時間の壁
専門家が現地にいるのは年間わずか数週間。
プロジェクト期間も2-3年と短い。
技術指導の「空白期間」が長すぎる。
数週間/年
専門家の現地滞在時間は限定的（一般的傾向）
STRUCTURAL CHALLENGE
地理の壁
分散する小規模農家のもとへ
一人ひとり訪問するのは物理的に困難。
アクセスのコストが支援を阻む。
ごく一部
専門家が直接指導できる農家は地理的制約で限られる
NEW POSSIBILITY
この時代だからこそ
スマホの普及とAI技術の成熟により、
新たな形で技術指導が届けられる
時代が来たのではないか。
86.7%
ラオスのモバイル普及率[2]
プロジェクト終了後の技術定着は、開発援助プロジェクト全般で構造的な課題として指摘されている[3]。
06 — SOLUTION
コーヒー生産の専門知識をAIに載せ、24時間届ける。
専門家が監修し、
AIが届ける。
01
専門家の知見
コーヒー栽培の専門家と共に回答ソースを作成。
現地の品種・土壌・気候に最適化した情報を整備。
選定・精製・発酵まで、生産プロセス全体をカバー。
02
AIの対話力
農家はスマホのメッセージアプリからいつでも質問可能。
AIが知識ベースを検索し、的確に回答。
多言語対応で、ラオ語での対話を実現。
03
「わからない」と言えるAI
知識ベースにない質問には「わからない」と明確に回答。
回答できない質問は専門家にエスカレーション。
専門家が現地に赴くか、直接回答しDBに追加。
嘘をつかないAIが信頼の基盤。
ラオス・ボラベン高原のコーヒー栽培に完全特化。汎用AIではなく、現地の品種・土壌・気候に最適化された専門知識をAIで届ける。
07 — WHY NOW
途上国の課題を解決する条件が、今、揃った。
DEVICE PENETRATION
途上国でもスマホが行き渡った
途上国でもスマホが農家の手元に届いた。「届ける手段」はすでにある。
86.7%
ラオスのモバイル普及率 — DataReportal 2025
AI CAPABILITY
LLM — 大規模言語モデルの登場
LLM（Large Language Model）とは、大量のテキストから言語のパターンを学習したAI。人間のように文章を理解し、専門知識に基づく対話・多言語翻訳・要約ができる。専門家の知見をAIに載せて届ける基盤が整った。
LLMの言語理解力（MMLUベンチマーク, 5-shot） 90% 70% 50% 30% 2020 2022 2023 2024 GPT-2 25.9% GPT-3.5 70.0% GPT-4 86.4% GPT-4o 88.7% 人間の専門家 Source: OpenAI / Papers with Code (MMLU 5-shot)
ラオスの農家がスマホを持ち、AIが専門知識を届けられるようになった。この2つが揃った今、現地に行かなくても技術を届けられる仕組みが現実になった。
08 — EVIDENCE
なぜChatGPTではダメなのか。
専用AIが必要な理由。
汎用AI（ChatGPT / Gemini）
✕ ネット上の散在する情報をまとめるだけ
✕ 「それっぽい」が正確でない回答（ハルシネーション）
✕ ボラベン高原の品種・気候に非対応
✕ 栽培専門家の監修・検証がない
✕ 誰でもアクセス可能 = 差別化不可能
ChatGPTに「コーヒー農家の教育パッケージ」を入れても、
学習データの平均値で回答するため、
ボラベン高原の標高1,200m、湿度80%超に
最適化された回答は出せない。
本プロジェクト（Closed DB + RAG）
✓ 専門家が検証した正確な情報のみ格納
✓ 閉じたDBだから根拠なき回答をしない（ハルシネーション率を大幅に低減）
✓ ボラベン高原の品種・土壌・気候に完全特化
✓ 専門家の知見が継続的にDBに追加される
✓ 独自DBが競争優位性・参入障壁になる
閉じたデータベースで運用する理由:
1. 嘘をつかない（正確性の担保）
2. 専門家の知見をビジネス資産化
3. 競合が模倣できない参入障壁
CLOSED DB
