はてなブックマーク

KDDIアイレットの法務部門による DX の取り組みが、さらに次のフェーズへと進んでいます。 これまで、KDDIアイレットでは「NotebookLM」や「Gemini Enterprise」を使いこなし、契約書レビューの大幅な時間短縮や、特定の担当者しか対応できないという「属人化」の解消を実現してきました。 【法務 DX の成功事例】契約書レビューを数時間→30分に短縮した NotebookLM 活用法 【法務 DX 成功事例】導入2週間で契約書作成を3時間→10分に！Gemini Enterprise の活用術 しかし、KDDIアイレット法務部門の挑戦は「便利な AI ツールを導入して終わり」ではありませんでした。 今回注目するのは、法務業務の「対応時間」をデータでしっかり見える化したダッシュボードの取り組みです。間接部門の業務は、プロセスが見えにくく「ブラックボックス」になりがちですが

こんにちは。KDDIアイレット広報の羽鳥です。 私は現在3歳と5歳の子供（先日七五三をやりました🌸）の育児をしながら、時短勤務で働いています。 子供と一緒に寝落ちし、朝5時には目が覚める生活をしている中、子供が起きるまでの時間に X（旧 Twitter）で情報収集することが日課になっています！ そんな中、最近は Claude を使った業務効率化の投稿を多く目にするので、私もやってみようということで、毎朝の業界リサーチ・発信テーマ考案、そしてその結果をグループメンバーに Slack で共有するという作業の自動化に挑戦しました！ 本記事ではプログラミングの知識はゼロの私が挑んだ、試行錯誤の全過程をご紹介します！ ※非エンジニアが試行錯誤した結果となります。温かい目でご覧ください🙇‍♀️ Claude.ai とは？まず前提として、この記事に登場するツールを簡単に紹介します。せっかくなので C

概要Hugging Faceで公開されているLLMモデルをGoogle Colabで動かしてみました。 この記事では、公開モデルの量子化から推論までを、できるだけシンプルにしてみました。 各種説明まずは、今回扱うサービスやモデル、量子化の考え方について簡単に整理しておきます。 Hugging FaceとはHugging Faceは、機械学習モデルやデータセットを公開・共有できるプラットフォームです。 LLMの配布先として広く使われており、モデルのダウンロード、ドキュメント確認、利用条件の確認を行えます。 今回使ったモデル今回使うモデルは meta-llama/Meta-Llama-3-8B-Instruct です。 Meta Llama 3系のInstructionモデルです。 量子化とは量子化は、ざっくり言うとモデルを軽くして動かしやすくする仕組みです。 LLMはサイズが大きく、そのまま

目次1.はじめに 2.hooksについて 3.hooksで使うPythonスクリプトについて 4.hooksを動かしてみた 5.おわりに 1.はじめにAI ツールを日常的に使用している中で、会話履歴を振り返りたい場面がないでしょうか。 AI とのやりとりですが、デフォルト状態では手軽に保存、参照するのは難しいかと思います。 そこで本ブログでは Gemini CLI の hooks 機能を使って、Obsidian の保管庫に AI とのやりとりを自動的に保存する方法を紹介します。 環境情報 macOS：Tahoe 26.3.1 Node.js のバージョン（ node --version ）：24.11.1 Gemini CLI のバージョン（ gemini --version ）：0.36.0 Obsidian のバージョン：1.12.7 2.hooksについてhooks とは Gemin

目次1.はじめに 2.Browser Agentについて 3.Browser Agentを使ってみた 4.おわりに 1.はじめにGemini CLI の組み込み Subagents には Browser Agent (experimental) という、Web ブラウザ操作を自然言語で実行できる Subagent があります。 本ブログ執筆時点では experimental 版（開発途中の先行公開機能）でありますが、実際に使ってみた結果を紹介します。 やってみたことは以下の2つです。 ローカル環境でのブラウザ操作：操作検証用に作成した HTML ファイルをローカルサーバで表示し、Browser Agent にてフォームへの入力・ボタンの押下・結果画面のスクリーンショットの取得まで実行する。 外部 Web サイトへのアクセスとブラウザ操作：本オウンドメディア（iret.media）にアクセス

