はじめに こんにちは、クラウドエース第三開発部のリュウセイです。最近は休日にパンケーキを焼きながら（表面はきつね色派）、AI エージェントと Agent Development Kit（ADK） をキャッチアップしています。 キャッチアップしていく中で、「Function calling（または Tool calling） 」という言葉を見かけることが多くありました。「Function calling（関数呼び出し機能）」 は名前だけ先行しがちで、仕組みが曖昧になりやすい概念です。 結論から言うと、Fun

「AIアシスタントに任せよう」、そんな言葉が日常的に使われる時代がやってきました。 例えば、PerplexityとPayPalが提携し、AIが「探す→比べる→支払う」までをつなぐエージェント型コマースを実装するとされ、個人の買い物体験がチャット完結に近づいています。また、2024年には企業のAI導入率が70%を超え、AIは単なる便利ツールから共に考え働くパートナー、同僚という位置にへと変化しています。 その背景には「LLM」「RAG」「Agentic」「MCP」「A2A」といった進化の階段があります。本記

Kia ora!  9 月 1 日、3 つのアベイラビリティゾーンと API 名 ap-southeast-6 を持つ AWS アジアパシフィック (ニュージーランド) リージョン の一般提供の開始をお知らせします。この新しいリージョンを利用することで、お客様は、ニュージーランドでワークロードを実行し、データを安全に保管しながら、エンドユーザーにさらに低レイテンシーでサービスを提供できるようになります。 新しい AWS アジアパシフィック (ニュージーランド) リージョンは、組織がニュージーラン

本記事は、2025 年 6 月 26 日に公開された Observing Agentic AI workloads using Amazon CloudWatch agent を翻訳したものです。翻訳はソリューションアーキテクトの鈴木が担当しました。 はじめに AI エージェントアプリケーションの採用が拡大し続ける中、これらのシステムの信頼性、パフォーマンス、さらには全体的なオブザーバビリティを確保をすることがますます重要になってきています。大規模言語モデル（LLM）により駆動され、様々なデータソース、A

はじめに こんにちは、クラウドエースの木村です。 Google Cloud の BigQuery ML にモデルの学習やチューニングを一切行わずに、時系列データの予測ができる TimesFM が登場しました。 この記事では、TimesFM の仕組みから、実際の SQL を使ったハンズオン、そして BigQuery ML のもう一つの予測モデル「ARIMA_PLUS」との比較まで、ざっくりと解説します。 ! 本記事で紹介する BigQuery ML の TimesFM は 記事執筆時点（2025/09/04

こんにちは、OSS よろず相談室の鹿島です。 今回は、DifyとAmazon Bedrockを連携させて、チャットボットとRAG（検索拡張生成）を構築する手順の3回目です。 【実践】Dify + Amazon Bedrockで、ゼロからチャットボットと RAG を作る① 【実践】Dify + Amazon Bedrockで、ゼロからチャットボットと RAG を作る② 【実践】Dify + Amazon Bedrockで、ゼロからチャットボットと RAG を作る③ 前回は、Dify環境の構築とAmazon

今日の競争の激しい産業環境において、建設機械、鉱山機械、工場設備などの産業機械メーカーは、製品の可能性を最大限に引き出す革新的な方法を模索しています。IoT を活用してこれらの機械をクラウドに接続することで、装置メーカーは実際の使用環境での装置の性能を可視化し、稼働パターンを理解し、繰り返し発生する故障モードを特定し、装置の改善と新たなサービス提供につながる最適化の機会を発見できます。機械からクラウドへの包括的な接続ソリューションの構築は複雑で時間のかかる作業となる可能性があります。ブログ「 AWS を使

こんにちは。LINEヤフーでVision&Language基盤モデル及び、AIモデルAPIの開発を担当している向山です。先日2025年7月29日から8月1日まで京都にて国内最大級の画像分野の学会、第2...

はじめにこんにちは、LINEヤフーで音声AIの研究開発を担当している三宅純平と木下泰輝です。私たちの所属組織「Speech and Acoustic AI部」では、音声認識（ASR）や音声合成（TTS...

はじめに さくらインターネットの平山です。2025年8月、OpenAI からオープンウェイト言語モデル gpt-oss-120b と gpt-oss-20b がリリースされました。 今回は、コンテナ型GPUクラウドサービ […]

帰納的な推論 と 発見的な推論(アブダクション) は、私たちがソフトウェア開発の現場/実務で（知らず知らずにでも）駆使している思考の形です（それどころか日々の暮らしでも使っています）。 それほど“自然な”思考の形ですが、どんな考え方で、どんなところに注意すると質の高い思考ができるのか、基本知識を押さえておくと実務のレベルアップにつながります。 ＜実務三年目からの発見力と仮説力　記事一覧＞ ※クリックで開きます 【第1回】見つけるための論理【連載初回、全文公開中】 【第2回】 “共通項”を見つけ出す 【第3

この記事は、AWS の SAP グローバル責任者の Sara Alligood と、SAP の AI プロダクトアンドパートナーマネジメント部門長の Kai M ü hlbauer 氏との共著です 2025 年の SAP Sapphire にて、Amazon Web Services, Inc. と SAP は、パートナーがお客様のリアルタイムなビジネス課題を迅速に解決するための生成系 AI アプリケーションとエージェントを構築できるよう支援する、新しい AI 共同イノベーションプログラムの開始を発表しま

はじめに これは「Cortex AnalystをLevel別に検証してみよう」シリーズの パート2 です。 本稿はLevel 3（JOIN 前提） の検証と、そこから得た 設計上の考慮事項の整理にフォーカスしています。 前回（Part 1）の要点 単表〜マルチターン（Level1・2）では、初期設定のままでも、正答率は約7割。 単表〜マルチターン（Level1・2）では、“セマンティック”を整えることで正答率が改善 https://zenn.dev/nttdata_tech/articles/b7e27f

はじめに Snowflakeを導入している組織の中で、「せっかくデータがあるのに、SQLが書けないから触れない…」という声を耳にすることはありませんか？ アナリストやエンジニアだけでなく、営業や企画などビジネスユーザも自分でデータを整形して取り出し、分析できたら便利なのに。 そんな課題を解決するヒントのひとつがSnowflake Cortex Analyst だと、私は考えています。 今回はその実力を、実際の検証シナリオを通じて探ってみたいと思います。 1.　Cortex Analystとは Cortex

こんにちは！ブログ編集チームの @_kimuson です。 我々はエス・エム・エス テックブログをはてなブログで運用しており、従来はGoogle Documentやesa *1 で下書きを書いて入稿をしていました。 今回、はてなさんが公開している Hatena-Blog-Workflows-Boilerplate を一部利用しつつ、我々のワークフローに合わせてカスタマイズすることでブログの入稿やブログの公開に伴う様々な作業を自動化することで記事管理がかなり楽になったので事例を紹介させていただきます！ これ