はじめまして。セーフィー株式会社の池淵峻一です。2025 年 3 月より AI Studio チームで、バックエンドの開発を担当しています。 Safie AI Studio は、セーフィーのカメラ映像に対して AI 解析を導入・開発できるプラットフォームです。人検知や車番認識といった映像 AI ソリューションを、35 万台以上のカメラに展開できる基盤を提供しています。私はこのプラットフォームのバックエンド——API サーバー、データベース、非同期ワークフローなどの開発に携わっています。 この記事では、ML

こんにちは、データサイエンティストの小柳です。 プロセスマイニングという考え方およびツールがあります。 プロセスのイベントログデータを収集し、業務プロセスの実体を可視化、分析する手法です。業務フローが言語化されていない場合や、想定されている業務フローと実際に行われている業務フローに乖離がある場合にこの手法を用いることで実際の業務フローが可視化され、どこを改善するかを検討する材料になるわけです。 しかし、プロセスマイニングで業務フローが見えたとして、その先に何ができるでしょうか。「今年何件受注できそうか」「

組織改編（部署統合・分割・名称変更・異動）のたびに、Dropboxの権限周りで「誰が、どのチームフォルダにアクセスできるべきか」を整合させる作業は、Dropbox を運用している管理者にとって“事故が起きやすい”ポイントです。 実際、Dropboxグループが実組織と乖離したり、旧部署メンバーがチームフォルダに残り続けたり、新部署メンバーが必要なチームフォルダにアクセスできない、といった状態が発生し得ます。 組織改編時のDropbox運用では、アクセス権の棚卸し・更新を確実に行い、「適切な人が確実にフォルダ

イノベーションセンターの安井です。普段は全社検証網の技術検証、構築、運用を担当しています。 前回 OpenROADMに準拠した光伝送網の概要・構築編― APNテストベッドで探る技術と運用手法(その2) にて、OpenROADMアーキテクチャにもとづく分離型 ROADM（Reconfigurable Optical Add/Drop Multiplexer）の物理構成と構築の勘所を紹介しました。 今回はその続編として、物理的に構築したROADMノードをソフトウェアからどのように制御・運用しているかを紹介しま

金融システムは、一度の障害が社会的な信用失墜や利用者の資産毀損に直結する「社会基盤」です。 そのため、メガベンチャーのようなスピード感が重視される環境であっても、他業界とは比較にならないほど厳格な品質管理と統制が求められます。 しかし、現場では「チームごとにテスト方針がバラバラ」「膨大なExcel管理が破綻している」「監査対応が形骸化し、現場が疲弊している」といった課題に直面しているQAマネージャーも少なくありません。 QAが開発のボトルネックではなく、事業成長の中核として機能するためには、部分最適から脱

急成長を遂げるメガベンチャー企業において、各プロダクトチームが独立して動く体制は、意思決定のスピードを速める大きなメリットがあります。 しかし、プロダクトが複雑化し、マイクロサービス化が進むにつれ、チームごとの「部分最適」な品質管理だけでは対応しきれない課題が顕在化してきます。 「隣のチームの仕様変更で、自分たちの機能に不具合が出た」 「チームごとに品質基準がバラバラで、リリース直前に大きな手戻りが発生する」 「QAマネージャーとして全体を俯瞰したいが、現場の状況がブラックボックス化している」 このような

2026年4月8日（水）～4月10日（金）の3日間、Japan DX Weekに出展いたします。 生成AIの活用が進む中、OSSライセンスや著作権リスクはますます見えにくくなっています。 サイオステクノロジーのブースでは、コード解析によりOSSを可視化する「SCANOSS」をご紹介します。ソースコードレベルでOSSの利用状況を把握し、リスクの早期発見と適切な管理を支援します。 「サイオスOSSよろず相談室」では、SCANOSSと親和性の高いSBOM管理ツールの導入・運用もサポートします。 あわせて、Exc

