コールドテスト

鉄道UIのコールドテスト — 運転指令・乗務員・車両保守・特急予約・乗換案内・運行情報

運転指令と運行図表、乗務員仕業と交番、車両検査と保守、特急券・指定席予約、乗換案内、運行情報、IC・ポイント、定期券、駅構内ナビ──運輸の鉄道モードを toB5+toC11 で完走した16枚。連載で「toB の床は新モードでも変わらない」「toC を厚くしないと床はバランスしない」を強く実証した業界です。

運輸:鉄道 の cold test、16 画面のまとめ。

なぜ鉄道UIは難しいのか

鉄道は「運転指令の back-office」「利用者の B2C アプリ」「駅務の現場ボード」「ダイヤ計画」「営収分析」と、視点も密度も全く違う層が同居します。運行図表(時間×距離の斜めライン)、機材繰りのリッチセグメント Gantt、ScheduleGrid 風の交番、車両検査の Meter、特急予約の SeatMap、乗換案内のレッグ別 itinerary、運行情報のステータス行、IC残高の hero ロイヤリティ──床の総力戦です。toC を6枚以上掘ったときに toB と対称になる、という「完走の定義」もここで明確になりました。

ここで結晶化した部品

鉄道16枚で 3-confirm を満たして build に到達した部品です。toB と toC を厚く積んだことで複数の床が一気に固まりました。

OriginDestination は #166 国際物流・#169 鉄道路線実績・#170 特急予約と3画面で独立に手組みされ、A→B の区間ヘッダ(from / to / via・所要 connector・出発⇄到着 swap)として固まりました。

運輸:鉄道 の全ラウンド

運輸:鉄道 カテゴリの 16 画面を、ラウンド順に並べています。各カードから cold AI が組んだソース、解説記事、デスクトップ/モバイルのプレビューに飛べます。

AI に鉄道の運転指令を作らせてみた — 3回目の「対応キュー」手組みで、また部品になった(やってみた #106) preview
#106スコア 4/5
AI に鉄道の運転指令を作らせてみた — 3回目の「対応キュー」手組みで、また部品になった(やってみた #106)
/rail-operations

運輸は1業界じゃなく「カテゴリ」——鉄道・バス・航空・タクシー・運送は作法が全然違うので、各モードを独立の床として回す。今回はその鉄道。観測の核——**要対応の worklist(ActionQueue)が3回目の手組みになれば、その場で build する。**

AI に鉄道の乗務員交番を作らせてみた — 昨日作った「対応キュー」を、別のAIが翌日もう使った(やってみた #107) preview
#107スコア 4.5/5
AI に鉄道の乗務員交番を作らせてみた — 昨日作った「対応キュー」を、別のAIが翌日もう使った(やってみた #107)
/rail-crew-roster

#106 は運転指令(指令側)。#107 は乗務員区(運用/HR側)=別ペルソナ。観測の核——**前回 build したばかりの `ActionQueue` を、文脈ゼロの別 cold AI が点呼未了・超過勤務アラートで自力発見できるか。**

AI に鉄道の車両検査を作らせてみた — 索引が「全部正解・誤誘導ゼロ」になった(やってみた #108) preview
#108スコア 4.5/5
AI に鉄道の車両検査を作らせてみた — 索引が「全部正解・誤誘導ゼロ」になった(やってみた #108)
/rail-maintenance

#106指令・#107乗務員に続く設備/保守側。鉄道を三本柱(運行・人・車両)で締める。

AI に特急券予約を作らせてみた — toC に降りた瞬間、最低スコアと新しい穴が出た(やってみた #109) preview
#109スコア 3.5/5
AI に特急券予約を作らせてみた — toC に降りた瞬間、最低スコアと新しい穴が出た(やってみた #109)
/express-reservation

#106〜108 の鉄道は全部**事業者側(指令/乗務員/車両)の back-office**だった。今回は**利用者側(B2C)に降りる**——えきねっと/EX予約のような消費者向け。観測の核——**back-office 寄りの kit は、消費者の予約フローでどこまで通用するか。**

AI に乗換案内を作らせてみた — 自分で索引に足した部品が、3回後に「不適」と判明した(やってみた #110) preview
#110スコア 3/5
AI に乗換案内を作らせてみた — 自分で索引に足した部品が、3回後に「不適」と判明した(やってみた #110)
/transit-search

#109 特急券に続く toC 2枚目。日本で最も使われる利用者向け鉄道アプリ。観測の核——**結果カードリスト(#109 で出た穴)が再び出るか**+**経路の行程に `RouteStops` が効くか**。

AI に運行情報案内を作らせてみた — toC で3回手組みされた「リストカード」が、ついに部品になった(やってみた #111) preview
#111スコア 3.5/5
AI に運行情報案内を作らせてみた — toC で3回手組みされた「リストカード」が、ついに部品になった(やってみた #111)
/service-status

