本稿は、Japan Digital Design 株式会社 佐藤様による「三菱UFJフィナンシャル・グループの DX を牽引する Japan Digital Design、Aurora DSQL の採用で DB コストを約 87% 削減し、運用負荷ほぼゼロを実現」に関する寄稿記事となります。 こんにちは。Japan Digital Design 株式会社 Technology & Development Division で Technical Project Manager を務めている佐藤です

こんにちは、クラウドエース株式会社第四開発部の渡辺です。 Dataform で incremental テーブルを運用していると、「特定の日付範囲だけ再計算したい」という場面が出てきます。 本記事では、updatePartitionFilter に 開始日・終了日のような複数の動的条件 を載せる方法を紹介します。 概要 incremental テーブルの更新対象パーティションは、updatePartitionFilter で絞り込めます。 期間を実行時に変えたい場合は dataform.projectCo

こんにちは、LIFULL HOME'Sのネイティブアプリケーション開発チームでエンジニアリングマネージャーをしている佐々木です。 前々回の記事 ではチームの業務知識をAIに構造化して渡すことで調査工数を削減した話を、 前回の記事 ではその技術設計（コンテキストレイヤ5層）について書きました。今回は マーケター9人で構成されるデジタルマーケティング（以下、デジマ）チーム に、AI業務基盤を導入したお話をしていきたいと思います。 課題：属人化60%、ツール散在、新人が自走できない デジマチーム（9人）は以下の

1. はじめに 生成AIやAIエージェントを業務で活用する動きが広がる中で、最近は「AIエージェントをどう作るか」だけでなく、AIエージェントをどう本番運用するかが重要なテーマになってきています。 PoCでは、LLMにツールを呼び出させたり、RAGと組み合わせたりすることで、比較的短期間で動くものを作ることができます。 一方で、本番利用を考えると、次のような課題が出てきます。 エージェントをどこで安全に実行するのか ユーザーやエージェントの認証・認可をどう扱うのか 外部SaaSや社内APIへのアクセス権限

1. はじめに 生成AIやAIエージェントの活用が広がる中で、最近は「AIエージェントをどう作るか」だけでなく、AIエージェントをどう安全に業務へ組み込むかが重要なテーマになってきています。 従来の生成AIセキュリティでは、プロンプトインジェクション、ハルシネーション、不適切な出力、機密情報の漏えいといった、モデルの入出力に関する論点が中心でした。 しかし、AIエージェントでは状況が少し変わります。 AIエージェントは、単に回答を生成するだけではありません。外部APIを呼び出し、SaaSにアクセスし、デー

2026年6月25日に開催された AWS Summit Japan 2026 の流通小売・消費財ブースにて、Amazon Quick を活用した物流業務の一気通貫自動化デモを展示しました。本ブログでは、展示の概要とデモの見どころをご紹介します。 はじめに 物流の現場では、基幹・受発注・在庫・配送など複数のシステムにデータが分散しています。今回の展示では、 Amazon Quick がこれらの課題をどのように解決するかを、実際の業務シナリオに沿ってデモでお見せしました。皆さまの物流現場でも、こんな課題はあり

Elastic Stack（ELKスタック）を導入する際、多くのエンジニアが最初に頭を悩ませるのが「データの収集・加工（前処理）に何を使うか」という問題です。 かつては「前処理といえばLogstash」の一択でしたが、Elasticsearchに  Ingest Pipeline  が実装されて以降、その手軽さとパフォーマンスから強力な選択肢となっています。 本記事では、LogstashとIngest Pipelineのアーキテクチャの違い、機能面での優劣、そして「結局どちらを選ぶべき

    株式会社エブリーは、「前向きなきっかけを、ひとりひとりの日常にとどける。」というミッションのもと、デリッシュキッチン、retail HUB、トモニテ、MOMENTH といった BtoC・BtoB を横断するメディアやサービスを展開しています。同社では、小売事業者向けサービス retail HUB におけるピッキングサービスの新規開発にあたり、データベースとして Amazon Aurora DSQL を採用しました。本ブログでは、お客様の開発チームに伺った Aurora DSQL

本記事は 2026 年 4 月 20 日 に公開された「 Getting started with the Oracle Database@AWS high performance networking 」を翻訳したものです。 Oracle Database@AWS (ODB@AWS) は、AWS データセンター内で Oracle Cloud Infrastructure (OCI) が管理する Oracle Exadata インフラストラクチャへのアクセスを提供します。Oracle Exadata イン

本記事は 2026 年 1 月 13 日 に公開された「 Best practices for creating and reorganizing data with additional storage volumes in Amazon RDS for Oracle 」を翻訳したものです。 Amazon Relational Database Service (Amazon RDS) for Oracle は、クラウド上で Oracle データベースのセットアップ、運用、スケーリングを容易にするフルマ

G-gen の福井です。自然言語でデータを分析できる BigQuery Conversational Analytics について、回答精度を高める手段を徹底解説します。 はじめに 当記事の概要 BigQuery Conversational Analytics とは データエージェントと回答精度 回答精度向上の考え方 回答精度を決めるレイヤー構造 Google が推奨する積み上げの順序 土台となるデータとナレッジソース スキーマ設計とデータ整形 ナレッジソースの絞り込み 構造化コンテキストの整備 テーブ

はじめに 「50万円以上の申請はいくつありますか？」 「承認済みの購買申請を一覧表示してください」 「今月申請されたデータを確認したい」 このような業務データの確認を、毎回SQLで行うのは手間がかかります。特に、SQLに慣れていない利用者にとって、データベースに蓄積された情報を自由に活用することは簡単ではありません。 本記事では、Oracle Alloy環境上のAutonomous DatabaseとSelect AIを利用し、業務テーブルに対して自然言語で問い合わせできるデータ分析アプリケーションを試作

1. はじめに こんにちは、スタンバイでデータエンジニアを担当している権藤です。 私が所属する Data Platform Group では、データ基盤の開発・運用・保守を担当しています。 今回はデータ基盤の移行について、計画〜実行までの過程を紹介していきます。 2. 移行の背景と計画 移行前のアーキテクチャの問題点 当時開発・運用していたデータ基盤について様々な課題が発生したため、リプレイスすべきだろうという話が挙がりました。 (以下、旧データ基盤と呼びます) 旧データ基盤の構成図は以下になります。 移

セーフィー株式会社でサーバーサイドエンジニアを務めている尹です。 近年、AI エージェントやプロンプトエンジニアリングといった言葉が広く使われています。私自身、バックエンドの開発や社内ツールの自動化を進める中で、プロンプトの「使い捨て」に課題を感じていました。 通常、プロンプトはその場で書いて使い捨てるものとして扱われがちです。しかし、開発で繰り返し使う指示ほど、毎回ゼロから書き直すのは非効率で、書く人によって品質もばらつき、変更履歴も残りません。本来であれば再利用できるはずの指示が、資産として蓄積されず

みなさん、こんにちは。ソリューションアーキテクトの西村です。 今週も 週刊AWS をお届けします。 さて、7月28日（火）に東京・赤坂インターシティにて、「 AWS Bedrock LLM Day Japan 」が開催されます。Anthropic や OpenAI、OSS の最新モデルから、先日の AWS Summit New York での発表まで、生成 AI の最新動向を半日で体験いただけるイベントです。Amazon Bedrock を活用してビジネスにイノベーションを起こされているユーザーの事例セッ