1. はじめに 生成AIやAIエージェントを業務で活用する動きが広がる中で、最近は「AIエージェントをどう作るか」だけでなく、AIエージェントをどう本番運用するかが重要なテーマになってきています。 PoCでは、LLMにツールを呼び出させたり、RAGと組み合わせたりすることで、比較的短期間で動くものを作ることができます。 一方で、本番利用を考えると、次のような課題が出てきます。 エージェントをどこで安全に実行するのか ユーザーやエージェントの認証・認可をどう扱うのか 外部SaaSや社内APIへのアクセス権限

1. はじめに 生成AIやAIエージェントの活用が広がる中で、最近は「AIエージェントをどう作るか」だけでなく、AIエージェントをどう安全に業務へ組み込むかが重要なテーマになってきています。 従来の生成AIセキュリティでは、プロンプトインジェクション、ハルシネーション、不適切な出力、機密情報の漏えいといった、モデルの入出力に関する論点が中心でした。 しかし、AIエージェントでは状況が少し変わります。 AIエージェントは、単に回答を生成するだけではありません。外部APIを呼び出し、SaaSにアクセスし、デー

Elastic Stack（ELKスタック）を導入する際、多くのエンジニアが最初に頭を悩ませるのが「データの収集・加工（前処理）に何を使うか」という問題です。 かつては「前処理といえばLogstash」の一択でしたが、Elasticsearchに  Ingest Pipeline  が実装されて以降、その手軽さとパフォーマンスから強力な選択肢となっています。 本記事では、LogstashとIngest Pipelineのアーキテクチャの違い、機能面での優劣、そして「結局どちらを選ぶべき

注意 本記事は、実際のSplunk本番環境を使った移行試験ではありません。Splunkのsaved searchエクスポートを想定したダミーJSONを使い、Automatic Migrationの仕組み、操作、結果の読み方を確認した検証です。 目次 はじめに 最初に知っておきたい用語 LLM ELSER ES|QLとEQL Splunk saved search Splunk CIMとElastic ECS 必要条件と検証環境 必要条件 Match to Elastic prebuilt rules」をO

ビルド（Build）機能とは Googleスプレッドシートの「ビルド（Build）」機能とは、サイドパネルに統合された生成AI「Gemini」に対し、日本語のプロンプト（指示文）を入力するだけでデータ収集、フォーマットの最適化、複雑な数式やグラフの追加、さらにはダッシュボードの構築にいたる一連の作業を、一括で自動生成・実行できるシステムです。

はじめに こんにちは。NTTデータでデータサイエンティストを務めております@tamurayuc20ndです。 本記事では、DataRobot社が提供するAIアクセラレータの一つである「MLflowエクスペリメントの追跡」を題材に、PapermillによるNotebookの自動実行と、MLflowによる実験管理の仕組みを解説します。 単にテンプレートを動かすだけではなく、自分のユースケースに合わせてどこを修正すればよいかという観点で整理している点が本記事の主眼です。 Notebookベースで機械学習の試行錯

はじめに こんにちは、データシステム部MA推薦ブロックの佐藤（ @rayuron ）です。私たちは、主にZOZOTOWNのメール配信のパーソナライズなど、マーケティングオートメーションに関するレコメンドシステムを開発・運用しています。 以前、テックブログで工数やAI活用による工数削減を計測する仕組みを、タスク管理ツールの GitHub Projects で構築する方法をご紹介しました。 前回の記事 が計測の仕組みの作り方を扱ったのに対し、本記事では仕組みを1年間運用して得られた結果とその考察、そして今後の

G-gen の福井です。自然言語でデータを分析できる BigQuery Conversational Analytics について、回答精度を高める手段を徹底解説します。 はじめに 当記事の概要 BigQuery Conversational Analytics とは データエージェントと回答精度 回答精度向上の考え方 回答精度を決めるレイヤー構造 Google が推奨する積み上げの順序 土台となるデータとナレッジソース スキーマ設計とデータ整形 ナレッジソースの絞り込み 構造化コンテキストの整備 テーブ

みなさん、こんにちは。ソリューションアーキテクトの吉川です。FIFA ワールドカップ 2026 がいよいよ佳境を迎えていますね！先月号では「さあ、キックオフです！」とお伝えしましたが、決勝トーナメントの熱戦が続く中、もうひとつの熱い戦いの結果をお届けします。そう、6 月 25-26 日に幕張メッセで開催された AWS Summit Japan 2026 です。製造ブースには多くの方にお越しいただき、大盛況で幕を閉じました！今月の「月刊 AWS 製造」では Summit 特集として、製造ブースの展示レポート

はじめに 「50万円以上の申請はいくつありますか？」 「承認済みの購買申請を一覧表示してください」 「今月申請されたデータを確認したい」 このような業務データの確認を、毎回SQLで行うのは手間がかかります。特に、SQLに慣れていない利用者にとって、データベースに蓄積された情報を自由に活用することは簡単ではありません。 本記事では、Oracle Alloy環境上のAutonomous DatabaseとSelect AIを利用し、業務テーブルに対して自然言語で問い合わせできるデータ分析アプリケーションを試作

1. はじめに Claude Cowork や Claude Code は、調査、ファイル操作、データ分析、資料作成、コーディング、テスト、レビューといった作業を Claude に委任できる AI エージェント体験を提供します。 一方で、企業で利用する場合に重要なのは「何ができるか」だけではありません。プロンプト、ソースコード、生成物、監査ログ、コストなどをどう管理するかが重要になります。 本記事では、Claude Cowork や Claude Code を Amazon Bedrock 経由で利用する

リクルートのデータ推進室長 野村が自ら聞き手となり、現場の最前線で試行錯誤を続けるスペシャリストたちの「手の内」を紐解く連

1. はじめに AWS（Amazon Web Services） のハンズオンを試す際、これまでは個人の AWS アカウントを用意し、クレジットカードを登録し、利用後にリソースを削除する必要がありました。 もちろん、実務で AWS を扱ううえでは、アカウント管理や課金管理、IAM 権限、リソース削除の考え方を理解することは重要です。一方で、AWS を学び始めたばかりの方や、社内勉強会・顧客向けワークショップで複数人に環境を触ってもらう場合、事前準備や削除漏れへの不安がハードルになることもあります。 そのよ

本ブログは ハイテクインター株式会社 様と Amazon Web Services Japan 合同会社が共同で執筆いたしました。 みなさん、こんにちは。ソリューションアーキテクト 伊勢田氷琴です。 地方都市の中心市街地活性化は、多くの自治体が直面する共通の課題です。従来、通行者数の調査は単発的に実施されることが多く、年間を通じた傾向把握や詳細な属性分析が困難でした。このブログでは、ハイテクインター様が開発した VIX（Video Information eXchange）クラウドと AI カメラを活用し

1. はじめに こんにちは、スタンバイでデータエンジニアを担当している権藤です。 私が所属する Data Platform Group では、データ基盤の開発・運用・保守を担当しています。 今回はデータ基盤の移行について、計画〜実行までの過程を紹介していきます。 2. 移行の背景と計画 移行前のアーキテクチャの問題点 当時開発・運用していたデータ基盤について様々な課題が発生したため、リプレイスすべきだろうという話が挙がりました。 (以下、旧データ基盤と呼びます) 旧データ基盤の構成図は以下になります。 移