※この記事は、2024 Speee Advent Calendar12日目の記事です。 昨日の記事はこちら tech.speee.jp こんにちは、DX事業部のエンジニアの中嶋です。 プロダクト開発ではユーザーの課題を解決するため、要件、設計、アーキテクチャといった多くの「手段」を日々検討しています。 手段を検討するなかで意識的か否かに関わらず行われているのが「意思決定」です。感覚的な意思決定をしてあとで後悔をしたり、意思決定に時間をかけすぎることはしばしばあります。こうした問題は、意思決定プロセスの質を高めることで改善できます。よい意思決定プロセスは、より筋のいい手段を導きます。 本記事では、私の開発チームで実践している意思決定プロセスを紹介します。 意思決定はプロセスが大事 規範的な意思決定プロセス 1. 意思決定課題を特定する 2. 評価基準を発見する 3. 選択肢を生成する 4.

本記事では、最近流行りの「生成AIエージェント」に替わる「Agentless」（エージェントレス）という手法について、ざっくり理解します。株式会社ナレッジセンスは、エンタープライズ企業向けにRAGを提供しているスタートアップです。 この記事は何 この記事は、ソフトウェア開発自体を自動化する際の新しい手法「Agentless」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもAIエージェントとは？」については、知っている前提で進みます。確認する場合は、こちらの記事などをご参考下さい。 本題 ざっくりサマリー 最近、ソフトウェア開発で生成AIを使うことは当たり前になっています。（GitHub Copilot、Cursor、Devinなど、様々なツールがリリースされています。） 「AGENTLESS」は、ソフトウェア開発を自動化する、という文脈でLLMを使う際の、新しい手法

NEW! 2024.12.04 スキル 生成AIや自動化の波が押し寄せ、変化が避けられない開発現場では、一体どんなエンジニアが評価され、「この人は仕事ができる」とみなされるのだろうか。 書籍『「仕事ができる」とはどういうことか？』（宝島社）の著者で、大きな成功を収める企業の傾向や戦略に精通する、一橋ビジネススクール 特任教授の楠木 建さんに話を聞いた。 一橋ビジネススクール 特任教授 楠木 建さん（@kenkusunoki） 1964年、東京都生まれ。89年、一橋大学大学院商学研究科修士課程修了。一橋大学商学部助教授および同イノベーション研究センター助教授などを経て、2010年より現職。専門は 競争戦略とイノベーション。著書に『ストーリーとしての競争戦略─ 優れた戦略の条件─ 』（東洋経済新報社）など多数 そもそも「仕事ができる」とはどういうことなのか？ まず、「仕事ができる」とはどういう

www.404media.co 先月の話だが、スタンフォード大学の研究者のツイートが波紋を呼んだ。彼の主張によれば、100社以上で5万人を超えるエンジニアのパフォーマンスに関するデータを分析した結果、「ソフトウェアエンジニアの9.5％は事実上、何の仕事もしていない」というのだ。 I’m at Stanford and I research software engineering productivity. We have data on the performance of >50k engineers from 100s of companies. Inspired by @deedydas, our research shows: ~9.5% of software engineers do virtually nothing: Ghost Engineers (0.1x-ers)

バッチシステムのリプレース ~オンプレ/PHP->AWS/TypeScriptで実現する大規模バッチの新規設計、構築~

ノーコード・ローコードツールはソフトウエア開発を容易にしたが、カスタマイズ性が低い。生成AIを活用したコーディング支援サービスの登場がそんな状況を一変させた。新たなコード自動生成サービスが続々登場し、ユースケースを広げている。 プログラミングの知識がなくてもアプリがつくれる――。コード自動生成技術の歴史は、そんな未来を予感させ続けてきた。UML（統一モデリング言語）モデルの発展、BPM（ビジネスプロセスマネジメント）ツールによるモデリングとコードの自動生成、ノーコード・ローコード開発ツールなど、生成AI（人工知能）以前にも様々なコード自動生成のアプローチがあった。 特にノーコード・ローコード開発ツールは、ソフトウエア開発のハードルを下げている。「プログラミングの知識がなくても、ビジュアルなGUIの操作だけでアプリケーションがつくれる」。そんな触れ込みで多くのツールが登場、あるいはリブランデ

こんにちは。データサイエンティストチームYAMALEXのSsk1029Takashiです。 LLMが広く使用されるようになってから、RAGに関する研究も増加し、RAGを拡張する手法の研究も多く出ました。 その中でもテキストをグラフデータとして扱いRAGの元データとする手法をGraphRAGと言います。 今回はその中の一つであるMicrosoftが提唱しているGraphRAGの手法を使っていきます。 www.microsoft.com MicrosoftからはGraphRAGを使用できる実装もPythonライブラリとして発表されています。 ライブラリではグラフデータはあくまでRAGの元データとして使用していますが、せっかくテキストからグラフが生成できるのであれば、テキストマイニングしてみたくなるものです。 そこで、本記事ではこの手法で作成したグラフをグラフDBの一つであるNeo4jに投入して