はじめにこんにちは！ 突然ですが、Athenaを利用して、各種ログやデータレイクを検索すること、ありますよね？ Claude Code 等を使えば、SQL構文に強くなくても自然言語からクエリ実行することができます。 この度、特定のAthenaテーブルに対して安全にクエリ実行できるようMCPサーバーを作成しました。 ここでは、 Claude Code と AWS CLI（直叩き）でクエリ実行 Claude Code + MCPサーバー経由 でクエリ実行 この2つのアプローチを検証し、安全性を中心に、それぞれの有用性について考えます。 Claude Code と AWS CLI（直叩き）の検証ガードレールを入れたCLAUDE.mdを用意し、いくつか指示を出し、CLAUDE.mdのルールを破ることが出来るのか検証します。 ※1 検証のため強力な権限を持ったIAMで実行します。 ※2 New Re

「AWS Certificate Manager（ACM）を使えば、自動更新だからもう安心」 そう考えていた矢先に、証明書の更新が止まり、サービス停止のリスクに直面する。このような事態を防ぐためには、ACMの「自動更新」が成立する前提条件と、その限界を正しく理解する必要があります。 今回は、パブリック証明書を安全に運用し続けるためのポイントを整理しました。 1. ACMのセキュリティ設計：秘密鍵の秘匿性ACMの最大の特徴は、発行したパブリック証明書の秘密鍵（Private Key）をAWSが完全に管理するという設計思想にあります。 秘密鍵の分離： 秘密鍵はAWSの強固なハードウェアセキュリティモジュール（HSM）内に保護されます。 エクスポート不可の原則： 標準的なパブリック証明書において、秘密鍵は設計上エクスポート不可能です。ユーザー自身も秘密鍵に直接触れることができないため、Webサー

複数のAWSアカウントに対して、同じような構成の仕組みを導入したいと思ったことはないでしょうか？ 今回は自分が管理者となり、複数のAWSアカウントへ AWS CloudFormation (以下、CloudFormation) で作成したリソースを同じように構築し、バージョンアップは管理者、バージョン構成はAWSアカウントの担当者の構成に出来る仕組みを作成します。 構成1つの元となるアカウントから、複数のAWSアカウントへ1つの製品を配布します。 AWSリソースの定義は AWS Cloud Development Kit (以下、AWS CDK) (TypeScript) で作成し、CloudFormation テンプレートに変換します。また配布するリソースには AWS Lambda が含まれているため、ランタイムがEOLになった時に更新できるような仕組みが必要です。 ちなみに、このように

こんにちは、アイレットの日下です。 AWSを運用していて、「管理者権限（AdministratorAccess）を付けているのに、なぜか操作が弾かれる」という謎現象に頭を抱えました。 実は、IAMを「ただのログイン管理」だと思っていると、このAccess Deniedの謎から抜け出せません。 今回は、私が実務を通じて学んだ「IAMの本当の正体」と、どのように権限管理を行うのか、そのポイントを整理しました。 1. IAMの正体は「APIリクエストのたびに動く門番」IAMは、ログインした時だけチェックをしているわけではありません。 コンソールでボタンを押した瞬間、CLIでコマンドを打った瞬間、あるいはLambdaがS3にアクセスした瞬間。すべてのAPIリクエストが発生するたびに、毎回「この操作を許可していいか？」を裁いています。 ここで重要なのが、IAMには「鉄の掟」があることです。 「ダメ」

DX開発事業部の深川です。 Googleから登場した最新の Gemini 3.0 Pro Preview。そして、Interactions APIを通じて利用可能な自律型エージェント Deep Research。 一見どちらも「Google検索を使って詳しく調べる」という点では同じに見えますが、実際に同じお題で動かしてみると、その「深さ」と「構造」には決定的な違いがありました。 今回は「量子コンピューティング×物流業界」という難易度の高いテーマで両者を比較検証します。 1. 検証の条件 比較対象A：gemini-3-pro-preview + Google Search ツール 比較対象B：deep-research-pro-preview-12-2025 (Interactions API) プロンプト： 「量子コンピューティングが物流業界に与える影響と、主要プレイヤーの動向を詳細に調査

はじめに本記事では、既存ドメイン配下の特定サブパスだけを別オリジンへ切り替える要件に対して、ECS（Fargate）上のNginxをリバースプロキシとして用いた、パスベース転送の実装についてのポイント解説になります。 リバースプロキシとは？フォワードプロキシがクライアント側の代理で外へ出るのに対して、リバースプロキシは公開側（サーバー側）の入口でリクエストを受けて、背後のオリジンへ中継します。リバースプロキシを利用することで、次のような利点があります。 バックエンドの抽象化 入口（Nginx）で転送先をまとめるため、背後の追加/切替などが容易にできます。 ルーティングの統制 特定のサブパス配下のみを別オリジン（Kuroco等）に寄せる、といったサブパス切替が可能です。 ヘッダー整形／リダイレクト補正 HostやX-Forwarded-*を明示して、proxy_redirectでLocati

