月刊 AWS 製造 2026年3月号 みなさん、こんにちは。AWS のソリューションアーキテクトの山田です。 このブログでは開催予定のイベントや直近1カ月に発表された製造関連のブログ・サービスのアップデート・事例などをお届けしています。国内だけでなく海外の情報も含めていますので、リンク先には英語の記事・動画も含まれていますが、解説を加えていますのでご興味あればぜひご覧ください。 先月号は こちら です。未読の方はあわせてご覧ください。 今月は、ピックアップコンテンツとして製造業における Agentic A

はじめに こんにちは、2月にSenior Research Engineerとしてキャディに入社した 福原 です。現在、キャディでリサーチ組織を本格的に立ち上げています。 「リサーチ組織」と言っても、単に研究を行なって論文を書くことだけが我々の目的ではありません。キャディが掲げる「モノづくり産業のポテンシャルを解放する」というミッションを実現するために、最先端の技術を研究し、それをプロダクトの価値として実データ上で検証するところまでやり切る — それがこの組織の存在意義です。 この記事では、キャディが取り

はじめに さくらインターネットの黒澤です。 2026年2月11-13日(水-金)に大阪にてJANOG57ミーティングが行われました。JANOGでは毎回、さくらのエンジニアがプログラムの募集に応募し、選考に通って発表してい […]

こんにちは、事業開発室の里中裕輔です。 本記事では、Engineers GUILDのご紹介と、その5回目のイベントであった Engineers GUILD Vol5 「実装から考えるAIエージェント設計勉強会 ~ メモリ設計とエージェント連携プロトコルの実践 ~」 についてレポートします。 Engineers GUILDとは Engineers GUILD（エンジニアズ・ギルド）は「エンジニアの、エンジニアによる、エンジニアのためのギルド」を掲げる、分野横断型の技術コミュニティです。現場で活躍するエンジニ

2026 年 3 月 3 日、アマゾン ウェブ サービス ジャパン合同会社（以下、AWS ジャパン）は、「フィジカル AI 開発支援プログラム by AWS ジャパン」のキックオフイベントを東京の AWS 目黒オフィスにて開催しました。本プログラムは 2026 年 1 月 27 日に発表 し、応募受付を開始したもので、多数の応募の中から厳正な選考を経て採択された皆さまをお迎えし、約 6 ヶ月間にわたる開発支援の幕開けとなりました。 フィジカル AI の可能性 フィジカル AI とは、物理世界で動作する A

はじめに こんにちは。ニフティ株式会社の高垣と申します。 私が所属しているチームでは、会員様向けのお問い合わせに対応するコールセンターの業務改善にAIを活用しています。その中で、Amazon BedrockのLLMを呼び出すLambdaを実装する際に 「LLMの出力を安定してJSON形式で受け取りたい」 という課題にぶつかりました。 本記事では、この課題を Converse APIのTool Use で解決した方法をご紹介します。BedrockでLLMの出力を構造化データとして扱いたい方の参考になれば幸い

みなさん、こんにちは。AWS ソリューションアーキテクトの木村です。 先日、 AI 駆動開発ライフサイクル（AI-DLC） の社内研修を受けて、生成 AI をフル活用することで開発のスピードと品質の両立ができる可能性を実感しました。AI-DLC に関するお客様事例ブログを下記で紹介していますので、ぜひご一読ください。 3 月 25 日（水）には「 AWS での Claude Code の買い方・使い方 」という Claude Code をAWS 上で活用する手段や買い方をご紹介するイベントが開催されます。

はじめに こんにちは。Insight Edgeでデータサイエンティストをしている善之です。 「研修で基礎は学んだけど、次は何を学べばいいんだろう…」 「話題の新しいライブラリが次々と出てくるけど、どれを学ぶべきかわからない」 こんな悩みを抱えていませんか？ 先日、 新人エンジニア・データサイエンティスト に向けた研修の一環として、 最新技術をどうやってキャッチアップし続けるか というテーマでレクチャーを行いました。 本記事では、その研修内容のエッセンスをご紹介します。 本記事は新人の方本人だけでなく、 後

2026年2月の主な製品アップデートをご紹介します。 製品アップデート Global Fieldsでプロジェクト間のフィールドを標準化 これまでプロジェクトごとに個別に作成していたフィールドを、アカウントレベルで定義できるようになりました。 Global Fieldsを利用することで、複数のプロジェクトにわたってフィールド構造を統一できるほか、重複したカスタムフィールドの作成を防ぎ、運用やメンテナンスの負担を軽減できます。 また、現在ベータ版として提供されている社内のMigration Toolを使用すれ

こんにちは、キャディで Quote というアプリケーションを開発している plant こと石田 ( @plant_ja ) です。 Claude Code はあくまでツールであって、使い方によって大きくパフォーマンスが左右されるように感じています。 今回はコンテキストという観点から Claude Code の動作原理を紐解きながら、我々が期待するコードを安定して出力してもらうためのコンテキストマネジメントの理論と実践について思いを馳せてみようと思います。 想定読者 Claude Code を日々使っている

こんにちはAI Shiftの村田です。3月9日(月)から3月13日(金)に ライトキューブ宇都宮 で 言語処理学会第32回年次大会(NLP2026) が開催されます。 AI Shiftが関わる3件の発表があります。 本記事では各発表の概要と、議論したいポイントについて取り上げたいと思います。 また、会期中にはサイバーエージェントのイベントで弊社CAIOの友松も登壇します。学生の皆様はぜひこちらもチェックしてみてください。 ▶ イベントページを見る 1. AI Shiftからの発表 日時 セッション タイト

はじめに AIによるコード生成において、一つの巨大なプロンプトで全てを完遂させる手法（A群）と、設計・実装・テストといった「スキル」を使い分けながら自律的に試行錯誤するエージェント型（B群）のどちらが優れているかを検証しました。 仮説 A群: 単純なタスクであれば極めて高速だが、複雑な要件や環境特有 of バグに弱い。 B群: 初期コスト（トークン、時間）は高いが、テストを通じた自己修復能力により、最終的な信頼性が高い。 実験結果の比較 評価項目 A群 (Monolithic) B群 (Agentic)

.table-of-contents > li > ul > li > ul { display: none; } はじめに こんにちは、データサイエンス部コーディネートサイエンスブロックの 大川 です。私たちは、WEARにおける「似合う」をユーザーに届けるため、LLMやマルチモーダルAIを活用してコーディネートの特徴抽出や似合うに関する独自の判定処理のR&Dを行っています。 LLMが台頭して以降、LLMに構造化出力を要求するタスクは増えています。数百件のテストでは問題なく動いていたシステムが、本

本記事は 2026 年 3 月 4 日 に公開された「 How Amplitude implemented natural language-powered analytics using Amazon OpenSearch Service as a vector database 」を翻訳したものです。 本記事は、Amplitude の共同創業者兼チーフアーキテクトである Jeffrey Wang 氏が AWS と共同で執筆したゲスト投稿です。 Amplitude は、プロダクトおよびカスタマージャーニ

高火力 DOKはコンテナー型のGPUサービスで、NVIDIA V100やH100を実行時間課金で利用できるサービスです。 今回はこの高火力 DOKを使って、Ollamaを実行してみます。ローカルにGPUがなくとも、速いレ […]