こんにちは。Google の AI「Gemini（ジェミニ）」の公式 note 編集部です。 どんな質問に対しても自然な言葉で返してくれる生成 AI ですが、なかなか思い通りの回答が得られない、アイデアを聞いても一般論しか返ってこない、とお悩みの方も多いのではないでしょうか？ 今回は、私たち Google が公開している Prompting Guide や Gen AI Tips を元に、Gemini をさらに効果的に活用するためのプロンプト（AI に送る質問文や指示文）ガイドを、わかりやすく解説していきます。 ガイドと聞くと難しそうに感じるかもしれませんが、大事なことは以下の 2 点です： Gemini にお願いしたいことを、なるべく詳しく、自然言語で思いついたまま書く 思ったとおりの回答が返ってこなくても、すぐに諦めず、たくさん会話してみる たくさん会話すればするほど、回答の精度も高く

2024-11-15 開発生産性Kaigi https://developer-productivity-engineering.connpass.com/event/332852/

大規模言語モデル(LLM)のセキュリティを研究するスタートアップ・Lakeraのエンジニアであるダニエル・ティンブレル氏が、画像認識も可能なチャットボットAIに対する「ビジュアルプロンプトインジェクション」攻撃について解説しています。 The Beginner's Guide to Visual Prompt Injections: Invisibility Cloaks, Cannibalistic Adverts, and Robot Women | Lakera – Protecting AI teams that disrupt the world. https://www.lakera.ai/blog/visual-prompt-injections プロンプトインジェクションとは、大規模言語モデル(LLM)の脆弱性を突く攻撃手法の一つ。具体的には、巧妙に作られたプロンプトを使っ

2024年12月、ウェアラブル型の“AIデバイス”が日本に上陸する。生成AIとボイスレコーダーを組み合わせた米Nicebuildの「PLAUD NotePin」（プラウド ノートピン）だ。本体価格は2万8600円。腕時計やピンバッジのように身に着けて会話を録音し、米OpenAIの大規模言語モデル（LLM）「GPT-4o」と連携して文字起こしや要約ができる。 「会議の議事録を書くのが大変」「現場仕事でメモを取れない」「商談の内容を確実に記録したい」などの悩みを持つビジネスパーソンをサポートするという。12月上旬までに予約注文すれば限定特典をゲットできる。今回は一足先に実機を使ってみたレビューをお届けする。 「文字起こしできるボイスレコーダー」では表現し切れない魅力 「文字起こしできるボイスレコーダーでしょ」という考えではこのプロダクトが持つ本来の価値を見誤る。PLAUD NotePinは常に

2022年にリリースされて以来、日進月歩の進化でAIユーザーを驚かせてきたOpenAIのChatGPTですが、モデルのトレーニングに必要な高品質なデータの不足をはじめとするスケーリングの問題より、進歩が鈍化しつつあることが報じられました。 OpenAI Shifts Strategy as Rate of ‘GPT’ AI Improvements Slows — The Information https://www.theinformation.com/articles/openai-shifts-strategy-as-rate-of-gpt-ai-improvements-slows What if AI doesn’t just keep getting better forever? - Ars Technica https://arstechnica.com/ai/2024/

この記事の目的この記事はAIのガチの専門家向けではなく、業務でAIを使う必要があるエンジニアに向けて書いた「最新AIの論文を可能な限り楽に読む方法」です AIの研究者でなくても、AIの最新情報を把握しておきたい人は多いと思います。ところがAIの最新情報は日本語の書籍やブログだけでは把握することができません。今のAI界隈は動きが早すぎるので、日本語の書籍が出るのを待っていると取り残されてしまいます。AIの最新の情報は毎日発表されている論文を読むしかありません。 とはいえ、英語論文を大量に読み続けるのは大変だなぁ……と思っていたのですが、読む方法を整えていくことでかなり継続的に読み続けることができるようになりました。平均すると毎週５から７本ほど読めています。ここでは論文をコンスタントに読んでいくためのノウハウを共有したいと思います。 論文は日本語に翻訳して読む英語の勉強を頑張りたい人以外は、論

omakub.org DHHとApple もともと20年来のMacユーザーでTextMate原人であったDHHだが、HEYアプリが何度もAppStoreでリジェクトされた出来事を通じてか、次第にApple反転アンチ化してきた。 元々オルタネイティブな嗜好を持つDHHだったが、脱クラウド運動などの、近年の彼らのビックテックとの闘争にもつながっている。 年初あたりから自社の支給端末であったMacBookのリプレイスを検討し始め、Windows+WSL2やVSCode*1 、そしてLinuxデスクトップの利用を模索し始めていた。 最終的にUbuntuデスクトップを「安住の地」とし、そのセットアップの知見をすべてOmakubに込めたのだ。 エディタをNeovimに*2、スマホもSamsungに乗り換え*3、そしてFrameworkのラップトップを購入。 「ラップトップ買ってきましたUbuntu環境

