「Google Cloud Next Tokyo 26」にＳｋｙ株式会社の社員が登壇。基調講演にてGemini™ Enterprise導入後5か月で約2万個のエージェントを作成した実践事例を発表しました。当日の発表風景や舞台裏を収めた密着動画も公開中です。

Googleが提供する生成AIモデル「Gemini」をアプリからAPI経由で利用する方法として、「Google AI Studio」と「Vertex AI」の2つのアプローチを紹介します。それぞれの特徴や実行例、用途に応じた使い分けを解説します。

Googleが提供するLLM「NotebookLM」を活用し、特定の情報源に特化した生成AIを準備することで、自己学習を効率化する方法を解説します。ハルシネーションを抑えた信頼性の高い情報整理や、変化の激しいソフトウェア業界における効果的な学習手法について紹介します。

要件定義において、関係者間の認識のズレを防ぐための「ユースケース分析」の役割や利点、実務で実践する際の注意点について解説します。

AIエージェントのPoC（概念実証）において、実業務への導入を見据えて意識すべき「費用対効果」と「保守・運用」の2つのポイントについて解説します。導入後のコストや運用体制を初期段階から考慮することの重要性を紹介します。

自動車業界で注目されるSDV（Software-Defined Vehicle）の心臓部である「Vehicle OS」について解説します。トヨタ、ホンダなどの各自動車メーカーによる独自OS開発の動向や、Googleによる「Android Automotive OS」の展開など、業界の最新トレンドをまとめています。

Hyper-VのDefault Switchに接続されたLinux仮想マシンのIPアドレスが再起動のたびに変わる問題を回避し、「mshome.net」を利用して固定のホスト名でSSH接続する方法とその注意点について解説します。

経済産業省より公表された「サプライチェーン強化に向けたセキュリティ対策評価制度に関する制度構築方針」について紹介し、要求事項や評価基準への対応を支援する「SKYSEA Client View」の機能や関連セミナーについてご案内します。

macOS環境でプリンタ関連機能の実装や検証を行う際に、紙やインクを消費しない検証用プリンタ（ダミー）を設定するコマンドと手順について解説しています。

ソフトウェア開発の手法として知られる「スクラム」を、日常のビジネスや業務に応用するための具体的な4つの実践ステップ（見える化、週次スプリント、デイリースクラム、振り返り）について解説します。

リモートワークの普及に伴い、チャットツールがコミュニケーションの主軸となる中で生じる情報過多や検索の手間といった課題を指摘し、チャットを起点とした作業管理やノウハウ蓄積の工夫、ChatGPT等の連携による業務効率化のヒントを紹介します。

AWS環境におけるセキュリティ対策として、EBS（Elastic Block Store）のデフォルト暗号化の重要性と、AWS CLIを用いたアカウント単位での設定手順や注意点について解説します。

開発現場における仕様書等の日本語記述の曖昧さが引き起こす「技術的負債」について考察し、その解決策として静的解析ツールの導入やレビュー文化の醸成といった組織的なアプローチを紹介します。

UIデザインで背景画像の上に配置した要素を自然に馴染ませたい時に役立つ、CSSの`mix-blend-mode`プロパティをご紹介します。合成モードの種類や見え方の違いから、動的な背景での視認性確保といった活用例、使用時の注意点までを客観的に解説します。

Microsoft 365のオフラインパッケージにはMicrosoft Teamsが含まれていないため、別途展開が必要な背景と、x64版のMicrosoft Teamsをオフラインでインストール・アップデートするための具体的な手順について解説します。

サプライチェーン攻撃対策として注目されるSBOM（ソフトウェア部品表）について、Microsoft社の「sbom-tool」を用いた生成手順と結果を解説します。C#プロジェクトでの実行例やライセンス情報を出力するための引数設定などを客観的に紹介します。

AWS WAFでリクエストボディを検査する際の注意点として、「オーバーサイズ処理」の挙動について解説します。検査サイズの上限値を超えた場合の「Continue」「Match」「No Match」の各設定が、意図しない通信の許可やブロックにどう影響するかを具体的なシナリオを交えて紹介します。

ソフトウェアの信頼性を測るための代表的な指標について解説します。平均故障間隔、平均修復/復旧時間、故障強度率、故障率などの各指標の概要と、信頼性や可用性との関係をわかりやすくまとめています。

Flutterのゲームエンジン「Flame」を用いて、モバイルゲームのような操作体験を持つUIの試作を通じて得た知見を紹介します。入力処理の設計、フレームベースの状態管理、フィードバック設計などを整理し、Flameを活用するメリットや注意点を解説します。

NVIDIAのTensorRT Model Optimizerを利用して、LLMの推論速度を向上させる「投機的デコード」を試す方法について解説します。EAGLEを用いた具体的な実装手順や、推論速度の比較結果などを客観的に紹介します。