「全部brew」よりも、 責務を分けた方が後々楽なのかも という印象です。 asdfを使い始めるにあたっての注意点（2026年版）ここで一つ、 最近ハマりやすいポイントがあります。 asdf global / asdf local が見当たらない？ネットの記事を探すと、以下のようなコマンドがよく出てきます。 asdf global python 3.11.0 asdf local python 3.11.0 ところが、最近のasdfでは これらのサブコマンドが存在しません。 代わりに、以下の形式に置き換わっています。 新しい指定方法：asdf setグローバル（ホームディレクトリ）に設定する場合asdf set --home python 3.12.1 これは、従来の asdf global に相当します。 ディレクトリ単位で設定する場合asdf set --parent python 3

こんにちは！広報の羽鳥です。 前回のブログ「生成 AI でスライド作成！Gemini 3 と NotebookLM のスライド生成を実際に試してみた」で「Gemini と NotebookLM を組み合わせてスライドを作ると便利！」というお話をしましたが、 ついに、ついに法人 Google Workspace（GWS）の Gemini と NotebookLM の連携がやってきました！ （年末にこの機能が発表されてから、まだかまだかと待ち続け、グループメンバーにしつこいと思われるくらい「まだ？」って言い続けていた私。ようやくです！） 何ができるようになったかというと、法人版 Gemini の中で、ソース（情報元）として直接「NotebookLM」が選べるようになったんです！！ 私的にいうと、NotebookLM で作った自分専用のソースをもとに、Gemini 3 が色々やってくれるようにな

目次1.はじめに 2.前提事項 3.Claude CodeでのSkillの作成と設定 4.Gemini CLIでのSkillの設定 5.Agent Skillsの実行 6.おわりに 1.はじめにAgent Skills とは Anthropic によって開発された AI エージェントの能力を拡張する機能です。 Agent Skills の設定ファイルに作業手順や目的に応じたルールを定義しておくことで、AI に指示を出した際、その指示の内容から AI が Agent Skills を使うべきか自動判定し、必要な場合 Agent Skills を使った処理を実行します。（設定ファイルの構文情報は Agent Skills の What are skills? を参照） Gemini CLI でいうところの Custom commands や gemini.md のようなコンテキストファイルと似

2026年1月にアイレットに入社し、マーケティンググループに配属されました、本多と申します。 入社して間もない今、この会社への第一印象は「AI どんどん使おうぜ！感がスゴい」。 そんな雰囲気に刺激され、私も何か新しい AI ツールを試してみよう！と思いついたのが「音楽生成 AI」です。ピアノ歴30年の私が、最近話題の音楽生成 AI ツールを使って実際に作曲してみました。 夜、仕事でクタクタ。仕事や家事を終えて、ようやくソファに深く腰を下ろした夜。 一日中酷使した脳はパンパンに膨れ上がり、もはや複雑な思考を拒否しています。 そんなとき、そっと耳に届く「優しいピアノの音」が欲しい。 それも、誰かの意図が詰まった「音楽」というより、今のこの空っぽな心に、静かに溶け込んでくれるような音が。 今回は、そんな「究極の癒やし」を求めて、実験を行ないました。 話題の音楽生成 AI 2つと、そして私（ピアノ

はじめに今回は以下のプロジェクト記事の個人解説記事です。 【法務 DX の成功事例】契約書レビューを数時間→30分に短縮した NotebookLM 活用法 最近、あらゆる業務特化型AI SaaSが登場しています。リーガルチェックの分野もその一つです。多くのSaaSは本体のリーガルチェックだけでなくワークフロー機能などを付帯させることで差別化を図ろうとしていますが、私はそこに一つの「違和感」を感じていました。 今回は、私が取り組んでいる法務DXプロジェクトを通じて、ツール選びの本質について書きたいと思います。 SaaS独自のワークフローが複雑化を招いていまう 多くのリーガルチェックSaaSは、それ単体で新規で導入、運用する場合は有効です。 しかし、導入を検討する際に注意すべき点は、「重要なのはチェックの精度とソース学習の利便性であり、ワークフローなどの付帯機能ではない」ということです。 例え

