AI 始めました！というと、ミーハーな感じがありますが、15年ほどやってきたソフトウェアエンジニアとしてのキャリアは終わりにして、 2カ月程前から AI エンジニアになりました。ここ5年程は、過去の経験の切り売りしかしていない感じがずっとあったのですが、 全く新しいことを始めて1から勉強し直しているところでとても楽しいです。 Fifteen Years of Dev, Deleted — Hello AI 目次 AI エンジニアって何？ 今までのAI/機械学習と違うところ 自律的なエージェントの構成要素 自律的なエージェントが人間を拡張した先 未来への不安 ブラックボックスを超えて 自然言語が主役になる時代のソフトウェア開発 やりたいこと AI エンジニアって何？ 雑に言えば、この表現が言いえて妙だと思います: 「LLM インテグレーション屋さん」 LLM インテグレーション屋さんになるこ
この記事で得られる3つのポイント 「つぶしが効く」エンジニアになる: 表面的な技術習得ではなく、根本原理の深い理解と問題解決能力が長期的な市場価値を創出する AI時代の新たな役割: テクノロジーと人間の強みを組み合わせ、AIとの効果的な協働を設計・実現できる「アーキテクト」としての視点 計画的偶発性の活用: 不確実性を受け入れ、専門性と横断性のバランス、継続的学習、そして「偶然を必然に変える」姿勢の重要性 はじめに みなさん、こんにちは！本日はアカリクの就職ラウンジイベント＠会津大学に来ていただき、ありがとうございます。「AI時代に市場価値を高めるキャリア戦略」というテーマでお話しさせていただきます。口頭で補足しながらいろいろやっていきます。よろしくお願いします。 acaric.jp 現役エンジニアとして日々AIの進化と自身のキャリアパスに向き合う中で、私が得た気づきや思考を皆さんと共有で
When the GitHub Copilot Technical Preview launched just over one year ago, we wanted to know one thing: Is this tool helping developers? The GitHub Next team conducted research using a combination of surveys and experiments, which led us to expected and unexpected answers. しかし、補完型の AI はあくまでユーザーが書いたコードを補完するものであり、ユーザーが書くコードの範囲内でしか提案を行うことができません。つまり、ユーザーが書かない限り AI は何も提案しないのです。つまりは開発者の生産性や幸福度は確かに向上するもの
このnoteは、【#日めくりLayerX】と題して発信するブログリレーの2025年4月9日の記事として投稿しています。 前回8日はfurubayashiさんの「最高の一振りを作る刀鍛冶になりたい〜仕事に対するスタンスの話〜」でした。ぜひ合わせてご覧ください！ https://note.com/yumafurubayashi/n/ne8e28b1794b7 このnoteについて今取り組んでいる新しいオペレーション設計の考え方、「AI BPR（AI Business Process Re-engineering）」についてご紹介します。 そして、それを実行する上でキーパーソンとなる「AIオペレーションマネージャー」という新しい職種についても、この記事を通じてお伝えできればと思っています。 自己紹介LayerXでVP of Productをしているnumashiといいます。最近は社内向けの営業生
透明性を高める公開ロードマップ 利用者との信頼構築のためにも、現在運営として何を考えているかわかるよう、機能ロードマップもSlackのリスト機能を活用して公開しています。 v0 (Vercel社が提供する生成AIによって画像・自然言語からUIコードを生成するツール)を使ったプロトタイプなどを使い、ここでやり取りすることにより、各部署/グループ会社のAI活用推進者とも連携をとりつつ、個々のステークホルダーとのやり取りが断片化しないように合意形成を進められます。 OpenView Partners （PLGの提唱企業）によるNotionなどの事例 継続的なカスタマイズ開発 私たちのプロジェクトでは、Difyをシングルテナントのまま、全ユーザーが自由な相手を選べるReBAC（関係ベースのアクセス制御）のアプリ共有機能を独自に実装しました。これにより、利用者ごとの組織・利用形態に合わせた柔軟にアプ
