トリビューでCTOをしている小尾（@obiyuta）です。 弊社では2026年7月、美容医療アプリ「トリビュー」にAI相談機能をリリースしました。前回のフロントエンド編では、LLMの仕事を、どの画面部品に何を表示するかを指定するJSON（テンプレートJSON）の出力までに絞り、画面の組み立てと実データの取得はフロントエンドが担う設計をご紹介しました。 今回はバックエンド編です。バックエンドも考え方は同じで、LLMにすべてを任せるのではなく、任せる範囲や役割を明確に設計しています。LLM・API・RAGの役割分担からガードレール設計までを題材に、安全・品質・コストをどれも犠牲にしない構造に

トリビューでCTOをしている小尾（@obiyuta）です。 弊社では2026年7月、美容医療アプリ「トリビュー」にAI相談機能をリリースしました。悩みごとのヒアリングから始めて、ユーザーの希望条件に沿って施術やクリニック、メニューの候補を検索・整理して提示し、そのまま予約まで行うことができるAIチャット機能です。 この記事は、医療ドメインにおいてユーザー向けのAI機能を提供するにあたり、安全性やコストを犠牲にせずベストな体験を提供するための設計やそこに至る失敗をお伝えできればと思います。 ! バックエンド側（LLMの制御や、口コミ検索・データの仕込み）は別の記事であらためてご紹介する予定

トリビューでWebエンジニアとして、コーポレートエンジニアを兼務しているHirokazu （@hirokazu_narrgi）です。 これまで主にバックエンドを触ってきましたが、徐々に領域を広げ、1人でサービス全てを扱えるエンジニアになるため勉強中です。まずはインフラ分野を触りたいと思っていましたが、個人でやるには初期環境から作るのが大変でどうしようか悩んでいました。ちょうどその時、今回のテーマとなる課題が社内で議論されていたので、挑戦したいと手を上げて担当しました。こうして、はじめてのインフラ構築に取り組むことになりました。 トリビューには、自社サービスの運用業務のために共有アカウント

トリビューでCTOをしている小尾（@obiyuta）です。 弊社ではAIを前提とした全社業務の再構築に取り組んでおり、前回はその中で取り組んでいる社内MCPを載せる共通基盤（認証・認可・ログ）をご紹介しました。 今回は具体的な活用事例として、非エンジニアが自分で本番データを分析できるような分析基盤と、作って終わらない改善ループをどう”小さく”構築、運用しているかご紹介します。 「SQLが書ける」と「正しく答えられる」は違う 分析基盤そのものは特殊なものではなく、ClaudeやNotion AIなどから自然言語で問いを投げると、SQLを組み立てて、BigQueryで実行して結果を返すと

トリビューでCTOをしている小尾（@obiyuta）です。 弊社では、社内向けに複数のMCPサーバーを運用しており、全社全員が各種AIクライアントからMCP経由で様々な社内システムを扱える環境を提供しています。 MCP自体は小さく始められますが、全社に広げて数を増やしていくとなると、土台は最初に固めておきたいところです。 この記事では、複数MCPを安全に提供し、改善し続けるための認証・認可やログなどの共通基盤を紹介します。 基盤整備の背景 現在、一人ひとりがより大きな課題・仮説に向き合い、多くの意思決定を行えるよう、ゼロベースでAIを前提とした業務の再構築を進めています。 全社利用が