本記事は AI・MLウィーク 3日目の記事です。 💻 2日目 ▶▶ 本記事 ▶▶ 4日目 📱 こんにちは小山です。 AIに関するアプリを作っていましたが諸般の事情によりお蔵入りとなりました。 さらに右手を骨折し、泣きっ面に蜂の今日この頃です。 さて本日はAIについてのお勉強です。 これは、猛スピードで進化するAI技術（RAG、LLM、MCP）についていけず、立ち尽くす中年エンジニアこと私ですが、まだまだエンジニアとして現場に立ちたいという気持ちがある以上今のままでは良くないという危機感があり本記事を執筆し

はじめに 最近、 AWS の AI Practitioner を取得した金融IT本部 2年目の坂江 克斗です。 今回は、XI 本部の佐藤悠さんに協力していただきながら執筆した記事となります。 最近、「AI エージェント」という言葉をよく耳にするようになりましたが、正直なところ、私自身はエージェントが何をしているのか全く分かっていませんでした。 そこで今回、AI初心者の自分なりに理解するため、 MCP ベースのエージェントを 専用のライブラリを使わずに自作 し、その仕組みを理解してみることにしました。 本記

本記事は AI・MLウィーク 2日目の記事です。 💻 1日目 ▶▶ 本記事 ▶▶ 3日目 📱 こんにちは、新人の福井です。 本記事は、私が直近AI 関連のイベントに複数参加した事がきっかけで、AIエージェントとRAGに興味を持ったため、実際にエージェントを構築しながら私なりに咀嚼して整理したものです。 私は現在、社内勉強会の運営メンバーとして活動しており、その活動も早いもので半年が過ぎました。 Netcomの社内勉強会って？ 様々な部署から登壇者を募り、毎週金曜日の18:00～19:00 にナレッジをシェ

1. はじめに NTT西日本の鈴木 *1 です。 生成AIの活用が進む中、多くのエンジニアが次に注目しているのが「AIエージェント」です。 この記事では、機密性の高い会議情報を外部に出さず、オンプレミス環境内で完結して動作する「会議メモ要約&フォルダ格納AIエージェント」をMCP（Model Context Protocol）を用いて試作しましたので、その背景と技術的な仕組みについてご紹介します。 目次 1. はじめに 2. 対象読者 3. 背景：なぜ今、オンプレミスのAIエージェントなのか 3.

こんにちは！Insight Edge リードコンサルタントの山田です。 私は普段から事業会社におけるAI/デジタル活用のご相談を多く受けているのですが、この記事では、生成AIで解くべきではない課題にフォーカスしながら、業務活用における生成AIの向き/不向きを整理してみたいと思います。 AI活用があらゆる企業で経営マターに 生成AI活用の肝は“課題選定” 業務パターンごとの生成AIとの相性を理解する ①定型プロセス × 許容幅 広い　—— 　◎生成AIの得意領域 ②非定型プロセス × 許容幅 広い　——　◎

本記事は AI・MLウィーク 1日目の記事です。 💻 告知記事 ▶▶ 本記事 ▶▶ 2日目 📱 はじめに 「自分専用の音楽ディグエージェント」とは 2つのコア機能 従来のレコメンド機能との違い 実装を見送った機能 アーキテクチャ概要 構成図 主要コンポーネントと役割 フェーズ1 : Google Cloud プロジェクトの準備 1. Google Cloud プロジェクトの作成 2. 必要なAPIの有効化 フェーズ2 : RAG（記憶）の構築 1. 自分の嗜好データの準備 2．テキストを数値（ベクトル）に

はじめに NTT西日本の倉田 裕紀です。 生成AIの導入や活用を進める中で、 「自社に最適なプラットフォームはどれなのか」 という点は、多くの実務者が最初に直面する共通の課題だと考えられます。 特に生成AI活用の中心となる「RAG（検索拡張生成）」では、インフラとして信頼の高いメガクラウドの AWS・Azure と、比較的少ない設定でRAGやAIアプリを構築できるAI特化型プラットフォームの Dify が、まず検討対象に入る主要な選択肢です。 本稿では、実際にRAGの「構築・評価・改善」のサイクルを回す中

こんにちは！モバイルデベロッパーエクスペリエンスチームの@giginetです。普段はLINE iOSアプリを中心に、ビルドシステムや開発環境の整備、開発者体験向上のための仕事をしています。先日、LIN...

ジャンプTOON ソフトウェアエンジニアの國師 (@ronnnnn_jp) です。 この記事では、仕 ...

目次 はじめに 仕様書AI活用の前提 組織状況の整理 理想の仕様書の定義 AIツールとインターフェー ...

こんにちは！SCSKの野口です。 別の記事で、LangChainを利用したチャンキングのデモを行いました。 その際に、日本語のチャンキング結果が文字化けしてしまうという事象が発生したので、後学のためのに記事にまとめます。 事象 記事内で行った3つのデモの中で、デモ2（分割アルゴリズムの比較）では固定長分割のためにLangChainの「TokenTextSplitter」を利用してチャンキングを行おうとしていました。具体的なコードは下記となります。 from langchain_text_splitters

こんにちは！SCSKの野口です。 前回の記事では、RAGの全体像（Indexing / Retrieval / Augmentation / Generation）と、「LLMの性能そのものより、前段の設計で品質が決まる」ことを整理しました。 （シリーズ1：RAGの基本情報 / 第1回）RAGとは：全体像、なぜ必要か、基本フローと設計の勘所 RAG（検索拡張生成）の定義、なぜ必要か、基本フロー（Indexing/検索/補強/生成）を整理します。 blog.usize-tech.com 2026.01.27

こんにちは！SCSK江嶋です。 本記事では、Azureのサービスを用いたRAGの構築方法について説明します。 そもそもRAGとは？ AzureでRAGを構築する際、どのサービスをどう使えばいい？ Azure AI Search、Azure OpenAIって聞いたことあるけど何者？ 上記のような疑問を持っている 入門者 向けに記事を書きます。少しでも参考になると幸いです！   RAG(Retrieval Augmented Generation)とは RAGの概要 RAG（Retrieval Au

はじめに NTT西日本 1年目社員の野村です。私は現在、生成AIを活用したインフラ運用の高度化に取り組んでいます。 生成AIは業務効率化の「有効な手段」として期待されていますが、ハルシネーション（情報の誤り）への懸念から、特に正確性と透明性が求められる ガバメントクラウド（ガバクラ） 環境では導入のハードルが高いのが現状です。本稿では、この「信頼性の壁」を技術で突破する実践事例として、Amazon Bedrock Agentを「司令塔」に据え、設定の自動化から視覚的な正当性検証までを実現した自律型運用モデ

RAG＝ベクトルDBは誤解。BM25、Web検索、GraphRAGなど7つの手法を比較表で整理。データ規模・コスト・精度での選び方を解説します。 はじめに 「RAGを導入したい」という話になると、多くの場合「じゃあベクトルDBを選定しなきゃ」という流れになります。 弊社でもRAG構築・導入支援サービスを提供しており、RAGについて説明する機会が多くあります。その中で「RAG」と「ベクトル検索」を同じ文脈で質問されることがよくあります。 確かに、トレンドとしてRAGとベクトル検索を同じ文脈で語ることは間違い