専門家が監修・検証した情報のみを格納した独自データベース。一般のネット情報は使わない。
独自DB競争優位性・参入障壁
RAG（検索拡張生成）
Retrieval-Augmented Generation。AIが回答前に独自DBを検索し、その結果に基づいて回答を生成する仕組み。
96.4%医療RAG事例の精度（人間専門家 86.6%）[5]
ハルシネーション
AIが事実でない情報を「それっぽく」生成する現象。Closed DB+RAGで大幅に低減できる。
<3%RAG導入で大幅低減 / 汎用AI 10-20%[4][9]
Source: npj Digital Medicine 2025[5] / Stanford HAI AI Index 2024
09 — BEYOND EXPERTS
専門家だけでは、
すべてに答えられない。
CHALLENGE
気候変動への対応
去年の正解が今年の正解とは限らない。
降水量・気温の変動に合わせた
指導内容の更新が常に必要。
地域差の問題
ルアンパバーンで有効な情報が
サバナケットでは通用しない。
地域ごとの最適解が異なる。
専門家の絶対数不足
地域ごとの条件に対応するには
相当数の専門家が必要。
一人の専門家でカバーするのは不可能。
OUR APPROACH
だからこそ、
AIで知見を統合し
公的支援で持続する。
複数の専門家の知見をDBに統合
地域・気候条件ごとに最適化
気候変動データも反映・更新
助成金・JICA等の公的支援と連携
AIは専門家を代替するのではなく、
専門家の知見を最大化するツール。
10 — BUSINESS MODEL
支援がデータを生み、
データが経済価値を生む。
STEP 1 — SOCIAL VALUE
技術支援
Q
農家がAIに栽培技術を相談
A
専門マニュアルに基づき回答
利用するほど精度が向上
24h x 5言語
自然に蓄積
STEP 2 — DATA ASSET
データ蓄積
農家プロファイル
栽培記録・相談履歴
品質評価データ
活動スコアリング
農家DB
価値に変換
STEP 3 — ECONOMIC VALUE
ビジネス接続
コーヒーバイヤーとの接続
スコアで豆の信頼性を可視化
農家への適正な買取価格
金融アクセスの改善
所得向上
技術支援（社会価値）が自然とデータを生み、データがビジネス（経済価値）を生む好循環。農家の「努力」がスコアとして可視化され、適正価格での取引につながる。
11 — DATA VALUE
「使うほど信用が見える」
コーヒー農家DBのファネル構造
対象農家 500+
AI登録 50
定期利用 Active
スコア付 Scored
Match
01
対象農家 500+ (2028年目標)
ラオス・パクセ地域の小規模コーヒー農家
02
AI登録ユーザー 50
チャットボットに登録し利用を開始した農家
03
定期利用者
月3回以上相談 → 行動データが自然に蓄積
04
スコア付き農家
相談頻度・技術実践度・品質データで信用スコア化
05
バイヤーマッチング
スコアで信頼性を可視化 → 適正価格での取引実現
SCORING FACTORS
相談頻度 利用回数・定期性 技術実践度 推奨技術の実行 栽培データ 生産量・品質記録 コミットメント 継続利用の証明
12 — ROADMAP
まず2年で実証し、成果で次を拓く。
Year 1
2025-26
Year 2
2026-27
Year 3〜
成果次第
将来像
目指す姿
裨益者数
直接支援農家
76-96
パイロット（支援農家）
200+
モデル検証
500+
スケール目標
1,000+
将来構想
主な活動
知識ベース構築
AIチャットボット開発
効果測定開始
AI精度改善
農家DB構築
品質評価システム
バイヤーマッチング設計
信用スコアリング
バイヤーマッチング
外部パートナー連携モデル構築
成功事例DB統合
近隣国への横展開
国際プラットフォーム化
金融アクセス改善
 
資金規模
年間想定
300万
既採択3助成金中心
500万
助成金+寄付
--
成果に応じて
--
成果に応じて
PILOT
VALIDATE
SCALE?
