みなさん、こんにちは。ソリューションアーキテクトの古屋です。今週も 週刊AWS をお届けします。 ゴールデンウィークも終わり、今週から本格始動という方も多いのではないでしょうか。みなさんはどんな連休を過ごされましたか。私は家の中でのんびり過ごしていました。 さて、5月26日(火) 14:00〜17:30 には、日本では 2 回目の開催となる「Amazon EKS でスケーリングする生成 AI 環境を構築するハンズオンワークショップ」をオンラインで開催します。NVIDIA GPU を活用した本番環境レベルの

本記事は 2026 年 5 月 7 日に公開された “ Valkey turns two ” を翻訳したものです。 2 年前、 Valkey は、Redis に対する真にオープンでベンダーニュートラルな代替手段の必要性に応えるコミュニティ主導の取り組みとして誕生しました。本記事では、この 2 年間の歩みを振り返り、Valkey の急速な普及、コミュニティによってもたらされたイノベーション、そしてこれらの発展がモダンなキャッシングおよびリアルタイムデータ基盤の未来にとって何を意味するのかをご紹介します。わず

今回の構成 Amazon Quick と Salesforce の接続手順 注意：接続用の専用アカウントを用意する Salesforce 商談データを分析できる形に整える（計算フィールド設計） 分析に必要な値は計算フィールドで作成する データの同期はリアルタイムではない データセットの共有 ダッシュボード作成（3シート構成） Sheet 1：営業パイプライン概要 Sheet 2：失注分析 Sheet 3：業界別・取引先別分析 フィルター設定の落とし穴 自然言語で Salesforce データに質問する：ト

G-gen の荒井です。当記事では、Google Cloud Next '26 で発表された Google Workspace に関する新機能について、公式の投稿記事およびセッションの内容をもとに紹介します。 G-gen Tech Blog では、現地でイベントに参加したメンバーや、日本から情報をウォッチするメンバーが、Google Cloud Next '26 に関連する記事を発信します。 blog.g-gen.co.jp はじめに Keynote Features Workspace Intellig

3 月下旬、世界中の AWS スペシャリストが集まる最も活気あふれるイベントの 1 つである Specialist Tech Conference のために、シアトルを訪れました。同僚とつながり、経験について意見を交換し、生成 AI と Amazon Bedrock の最新の進歩について深く知る、素晴らしい機会でした。また、このイベントは、私が心の底から信じていることをしっかり思い出させてくれました。それは、スペシャリストが集まってお互いに挑戦し、エッジケースを探り、ソリューションを共同で作成するとき、そ

G-gen の武井です。当記事では、Google Cloud Next '26 in Las Vegas のセッション「 Secure what's next: AI-driven defense for the enterprise 」について、速報レポートをお届けします。 G-gen Tech Blog では、現地でイベントに参加したメンバーや、日本から情報をウォッチするメンバーが、Google Cloud Next '26 に関連する記事を発信します。 blog.g-gen.co.jp はじめに A

はじめに NTTデータグループ 技術革新統括本部 AI技術部の小倉 光瑛です。 私は入社1年目から現在まで、iPaaS/API連携基盤チームに所属し、4年間、MuleSoft勉強会の企画・運営に携わってきました。 その間、MuleSoftのDeveloper／Architect関連の資格を4つ取得しながら、どうすればチームとして学びを継続できるかを試行錯誤してきました。 勉強会はチームとして初の取り組みで、大変な面もありましたが、継続して良かった点も多くありました。 本記事を通じて、「エンジニア勉強会を開

2026 年 3 月 27 日、Chat Agent や Flows をはじめとする Amazon Quick の AI Agent 機能の東京リージョンローンチを記念したイベント「Amazon Quick Event」が開催されました。本イベントでは、Amazon Quick の製品紹介や Amazon 社内での活用事例に加え、AWS パートナー企業やお客様による具体的な導入事例が共有されました。会場には多くのお客様にお越しいただき、オンラインでも多数の方にご参加いただきました。本記事では、イベントの模

はじめまして。2025年11月にエス・エム・エスへ入社した岡本です。入社後は、カイゴジョブエージェントの開発チームでエンジニアとして働いています。 この記事では、これまでやってきたことを少し振り返りつつ、入社してから見えてきたことを書いてみます。 あわせて、今チームで進めていることや、これから目指したいことにも触れます。 同じように新しくチームに入る方や、課題の多い環境でプロダクトやチームを少しずつ良くしていくことに面白さを感じる方に、読んでもらえたらうれしいです。 これまでの経験 前職では、EC領域でカ

はじめに こんにちは、ユーザベース Sales System Engineering Teamの竹本（あだ名：たけたけ）です！ 前回の記事 では、僕たちユーザベースのSalesforce構成をご紹介しました。 その中で、スクラッチOrgを用いたソース駆動開発へ転換を目指す…と締めくくりましたが、ようやく形になってきたので今回はそのストーリーをお伝えできればと考えています。 このブログを通して、よりよいSalesforce 開発体験を作る議論のきっかけになると嬉しい限りです。 なぜ組織駆動開発 > ソース駆

はじめに こんにちは。株式会社エブリーの開発1部の村上です。 弊社ではClaudeを非エンジニアも含めた全社に展開しており、業務のあらゆる場面で生成AIの活用を推進しています。 弊社のデータ基盤は、昨年TreasureDataとDatabricksを併用していた構成からDatabricksに統一しました。（この移行の話は今週の 「第3回 Youは何しにDatabricksへ！？」 で「データ基盤をTreasureData + DatabricksからDatabricksへ統一する話」として弊社のデータエン

はじめに はじめまして。NTTデータでデータサイエンティストを務めております池野です。 本記事は、【前編】Databricks Assistantを活用して需要予測モデルを構築してみた 〜EDA編〜の後編です。 前編では、需要予測モデル構築における課題感の整理からスタートし、 Databricks Assistant の設定 データ読み込み EDA（探索的データ解析） 需要に影響を与える要因の仮説出し までを実施しました。 需要予測はビジネスインパクトの大きいテーマですが、実務では前処理やEDA、特徴量設

はじめに はじめまして。NTTデータでデータサイエンティストを務めております池野です。 本記事では、Databricks Assistantを活用して需要予測モデルを構築してみた内容をご紹介します。 内容に少しボリュームがあるため、前編・後編の2部構成でお届けします。 前編：背景・コンセプト整理からEDA（探索的データ解析）、需要要因の仮説出しまで 後編：特徴量設計、ベースライン構築、機械学習モデル構築、振り返りまで 需要予測はビジネスインパクトの大きいテーマですが、実務では前処理やEDA、特徴量設計など

はじめに こんにちは、株式会社ユーザベース スピーダ事業 Sales System Engineering Teamの村松（あだ名：MJ）です。 ユーザベースのSalesforceのアドミン/デベロッパーを担当しています。 今回は私たちのチームで用いているトリガーフレームワークについてご紹介します！ Salesforce開発において、トリガーの管理は規模が大きくなるほど複雑になります。 オブジェクトごとにトリガーが増え、処理順序の制御やメンテナンスが困難になるというのは、 多くの開発チームが直面する課題か

あなたができるようになること