はじめに 「導入したAIの予測精度をさらに引き上げたい」「AIの判定をより安定させて、現場のビジネスに深く定着させたい」――。AIモデルを開発・提供する当社にも、ビジネスを前進させるためのこうした前向きなご相談が頻繁に寄せられます。AIのみならず、データを活用したプロジェクトを成功に導き、期待以上の投資対効果（ROI）を生み出す最大の鍵。それは、AIに入力される 「データ」の品質 です。私たちAIベンダーは、日々モデルのアルゴリズムを磨き上げ、最高精度のエンジンを開発しています。 しかし、その最先端のAI

LIFULL HOME'S不動産査定 ・ ホームズマンション売却 の開発をしている、ジョン ヨンソクです。 今、私たちのエンジニアリングの世界は大きな転換期にあります。生成AIの登場によって、開発のスピード感や求められるスキルセットが劇的に変化しているからです。 そんな中、私はチーム内の「生成AI活用」を促進するための活動に取り組みました。今回は一人のエンジニアとして、チームと向き合いながら、どのようにメンバーとAIの距離を縮めていったのか、その試行錯誤のプロセスを綴ります。 一方的な「レクチャー」を避け

みなさん、こんにちは。ソリューションアーキテクトの稲田です。 本記事は、三菱電機グループの社内 AWS ユーザーグループ「MAWS（Mitsubishi AWS User Group）」シリーズの第 3 弾です。 第 1 弾 では一人のエンジニアの小さな行動から 300 人を超えるコミュニティへと成長した誕生ストーリーを、 第 2 弾 では実務への展開や経営層との対話、次世代への継承といった MAWS の進化をお伝えしました。 2026 年 3 月 6 日、755 名に成長した MAWS のリーダーたちが

はじめに チューリングのVLAチームでエンジニアをしている横井です。経済産業省およびNEDOが推進するプロジェクト「GENIAC」第3期の支援のもと、自社で開発したVLM「Heron」を土台に将来の走行軌跡を出力する 自動運転VLAモデル「DriveHeron」 をチームで開発しました。本記事では、DriveHeronを自動運転システムに統合し、リアルタイムで車両を制御できるようにした取り組みを紹介します。 https://youtu.be/bv90MHM74IY E2EモデルからVLAモデルへ 自動運転

はじめに こんにちは、NTTデータに勤務する一人のオジサンです。 これまでC/C++言語を使って、がっつりとポインタやら参照やらに向き合いながら、プログラムを書いてきました。構造体と仲良くなり、クラスに振り回され、newとdeleteに責任を持つ。そんな人生でした。 しかし時代は変わり、AIだ、データサイエンスだ、機械学習だと騒がれる中、「とりあえずPythonに触れないとまずい」という危機感に駆られて、Pythonの世界へ足を踏み入れた。。。 そんなオジサンの独り言です。 勘違いがあっても、大目にみてく

ChatGPTの登場以降、多くのWebサービスやアプリに「AI機能」が搭載されるようになりました。現在、生成AIをアプリケーションのUIに組み込むアプローチには、次のような例があります。 対話型（Chatbot） プロンプトビルダー型（Parametric UI） インライン補完型（Ghost Text） コンテキストメニュー型（Contextual Actions） キャンバス型（Artifacts / Workspace） ジェネレーティブUI型（Generative UI） 本記事では、これら6つの

はじめに Amazon Connect の AI エージェントを構築する際、開発者はお馴染みの課題に直面します。それは、厳しいスケジュールの中で複雑なインテグレーション要件に対応しなければならないことです。複数のバックエンド API の接続、堅牢なエラーハンドリングの実装、リアルなテストデータの生成、複数サービス間のデバッグ、これらすべてをコード品質と一貫性を保ちながら進める必要があります。10〜15 の API を統合する概念実証 (PoC) では、経験豊富なチームでも 2〜3 週間かかることも珍しくあ

