本ブログは Umios 株式会社様 と Amazon Web Services Japan が共同で執筆いたしました。 みなさん、こんにちは。AWS ソリューションアーキテクトの辻 浩季（つじ ひろき）です。 食品製造業において、販売計画の策定は生産計画・在庫管理の根幹をなす業務です。しかし、膨大な商品数と拠点数を抱える企業では、この業務が担当者の経験と勘に依存し、多大な工数を要するケースが少なくありません。今回ご紹介するのは、Umios 株式会社様（旧マルハニチロ、2026年3月に社名を変更）が Ama

この記事は、2026 年 9 月 1 日に Training and Certification Blog Editor によって執筆された「 Certification updates from AWS Training and Certification: September 2026 」を翻訳したものです。 AWS 認定は、クラウドに関わる役割の変化を反映して、3 つの認定を更新します。対象は AWS Certified Machine Learning Engineer – Associate (

はじめに 生成 AI は、いまやあらゆる産業に新たな価値創出の機会をもたらす基盤技術になりつつあります。文章の作成や要約、コードの生成、問い合わせ対応、専門的な調査の補助など、これまで人手に頼っていた多くの業務を支援できるようになり、生産性向上とイノベーション創出のカギとして大きな期待が寄せられています。 その一方で、機密情報や個人情報を外部の生成 AI サービスに入力することへの懸念から、本格的な活用に踏み切れない企業も少なくありません。総務省の調査によれば、約 7 割の企業が AI 活用における「セキ

こんにちは、データサイエンスプロダクトグループの清田です。 2026年6月8日から12日にかけて、群馬県高崎市のGメッセ群馬で開催された 人工知能学会全国大会（JSAI2026） に参加してきました。私たちはこの大会で、 オーガナイズドセッション「不動産とAI」 （OS-27）を企画・開催しました。今年はこのセッションにとって特別な年で、「不動産とAI」という研究コミュニティが10周年の節目を迎えました。 本記事では、セッションの内容をダイジェストでお伝えするとともに、その10年の裏側にあった LIFUL

はじめに こんにちは、ZOZOTOWN開発2部Webバックエンドブロックのぐらです。普段はZOZOTOWNのバックエンド開発を担当しています。ZOZOTOWNのリプレイスでは、既存システムの仕様を正確に把握することが欠かせません。私たちはこの分析に AIを活用 してきました。しかし、人間による追加調査がまだまだ必要という課題を抱えていました。本記事では、AIによる既存システムの分析ワークフローを作り直した過程と、そこで得られた知見を紹介します。 目次 はじめに 目次 背景・課題 ZOZOTOWNリプレイス

はじめに MNTSQ 株式会社 アルゴリズムエンジニアの内海です。 弊社では最近、MNTSQ契約レビューという機能をリリースしました。 私自身は今年の5月に入社したばかりなのですが、AIエージェントが人間に代わって契約書の条文を読んでリスクをチェックし修正までしてくれる、便利な時代になったものだなと感心するばかりです。 さて、そんな便利な機能ですが当然素のLLMだけで実現できるわけではなく、裏では契約書を解析してどのようなチェックを行うべきかを判断したり、過去の案件や文書で関連しているものを検索して参照し

1. はじめに 生成 AI の利用が広がると、「使った後に請求で気づく」だけではなく、予算到達を検知した後の追加利用をできるだけ早く止める仕組みが必要になります。筆者はこれまで、止める場所を Gateway に置く方法を2通り検証してきました。1つは LLM Gateway（LiteLLM）を自前で構成してユーザー単位の上限を持たせる方法です。 https://zenn.dev/nttdata_tech/articles/0aef5de18fae3c もう1つは Amazon Bedrock AgentC

サイオステクノロジーは、OSS管理ツール「SCANOSS」の 日本国内初の代理店 です。 生成AIでコードを書く比重が上がるにつれ、「動くコードは手に入ったが、それを使っていいか」を確かめる工程が抜け落ちるようになりました。テストは通る。脆弱性スキャンを回していれば、それも通る。しかし、そのコードがどこ由来なのかを見る工程は、どちらにも入っていません。 AIが生成したコードに含まれるOSSは、読んで見分けることができません 。機械的な照合で見える範囲と、機械にも見えない範囲が残ります。 この記事でわかるこ