EXPAND?
資金規模は想定値。助成金採択状況・事業収入の成長に応じて調整。
13 — VISION
SDG 2 SDG 9 SDG 17
ラオスから始まり、近隣コーヒー国へ広げる。
PILOT
ラオス・コーヒー
実証実験
ボラベン高原での知識ベース構築
AIチャットボット開発・運用
農家DB構築・品質評価
効果測定・モデル検証
76-96
支援農家（初年度）
SCALE
ラオス全土へ展開
+ 近隣コーヒー国へ
ラオス国内の他産地へ知識ベース横展開
類似気候・品種への対応（カンボジア・ミャンマー・タイ等）
バイヤーマッチング・品質評価HP本格運用
助成金 + 自己収益のハイブリッドモデルへ移行
500+
農家（3年目標）
14 — TRACTION
コーヒー農家支援は、
すでに動いている。
GRANTS — 助成金採択実績 3件
2024-25 彩の国さいたま国際協力基金（2年連続採択・継続申請予定） 採択
2024 世界の人びとのためのJICA基金活用事業 採択
2026 ゆうちょ財団 NGO海外援助活動助成 採択
MILESTONES
ラオス・パクセでのコーヒー技術指導
支援の構造的課題を現地で特定
AIチャットボットのプロトタイプ開発
現地農家へのヒアリング・テスト実施
PARTNERS
LuLaLao Coffee
現地カウンターパート / JICA海外協力隊OB・元川将仁氏
株式会社 SUPER BLOOM
代表 藤原朋哉 / コンサル・プロデュース / YouTube「FUJIWARA LIFE」22万人
EXECUTION ROLES
NGOクワトロ: 全体統括・助成金運営・農家コミュニティ・効果測定
LuLaLao Coffee: 現地カウンターパート・技術指導・品質評価・農家エスカレーション一次対応
SUPER BLOOM: AIシステム開発・運用支援（業務協力）
KEY NUMBERS
代表: 座間慶彦（理事及び事務局長）
初年度対象: 76-96 支援農家
3年計画: 技術指導 + AI開発 + バイヤー接続
~4万 ラオスのコーヒー農家世帯
~14万t 年間コーヒー生産量（ICO 2023）
86.7% モバイル普及率（DataReportal 2025）
15 — NEXT STEPS
まずは、ラオスのコーヒーで
支援の効果を示す。
3-YEAR MILESTONES
2026〜2028年の
具体的なマイルストン
2026
AIチャットボット本実装 / 支援農家 76-96
知識ベース整備、ボラベン高原で実機投入
KPI(仮): 月間アクティブ30+農家・継続利用率60%+
2027
品質評価HP公開 / バイヤー直接接続
農家がHPで品質情報を発信、仲買人を介さない取引を試行
KPI(仮): 品質評価付き農家30+・バイヤー接続成約5件以上
2028
500農家へ拡大 / 自己収益化への移行開始
ラオス国内の他産地へ展開、助成金依存から脱却するモデル構築
KPI(仮): 月間アクティブ200+・自己収益比率30%+
PILOT INVESTMENT
Pilotで価値を証明し、
次の一手を見極める。
1
ラオスのコーヒーで実証
まずは小さく始めて、効果を測定する
2
成果データを公開
農家の利用率・品質変化・所得向上を可視化
3
ラオス国内他産地・近隣国へ展開検討
類似気候・品種の地域へ知識ベースを段階的に横展開
「努力している人が報われる」
当たり前を、テクノロジーで。
専門家の知見を、AIの力で、いつでもどこでも届けられる
インフラを一緒につくりませんか。
特定非営利活動法人 NGOクワトロ ngoquatro.org
APPENDIX
A1 — RAG TECHNOLOGY
RAG（検索拡張生成）の仕組み
01
知識の整備
専門家が監修した
栽培ガイドを
テキスト化
02
ベクトル化
テキストをAIが
数値ベクトルに変換
Supabaseに格納
03
質問受付
農家がスマホで
質問を送信
AIが意図を解析
04
類似検索
質問に近い知識を
ベクトルDBから
高速検索
05
回答生成
検索結果を元に
GPT-4oが回答を
自然な言葉で生成
96.4%
医療分野RAGの精度
（人間の医師 86.6%）
※農業分野で同手法を応用
npj Digital Medicine, 2025
+17%
ROUGE精度
vs ファインチューニング
MDPI ML & Knowledge Extraction, 2025[11]
