AI時代の検索サービス：生成AIがサイト内検索に与える影響 ※本記事は、2026年4月28日開催の「Product Management Summit 2026」におけるセッション「AI時代の検索サービス：生成AIがサイト内検索に与える影響」の内容をもとに作成したものです。 ※登壇者：セールス&マーケティングプラットフォーム事業部 MA/CDP/SEARCH開発部 SEARCH開発 レコメンド・AI SEARCHチーム PdM/EM 三浦 宏貴 生成AIの普及により、ユーザーの情報探索行動は大きく

Orchestration Guildメンバーの福山です。普段はLINEレストランプラスというサービスで、フロントエンド開発を担当しています。この記事は、Orchestration Developme...

はじめに 第1回で作成したVCN（仮想ネットワーク）の上に、いよいよサーバ（コンピュートインスタンス）を構築していきます。 今回は、役割の異なる2つのインスタンスを作成し、安全にLLMを動かす準備を整えます。 なぜ2台のサーバが必要か？ 今回の構成では、セキュリティを担保するために役割を「外向き」と「内向き」で分けています。 Public-Jump-Server（踏み台サーバ）: パブリックサブネットに配置します。 インターネットから唯一アクセスできる窓口となり、ここを経由してLLMサーバの構築やDB操作

2026年4月22日〜24日に開催された Google Cloud Next '26 へ参加してきました。昨年に引き続きアメリカ・ラスベガスで開催され、弊社からはMA部の平井・林・木野、AI事業戦略部の川田・桜井の5名が参加しました。なお、昨年参加した様子は以下の記事で紹介しています。 techblog.zozo.com 今年はAIエージェントを『実戦』に投入し、いかに賢く、安全に使うのかに焦点を当てたセッションが多い印象でした。本記事では、現地での様子と特に興味深かったセッションをピックアップして紹介し

おなかが痛くてもコーヒーは飲む、近藤恭平です。 前回は生成 AI の基礎（FM・LLM・トークン・埋め込み・推論パラメータ）を整理しました。今回は、基盤モデルを実際のアプリケーションに活用するための設計・実装・評価に関する知識を整理します。試験ガイドのドメイン3に対応した内容です。 基盤モデルを使ったアプリ設計の考慮事項 FM の特性：大規模・ブラックボックス 深層学習の過程と学習の結果得られる基盤モデル（FM）には、以下の固有の特徴があります。 特性 内容 大規模なコンピューティング要件 FM のトレー

従来のAIは判断の根拠を十分に説明できないことが多く、最終的な意思決定には人手による確認が欠かせませんでした。しかし近年、「画像」と「言語」を組み合わせて扱うことで、高度な意味理解や推論を実現する新しいアプローチが登場し、AIの活用範囲は大きく広がりつつあります。 本記事では、こうした流れの中で注目を集めているVLM（Vision-Language Model）について、その概要と実機検証を交えながらご紹介します。 VLMとは VLMは、画像・動画などの視覚情報と自然言語を統合的に理解・生成できるAIであ

はじめに こんにちは、BASE株式会社 Product Governance（通称：プロガバ）チームの緒方です。 突然ですが、皆さんは「IT統制」や「ガバナンス」と聞いてどんなイメージを持ちますか？ 「開発スピードが落ちそう」「お堅い事務作業」……そんな風に思われがちなこの領域ですが、我々は少し違います。 今回は、私たちがどのような思いで「守り」を「攻め」に変える仕組み作りをしているのか、その裏側をお話しします。転職を考えている方も、そうでない方も、新しいキャリアの形としてご一読いただければ幸いです。 3

2026 年 5 月 14 日、 Amazon Bedrock Advanced Prompt Optimization を発表しました。これは、 Amazon Bedrock 上のあらゆるモデルのプロンプトを最適化するための利用できる新しいツールです。最大 5 個のモデルで、元のプロンプトと最適化されたプロンプトを同時に比較できます。この新しいプロンプト最適化を使用することで、新しいモデルに移行したり、現在のモデルのパフォーマンスを改善したりできます。それらをテストして、既知のユースケースでパフォーマン

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。生成AIを使ったサービスが日々の業務やプライベートに溶け込んできていますが、その裏側でどんなハードウエアが動いているのかまで意識する機会はあまり多くないかもしれません。普段車に乗るときにエンジンの仕組みまで気にしないのと似ていて、たまにボンネットを開けて覗いてみると、自分が使っているサービスへの理解が深まり、技術選定や活用方法を考えるうえでのヒントになることもあります。「 10 AI chip terms you should know

― マルチモーダル embedding の可能性と限界 ― サイオステクノロジー株式会社 Saman Elasticsearch のベクトル検索といえば、これまではテキストや画像が中心でした。 しかし最近は、テキスト・画像・動画・音声を同じ埋め込み空間で扱える「マルチモーダル embedding」が現実的な選択肢になってきています。 本記事は、Elastic Inference Service (以下 EIS) で利用できる .jina-embeddings-v5-omni-small を使い、音声ファイ

機械学習エンジニアの竹本です。普段は、製造業の膨大なドキュメントを対象にしたRetrieval-Augmented Generation（RAG）の検証に取り組んでおり、その一環として社内検証向けのベンチマークデータセットを作成しました。同じ課題を抱えるエンジニアの方の参考になればと思い、本記事を書きました。 TL;DR 作りたい。でも動き出せなかった 当時の思い込みと、今の自分からの答え合わせ 1. LLM-as-a-Judgeに頼るしかないと思っていた 当時の状況 データセットを作ってみると 2. デ

目次 はじめに 前提条件と準備 1. AI Agent でのモデル切り替え 2. Streams での活用：パーティショニング（分割提案） 2.1. Wired Streams の有効化 2.2. LLM によるパーティション分割 3. Streams での活用：プロセッシング（Grok パターン生成） まとめ 参考URL はじめに 先月のブログ、 Elastic Inference Service (EIS) を使った「ベクトル検索」および「生成AIによる回答（RAG）」（実践編） では、EIS を通じ

はじめに Oracle Alloy の「Select AI」を、インターネットに公開されていないプライベートなLLM（Ollamaなど）と連携させて検証するための手順を解説します。 手順は少し長くなるため、 　①VCN の構築 　②コンピュートの準備 　③Autonomous Databaseの作成 　④LLM の準備と Select AI の実行確認 といった４つに分けて説明します。 第1回目はすべてのリソースの基盤となる仮想クラウド・ネットワーク (VCN) の構築です。 なぜこの設定が必要か？ プラ

3行で要約すると CUJ（Critical User Journey）ベースのダッシュボードを作る前提として、各 CUJ に紐づく Critical API を客観的に特定する必要がありました Playwright の route API による fault injection を使い、E2E テストから Critical API を自動抽出する仕組みを作りました ある程度汎用的に使えそうなので npm にも置いています： critical-api-finder はじめに SREの寺島です。 特定の AP

こんにちは、サイオステクノロジーの佐藤です。 今回は、前回のブログでも触れたFoundry IQについて、もう一歩踏み込み、「実際に内部でどのような処理が行われているのか？」という構造面を解説します。 Foundry IQ便利そうだけどどういう仕組みなの？ 内部的な動きってどうなっているの？ という方は是非最後までご覧ください！ なお、Foundry IQの概要やコンセプトに関しては前回の記事をご覧ください。 Foundry IQ は RAGにとっての銀の弾丸となりえるか？【Microsoft Ignit