はじめに こんにちは。NTT西日本 三重です。 RAGの失敗を「検索側の問題」か「生成側の問題」かに切り分けるための鍵となる、コンテキストの「十分性（Sufficient Context）」判定を、ローカルの小規模LLMにどこまで任せられるのかを日本語データで検証しました。Qwen3.5系の0.8B / 2B / 4B / 9Bを比較し、モデルサイズと判定精度・出力安定性の関係を定量的に確認しています。ローカルLLMでRAGの評価基盤を組みたい方の参考になれば幸いです。 本記事は2026年9月時点の情報に

はじめに こんにちは、検索基盤部 検索グロースブロックの 朝原 です。普段はZOZOTOWNの検索体験の改善を担当しています。2026年6月29日から7月2日までサンフランシスコで開催されたAI Engineer World's Fair 2026に現地参加しました。本記事では、現地の様子に加えて、特に気になったセッションをSoftware FactoriesとAgentic Commerceの2つのテーマに分けて紹介します。 目次 はじめに 目次 AI Engineer World's Fair 202

本記事は 2026 年 8 月 6 日に公開された「 Control agent behaviors and cost beyond a single action: new capabilities in Amazon Bedrock AgentCore 」を翻訳したものです。 エージェントの自律性は高まり、各チームが運用するエージェントの数も増え続けています。しかし、信頼性とセキュリティはその速度に追いついていません。McKinsey によると、およそ 80% の組織がすでに AI エージェントによる

アマゾン ウェブ サービス ジャパン（以下、AWS ジャパン）が実施する「 生成 AI 実用化推進プログラム 」は、生成 AI の活用を支援する取り組みです。お客様のニーズに合わせ、カスタムモデルによる課題解決に取り組む方向けの「モデルカスタマイズコース」、公開モデルによるビジネス課題解決を狙う方向けの「モデル活用コース」をご用意しております。 その「生成 AI 実用化推進プログラム」の参加者や、GENIAC（Generative AI Accelerator Challenge）の関係者、生成 AI に

こんにちは。データサイエンティストの白井です。 今日は、「PPTXやPDFをLLMに読ませるとき、入力をどう刻むと内容理解の精度が変わるのか」を実測した話を紹介します。 1枚ずつ渡すのか、数枚まとめるのか、PDFで丸ごと渡すのか。この違いだけで、精度・処理時間・コストがどう動くかを揃えた条件で比較しました。 先に本記事のポイントを書いておきます。 資料全体を統合した最終的なまとめは、どの刻み方でもほとんど変わりませんでした。 差が出たのは 1ページごとの内容理解の細部 でした。注記や例外条件を拾えるか、グ

製造業のデータ利活用は、AIツールを導入する段階から、事業成長や顧客価値の創出につなげる段階へ移りつつあります。欧米の先進企業では、データを資産として扱うData as a Productの考え方を取り入れながら、生成AIだけでなく、物理世界を動かすフィジカルAIをコア業務や人材育成に組み込んでいます。これを実現する上で注目すべきは、ITなど一つの中央部門に依存せず、データ活用の主導権を各部門に分散して持たせるデータメッシュアプローチです。これらを通じて、データ基盤の再設計と組織変革を同時に推し進めていま

CUBE ZERO — ルービックキューブを一撃で解く専用LLMをゼロから育てた 1. なぜ作った？ 事前知識ゼロから育ち、ルービックキューブを一撃で解くLLMがあったら、かっこいいですよね。ということで、CEOの夏休みの自由研究として作りました！ 完成したモデルは、現在のキューブと過去の手順を受け取り、次の1手を自己回帰的に生成します。学習後は、初めて見る局面の99.83%を1回の生成で解けました。 2. ルービックキューブはどれくらい難しいのか ルービックキューブには、約 4.3 × 10^19 通り