2025年の新卒研修の資料です。
はじめにChatGPTをはじめとする生成AIの登場により、多くの方が業務改善への活用に関心をお持ちのことと思います。 しかし、個人レベルでの活用は進んでも、チームや組織全体での業務改善となると、期待したほどの成果が得られていないケースも少なくないのではないでしょうか？ 本稿では、私自身が直近で携わった複数の生成AI活用プロジェクトの経験をもとに、業務改善を進める上でのポイントや注意点を備忘録としてまとめました。 基本的な内容も含まれますが、実践に基づいた観点から整理していますので、これから取り組む方、すでに取り組んでいるが課題を感じている方のご参考になれば幸いです。 生成AIを活用した業務改善にお困りの場合ぜひご連絡ください！ うめもと連絡先：こちらから ※クリックするとXのうめもとのアカウントに飛びます 実際のプロジェクトにおける成果事例1.採用活動におけるスカウト業務の改善 課題: 候
はじめに こんにちは。SmartHRで勤怠管理プロダクトのPM（プロダクトマネージャー）を務めている@hiroki_mです。 私が扱う領域は勤怠管理という領域ですが、プロダクト開発の現場では、CursorやDevin、ClineなどのAI開発支援ツールを積極的に活用しています。 この記事では、私がPMとしてAI開発支援ツールをどのように活用しているかを紹介します。 AIを活用する目的はなにか PMの業務を効率化することで、PMとしてより価値を生む業務に集中するためです。 勤怠管理機能の開発チームはとても優秀で、爆速で開発を進めています。PMが開発をスケールするうえでボトルネックとならないよう、要件定義の効率化、さらにはPM抜きでも要件定義及び開発を進められる体制を築いていきたいと思っています。 その結果、プロダクト戦略の立案と解くべき課題の解像度を上げることに対し、より時間を割けるようにし
ゴールデンウィーク中に生成AIを一気に勉強しようと思っている人向けに、「これを上から順番に読み切ったら生成AIにめちゃくちゃ詳しくなれる」というリーディングガイドを作りました。 15のステップごとに記事を紹介しており、上から読んでいくことで、生成AIの基本から具体的な活用テクニックまで押さえられるようになっています。 ぜひこのゴールデンウィーク中に生成AIを一気に学ぼうと思っていた方はご活用ください。 1. 入社一年目の生成AIの教科書生成AIを効果的に活用するための基本的な8つの考え方/心構えを学べる記事です。テクニックの前に身につけておきたいマインドセットを詳しく解説しています。 2. 生成AIは今までのAIと何が違うのか？機械学習→ディープラーニング→生成AIという技術史を俯瞰し、「生成AI」の何が正体と、何がブレークスルーだったのかを整理。
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? AI搭載エディタCursorを色々と試しているのですが、これが非常に興味深いです。 普段の開発業務はもちろん、少し工夫することで、要件定義のような上流工程も大幅に効率化できるのではないか？という気づきがありました。 本日はその試みについて、私が行った具体的なプロセスと合わせて共有できればと思います。 概要 不動産テック業界に限らず、SaaS開発などに携わっていると、日々さまざまな要望が寄せられますよね。 「ここにこんな機能を追加したい」「あの画面のここをこう変更してほしい」といった具合です。 そして、それらを適切に実現するためには、まず
本記事は、春の入門祭り2025の10本目です。 はじめにSAIG（Strategic AI Group）の小橋です。生成AI関連の検証や、データ分析の業務を担当しています。 生成AIを使った開発手法の進化は目を見張るものがあります。私自身は業務でAI駆動開発をすることは無いのですが、CursorやClineなどのニュースを見ない日はありません。 Technology Radar の記事を2年前に書いたことを思い出したので、読み返してみました。このときは、GitHub Copilotが出始めたくらいでした。しかし最新版（2025年4月）のTechnology Radarでは、Cursor, Cline, Windsurfが登場しています。2年間で様子が随分変わったなと驚かされます。 そんな中で、ある勉強会でこの本を知ったので、いい機会と思い読んでみました。 AI駆動開発完全入門 ソフトウェア
