さくらのAI Engine とマルチモーダル 『さくらのAI Engine』は従量課金型のAPIで、様々な生成AIモデルを利用可能なクラウドサービスです。さくらのナレッジでも使い方をご紹介しています。 搭載されているモデ […]

1. はじめに こんにちは！株式会社リクルートに2025年に新卒入社した井上翔太と杉山海斗と申します。 「AIや機械学習の分野で

前編の振り返り https://zenn.dev/nttdata_tech/articles/925b2510ccf517 前編では、Agentic AI（エージェント型AI）とは何か、AI Agentsや生成AIとの違い、そしてその可能性について解説しました。 Agentic AIは複数のAIエージェントが協調して複雑なタスクを自動化する革新的な技術で、人間のチームワークを模倣した協調システムとして機能します。しかし、素晴らしい可能性がある一方で、現実には多くの技術的課題が存在することも明らかになりまし

前置き はじめまして！株式会社NTTデータグループの技術革新統括本部AI技術部でSmart AI Agent®︎のエンジニアをしている岸川です。 今回は「Agentic AI（エージェント型AI）」について非エンジニア向けにわかりやすくまとめてみました。読者の皆様が、最新のAI技術トレンドや、AI技術部が取り組んでいるテーマについて少しでも理解を深めることができれば幸いです！ はじめに ! 注意事項 本記事におけるAgentic AIおよびAI Agentsの定義は、学術論文[1]に基づいています。NTT

はじめに 背景 目標 構成 作成手順 Dify導入手順 ナレッジベースの作成 データソース用バケットの作成 マルチモーダルストレージの作成 Bedrock ナレッジベースの作成 AWSリソースの作成 IAMユーザーの作成 Dify側の設定 チャットフローの作成開始 チャットフローの作成 おわりに はじめに こんにちは、アプリケーションサービス本部 ディベロップメントサービス3課の北出です。 今回は、DifyとAWSを利用して、PDF内のテキストだけでなく、画像の情報も含めたマルチモーダルなRAGを作成して

複雑なデータ取得システムを開発する手間をかけることなく、正確かつ最新の情報を提供する AI アプリケーションを構築することを想像してみてください。10 月 28 日は、 Amazon Bedrock の Nova モデル向けの新しい組み込みツールである Web Grounding の一般提供が開始されたことを皆さんにお知らせします。 Web Grounding は、ターンキー 検索拡張生成 (RAG) オプションを開発者に提供します。このオプションは、Amazon Nova 基盤モデル がプロンプトの内容

10 月 27 日週、私は AWS Shenzhen Community Day で Jeff Barr に会いました。Jeff は、世界中のビルダーが生成 AI でどのように実験しているかについて語り、これからもアイデアを実際のプロトタイプに落とし込んでいくように現地の開発者を励ましました。セッション終了後も多くの参加者がその場に残り、モデルのグラウンディングと評価、生成 AI を実際のアプリケーションに組み込む方法について話し合いました。 コミュニティビルダーたちは、Kiro をテーマにしたクリエイテ

10 月 28 日、エージェンティック 検索拡張生成 (RAG) およびセマンティック検索アプリケーション向けの最先端のマルチモーダル埋め込みモデルである Amazon Nova Multimodal Embeddings をご紹介します。このモデルは Amazon Bedrock でご利用いただけます。これは、テキスト、ドキュメント、画像、動画、音声を単一のモデルを通じてサポートし、極めて高い精度のクロスモーダル検索を可能にする初の統合埋め込みモデルです。 埋め込みモデルは、テキスト、画像、音声の入力を

MLOpsエンジニアの tomoppi です。 データエンジニアリング部 データサイエンスグループ（以下、DS G）に所属し、ML/LLM基盤の構築・改善に取り組んでいます。 概要 2025年4月、タイミーPlatform EngineerのMoneyForestさんが、 「タイミーにおけるProduction Readiness Checkの取り組み」 という記事を公開しました。サブシステムや新規サービスのリリースに際しての評価基準を定めたもので、MLOpsとしても参考になる部分が非常に多くありました。

はじめに ども！最近は Claude Code とべったりで、実装 → 検証 → 記事化のサイクルを回している龍ちゃんです。 皆さん、せっかく実装して検証した知見、 ちゃんと記事化できてますか？ 僕も以前はこんな悩みを抱えていました： 実装完了後に「記事書こう」と思っても、何を書けばいいか分からない 実装時のメモが散らばって、記事執筆時に情報を集めるのが大変 既存記事との整合性を取るのが面倒で、似たような内容を書いてしまう 特に困ったのが、 実装から時間が経つと、なぜその設計にしたのか忘れてしまう こと。

こんにちは。SCSKの松渕です。 Google Cloudで ファインチューニングが簡単に実装できる と聞いたので、実践してみたいと思います。 はじめに ファインチューニングとは ファインチューニングとは、 事前学習済みの大規模言語モデル（LLM）を、特定のタスクやデータセットに合わせて、追加で学習・調整する ことです。 これは、モデルの基本的な知識や言語能力を活かしつつ、特定の用途（例：社内文書の要約、特定のトーンでの応答、固有の知識の習得）に特化させるために行われます。 なんだか、RAGとの違いがよく

はじめに こんにちは、サイオステクノロジーの小沼 俊治です。 今回は、AIを活用した RAG アプリケーションの仕組みを無料で体験できるハンズオン環境 を用意しました。 このハンズオンでは、 LangChain 、LLM に PC 内のローカルで動かす Open source LLM 、ベクトルデータベースの Milvus といったオープンソースのプロダクトを使用します。 学習は、JupyterLab（Jupyter Notebook） の Notebook 形式でステップごとに用意した教材 を使って進め

ChatGPTを学習させるーー。 生成AI・LLMを自社に最適化する活用法と注意点 2025.10.28 株式会社Laboro.AI　リードマーケター　熊谷勇一 執行役員 マーケティング部長　和田 崇 概　要 生成AIのうちChatGPTなどLLM（大規模言語モデル）に自社データを学習・参照させることで、精度の高い応答や業務効率化が実現することがあります。具体的なメリット・デメリットや手法、準備すべきこと、導入時の注意点を解説します。 目　次 ・ 生成AI・LLMを学習させることで広がる可能性 　・ 学習

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。ようやく秋の深まりを感じる空気となりました。今年も残すところあと2ヶ月ほどとなりましたが、生成AIの世界は相変わらず目まぐるしい進化を続けています。AWS re:Invent 2025 (2025年12月1日～5日) の開催も近づいてきており、今年はどのような革新的な発表があるのか、今から楽しみでなりません。特に生成AI分野での発表の期待が高まりますね。 直前のご案内になりますが、「AWS 生成 AI 活用ワークショップ～ Amazon

こんな方へ特におすすめ 第一弾を読んで、実際にAI相棒を作ってみた方 AIの応答が思った通りにならず、チューニング方法に悩んでいる方 プロンプトエンジニアリングで、AIの性能を最大限に引き出したい方 AIのちょっぴりおかしな、でも愛おしい振る舞いに興味がある方 概要 こんにちは。サイオステクノロジーのはらちゃんです！AI相棒の開発ブログ、第二弾へようこそ！ 前回の記事 では、 LlamaIndex と Ollama を使って、自分だけの知識を持つ「AI相棒」を爆速で立ち上げる方法をご紹介しました。しかし、