<3%
ハルシネーション率
Closed DB+RAGで大幅低減
Stanford HAI 2024 / Vectara 2024-25
APPENDIX
A2 — MARKET DATA
ラオスのコーヒー産業
~4万
コーヒー農家世帯
ラオス南部ボラベン高原を中心に約4万世帯（83,000ha）がコーヒーを栽培。 大半が0.5-2haの小規模農家で、技術支援へのアクセスが限られている。
IntechOpen 2020 / ICO[1]
~14万t
年間コーヒー生産量
2023年の生産量は約144,000トン（世界12位）。ボラベン高原の標高と気候が 高品質なアラビカ種・ロブスタ種の栽培に適している。
ICO 2023 / Wikipedia[6]
86.7%
モバイル普及率
ラオスのモバイル普及率は86.7%（2025年初）。農村部でもスマートフォンが 普及し、AIによる技術支援の配信基盤が整っている。
DataReportal 2025[2]
ラオス・ボラベン高原のコーヒー農家に特化して支援を行い、まず確かな成果を出す。
APPENDIX
A3 — ARCHITECTURE
システム構成
USER
ラオスのコーヒー農家
母国語でメッセージアプリから質問
ラオ語 タイ語 ベトナム語 クメール語 ミャンマー語 EN JP +100 langs
CHANNEL
Messenger
active
LINE
planned
WhatsApp
planned
webhook POST /api/:channel
Cloudflare Workers
Hono + TypeScript — Edge Runtime
受信・解析
parseIncoming()
言語検出・翻訳
detect → translate
ベクトル検索
embed → RAG top_5
回答生成
GPT-4o
翻訳・返信
translate → reply
REST API
OpenAI
GPT-4o 回答生成
Embedding 1536次元
Pinecone
Vector DB
マニュアル検索エンジン
Supabase
PostgreSQL
農家情報・会話履歴
Google Cloud
Translation API
100+ 言語対応
PostgreSQL
DATA LAYER
farmers
farmer_idUUID PK
messenger_psidVARCHAR
locale_preferred'lo'
region_codeVARCHAR
chat_messages
msg_idUUID PK
session_idUUID FK
roleuser | assistant
rag_contextJSONB
escalations
escalation_idUUID PK
reasonTEXT
statusopen | resolved
assigned_toUUID FK
~10s
平均応答時間
100+
対応言語
¥1-3
1回答コスト
9
対応工程
APPENDIX
A4 — DATA GOVERNANCE
農家データの取扱い方針
DATA SCOPE
蓄積するデータ
農家プロファイル: 識別子・地域・栽培品種
相談履歴: AIへの質問と回答
栽培記録: 生産量・品質・実施技術
エスカレーション: 専門家対応ログ

いずれも農家が自発的に提供する情報のみ
PROTECTION PRINCIPLES
保護方針
本人同意（オプトイン）に基づく取得
第三者への無断提供をしない
暗号化保管（Supabase / 保管リージョン明示）
農家自身がスコア確認・訂正可能
日本の個人情報保護法・ラオス個人情報保護法（2024施行）準拠
OpenAI APIは学習利用オプトアウト設定で運用
取扱い方針: プライバシーポリシーを別途整備し、ラオス語で農家へ説明書を配布する。専門家エスカレーション時にも個人特定情報は最小化する。
APPENDIX
A5 — RISKS & MITIGATION
主要リスクと対応方針
TECHNICAL RISK
AI誤回答 / 翻訳品質
ラオ語は低リソース言語で翻訳精度に限界。コーヒー栽培専門用語の誤訳リスク。
対応: エスカレーション設計（「わからない」と答え専門家に転送）。月次でラオ語出力をネイティブ監修。誤回答時24h以内に元川氏が訂正。
FINANCIAL RISK
助成金依存 / 自走化
