2026 年 9 月 21 日週を表現するテーマが 1 つあるとすれば、「選択」ではないでしょうか。フロンティアモデルが次々と生み出される中、関心はもはや「モデルがどれほど賢いか」だけではなくなり、「このコストで、このレイテンシーで、このステップに合うモデルはどれか」になっています。 その関心に応えるモデルが、ここ数日間にわたって Amazon Bedrock に導入されました。知能と効率の対比曲線に 2 つの新たな選択肢を提供する OpenAI の GPT-6 Sol と GPT-6 Luna 、および

本ブログは 2026 年 2 月 9 日に公開された AWS Blog “ Automated Reasoning checks rewriting chatbot reference implementation ” を翻訳したものです。 本日 (2026 年 2 月 9 日)、 新しいオープンソースのサンプルチャットボット を公開します。このサンプルでは、自動推論チェック (Automated Reasoning checks) のフィードバックを使って、生成されたコンテンツを反復的に改善し、確認のた

本ブログは 2025 年 10 月 31 日に公開された AWS Blog “ Build reliable AI systems with Automated Reasoning on Amazon Bedrock – Part 1 ” を翻訳したものです。 規制産業の企業では、すべての AI 応答が定められたポリシーとドメイン知識に準拠していることを、数学的な確実性をもって示すことがしばしば求められます。こうした業界では、AI 出力の統計的なサンプルだけをテストしてコンプライアンスを確率的に主張する従

目次 はじめに 作ったもの 誰のための記事か 1. 完成形を先に見る 地名では検索できない。それは意図的です 2. GIS の言葉と Elastic の言葉 3. 設計の原則：数字と事実は Elasticsearch、言葉は LLM 4. 部品の紹介 5. 属性の引き継ぎの仕組み 5-1. まず「ツール」とは何か 5-2. ツール 1：質問に近い内容の碑を探す 5-3. 「構造化された属性」とは 5-4. ツール 2：選んだ種別で避難場所を探す 5-5. 全体の流れ 5-6. 属性を使う理由と、その限界

この記事の対象者 コーディングエージェントをローカルで構築したい方 GPU環境(筆者はRTX 3060(VRAM 12GB))をお持ちの方 Windows環境で実装したい方 ※本記事で紹介するツール・モデルの評価は執筆時点の検証結果に基づくものであり、利用にあたっては各組織のセキュリティポリシーおよび利用規約をご確認ください。 はじめに 近年Codex、Claude Codeなど多様なコーディングエージェントアプリが出ており、コーディングエージェントを誰でも試すことができる時代になりました。 一方で、投入

武井でございます。 手元のボタンを見るだけで、どの Claude Code が作業中で、どれが確認待ちで、どれが終わったのかが一目で分かる。 ボタンを押せば、そのターミナルに一発で飛べる。 作業が終わったら、ずんだもんが「何をやって、次に何をすればいいか」を声で教えてくれる。 そんな作業環境を Stream Deck と herdr 、 ローカルLLM 、そして VOICEVOX(ずんだもん) で作りました。まずは動いているところを見てください。 https://tech-lab.sios.jp/wp-c

はじめに 用語 これまでの状況 課題感 AWS → Google Cloud の WIF 構成 ECS で credential configuration file が動かない サービスアカウントキー経路の撤去 ハマりどころ IAM Service Account Credentials API の有効化 CI のサービスアカウントに必要な権限 新しいサービスは最初からキーを持たない おわりに 参考 Google Cloud AWS ライブラリ・仕様 はじめに 弊社は契約ライフサイクル管理システム「MN

はじめに 本記事は、HR データ統合基盤を題材に、共通オントロジーの設計の考え方と、取込・質問応答・推論への使い方、それを AWS 上で組む際の構成を解説します。 RAG（Retrieval-Augmented Generation）は、検索で取得した社内データなどを LLM に渡して回答を生成する構成です。ドキュメントをベクトル化し、意味の近い断片を取得して LLM に回答させる方式は、FAQ や社内ナレッジ検索では十分に機能します。 一方で、HR ドメインではうまくいかない場面が出てきます。たとえば次

こんにちは。LINEヤフーのプラットフォーム部門でメトリクスチームに所属している千葉です。普段は、全社のサービスを支える大規模モニタリングプラットフォーム「Yamas」の開発と運用に取り組んでいます。...

はじめにこんにちは。法政大学情報科学部3年の霍 永豪と申します。2026年8月17日〜9月11日の4週間、社内のデータ基盤に使われているKafkaを運用するチームでインターンとして参加し、Grafan...

はじめに # 前回の記事（ AWS×UserDataでvLLMを自動起動！停止時コストほぼゼロのローカルLLM環境 ）では、AWSのUserDataとS3を活用してvLLMを全自動起動し、使い終わったらTerminate（終了）することで停止中のEBS維持コストをほぼゼロにするエフェメラルなLLM推論環境を作りました。 コマンド一発でGPUインスタンスが立ち上がり、手軽に自前の推論APIを呼び出せるようになった次のステップとして、「これを日々の開発ワークフローにどう組み込むか」という実用化の検討に入りまし

こんにちは。エンタープライズ第一本部 戦略ソリューション 1 部の英です。 普段はWebアプリやスマホアプリの案件などを担当しています。あと、趣味でAIを勉強しています。 世界中がJevの話題で持ち切りなので、流行りに乗ります。 忙しい人向けに短く簡潔に書きます！きっと5分後には Jevわかったかも！ の状態になると思います。 試しに電通総研テックブログの記事100本を高速に仕分け、街に見立てて可視化してみたので、その様子をご覧ください！ 弊社のこれまでの歩み、成長が高速に可視化されます。 Jevとは？

はじめに 最近、AI Agentについて調べる中で、LLMそのものの性能だけでなく、Agentを動かすための周辺の仕組みが重要だと感じることが増えてきました。 LLMそのものが高性能でも、どの情報を参照するのか、どのToolを使ってよいのか、どのような手順で仕事を進めるのか、どこまで自動実行してよいのかといった部分が決まっていなければ、実際の仕事を安心して任せることはできません。 こうした仕組みはAgent Harnessと呼ばれることがありますが、言葉だけでは具体的にイメージしにくいところがあります。

みなさん、こんにちは。AWS ソリューションアーキテクトの三厨です。 1 週間で Kiro の使い方を学ぶオンラインチャレンジ Kiro University Challenge が始まっています。毎日公開される必須レッスン 7 本とボーナスレッスンを進め、最終課題を提出すると最大 5,250 の Kiro クレジットを獲得できます。参加費は無料で、Kiro の無料プランでも必須レッスンに取り組めます。最終課題の締切は日本時間 10 月 6 日 15:59 です。Spec 駆動開発や Steering を

G-gen の佐藤です。BigQuery の Conversational Analytics （対話型分析）において、データセットやモデルが知識として持っていない最新情報を取り入れるために Google 検索グラウンディング を組み合わせる方法を紹介します。 はじめに 当記事について 前提知識 ユースケース 実装方針 料金 共通の設定手順 開発者への IAM 権限付与 エージェントの作成 利用者への IAM 権限付与 Google アカウントによる認証の場合 利用者に追加の権限の付与 検証済みクエリの追