はじめに ジーニーグループ、CATS株式会社の開発部部長をしております前田です。 ジーニーグループではJAPAN AI株式会社を筆頭に AI 活用を猛烈に推進しておりまして、それはグループ内においても例外なく、AI を用いた生産性改善、開発・運用、セールスやマーケティング活動などへ幅広く積極的に活かされています。 さて、CATS株式会社ではエンジニア組織の生産性向上に向けて Findy Team+ の利活用をしておりまして、大変ありがたい事に先日インタビュー記事を掲載頂きました。 「見える化」により自発的に改善できる組織へ。「思いやりPR」文化を育んだCATS株式会社の組織改革とは？

企業の採用面接を自動化する「AI面接官」開発の裏側：ハッカソン優勝プロジェクトの技術的挑戦 みなさん、こんにちは！JAPAN AI リサーチ研究チームの JIAQI ZOU です。先日開催された社内 AI エージェントハッカソンで、私たちのチームが開発した「AI 面接官」が、ありがたいことに優勝することができました！チームメンバーの頑張りと、皆さんの応援に心から感謝しています。 今回は、この「AI 面接官」がどのようにして生まれたのか、開発の背景や私たちが直面した技術的な挑戦、そしてその解決のためにどんな工夫をしたのか、エンジニア視点も交えながらご紹介したいと思います。 図：AI面

はじめに こんにちは。営業管理ツールGENIEE SFA/CRMのプロダクトデザインを担当しています、SAです。 GENIEE SFA/CRMは営業業務の効率化と生産性の向上を支援するツールです。 私たちプロダクトデザイナーは、優れたUIUXデザインを提供するために以下の3つの指針を設定しています。 画面遷移を少なくすること 一覧性を高めること 直感的な操作が可能なUI これらの実現による生産性と効率化を目指し、日々邁進しています。 業務システムにおけるUI改善について、私たちがどんな事を考えて設計しているかは、是非下記記事もご覧ください！ https://zenn.dev/ge

GENIEEの技術進化の軌跡：オープンソースから最新技術スタックまで こんにちは、GENIEE歴14年目の経営情報システム開発部部長をしていますYinoueです。（今は人事部で採用も兼務しています）。GENIEEはこの春16期目に入り、提供しているプロダクトは20を超えました。今回は、そんなGENIEEの技術の遷移についてお話しします。GENIEEは、広告技術とマーケティング技術の両方で多くの進化を遂げてきました。その過程でどのような技術選定が行われ、どのようにシステムが進化してきたのかを詳しく見ていきましょう。 初期のLAMP環境とオープンソースSSP GENIEEの初期段階で

はじめに こんにちは。GENIEE CHAT機能開発チームリーダーの渡邉です。 私たちのチームでは、Goを使用してプロダクトのバックエンドを構築しています。その開発をする上で、単体テストの保守性に関する以下のような問題が浮上することがあります。 テストコードの修正に多くの時間を取られる 実装の些細な変更でテストが失敗する テストの実行に時間がかかり、開発効率が低下する 本記事では、これらの課題を解決するアプローチの一つとして、モックを使用した「壊れにくい」単体テストの実装例をご紹介します。 ここで言う「壊れにくい」とは、内部実装への依存が少なく、機能の本質的な変更以外ではテストが

1：はじめに お世話になっております。ジーニーのサーチ事業部でPdMをしているyasuと申します。 私が所属している部署は、事業部の名前に「サーチ」とあるように検索エンジンやレコメンドエンジンの企画、開発、販売を実施しています。その中でも私は主に検索エンジンやレコメンドエンジンを活用した企画、お客様サイトに導入する際の技術的なフォロー、運用フェーズに入ったお客様に対して効果測定を行いサイトグロースに向けた課題の解消や提案を進めております。 今回寄稿させていただくことになりました、生成AIを使った特別な辞書であるAI辞書について、紹介させていただきます。こちらの元ネタは、お客様からいた