#副社長と社内開発｜生成 AI フル活用、アイレット “超本気” 内製化革命の軌跡 〜第2弾：試練の要件定義、そしてコードが弾き出した「衝撃のコスト構造」〜 「アイレット内製化革命」の幕開けから数週間。 副社長・平野 弘紀が掲げた「真のワンストップエンジニアへの進化」と「究極のゼロメンテナンスシステム」という二つの壁に対し、若き精鋭たちは早くもその険しさを痛感することになりました。 第2弾となる今回は、プロジェクトの行方を決定づけた「要件定義の衝突」、エンジニアの悪癖を断ち切る「ドキュメント革命」、そして SaaS ビジネスの常識を覆す「衝撃のコスト試算」の全貌に迫ります。 「データ」か「体験」か。プロジェクトオーナーが下した決断プロジェクトが詳細な要件定義フェーズに入った第2週。 会議室予約システムの核心部分である「iPad 端末からの突発的な予約（入室処理）」の仕様を巡り、最初の議論が

アイレットは、全社的に生成 AI の活用を推進しており、2025年9月に従業員1,300人超に「Gemini Enterprise」を全社導入しました。この取り組みは単なる最新技術の導入ではなく、生成 AI の活用が各部門の働き方そのものを変革する DX 戦略の一環です。 前回の法務 DX のインタビュー「【法務 DX の成功事例】契約書レビューを数時間→30分に短縮した NotebookLM 活用法」では、Google の AI ノートツール「NotebookLM」を活用し、数時間かかっていた契約書レビューを30分以内に短縮した法務部門の成功事例を紹介しました。 今回は、「Gemini Enterprise」の全社導入からわずか2週間で、法務部門の日常的な問い合わせ対応や、複雑なドキュメント作成の効率化を実現した事例について、前回に引き続き法務・コンプライアンスグループのリーダー 山内

この記事では、Figmaの生成AIツール「Figma Make」の機能や使い方について、基礎から応用まで体系的に解説します。プロンプトによるデザイン生成だけでなく、コードの書き出しや外部ツールとの連携など、実務で役立つ活用法を網羅しました。 これからFigma Makeを使い始める方や、デザイン業務の効率化を目指す方の参考になれば幸いです！ Figma Makeは、デザインツールのFigmaが提供する生成AIツールの一つです。最大の特徴は、自然言語による指示（プロンプト）を入力するだけで、UIデザインやインタラクティブなプロトタイプ、さらには実際に動作するフロントエンドのコードを自動生成できる点にあります。 デザイナーが静的なデザインを作り、エンジニアがそれをコードに書き起こすという、一連の手間が削減され、アイデアを瞬時に「動く形」で確認・検証できるようになります。 公式サイト あなたのア

はじめにみなさん、新しく GA になった Amazon S3 Vectors をご存知でしょうか？ これは、これまでありそうでなかった 「ファイルのテキスト解析を行い、Amazon Bedrock などからナレッジベースとして検索可能にするサービス」です。 これにより、ベクトル検索のためだけに PostgreSQL などのデータベースを立ち上げる必要がなくなり、 S3 ベースであることから コストを大幅に抑えられる点も大きな魅力と言えます。 本記事では、S3 Vectors の実力を手軽に試すための検証内容と、その手順を簡単に解説します。 記事の内容を試す時間読むのに3-4分 試すのに5-6分 簡易な実装手順手順は簡単に以下の4ステップです。 S3バケットの準備とデータ投入 Bedrock Knowledge Bases の作成 データの同期（ベクトル化） テストとRAGの検証 ※ステップ

DX開発事業部の前野佑宜です。 AWS re:Invent 2025の2日目（現地の日付では12/2）の Keynoteで、Amazon Bedrock AgentCore Evaluationsが発表されました。 本記事では、その概要についてと、簡単な検証についてまとめます。 Amazon Bedrock AgentCore Evaluationsとは簡潔に説明するならば、「AIエージェントのパフォーマンスを評価するためのツール」となります。現時点で、本機能はプレビュー版で提供されています。 amazon-bedrock-agentcore-samplesリポジトリに収録されているAmazon Bedrock AgentCore Evaluationsのサンプル実装を試しながら、以下にて解説いたします。 機能機能については、以下のように整理できます。ビルトイン評価/カスタム評価は評価器の

AWS DevOps Agent (プレビュー) が発表されました！ 2025年12月2日現在、米国東部（バージニア北部）リージョンでのみ使用可能です。 Frontier Agents という新しいエージェント概念re:Invent2025 にて新しいエージェントの概念「Frontier Agents」が発表されました。 これはソフトウェア開発チームの一員として機能するように設計されており、数時間から数日間にわたり、複雑なプロジェクトを自律的に遂行できる能力を持っています。 re:Inventでは3つの Frontier Agents が発表されました。 – Kiro autonomous agent – AWS Security Agent – AWS DevOps Agent この記事では、この中から AWS DevOps Agent に焦点を当てて紹介します！ AWS DevOps