2026年4月8日（水）～4月10日（金）の3日間、Japan DX Weekに出展いたします。 生成AIの活用が進む中、OSSライセンスや著作権リスクはますます見えにくくなっています。 サイオステクノロジーのブースでは、コード解析によりOSSを可視化する「SCANOSS」をご紹介します。ソースコードレベルでOSSの利用状況を把握し、リスクの早期発見と適切な管理を支援します。 「サイオスOSSよろず相談室」では、SCANOSSと親和性の高いSBOM管理ツールの導入・運用もサポートします。 あわせて、Exc

メガベンチャー規模のプロダクトにおいて、マイクロサービス化や頻繁なシステム刷新が進む中、QA（品質保証）の現場では「本番環境でしか起こり得ない不具合」をいかに未然に防ぐかが共通の課題となっています。 従来のステージング環境でのテストだけでは、複雑に絡み合うデータパターンやリアルなユーザー負荷を完全に再現するには限界があるからです。 そこで注目されているのが「シャドウテスト（トラフィック・シャドーイング）」です。 本番トラフィックを複製し、ユーザー体験を損なうことなく裏側で新システムの挙動を検証するこの手法

急成長を続けるメガベンチャーの現場では、プロダクトの多角化や組織の拡大に伴い、ある深刻な課題が浮き彫りになります。 それは、チームごとにテスト方針や管理手法が異なる「品質管理の分断」です。 「あるチームはExcel、別のチームはNotionで管理し、バグ報告だけがJiraに集まってくる」 このような状況では、プロダクト横断での品質担保は難しく、QAマネージャーは現場との板挟みや、リリース直前の予期せぬ障害対応に追われることになります。 個別最適の限界を超え、QAを「ボトルネック」から「価値創出の基盤」へと

急成長を遂げるメガベンチャー企業のQAマネージャーにとって、組織の拡大は誇らしい反面、深刻な「品質管理の分断」という課題を突きつけてきます。 プロダクト数が増え、マイクロサービス化が進むなかで、チームごとにテスト方針や運用ルールがバラバラになり、全体像が見えないまま障害や手戻りが増えていく。 そんな状況に限界を感じている方は少なくないはずです。 個別最適の改善では、もはやスピードと品質を両立させることはできません。 今求められているのは、テスト管理ツールを軸としたAPI連携による「品質データの民主化」と「

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)

ビデオホスティングはストレージを大量に必要とするビジネスです。フルHD 1080p 解像度の映画を約 100 万本扱う中程度の事業者でも、約 10 ペタバイト（PB）のストレージが必要になります。 Amazon Simple Storage Service  は、スケーラビリティ、パフォーマンス、そしてコスト効率の面で長年の実績があります。とはいえ、継続的な FinOps プラクティスを適用することで、コスト効率を高め、クラウドのコストモデルから得られるビジネス価値を最大化することができます。

はじめに こんにちは。普段はネットワークエンジニアとして法人系の堅いネットワークを作っています。 今回はデータセンタネットワーク等で使われるEVPN-VXLAN (Ethernet VPN over VXLAN)に触れてみたいと思います。 クラウド事業者では以前から用いられていたEVPN-VXLANですが、最近EVPN-VXLANの利用が必須となる規模ではないデータセンタ案件でも検討対象となる機会が増えてきています。 一方でネットワークエンジニア目線ではEVPNは独特な用語や概念が多く、なかなか触れる機会

急成長を遂げるメガベンチャーの現場において、リリース速度と品質の両立は常に最大の課題です。 複数のチームが並走し、マイクロサービス化が進む中で、 「チームごとに品質基準がバラバラで手戻りが多い」 「QAが最終工程でボトルネックになっている」 といった壁に直面していないでしょうか。 これらの問題の根源は、コードレビューとテストが「別物」のプロセスとして分断されていることにあります。 場当たり的な個別最適の改善では、組織全体の品質を底上げすることは困難です。 そこで今回はQAマネージャーや品質推進リードが、コ