はじめに こんにちは、株式会社ジーニー で、GENIEE SFA/CRM を開発している柴山です。 今回は、来期から新しくQA/QCチームを立ち上げるために整理した情報を共有させて頂きます。 AI生成によるイメージ画像(写っている資料に意味はございません) なぜ今、QA/QCチームの構築が必要なのか 皆さん同様、私のチームが直面している課題の一つに 安定・安心の品質提供 というテーマがあります。事業成長に合わせたスピード重視の開発サイクルの中で、品質をいかに担保するかが大きな課題となっています。 その中で、私のチームでは過去1年間で以下のような課題に直面していました： 本番環

こんにちは、GENIEE CHAT機能開発チームリーダーの鎌原です。 GENIEE CHATでは現在、管理画面のリニューアルプロジェクトが進行中です。 デザインそのものもモダンに変わっていますが、それ以上にライブラリやディレクトリ構成などが大きくブラッシュアップされました。 本記事では、この移行のプロジェクトの概要と気をつけたポイントや学んだこと・反省点等をご紹介させていただきたいと思います。 移行プロジェクトの概要 移行前の管理画面には主に2つの課題がありました。 1. 脆弱性の更新対象のパッケージが多く、手間がかかる 弊社ではプロダクトの脆弱性を定期的に確認して、都度対応

ジーニーグループ、株式会社ソーシャルワイヤーのCTOを務めます中村と申します。 ジーニーグループではAIの活用が、生産性の向上・利用ユーザーのUX向上・社員の満足度向上に必要不可欠となっておりまして、新しいツールを導入しております。 上の図に記載されているようなツール群は私自身が使っており、またチームでも利活用を広げようとしているものばかりなので、参考になれば幸いです。 Gemini 2.0 Geminiは様々な業務で使える汎用性の高いAIです。何か始めるときには一番はじめに聞いてみるのが良いです。低コストで運用できるので気軽に聞きやすいのが大きなメリットです。 Claude

ジーニーのCTO、孟です。 先日、vLLMを使用したDeepSeek-R1の動作記事を書きましたが、vLLMは速度が速い一方で、個人用途におけるメモリ使用率に関してはOllamaの方が適していると感じました。 そこで今回は、ローカル環境で32BサイズのDeepSeek-R1モデルを動かす方法について、記事として共有したいと思います。 DeepSeekの公式APIを使用する場合、オプトアウトが明記されていないとデータの安全性に懸念が生じるため、DeepSeek-r1をローカル環境で構築することでデータを海外に送ることなく、セキュアな環境を整えることを目的としています。弊社ジーニーではお客様

ジーニーのCTOの孟です。 deepseek-r1の性能詳細については説明を割愛させていただきます（近頃はGPT-4oを超える性能を持つLLMが自宅環境でも構築できるようになり、恐怖さえ感じますね...）。 RAGやアプリケーションの研究用として、OpenAIのChat Completionsと互換性を持つFastAPIサーバーを書いてみました。 ※DeepSeekの公式APIを使用する場合、オプトアウトが明記されていないとデータの安全性に懸念が生じるため、deepseek-r1をローカル環境で構築することでデータを海外に送ることなく、セキュアな環境を整えることを目的としています。弊社ジ

あけましておめでとうございます。 ジーニーのCTO、孟でございます。 最近、Deepseek-V3がトレンド入りしており、GPT-4に近い性能を持ちながら、100万トークン単位でGPT-4が2.5ドルに対し、Deepseekは0.27ドル（2月までのキャンペーン中は0.14ドル）となっております。これにより、Deepseekは約10分の1のコストで同等の性能を提供しているとのことです。 データのオプトアウト（optout）ができない限り、弊社のプロダクトレベルでDeepseekを利用することは難しいと考えております（AIコーディングも含めてNGとさせていただいております）。 しかし、個人

GENIEE RECOMMENDでインフラとバックエンドを担当している新卒2年目の櫻井です。 本記事では、GENIEE RECOMMENDにおける機械学習パイプラインの導入とVertexi AI Pipelinesについて紹介します。 特に、Kubeflow Pipelinesを用いた柔軟なパイプラインの実装について説明します。 GENIEE RECOMMENDと推薦システム GENIEE RECOMMENDは、売上順やPV順など画一的なロジックのみならず、ユーザ一人ひとりの行動をAIが学習・分析し、独自のロジックによりユーザの好みにパーソナライズされた商品提案サービスです。 推薦