生成AI（人工知能）の精度を高める手法として、大規模言語モデル（LLM）と検索エンジンを組み合わせたRAG（Retrieval Augmented Generation、検索拡張生成）の利用が盛んだ。ところが米Google（グーグル）によれば、RAGよりも性能を高めやすい手法があるのだという。「メニーショットICL（Many-Shot In-Context Learning）」や「ロングコンテキストICL（Long-Context In-Context Learning）」と呼ばれる手法だ。 「ロングコンテキストICLを利用すると、RAGに比べて性能が12ポイント向上した例も出てきている」。Google Cloudが2024年10月24日に開催した生成AIに関するイベント「Generative AI Summit Tokyo '24 Fall」で、グーグル・クラウド・ジャパンの寳野雄太テク

企業の生成AI（人工知能）活用が進むにつれ、「RAG（Retrieval Augmented Generation、検索拡張生成）」という言葉を耳にする機会が増えてきた。RAGは、外部データベースの情報を検索して生成AIの出力に反映させ、回答の精度を高める技術だ。エクサウィザーズが2024年5月に302社／402人を対象として実施した調査では、約5割がRAGに取り組み中もしくは検討中、約4割が関心ありで、関心がないのは約1割に過ぎなかった。企業は生成AI活用の入り口としてRAGに挑戦し、チャットボットなどを導入しようとしている。もっとも、RAGの扱いは意外に難しい。この特集ではRAGの基本的な知識から導入の成功法まで具体的なユースケースを基に解説していく。 「以前、社内の人事規定についての問い合わせに回答するRAGシステムを作成してPoC（概念実証）を実施したものの、回答精度が全く出なかっ

株式会社ナレッジセンスは、エンタープライズ企業向けにRAGを提供しているスタートアップです。本記事では、RAGの性能を高めるための「LongRAG」という手法について、ざっくり理解します。 この記事は何 この記事は、RAGの文脈消える問題を克服する新手法「LongRAG」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもRAGとは？」については、知っている前提で進みます。確認する場合は以下の記事もご参考下さい。 本題 ざっくりサマリー LongRAGは、「文書全体を読まないと正答できない」ようなタイプの質問に対しても、RAGの精度を上げるための新しい手法です。中国科学院・清華大学の研究者らによって2024年10月に提案されました。 ざっくり言うと、LongRAGとは、「階層化」+「フィルタリング」です。 2つとも、よく知られたRAGの手法ですが、これらを組み合わせるこ

これは何？2013年に初めて「マネージャー」と冠されたロールを担うようになり、気がつけば10年以上「◯◯マネージャー」として過ごしてきた筆者が、そのキャリアをふりかえった文章です。何が自身の成長につながったのか、に焦点をあてています。 なぜnoteに書くの?個人的なふりかえりなのでチラシの裏にでも書いておけばいいのですが、◯◯マネージャーの道を歩む・これから歩む人にとって役立つ可能性があると考え、公開することにしました。 なぜこのタイミングで?初めてマネージャーになったのは2013年4月なので、10周年という区切りからすると中途半端な時期です。ではなぜこのタイミングで書こうと思ったかというと、10/23に誕生日を迎えるので自分的区切りとしてまとめたくなったというのがあります。 あと、そーだいさんが「30代でやってよかったこと」をまとめていて、それがめちゃめちゃよかったので、自分も他の人に役

本日10/23発売の「絵で見てわかるLinuxカーネルの仕組み」という本を自分含め6人で書きましたので、宣伝します。 絵で見てわかるLinuxカーネルの仕組み 作者:市川 正美,大岩 尚宏,島本 裕志,武内 覚,田中 隆久,丸山 翔平翔泳社Amazon 本書はIT技術のさまざまな分野について視覚的に理解するための翔泳社の「絵で見てわかる」シリーズの中の一冊です。 www.shoeisha.co.jp このシリーズは、これまでに「ITインフラの仕組み」、「Webアプリ開発の仕組み」、「マイクロサービスの仕組み」など、さまざまなものを扱ってきました。本書は「Linuxカーネル*1の仕組み」を扱います。Linuxカーネルを絵から理解するというコンセプトの本です。 Linuxカーネルは Red Hat Enterprise LinuxやUbuntuといったLinuxディストリビューションの核(カー

AIと量子コンピューティングの研究開発を行なうKandaQuantumは、2024年8月31日、顧客の要望内容を元に自動的に要件定義を生成し、さらに自律的にシステムを構築する要件定義システム生成AI「Babel（バベル）」をリリースした。 Babelは一行の要望から要望一覧、要件定義まで一気通貫で記載する。「要件定義プログラミング」により、自然言語からコードへの直接変換を実現。顧客の要望やビジョンを入力するだけで、Babelが詳細な要件定義のYAMLファイルを自動生成する。その上で生成された要件定義に基づき、Babelが独自にシステムを設計、開発。技術的な詳細を指定することなく、望む機能やふるまいを記述するだけでシステムが構築される。