※本記事は、ホスト系COBOL処理系からオープン系COBOL処理系への移行検証を整理する連載の第4回です。 1. なぜデータ例外を独立観点としたのか データ例外は単なる異常系ではありません。 移行時に問題となるのは、 例外が発生するかどうか どの命令で発生するか 発生後の処理が継続するか停止するか 戻りコードやメッセージの違い です。 つまり、 例外の“存在”ではなく、“構造”が問題 になります。 2. 検証設計 2.1 検証軸 ステートメント軸 MOVE ADD SUBTRACT COMPUTE DIV

1. はじめに 最近、SC-100 をはじめとする Microsoft のセキュリティ資格と、Google Cloud の Professional Cloud Security Engineer を取得しました。学習を進める中で印象的だったのは、Microsoft Azure と Google Cloud が、同じようなテーマを扱っていてもセキュリティ設計の発想にはかなり違いがあるという点です。 特に違いが出やすいと感じたのは、「どこをセキュリティの境界と捉えるか」 と 「何を起点に設計するか」 の2つ

AI駆動開発、特に「仕様駆動開発（Spec Driven Development）」の実践的なアプローチを、1つの機能開発を例に解説します。AIの挙動を正確に制御するため、プロジェクトの憲章となる`AGENT.md`を作成。その後、複数のAI（Copilot/Claude/Gemini）に仕様書作成とクロスレビューをさせ、設計の密度を高める手法を紹介。この「設計の密度」が、AIによる実装の品質や手戻りの少なさに直結することを、具体的なTipsと共に明らかにします。

1. はじめに 本稿では、Kiro を用いた仕様駆動開発の検証を通じて、API 開発における生産性と品質の変化を評価した事例を紹介します。 実際の開発案件で実装された領域に対して、設計から試験工程までを Kiro で再実装し、従来開発と比較するという試みになっています。 2. 自己紹介 株式会社 NTT データ ソリューション事業本部 C&D 事業部に所属しており、パブリッククラウド領域の案件に取り組んでいます。 本稿の取り組みのような 生成 AI を活用した開発にご興味をお持ちいただけた方は、お

「社内のドキュメント、どこにあったかな？」「ストレージのあのファイルの内容、AI に聞けたら便利なのに…」 多くの企業が社内ナレッジをさまざまなストレージツール上に保管しています。蓄積された膨大な情報を効率よく活用するのは簡単ではありません。 Amazon Quick なら、組織に散らばり保存された社内ナレッジを AI エージェントに接続し、自然言語で質問するだけで必要な情報を引き出せます。 本ブログでは、Amazon Quick の AI エージェントを社内ナレッジへ接続する例として、Microsoft

以下の記事で、 AIセキュリティの概要 、および それに対するソリューション である 「Cato AIセキュリティプラットフォーム」 について簡単に 機能紹介 させていただきました。 Cato AI セキュリティプラットフォームとは？～AIセキュリティ課題を解決する新たなソリューション～ AI活用が進む中で、「シャドーAI」や情報漏洩、AI特有の攻撃など、新たなセキュリティ課題が企業で問題になっています。本記事では、AIセキュリティの主なリスクを整理するとともに、それらを解決するソリューションとしてCat

2026 年 4 月 28 日の「 What’s Next with AWS 」では、マット ガーマン (AWS CEO）、Colleen Aubrey (Amazon Applied AI Solutions SVP)、Julia White (AWS CMO) と OpenAI のリーダーたちがディスカッションを行い、両社とそのお客様がエージェントを使って事業の運営方法をどのように変えているかについて話し合いました。 このイベントでの主な発表のまとめをご紹介したいと思います。 Amazon Quick

G-gen の荒井です。当記事では、Google Cloud Next '26 で発表された Google Workspace に関する新機能について、公式の投稿記事およびセッションの内容をもとに紹介します。 G-gen Tech Blog では、現地でイベントに参加したメンバーや、日本から情報をウォッチするメンバーが、Google Cloud Next '26 に関連する記事を発信します。 blog.g-gen.co.jp はじめに Keynote Features Workspace Intellig

G-gen の杉村です。2026年4月に発表された、Google Cloud や Google Workspace のイチオシアップデートをまとめてご紹介します。記載は全て、記事公開当時のものですのでご留意ください。 はじめに Google Cloud Next '26 の開催 プロダクトの名称変更 概要 Looker Studio → Data Studio（和名: データポータル） Dataplex Universal Catalog → Knowledge Catalog Cloud Compose

はじめに タイミーでは、世界中で開催される技術系カンファレンスに無制限で参加できる「Kaigi Pass」という制度を活用し、8名がRubyKaigi 2026 in 函館に現地参加しました。 また今年はDay2に、タイミーから @ dak2 さんが "No Types Needed, Just Callable Method Check" というタイトルで登壇しました。 本レポートでは、参加したエンジニアが注目したセッションごとに、ポイントや得た知見をまとめてご紹介します。 各セッションごとに内容を整理

はじめに チューリングでは毎日、データ収集車両による走行データと走行実験による実験結果データが蓄積されていきます。私たちはこれらを可視化するツールに非常に力を入れて開発しており、充実した可視化ツールはAIモデルを開発するエンジニアにとってもデータ収集を担うドライバーにとっても多くの洞察と気付きを提供します。 本記事では、それらのデータ可視化実装の中から、走行動画と各種メトリクスを同期再生する「走行データビューア」を取り上げ、その実装事例と、Next.jsやMPEG-DASH、Databricks Lake

はじめに こんにちは。NTTデータ テクノロジーコンサルティング事業部の三浦です。 2026年4月にラスベガスで開催された「Google Cloud Next 2026」のSolution talkセッション「Building multi-agent orchestration: Key challenges and solution approaches」について共有します。 本記事の対象読者 AIエージェントの仕組みを理解したい方 LLMを業務システムに組み込みたい方 マルチエージェント設計に関心のあ

本ブログは、奈良市 AI・行革推進課 森 大輔 様、株式会社日立システムズ 山田 健太郎 様、アマゾン ウェブ サービス ジャパン合同会社 ソリューションアーキテクト 松本 侑也 の共著です。奈良市における個人番号利用事務系ネットワーク上での生成 AI 活用の取り組みについてご紹介します。自治体の個人番号利用事務系 (マイナンバー系ネットワーク) は、機微情報を扱うためネットワークが厳格に分離されており、生成 AI の活用は困難とされてきました。本ブログでは、ガバメントクラウド上の 個人番号利用事務系ネッ

NTTドコモビジネスが開発する日本語特化型AIガードレール「chakoshi」が、経済産業省・NEDO主催の懸賞金活用型プログラム「GENIAC-PRIZE」安全性領域で本審査2位を受賞しました。本記事では、chakoshiの概要と、単一構成から多層防御アーキテクチャへ進化させた技術的なポイント、そしてGENIAC-PRIZEでの取り組みについてお伝えします。 はじめに chakoshiとは GENIAC-PRIZEとは chakoshiの変遷 - 単一構成から多層構成への改善 - 単一構成の限界 リスク

G-gen の高宮です。当記事は、Google Cloud Next '26 in Las Vegas の 3 日目に行われたブレイクアウトセッション「 Accelerate CI/CD with coding agents 」のレポートです。 G-gen Tech Blog では、現地でイベントに参加したメンバーや、日本から情報をウォッチするメンバーが、Google Cloud Next '26 に関連する記事を発信します。 blog.g-gen.co.jp セッションの概要 ソフトウェア開発の加速と