本ブログは、株式会社アドバンスト・メディア様と Amazon Web Services Japan が共同で執筆いたしました。 1. はじめに みなさま、こんにちは。AWS ソリューションアーキテクトの本田・戸塚と、アカウントマネージャーの兼子です。 本ブログでは、 AWS Summit Japan 2026  で展示した、食品調理現場における業務課題を、音声 AI とマネージドエージェント基盤で解決するアーキテクチャをご紹介します。 Amazon Bedrock AgentCore

こんにちは。SHIFTのプロジェクトマネージャー／エンジニアの髙橋です。

NEC は 2026 年 6 月 1 日、全社員（最大 12 万人）が利用できる Claude Cowork の本番環境を Amazon Bedrock 上で稼働させました。設計着手は 5 月 18 日、要件定義から全社リリースまで 2 週間です。検討を進めていた 2026 年 5 月の時点では、この構成はまだ一般提供（GA）開始前 (*1) でした。前例の少ない構成を採用しながら、国内完結の推論・監査証跡・コスト管理を備えた環境を立ち上げています。本記事では、現場を率いた NEC 野口氏の視点と、AWS

こんにちは。 人材プラットフォームジョブメドレープラス開発室長の德永です。 この記事では、人材紹介の業務基盤を TypeScript と CQRS＋イベントソーシングで0から構築し、約4か月で本番リリースするまでを振り返ります。 私は PdM と実装を兼ね、構想の検証から本番稼働、その後の運用まで関わっています。 こちらの記事は「 MEDLEY Summer Tech Blog Relay 」の27日目の記事です。 MEDLEY Summer Tech Blog Relay | MEDLEY Develo

はじめに はじめまして、プロジェクトマネージャーの谷澤です。 AIが当たり前になったいまも、プロジェクトの質を左右するのは、結局「チームがどう試行錯誤し、何を学んだか」なのだと感じています。 AIのおかげで、計画づくりのハードルは驚くほど下がりました。 だからこそ余計に「自分たちのチームは、何を積み重ねていけばいいんだろう」と考える時間が増えた気がします。 今日は、そんな私なりの仮説と、実際に試してみた「ふりかえり」の実践を、あわせてご紹介したいと思います。 はじめに 1. 最初のアウトプットだけでは、差

こんにちは。SHIFTのプロジェクトマネージャー／プロダクトエンジニアの髙橋です。

本記事は、2026 年 8 月 12 日に Massimo Re Ferre が公開した「 Which Kiro app should I pick? 」を翻訳したものです。 Kiro はもう、単一のプロダクトを指す名前ではなくなりました。2025 年 7 月、Kiro を AI IDE としてローンチしました。それ以来、Kiro は IDE という枠にとどまらなくなりました。今の Kiro はソフトウェアエンジニアリングエージェントであり、 IDE 、 CLI 、 Web アプリ 、 モバイルアプリ 、

G-gen の高宮です。当記事は、Google Cloud Next Tokyo 26 の2日目に行われたカスタマーセッション「 非エンジニアが安心してバイブ コーディングして公開するには？セキュアな AI 駆動開発ハーネスの仕組み 」のレポートです。 他の Google Cloud Next Tokyo 26 の関連記事は Google Cloud Next Tokyo 26 カテゴリ の記事一覧からご覧いただけます。 セッションの概要 生の AI 駆動開発の問題点 AI 駆動開発ハーネス「Exoloo

はじめに こんにちは、InsightEdgeのPMの中村です。先日、ある案件の説明資料を作成しようと、盛り込みたい内容を箇条書きにして生成AIに入力してみました。すると5分ほどで、決定事項・宿題・担当者・期限まで整理された形にまとまって出てきました。率直に言って、筆者が自分で作るより読みやすい仕上がりでした。似たような経験をお持ちの方は、多いのではないでしょうか。 本記事では、この体験を入り口に、生成AI時代のPM(プロジェクトマネージャー)の仕事がどう変わっていくのかを、現役PMの視点から考えてみたいと

GitHubでIssueやコード変更を管理していても、テストケースや実行結果はExcel、スプレッドシート、社内Wikiなどに分散しがちです。 情報が複数の場所に分かれると、最新版のテストケースを探す、テスト結果を転記する、同じ不具合をGitHubへ登録し直すといった作業が発生します。 プロジェクトやメンバーが増えるほど、こうした小さな負担が積み重なり、テスト漏れや対応状況の認識違いにつながります。 そこで役立つのが、 GitHubと連携できるテスト管理ツール です。 テストケースや実行結果を一元管理し、

商社系DX組織3社（Digital Experts様、MBKデジタル様、Insight Edge）が集まり、AI活用戦略から組織改善の取り組みなど互いの知見を共有する情報交流会を開催しました。 ※本記事では、企業名を併記する際は、Insight Edge以外をアルファベット順に記載しています（各社の取り組みLTは発表順）。 今回はInsight Edgeが発起し、CTO猪子のリードのもと、この記事の筆者の肥塚が共有会の企画や運営を行わせていただきましたので、共有会を企画するに至った経緯、共有会の内容、企画

はじめに データマネジメントPF統括部の平尾です。 大規模・長時間のバッチ処理を実行する時、AWS（EC2）の利用料は高額になりやすいです。 コスト削減策として、AWSの未使用EC2キャパシティ（AWSが各リージョン内のAZごとに提供できる、インスタンスタイプ別のコンピュートリソース量）を低コストで利用できるスポットインスタンスの活用を検討することが多いと思います。 一方で、AWS側のキャパシティ状況によってインスタンスが中断される可能性があるため、特に大規模・長時間の処理への適用が難しいという特性があり

本稿は、弁護士ドットコム株式会社 CTO 田中 慎司 氏、プロダクト開発本部 Platform & Reliability Engineering 部 (以下、PRE 部) 部長 熊谷 晃 氏、同 PRE 部 原口 慎太郎 氏による寄稿です。 はじめに 弁護士ドットコム株式会社は、『「プロフェッショナル・テック」で、次の常識をつくる。』というミッションのもと、国内最大級の法律相談ポータルサイト「 弁護士ドットコム 」や契約マネジメントプラットフォーム「 クラウドサイン 」などを運営しています。また

こんにちは。株式会社サイバーエージェントの経営推進本部に所属している片岡です。 2005年に中途入社 ...

はじめに こんにちは。NTTデータでデータサイエンティストを務めております@tamurayuc20ndです。 本記事では、DataRobot社が提供するAIアクセラレータの一つである「MLflowエクスペリメントの追跡」を題材に、PapermillによるNotebookの自動実行と、MLflowによる実験管理の仕組みを解説します。 単にテンプレートを動かすだけではなく、自分のユースケースに合わせてどこを修正すればよいかという観点で整理している点が本記事の主眼です。 Notebookベースで機械学習の試行錯