2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 1週間の気になる生成AI技術・研究をいくつかピックアップして解説する連載「生成AIウィークリー」から、特に興味深いAI技術や研究にスポットライトを当てる生成AIクローズアップ。 今回は、GitHub上のリポジトリを自動的に解析し、ドキュメントを生成してくれるオープンソースAIツール「DeepWiki」を取り上げます。 ▲DeepWikiのトップページ DeepWikiはAIデベロッパーツール「Devin」の開発チーム「Cognition AI」によって開発された無料サービスです。 主な機能は、GitHubリポジトリのコードを読み取り、リポジトリ全体の解説ドキュメントページを生成することです。自然言語での説明だけでなく、アーキテクチャ図やシーケンス図
[レベル: 上級] 指定したトピックで、Google の NotebookLM がウェブから関連リソースを収集できるようになりました。 独自価値を加えたコンテンツ作成に役立ちそうです。 ウェブのリソースをキュレートする NotebookLM ソース追加のダイアログボックスの右上に「提供元を見る」というボタンが表示されています。 このボタンをクリックして、調べたいトピックを入力します。 ここでは [海外旅行に持っていくのにおすすめのBluetoothスピーカー] を指定しました。 指定したトピックについて書かれている記事を NotebookLM がウェブから集めてきました。 利用したいリソースにチェックを入れて選択し、あとはそれらのリソースに関して NotebookLM にタスクを実行させられます。 集めたリソースをコンテンツ作成にどのように利用するか？ NotebookLM が集めてきたリ
はじめに こんにちは！モノタロウ CTO-Office 所属の市原です。AI駆動開発チームのリーダーを務めています。 近年、生成AI技術は目覚ましい進化を遂げ、ソフトウェア開発の世界にも大きな変化をもたらしています。 モノタロウでは、「AIを活用して生産性を非連続に向上する」ことを目指してAI駆動開発への取り組みを積極的に進めています。 来月5月7日には、AI駆動開発カンファレンスにて、CTO 普川、プラットフォームエンジニアリング部門長 香川、私市原で登壇します。モノタロウでの取り組みについて、詳しくお話しさせていただく予定です。 本記事では、カンファレンスに先駆けて、モノタロウがAI駆動開発にどのように取り組んでいるのか、概要をご紹介したいと思います。 はじめに モノタロウのAI駆動開発推進体制 活用・検証中のAIツール セキュリティへの配慮について 生成AIを活用したレガシーシステム
Introduction Zennのみなさん、こんにちは！ TSUKURUBAで、Web フロントエンドエンジニアをしているkiiです 最近、プロジェクトの中でAI Agent（Cursor）を活用した開発に取り組み、試行錯誤を重ねてきました。 その過程で見えてきた、効果的な開発フローやノウハウを本記事でまとめて共有します。 いろんなAI Agent利用記事あるのですが、抽象的なものが多く、もっと具体例教えてほしいな〜と思ったので書いてみました！ 実際に使っているドキュメントや命令の例、運用のコツも紹介しますので、 みなさんの開発やAI活用の参考になれば幸いです。 この記事で得られること AI Agent（Cursor）を活用した開発フローの具体的な進め方 AI Agentが実装できるような、要求整理から実装までのDocument作成手順 AIとのやりとりを効率化するための実践的なTips
こんにちは！Algomaticネオセールスカンパニーでソフトウェアエンジニアをしている越川と申します。 1月に弊カンパニーでリリースした アポドリ はまだまだたくさんの反響を頂いております。 apodori.ai 本記事では、アポドリを開発している中で向き合ってきた、LLMのアウトプット品質をいかにして担保するか？というお話をします。ぜひ最後まで見ていただけると嬉しいです。 ※本記事内のプロンプトはサンプルであり、アポドリで実際に使われてるものではありません なぜLLMのアウトプット品質の担保が難しいのか？ 1. LLMのロジックがブラックボックスであるため 従来のシステム開発では、関数やアルゴリズムのロジックが明確で、入力と出力の関係性を追跡できました。 しかし、LLM（大規模言語モデル）は内部処理がブラックボックス化しており、同じ入力でも異なる出力を生成する可能性があります。 これは、
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