みなさん、こんにちは！Japan AIで音声認識MLモデルの製品開発に携わっているCalvin Leungです。先日、次世代の働き方を革新する製品のアイデアを競う社内ハッカソンに参加し、私の開発した「会議🤖」がベストプロダクト賞を受賞しました！今回は、この製品のアイデアと開発背景、そして直面した課題についてご紹介させていただきます。 ポイント Japan AIでの日常業務から生まれたアイデア リアルタイムAI会議支援 社内ハッカソンでの実証実験に成功 現在、会議🤖 １号への進化を目指しています 開発の背景 日々の業務の中で、会議中により多くのコンテキストが必要だと感じることが

はじめに Genieeでは、この記事の執筆時点で、年間6万円までの書籍購入補助があり、 社員は、成長のために積極的にこの制度を活用しています。 社内で働くエンジニアにとっても、 知識を広げる手段の一つとして、評判の良い福利厚生のひとつです。 私たちのチームでも、この書籍購入補助を有効活用し、 チーム全員で取り組む「読書会」の企画・実施に取り組んでみました。 試行錯誤の末、7ヶ月間にわたってこの取り組みを継続し、 ついに1冊の書籍を全員で読み切ることができました。 この記事では、実際に読書会を行って感じた効果や、 進め方の具体例、そして長く続けるためのポイントを、私の体験談を交えてお伝

TL;DR AWS の ECSコンテナのログをBigQueryに転送する タスク定義に FireLens のサイドカーコンテナを設定 Workload Identity 連携を使用して、GCPの認証情報をイメージ内に含めないように工夫 はじめに 初めまして。株式会社ジーニーの GENIEE CHAT開発チームのマネージャーを担当しています。 GENIEE CHATでは各サービスのログをBigQueryに保存しており、調査や分析を行う用途として使用しております。 今回は、n番煎じですが ECSのコンテナログを BigQuery に転送する方法に関して調査と検証を行ったので、対応

こんにちは。GENIEE CHAT 開発チームリーダーの渡邉です。 今回は、「社内勉強会を少人数でおこなう理由と工夫」をテーマに、弊社の社内勉強会の実施例をご紹介します。 はじめに 先日、弊社の開発チームで「今日から開発に活かせるGo言語のTipsを学ぶ」というテーマで社内勉強会を行いました。Go言語はGENIEE CHATのバックエンドの大部分で使用しているため、Go言語に関する理解が開発全体の底上げにつながると考えています。 勉強会で参考にした書籍はこちらです。 https://book.impress.co.jp/books/1122101133 この書籍は、「失敗から学んだ知

こんにちは、JAPAN AIマーケティングチームEMの東と申します。 今回は8月にJAPAN AI事業部で開催した1日AIハッカソンで作成した、Slackのスレッド要約botについて紹介します。 ハッカソンでは「自分たちの業務効率を向上させるAIツールの開発」を目標に、エンジニア/プロダクトマネージャー/CSなど合わせて30名程度が参加し、個人またはチームでAIアプリ開発に取り組みました。(時間も限られていたので、私はチームではなく個人で参加しました。) 実装したアプリの概要 今回は、Slackのスレッドの内容を要約してくれるbotを実装しました。長いスレッドの途中でメンションされる

GenieeのCTO 孟です。 最近SAM2の可能性を模索したいと思いまして、 https://github.com/facebookresearch/segment-anything-2 SAM2に画像とpositionの座標をセットでinputさせる必要があって、なかなかdebugしづらいなと思って、 Claude 3.5 Sonnetを用いて、debugしやすくするようにツール群を1時間程度で作ってもらいました。 まずgradio.pyのコードから： import gradio as gr import requests from PIL import Image import n

GenieeのCTO孟です。 だいぶ前から生成AIを用いた開発効率を上げる方法を模索してきました。 社内ではGitHub Copilotの導入は比較的成功したかなと思います。 Copilotだけでもコードの補完まではしてくれて、とても快適です。 しかし、チャットで指示するだけで開発をしてくれるまでには至りませんでした。 Claude 3.5 Sonnetがリリースされた後、思った以上に凄かったので、自分のお気に入りの使い方をいくつか紹介したいと思います。 なぜClaude 3.5 Sonnetが良いのか？ LLMの良さを測定するための基準は多数ある中、Claude 3.5 Sonnetの