Gender-API vs. ChatGPT：名前の性別はどちらで判定すべきか

この2つは実際には何なのか

Gender-API.com は名前データベース上の参照サービスです。観測された国ごとに分類された 9,124,598 件の名前、192 か国に対応しています。名前を送ると、性別・確率・その答えの根拠となるサンプル数が返ります。生成されるものは何もありません

ChatGPT も、ほかのあらゆる汎用言語モデルも、テキスト生成器です。「Sandra」が女性の文脈に現れることを知っているのは、学習テキストでその語がそう振る舞ったからです。これは実際に有用なシグナルで、よくある名前なら正しいラベルを返します。しかしポルトガルで何人の Sandra が女性だったかを保存する仕組みはアーキテクチャのどこにもありません。引用するものも、しきい値を置く対象も、監査するものもないのです

この1つの構造的な違いが、以下のすべての実務的な差を生みます

100万件の名前の性別判定はいくらかかるのか

マーケティング用の数字ではなく計算方法を示します。今日の料金でご自身で計算し直せます

API の場合： 参照1回が1 credit です。公開している最良のボリューム単価は1,000件あたり約 €0.35 なので、100万件はおよそ €349（税抜）です。開始前に分かっている固定額で、VAT 付きの請求書が出ます。買い切りパッケージの credit に有効期限はありません

LLM の場合： リクエストごと・再試行ごとに、入力と出力の両方でトークン課金されます。複数の名前を1つのプロンプトにまとめれば1件あたりの費用は下がりますが、バッチごとに指示文を送り直すことになり、長い名前や珍しい文字体系は短いものより多くのトークンを消費し、形式の崩れた答えは再試行分も費用になります。結果は見積もりであり、予算に書ける数字ではありません

公平に言えば、数千件程度なら汎用モデルは十分に安く、ここまでの話はどれも問題になりません。分岐点は規模とともに訪れます。しかもトークン価格が示すより早く訪れます。バッチ処理・再試行・出力検証まわりの開発は、参照エンドポイントに対してならそもそも不要な作業だからです

calculate 大量利用の料金を見る

すべての答えが自らの根拠を持っています

v2 エンドポイントへの1リクエスト：

POST https://gender-api.com/v2/gender/by-first-name
{ "first_name": "Sandra" }

{
    "input":  { "first_name": "Sandra" },
    "details": {
        "credits_used": 1,
        "samples": 464,
        "country": null,
        "first_name_sanitized": "sandra",
        "duration": "436ms"
    },
    "result_found": true,
    "first_name": "Sandra",
    "probability": 0.85,
    "gender": "female"
}

生成された答えには決してない働きを、2つのフィールドが担います。「samples」はその答えが何件の観測に基づくか、「probability」はそのうち女性だった割合です。この2つがあれば自分で基準を決められます。十分なサンプル数があり 0.9 を超える結果は採用し、残りは手動確認に回す。データベース全体に対して1つの確信度を受け入れる必要はありません

詳細な仕様：v2 API ドキュメント

GDPR と、送信した名前が実際にどこへ行くのか

実在する顧客の名前は個人データです。これは注釈ではなく、調達の判断事項です。はっきり示せることは次のとおりです

• 当社はドイツの企業です。すべてのサーバーはドイツにあり、データは EU 内で処理されます
• データ処理契約はアカウントから請求できます
• サーバーログには送信された名前が含まれ、会計上の理由で14日間保管されます
• アップロードされた CSV および Excel ファイルは暗号化して保存され、10日後に削除されます
• すべての購入で正式な VAT 付き請求書が発行され、EU の VAT 番号も正しく処理されます

あるモデルベンダーが同じデータに使えるかどうかは、御社のデータ保護責任者が判断することです。ただしそれはより長い検討であり、ベンダーが再委託先を変えるたびに問い直す必要があります。当社の回答は プライバシーの概要 にあります

最良の構成は両方です：モデルに API を呼ばせる

すでに LLM の上に作っているなら、選ぶ必要はありません。最近のモデルはツールを呼び出しますし、性別の参照は理想的なツールです。範囲の狭い問いで、答えは事実であり、しかもモデルはそのデータを持っていません

MCP に対応したアシスタントやエージェントがデータベースを直接照会できるよう、ホスト型の MCP サーバー を公開しています。ツールは query_first_name、query_full_name、query_email、get_country_of_origin、get_statistics です

独自のツール定義向けには、9言語（PHP, Python, Node, Java, Go, Ruby, Rust, Perl, .NET）の公式クライアント、OpenAPI 記述、そして /skill.md にコーディングアシスタントへそのまま渡せる実装ガイドがあります

この役割分担こそが要点です。何をするかはモデルが決め、何が正しいかはデータベースが決めます