#109 特急券・#110 乗換案内に続く toC 3枚目。観測の核——**結果カード/ステータス行が3回目の手組みになれば、その場で build する。**

AI に鉄道のポイント画面を作らせてみた — KeEem の「鉄道もポイント必要」が、的中した(やってみた #117) preview
#117スコア 3/5
AI に鉄道のポイント画面を作らせてみた — KeEem の「鉄道もポイント必要」が、的中した(やってみた #117)
/rail-points

KeEem が #116(航空マイレージ)の後に「**鉄道もポイント必要だったかも**」と言った。それを回収。観測の本命——**ロイヤリティ要約(LoyaltySummaryCard)が2回目の手組みになるか。**

AI に定期券の購入フローを作らせてみた — B2C 購入の「原子」がまだ無かった(やってみた #119) preview
#119スコア 3.5/5
AI に定期券の購入フローを作らせてみた — B2C 購入の「原子」がまだ無かった(やってみた #119)
/commuter-pass

KeEem に「鉄道・航空 toC をきちんと潰してから他モードへ」と言われ、[toC バックログ](https://github.com/uixhero/gunjo)を作って上から回す。これはその1枚目。

AI に駅構内ナビを作らせてみた — ListCard は新しい型でも効いた、でも「カテゴリの横スクロール」が無い(やってみた #120) preview
#120スコア 3.5/5
AI に駅構内ナビを作らせてみた — ListCard は新しい型でも効いた、でも「カテゴリの横スクロール」が無い(やってみた #120)
/station-guide

`tsc` 緑・375px mobile-first。cold AI(群青を一度も触っていない設定):

AI にきっぷ購入を作らせてみた — B2C 購入の「原子」が、3回目でついに部品になった(やってみた #121) preview
#121スコア 3.5/5
AI にきっぷ購入を作らせてみた — B2C 購入の「原子」が、3回目でついに部品になった(やってみた #121)
/ticket-store

きっぷ商品の選択=価格つき選択カード。観測の本命——**それが3回目の手組みになるか。**

AI に駅ナカ・おでかけ提案を作らせてみた — 3画面さまよった「券面」が、ついに結晶化(やってみた #128) preview
#128スコア 3.5/5
AI に駅ナカ・おでかけ提案を作らせてみた — 3画面さまよった「券面」が、ついに結晶化(やってみた #128)
/station-outing

`tsc` 緑・375px mobile-first。cold AI(群青を一度も触っていない設定):

AI にきっぷの払戻し画面を作らせてみた — 昨日 build した部品が、今日の画面で自力発見された(やってみた #129) preview
#129スコア 4.5/5
AI にきっぷの払戻し画面を作らせてみた — 昨日 build した部品が、今日の画面で自力発見された(やってみた #129)
/ticket-refund

`tsc` 緑・375px mobile-first。cold AI(群青を一度も触っていない設定):

AI に駅務管理コンソールを作らせてみた — toB床が初めて「形が違う」gap を露出した(やってみた #132) preview
#132スコア 4.5/5
AI に駅務管理コンソールを作らせてみた — toB床が初めて「形が違う」gap を露出した(やってみた #132)
/station-ops

`tsc` 緑・デスクトップ密度。cold AI(群青を一度も触っていない設定):

AI に鉄道のダイヤ作成(運行図表)を作らせてみた — #106 で起票した穴が、27回後に2回目を見せた(やってみた #133) preview
#133スコア 3.5/5
AI に鉄道のダイヤ作成(運行図表)を作らせてみた — #106 で起票した穴が、27回後に2回目を見せた(やってみた #133)
/timetable-planning

`tsc` 緑・デスクトップ密度。cold AI(群青を一度も触っていない設定):

AI に鉄道の定時性ダッシュボードを作らせてみた — 在庫深掘りで Statistic goodWhen が結晶化(やってみた #169) preview
#169スコア 4/5
AI に鉄道の定時性ダッシュボードを作らせてみた — 在庫深掘りで Statistic goodWhen が結晶化(やってみた #169)
/line-performance

`tsc` 緑・デスクトップ密。cold AI(群青を一度も触っていない設定):

AI に新幹線予約画面を作らせてみた — A→B 区間ヘッダが結晶化、索引の「縦と横」の取り違えを是正(やってみた #170) preview
#170スコア 4/5
AI に新幹線予約画面を作らせてみた — A→B 区間ヘッダが結晶化、索引の「縦と横」の取り違えを是正(やってみた #170)
/express-booking

`tsc` 緑・375px mobile-first。cold AI(群青を一度も触っていない設定):

この業界が gunjo に残したもの

鉄道は、運輸5モードの最初の床として ActionQueue・LoyaltySummaryCard・Statistic goodWhen・OriginDestination・Stringline(バスで build)など多数の部品を群青に残しました。toC を厚く掘ることが床のバランスに直結することを、最も強く実証した業界でもあります。鉄道 toB5+toC11 = 16枚という規模は、連載最長。「toC が弱い側なら深掘りを優先」という運用ルールが固まった発端でもあります。