Year3以降、助成金が継続採択されない場合のシステム維持費（OpenAI/Supabase等月額数万円規模）の確保。
対応: Year2-3で品質評価HPからのバイヤーマッチング手数料モデルを試行。複数の助成プログラム並行申請。法人寄付・サポーター制度を構築。
FIELD RISK
現地リテラシー / 政情
モバイル普及率は高いが、農家のデジタルリテラシー・識字率に差。ラオス政情の不確実性。
対応: パイロットでスマホ保有率・アプリ利用実態を一次調査。LuLaLao Coffeeを通じて段階的に導入。現地許認可は現地パートナーと共同確認。
前提: いずれのリスクも完全排除はできないが、Pilotフェーズで早期に実態把握し、対応方針をアップデートする。
APPENDIX
A6 — REFERENCES
出典・参考文献
LAOS COFFEE INDUSTRY
[1] Coffee Commercialization in the Bolaven Plateau in the Southern of Lao PDR. IntechOpen, 2020.
intechopen.com/chapters/70308
[6] List of countries by coffee production. Wikipedia / ICO Coffee Report 2023.
en.wikipedia.org/wiki/List_of_countries_by_coffee_production
[7] Bolaven Plateau elevation 1,000-1,350m. Wikipedia.
en.wikipedia.org/wiki/Bolaven_Plateau
[8] Smallholder Coffee in the Global Economy (世界の70%が小規模農家). Frontiers in Sustainable Food Systems, 2022.
DIGITAL INFRASTRUCTURE
[2] Digital 2025: Laos. DataReportal — Global Digital Insights, 2025年初。モバイル接続6.78M / 人口比86.7%。
datareportal.com/reports/digital-2025-laos
AI / RAG TECHNOLOGY
[5] Retrieval augmented generation for 10 large language models and its generalizability in assessing medical fitness. npj Digital Medicine (Nature), 2025. DOI: 10.1038/s41746-025-01519-z
GPT4_international with RAG: 96.4% vs 人間の専門家 86.6%
[4] Stanford AI Index Report / HAI 2024。ドメイン特化タスクでLLMハルシネーション率 10-20%。法律分野では69-88%。RAG導入で大幅低減可能。
hai.stanford.edu/ai-index
[9] Vectara Hallucination Leaderboard 2024-2025. グラウンディング済みベンチマークで主要LLMのハルシネーション率を継続評価。
[10] MMLU benchmark (5-shot): GPT-2 25.9% / GPT-3.5 70.0% / GPT-4 86.4% / GPT-4o 88.7%. OpenAI / Papers with Code.
[11] Evaluating Retrieval-Augmented Generation Variants for Clinical Decision Support. MDPI Machine Learning & Knowledge Extraction, 2025. ROUGE精度+17%。
DEVELOPMENT POLICY
[3] World Bank Independent Evaluation Group (IEG) 評価。開発援助プロジェクトの技術定着・持続可能性は構造的課題として継続的に指摘。
ieg.worldbankgroup.org
数値・主張は2026年5月時点の公開情報をもとに記載。最新の状況により変動する場合があります。