従来手法（アルバイト）        : 88万円
GPT-4o-mini手法             : 0.5万円
削減効果                    : 87.5万円（99.4%削減）

従来手法（クラウドソーシング）: 50万円
GPT-4o-mini手法             : 0.5万円
削減効果                    : 49.5万円（99.0%削減）

従来手法（社内リソース）      : 208万円
GPT-4o-mini手法             : 0.5万円
削減効果                    : 207.5万円（99.8%削減）

[Facility] ----< [FacilityCategoryAssignment] >---- [FacilityCategory]
    |                        |                              |
 - id(PK)                - facilityId(FK)              - id(PK)
 - name                  - facilityCategoryId(FK)      - name
 - description           - confidence                   - slug
 - address               - isAuto                       - path (階層)
                         - note                         - depth (0=親, 1=子)

{
  "スポーツ・レクリエーション施設": {
    "depth": 0,
    "children": ["体育館・スポーツセンター", "ゴルフ場", "テニスコート", "プール", "野球場"]
  },
  "文化・教育施設": {
    "depth": 0,
    "children": ["図書館", "博物館", "美術館", "公民館", "学校"]
  }
}

施設1-20 ┐
施設21-40 ├→ 並列処理 → 20件の結果 (約30秒)
施設41-60 ┘

export async function processCategoryImport(
  input: CategoryImportInput,
): Promise<CategoryImportOutput> {
  console.log(`🏗️ 階層カテゴリインポート処理開始`)

  // GPT-4o-miniでslugを生成
  const generateSlugsWithGPT = async (categoryNames: string[]): Promise<Record<string, string>> => {
    const { openai } = await import('@ai-sdk/openai')
    const { generateText } = await import('ai')

    const prompt = `
以下の日本語の施設カテゴリ名を、適切な英語のslugに変換してください。
slugは以下の条件を満たす必要があります：
- 小文字の英数字とハイフンのみ使用
- 意味を保持した分かりやすい英語
- 重複しない一意の名前
- 30文字以内

## 変換対象のカテゴリ名
${categoryNames.map((name, idx) => `${idx + 1}. ${name}`).join('\n')}

## 出力形式（JSON）
{
  "slugs": {
    "カテゴリ名1": "english-slug-1",
    "カテゴリ名2": "english-slug-2"
  }
}`

    const response = await generateText({
      model: openai('gpt-4o-mini'),
      prompt,
      temperature: 0.1,
      maxTokens: 4000,
    })

    // JSON解析とクリーニング
    // ...
  }

  // 階層構造をデータベース形式に変換
  const categoriesToSave = []
  // ...

  return result
}

// 並列処理で施設を1件ずつ分類
const concurrencyLimit = 20 // 同時実行数
const results = []

for (let i = 0; i < facilities.length; i += concurrencyLimit) {
  const batch = facilities.slice(i, i + concurrencyLimit)

  const batchPromises = batch.map(async (facility) => {
    try {
      // シンプルなプロンプト（1施設のみ）
      const simplePrompt = `
施設名: ${facility.name}

以下の子階層カテゴリから、この施設に最も適切なものを1-3個選んでください：

${childCategories.map((cat, idx) => `${idx + 1}. ${cat}`).join('\n')}

条件:
- 施設名から判断してください
- 最大3個まで選択
- 信頼度も0.0-1.0で評価
- 分からない場合は空配列

JSON形式で回答:
{
  "categories": [
    {"name": "カテゴリ名", "confidence": 0.95}
  ]
}`

      const response = await generateText({
        model: openai('gpt-4o-mini'),
        prompt: simplePrompt,
        temperature: 0.1,
        maxTokens: 500,
      })

      // JSON解析と結果作成
      const parsedResponse = JSON.parse(cleanedResponse)
      const categories = parsedResponse.categories || []

      return {
        facilityId: facility.id,
        facilityName: facility.name,
        matchedCategories: categories.map((cat) => ({
          categoryName: cat.name,
          confidence: cat.confidence || 0.5,
          reasoning: `施設名「${facility.name}」から自動判定`,
        })),
        primaryCategory: categories.length > 0 ? categories[0].name : undefined,
      }
    } catch (error) {
      console.warn(`⚠️ 施設ID${facility.id}の分析エラー:`, error)
      return {
        facilityId: facility.id,
        facilityName: facility.name,
        matchedCategories: [],
        primaryCategory: undefined,
      }
    }
  })

  const batchResults = await Promise.all(batchPromises)
  results.push(...batchResults)

  console.log(`⚡ ${i + batch.length}/${facilities.length}件完了`)
}

# 最適化前（順次処理）
⏱️ 処理時間: 約3-5分/バッチ（50件）

# 最適化後（並列20件）
⏱️ 処理時間: 約30-60秒/バッチ（50件）

📊 処理結果サマリー:
   - 処理済み施設: 100,000件
   - 作成された割り当て: 142,000個
   - 平均信頼度: 0.847
   - 使用カテゴリ: 187個（子階層のみ）
   - 総処理時間: 約12時間
   - 1施設あたり平均割り当て: 1.42個
   - 分類成功率: 94.2%