こんにちは。CATエヴァンジェリスト・石井 優でございます。

はじめに こんにちは、データエンジニアをしているMaruです。 近年、BIやアナリティクスに加えて、AIを活用したデータ分析体験への関心が高まっています。 こうした環境では、データそのものだけでなく、指標や用語の意味を一貫して管理するセマンティックレイヤーの重要性も増しています。 https://www.nttdata.com/jp/ja/trends/data-insight/2024/0912/ 一方で、BI・AI・アナリティクスの各ツールは、それぞれ独自のセマンティックモデルを持つことが多く、ツール

はじめに こんにちは、タイミーでエンジニアをしている徳富( @yannkazu1 )です。 クラウドネイティブ会議2026 で発表された「 ペアーズ本番環境でのcgroup-aware化との死闘録 」がめちゃくちゃ面白かったので、自分の手でも体感したくなりました。 GoのGOMAXPROCSがコンテナのCPU制限を無視するって、実際に見るとどうなるのか？ 過剰並列のスループット低下って、数字で見るとどのくらいインパクトがあるのか？ スロットリングとスレッド数の関係を自分の目でたしかめたい！ 自分で動かして

こんにちは、IIJ Engineers Blog編集部です。 今回は、2025年10月～2026年3月に公開した73記事から、人気ランキングTOP10と編集部オススメ記事を紹介します。 なかにはすでに...

こんにちは！Core SRE の 織田 英吾です。 キャディはクラウドネイティブ会議にブーススポンサーとして協賛させていただきました。 この記事では2日間にわたるイベント期間中のブースの様子や聴講したセッションの感想をレポートします。 ブース紹介 まずは、キャディのブースについて紹介します！ ブースでは、 私たちが取り組む製造業にまつわる課題を知っていただくための「30秒図面捜索チャレンジ」を実施したり、おすすめの Claude Code Skills を共有するボードを用意しました。 以下が実際に寄って

はじめに こんにちは！メドレーDevRelの重田（ @Shige0096 ）です。 日本最大級の TypeScript カンファレンス『TSKaigi 2026』の開催がいよいよ目前に迫ってきました。2024年の産声を上げてから、回を重ねるごとにエンジニアの熱量が高まっている本イベントですが、今年は羽田空港という新たな舞台で2日間にわたり開催されます。 実は、メドレーは2024年の第1回目から毎年協賛をしています✨ 本年も、TypeScript コミュニティのさらなる発展を願い、Bronzeスポンサーとし

.NET 、 メインフレーム、および VMware ワークロード 向けの AWS Transform がリリースされたのは、今からちょうど 1 年前のことです。AWS Transform は、エンタープライズアプリケーションの大規模なモダナイズ専用に構築された初のエージェンティック AI サービスでした。re:Invent 2025 では、組織が AWS マネージド変換とカスタム変換を使用してコードを大規模にモダナイズし、変換することを可能にする AWS Transform カスタム が発表されました。そ

はじめに 企業レポートの生成を行うエージェントの作成を行う中で、レポート生成にかかる時間・費用・レポートの質の改善に取り組みました。 改善点を行う中で、Stateやプロンプトキャッシュ周りのAgent Platform（旧VertexAI）の仕様について深く知ることができたので記事にしています。 改善前の状況 企業レポートの作成を行うエージェントは以下のような流れで動いていました。 成果物はレスポンスに込め、次のエージェントにコンテキストとして渡し、エージェントは与えられたコンテキストとプロンプトを元に生

はじめに こんにちは。CyberAgent Dev PlatformでBucketeerのオーナーを ...

AIの利用拡大に伴いGPUの効率的な共有が求められる中、NVIDIAのMIG（Multi-Instance GPU）技術が注目されています。MIGは1枚のGPUをハードウェアレベルで複数の独立した「小さなGPU」に分割し、メモリ衝突や性能のばらつきといった課題を解決します。本記事では、MIGの基本概念、リソース分割の仕組み、そして推論APIサーバーや研究開発環境での具体的な活用例を交えながら、そのメリットと注意点を解説します。

はじめに Agent Toolkit for AWS の全体像 エージェントスキルとは 「動くこと」と「本番品質」のギャップ スキル = エージェント向けの「社内Wiki」 スキルの構造 スキルの種類 スキルの3つの入手方法 スキルの使われ方 必要なスキルだけを必要なときに読み込む（プログレッシブディスクロージャー） ローカル vs ランタイム検出、どちらを使うべきか（筆者の所感） プラグインとは（Claude Code / Codex 向け） MCP Server とスキルのワンインストールセット 3つ

おなかが痛くてもコーヒーは飲む、近藤恭平です。 前回は責任ある AI の原則・バイアス・透明性・人間中心の AI を整理しました。今回は、AI システムを守るためのセキュリティ・ガバナンス・コンプライアンスの実装方法を解説します。試験ガイドのドメイン5に対応した内容です。 AI システムを保護する ここで紹介するサービスは AI システムに限定されない、AWS 上のシステム全般に共通するセキュリティの基盤でもあります。AI の文脈では「トレーニングデータの保護」「モデルへのアクセス制御」「推論ログの監査」

おなかが痛くてもコーヒーは飲む、近藤恭平です。 前回は基盤モデルを活用したアプリ設計・プロンプトエンジニアリング・ファインチューニングを整理しました。今回は、AI を正しく・安全に使うための責任ある AI（Responsible AI）の考え方と、それを支える AWS サービスを解説します。試験ガイドのドメイン4に対応した内容です。 責任ある AI とは AI システムは「精度が高い」だけでは不十分です。出力が公平か、説明できるか、安全に運用されているか、これらを組織として担保することが求められます。 試

おなかが痛くてもコーヒーは飲む、近藤恭平です。 前回は生成 AI の基礎（FM・LLM・トークン・埋め込み・推論パラメータ）を整理しました。今回は、基盤モデルを実際のアプリケーションに活用するための設計・実装・評価に関する知識を整理します。試験ガイドのドメイン3に対応した内容です。 基盤モデルを使ったアプリ設計の考慮事項 FM の特性：大規模・ブラックボックス 深層学習の過程と学習の結果得られる基盤モデル（FM）には、以下の固有の特徴があります。 特性 内容 大規模なコンピューティング要件 FM のトレー

はじめに 「監視モニタリングのIaCとか机上の空論だろ。労力とリターンが見合わんわ」 …と思っていた時期が私にもありました（慣用句） 前回の記事 でも少し触れましたが、 AIエージェントの登場によってDatadog × Terraformのような監視モニタリングのIaCの実践が劇的に楽になり 、気づけば手動でポチポチとモニタリングの設定をする運用の方が限りなく非効率になってしまいました。 AIエージェントをどう利用するかという部分は、まだまだ過渡期であり皆さま試行錯誤中ではあると思いますが、 弊社SREチ