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
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 + コーヒー農家支援を本格化
学生寮「坂雲寮」運営(卒寮生30名超)。ボラベン高原のコーヒー農家への技術指導を開始。
2024
「クワトロモデル」確立
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LuLaLao Coffeeと構築。
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)
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 0.5-2ha 1農家あたりの耕地面積 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POCを回している。
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
気候 熱帯モンスーン
品種 アラビカ / ロブスタ
76-96
直接裨益者数(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年で農家を自立させる
「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。
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 = 農家の自立を加速
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。
2-3年
プロジェクト期間 — 専門家は年間数週間のみ
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。
5-10%
専門家が直接指導できる農家の割合
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。
88.5%
ラオスのモバイル普及率 — GSMA 2024
プロジェクト終了後、技術が定着する率は20-30%(World Bank IEG評価)。
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。
88.5%
ラオスのモバイル普及率 — GSMA 2024
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の多言語理解力(MMLUベンチマーク) 90% 70% 50% 30% 2020 2022 2023 2024 GPT-2 GPT-3.5 GPT-4 GPT-4o 人間の専門家 OpenAI / papers with code 2024
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だから嘘をつかない(ハルシネーション0%)
✓ 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精度 96.4%
ハルシネーション率 0% vs 汎用AI 15-20%
npj Digital Medicine 2024 / Stanford HAI 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 — 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
11 — 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。
12 — 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+
ラオス・パクセ地域の小規模コーヒー生産者
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
13 — 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
100
パイロット
200
モデル検証
500?
できたら嬉しい
1,000+?
理想の姿
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
JICA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
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。
14 — VISION
ラオスから始まり、コーヒー産地を繋ぐ。
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
農家(初年度)
SCALE
成功事例の知見活用
+ 近隣コーヒー国展開
他国の成功事例(例: ルワンダ)の知見を活用
類似気候条件のDB横展開
バイヤーマッチング・品質評価HP
JICA協力隊との連携モデル
500+
農家(3年目標)
EXPAND
アジア・アフリカの
コーヒー産地へ
カンボジア・ミャンマー・タイ
エチオピア・ケニア・タンザニア
各産地の気候・品種に特化したDB
コーヒー農家支援の国際プラットフォーム
2,500万
世界のコーヒー農家世帯
15 — CASE STUDY
例えば、ルワンダ。
人の技術指導で成功した国がある。
e.g. RWANDA
JICAが12年かけて
成功させた事例がある。
ルワンダのコーヒー農家は40万世帯。
標高1,200-2,000m、火山性土壌、97%アラビカ種。
ボラベン高原と極めて類似した栽培条件。

JICAは2017年から第1フェーズを実施し、
2025年に第2フェーズ(5年間)を開始。
「人による技術指導」で品質革命を実現した。

Best of Rwanda 2025: 最高USD 88/kg達成
316エントリー、約1,000件の国際入札
40万
小規模農家世帯
12年
JICAの支援実績
97%
アラビカ種
AI ACCELERATION
こうした成功を、
AIでもっと速く再現する。
1
成功国で蓄積された知見をAIのDBに統合
2
ラオスの気候・品種に最適化して提供
3
同じモデルを他のコーヒー産地にも横展開
他国が人の技術指導で達成したことを、
AIで再現し、より速く、より広く届ける。
16 — 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
KEY NUMBERS
代表: 座間慶彦(理事及び事務局長)
初年度対象: 76-96農家(直接裨益者)
3年計画: 技術指導 + AI開発 + バイヤー接続
~2万 ラオスのコーヒー農家世帯
3万t+ 年間コーヒー生産量
88.5% モバイル普及率
17 — NEXT STEPS
まずは、ラオスのコーヒーで
投資の価値を示す。
JICA COLLABORATION
JICA協力隊との
タイアップの可能性
JICA海外協力隊は年間約1,200名が世界各地に派遣。
隊員一人ひとりが持つ専門知識を
AIの知識ベースに蓄積できれば ——

コーヒー以外の分野にも応用可能
農業全般 / 初等教育 / 保健衛生 / 水産 etc.
このモデルが成功すれば、
JICAにとっても新しいナレッジ蓄積・共有の
仕組みとして価値がある。
PILOT INVESTMENT
Pilotで価値を証明し、
議論の余白を残す。
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
他の国・分野への議論を開く
「これが成功したなら、他でも使えるのでは?」
新しい挑戦だからこそ、
相手に議論の余地を与えるストーリーを。
「全部やります」ではなく「まずここから」
「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
Claudeが回答を
自然な言葉で生成
96.4%
RAGシステムの精度
vs 人間の医師 86.6%
npj Digital Medicine, 2025
+17%
ROUGE精度
vs ファインチューニング
MDPI ML & Knowledge Extraction, 2025
0%
ハルシネーション率
RAG導入後
Nature npj Digital Medicine, 2025
APPENDIX
A2 — MARKET DATA
ラオスのコーヒー産業
~2万
コーヒー農家世帯
ラオス南部ボラベン高原を中心に約2万世帯がコーヒーを栽培。 大半が小規模農家で、技術支援へのアクセスが限られている。
ICO / ラオス農林省
3万t+
年間コーヒー生産量
ラオスはアジア第3位のコーヒー生産国。ボラベン高原の標高と気候が 高品質なアラビカ種の栽培に適している。
ICO / FAO
88.5%
モバイル普及率
ラオスのモバイル普及率は88.5%に到達。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。
GSMA / DataReportal 2024
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。