本ブログは 【寄稿】AI民主化に向けた丸紅の取組 （丸紅株式会社）の続編です。 みなさん、こんにちは。総合商社を担当しているソリューションアーキテクトの林です。 前回のブログでは、 丸紅株式会社 デジタル・イノベーション部が内製で開発した社内生成 AI プラットフォーム「Marubeni Chatbot」の誕生から、7,500 人以上への展開、そして業務時間 25〜65% 削減という成果をご紹介しました。 あれから約1年半。丸紅グループの生成AI活用は、さらに大きく進化しています。前回のブログに引き続き、

なぜGoogle Workspaceは組織の力を引き出すのか Google Workspaceは、個人の力に頼るのではなくチーム全体の生産性向上を重視するGoogle独自の思想を体現しています。その本質は、単に個人の作業を効率化するだけでなく、従来の情報を送る・交換するやり方から、クラウド上で共有するコラボレーションの働き方へ、仕事のあり方そのものを根底から変える力を持つ点にあります。

はじめに 本記事は、先日開催された「RECRUIT TECH CONFERENCE 2026」から、アナリティクスエンジニアによる「レバレッジを生み出す

定義・導入メリットから実装戦略までを役立つ形で解説 第1章：データガバナンスとは？ 1-1. データガバナンスの定義 データガバナンスとは、「誰が、どのようなデータを、どのような状況で、どのような方法で利用できるか」を組織的に定義・統制するためのルール、プロセス、そしてそれらを支えるテクノロジーの包括的な枠組みです。 単にデータを「保管」することではなく、企業全体でデータを「資産」として捉え、その価値を最大化するための戦略的な取り組みです。データの品質、セキュリティ、アクセス権限、コンプライアンスなど、多

はじめに JANOG57 NOC Backboneチームでスクラムマスター的な動きをしていたhokkai7goです。 JANOGとはJApan Network Operators' Groupを意味し、インターネットに於 […]

はじめに こんにちは。株式会社エブリーの開発1部の村上です。 弊社ではClaudeを非エンジニアも含めた全社に展開しており、業務のあらゆる場面で生成AIの活用を推進しています。 弊社のデータ基盤は、昨年TreasureDataとDatabricksを併用していた構成からDatabricksに統一しました。（この移行の話は今週の 「第3回 Youは何しにDatabricksへ！？」 で「データ基盤をTreasureData + DatabricksからDatabricksへ統一する話」として弊社のデータエン

本記事は 2026 年 03 月 31 日 に公開された “ Enabling nested transactions in Amazon DynamoDB using C# ” を翻訳したものです。翻訳は Solutions Architect の嶋田 朱里が担当しました。 Amazon DynamoDB は、あらゆる規模の高性能アプリケーション向けに設計された、フルマネージド型のサーバーレス NoSQL データベースサービスです。この記事では、C# を使用して DynamoDB で ACID (原子性

TL;DR ML専門チーム以外でも様々なバックボーンを持つ人々がAI/MLに取り組むようになりました。 しかし、施策を実運用に乗せるためには、PoCからプロダクションシステムへ移行する必要があり、そこには独自の課題が存在します。 そこで、それらの課題を解決してボトルネックを解消し、全社のリソースを最大限に活用することで、AI/ML（機械学習）システムを社内で量産し、様々な施策をスピーディに実現できるように整えました。 背景・経緯 MLチームの紹介 こんにちは、株式会社バンダイナムコネクサスのデータ戦略部で

みなさん、こんにちは。AWS ソリューションアーキテクトの野間です。4 月は新年度のスタートということで、新入社員として新たにクラウドや生成 AI の世界に飛び込まれた方も多いと思います。そうしたみなさんが最新のトレンドや実践的な活用例をキャッチアップする一助として、このブログを日々の情報収集や学習に役立てていただければ幸いです。日本のお客様向けに、生成 AI の実用化を支援する各種プログラムや事例も増えてきており、「どのように始めるか」だけでなく「どうスケールさせるか」「どう安全に運用するか」といった観

Googleの提供する NotebookLM について紹介します。 現在のビジネスパーソンが直面している課題として、 情報の「質」ではない「量」の暴力 だと言われています。日々届く数十、数百のメール・チャットと添付ファイル、業務上確認が必要なドキュメント・Webサイトの数々。それらすべてを精読する時間は、物理的にもはや存在しません。かつては「資料を読む」という行為は美徳だった時代がありましたが、今では非効率作業の代表です。 NotebookLMは、この難問に対する回答となります。2026年になって、単なる

みなさん、こんにちは。ソリューションアーキテクトの杉山です。今週も 週刊AWS をお届けします。 4/14（火）にオンラインセミナー「 これから始める AWS のコンテナサービス活用 」を開催します。Amazon ECS や Amazon EKS をはじめとする AWS のコンテナ関連サービスの全体像をご紹介します。初めてコンテナを利用される方はもちろん、既にご利用中で最新機能をキャッチアップしたい方にもおすすめの内容です。ぜひ事前登録のうえご参加ください。 それでは、先週の主なアップデートについて振り返

1. はじめに こんにちは！NTTデータ ソリューション事業本部の@hua_wei_hanagiです。 近年、生成AIを活用したデータ分析の自動化ニーズが高まっています。 このニーズに応えるべく、ユーザーの追加指示を待たずに自ら考え、納得いくまで分析を繰り返してくれる「自律的に深掘りするデータ分析エージェント（以降、Deep Analysis型と呼ぶ）」の構想を設計しました。 しかし、これを実運用に乗せようとした際、「タスクの量が増えることに伴い、最終結果が出るまでの待ち時間が長大化してしまう」 というシ

本記事では、情報サービス産業協会（JISA）が主催する第4回技術コンテストの運営を題材に、不確実性の高いプロジェクトをどのように設計・運営するかについて整理したいと思います。 本記事は、技術コンテストの運営経験がある方や、イベント・プロジェクトをリードした経験のあるエンジニア・リーダー層を主な読者として想定しています。 JISA第4回技術コンテストとは 情報サービス産業協会（JISA）第4回技術コンテストは、各企業の若手エンジニアを対象に、総合的な技術研鑽の機会を提供することを目的とした取り組みです（詳細

本記事は 2026 年 4 月 2 日 に公開された「 Agentic AI for observability and troubleshooting with Amazon OpenSearch Service 」を翻訳したものです。 Amazon OpenSearch Service は、組織のオブザーバビリティワークフローを支えるサービスです。Site Reliability Engineering (SRE) チームや DevOps チームは、テレメトリデータを集約・分析する統合ビューとして活用

本記事は 2026 年 3 月 31 日 に公開された「 Announcing General Availability of AWS DevOps Agent  」を翻訳したものです。 本日、 AWS DevOps Agent の一般提供開始をお知らせします。AWS DevOps Agent は、いつでも対応可能な運用チームメイトです。インシデントの解決とプロアクティブな予防を行い、アプリケーションの信頼性とパフォーマンスを最適化し、そして AWS、マルチクラウド、オンプレミス環境をまたいでオ