こんにちは。ウォンテッドリーのEnablingチームでバックエンドエンジニアをしている小室(@nekorush14)です。Enablingチームでは技術的な取り組みを社外にも発信すべく、メンバーが週替わりで技術ブログをリレー形式で執筆しています。前回は冨永さんによる「生成AIを用いて履歴書からプロフィールを自動生成する試みについて」 でした。今回は「Amazon BedrockでClaudeから構造化した回答を取得する際に得た知見」です。 はじめに LLMの出力制御は難しい プロンプトエンジニアリングが必要 コンテキストサイズの制約 構造化した回答の取得方法 LLMが使用するツールの入力スキーマを回答として使う Amazon Bedrockにおける解決の方法 Converse APIを使用する toolConfigパラメータに欲しい回答の構造を定義する 留意点 ツールの説明にはそのツールの

こんにちは！ウォンテッドリーのVisit Client Growth Squadに所属している佐藤です。今回は、スケジュール遅延に対して制約のあるプロジェクトにおいて、3点見積もりを活用して計画通りに進捗した経験と、その手法についてご紹介します。 なぜ高精度な見積もりが必要だったのか 3点見積もりというアプローチ 3点見積もりとパーセント確度によるリスク管理術 ステップ1：見積もりの精度を高めるためのタスク分解 ステップ2：未来を「範囲」で捉え、期待値を算出する ステップ3：見積もりの「ブレ」をリスクとして計画に組み込む まとめ なぜ高精度な見積もりが必要だったのか見積もり精度の不足は、現代のソフトウェア開発プロジェクトにおける遅延リスクの主要な原因の1つです。機能要件の詳細化、品質基準の遵守、そしてステークホルダーからの納期プレッシャーなど、多様な制約が求められる環境において、この問題は