Elastic Inference Service (EIS) を使った「ベクトル検索」と「生成AIによる回答（RAG）」について、全2回にわたって解説します。 第2回となる今回は「実践編」として、EIS を通じてモデルを呼び出し、「ベクトル検索」と「生成AIによる回答（RAG）」を実際に動かしてみます。 目次 前提条件 テストデータ、各種スクリプト 検索データのアップロード インデックスとパイプラインの作成 1. インデックスの作成 2. マッピングの定義 3. エイリアスの作成 4. インジェストパイ

みなさまこんにちは、天野です。 私は前職のサイボウズでスクラムを導入し、同社初のスクラムマスターとして長年活動してきました。社内のアジャイル導入の過程でさまざまな職能のメンバーと関わり、特に品質については強い関心を持って取り組んできました。プロダクションレベルの品質をいかに素早く確立するか、スプリントの中でどう品質を満たすか、といったテーマです。 その中でQAのメンバーとも多くの時間をともに過ごし、品質や人材の成長について考えてきました。後年はマネージャーとしてQAメンバーのキャリアを支援したり、QAから

こんにちは、プロダクト部 部長の稲垣です。（自己紹介やこれまでのキャリアについて↓をご覧ください。） tech-blog.rakus.co.jp デザイナーとプロダクトマネージャー（PdM）が同じ組織になってもうすぐ1年が経ちますので、その挑戦、苦労、変化について書こうと思います。ラクスは3月末決算のため4月には来期に向けて取り組みを書こうと思いますが本記事は厚めに振り返ります。 組織図を書き換え、デザインを解放する なぜ統合が必要だったのか：「上流×一次情報×検証」が欠けると、協働は痩せていく デザイン

はじめに はじめまして。NTTデータでデータサイエンティストを務めております池野です。 本記事では、Databricks Assistantを活用して需要予測モデルを構築してみた内容をご紹介します。 内容に少しボリュームがあるため、前編・後編の2部構成でお届けします。 前編：背景・コンセプト整理からEDA（探索的データ解析）、需要要因の仮説出しまで 後編：特徴量設計、ベースライン構築、機械学習モデル構築、振り返りまで 需要予測はビジネスインパクトの大きいテーマですが、実務では前処理やEDA、特徴量設計など

はじめに こんにちは。グローバルプロダクト開発本部 グローバルアプリ部 アプリ基盤ブロックの桂川です。普段はZOZOFIT・ZOZOMETRYなどの計測アプリのAndroid開発に携わっています。本記事ではZOZOFITのAndroidアプリで取り組んだMVVMからMVIへの移行と、独自MVIライブラリの開発について紹介します。なお、独自MVIライブラリを使ったMVIアーキテクチャへの移行は2024年9月に開始しました。 目次 はじめに 目次 用語 ZOZOFIT MVVM SSOT UDF MVI 私た

DevOpsグループCREチームのy.s.です。 2026年2月26日にFindy様主催の 技術選定を突き詰める Online Conference に参加してきました。 技術選定という行為そのものを深掘りするカンファレンスで、登壇者それぞれが「選ぶ」という行為の難しさと向き合い方を語っていたのが印象的でした。 本記事ではRoom Aの7セッションに絞ってレポートします。 技術選定の不確実性に向き合うためのアーキテクト思考 米久保 剛 (@tyonekubo) / スライド 技術選定が難しい理由 要件とは

はじめまして。セーフィー株式会社の池淵峻一です。2025 年 3 月より AI Studio チームで、バックエンドの開発を担当しています。 Safie AI Studio は、セーフィーのカメラ映像に対して AI 解析を導入・開発できるプラットフォームです。人検知や車番認識といった映像 AI ソリューションを、35 万台以上のカメラに展開できる基盤を提供しています。私はこのプラットフォームのバックエンド——API サーバー、データベース、非同期ワークフローなどの開発に携わっています。 この記事では、ML

Elastic Inference Service (EIS) を使った「ベクトル検索」と「生成AIによる回答（RAG）」について、全2回にわたって解説します。 第1回となる今回は「準備編」として、環境構築からクラウド連携までを詳しく説明します。 目次 Elastic Inference Service (EIS) とは？ 本連載で実現できること システム構成イメージ 動作確認環境 サンプルコード ベクトル検索のための準備作業 1. 環境変数の準備 2. コンテナの起動 3. Elastic Cloud