大規模案件のSlackにAI社員3人を常駐させたら、2年目が参画1週間で設計根本に踏み込んだ
実際の画面とは異なるサンプルイメージです チームのSlackにAI社員を3人常駐させています。 社員5人で、2週間動かしました。 誤解を招きそうだからちゃんと書いておきます。 2週間です。半年でも1年でもなく、2週間。 それでも書きたくなるくらいのことが起きたので、この記事を書いています。 SIerの大規模開発で扱う資料は毎週溜まります。 仕様書の背景、顧客の痛点、過去の判断の残り香。 新しく参画したメンバーは、これを数週間かけて読み込むのがいつもの景色です。 そこに、このAI社員3人が入りました。 すると、2年目のメンバーが参画1週間でSKILLを直し、2週間で設計根本に疑問を出してきた。 正直、びびりました。 自己紹介・大規模現場の話を軽く 私はNTTデータグループ 技術革新統括本部のITアーキテクト（課長代理）で、大規模システムのモダナイゼーションに携わっています。 全社の高難度案件
昔、ファンだったAV女優さんがコンビニで働いている
ずいぶんとお年を召されているが御本人に間違いない。 声が変わっていないし、手のひらのほくろの位置も一緒だ。 もう、おばあちゃんと呼ばれていてもおかしくない年齢だが、あの頃の妖艶な瞳の輝きは今も変わらない。 とはいえ詮索はもうしない。 そのコンビニにももう行かなくなった。 その理由を説明するのは少し難しい。 僕個人の願望としては彼女のことを眺めるのは楽しい。 でも、なんというか礼儀として、ただ店員として働いている人に対する向いている気持ちとして、僕の気持ちは著しく強すぎると思うからだ。 あきらかに、赤の他人に対して興味を持ちすぎている。 それでいて、これからなんらかの人としてのつながりを持つ相手ではない。 つまりはストーキングの類と変わらない行為をただコンビニに行くという日常の中に僕は持ち込むことになってしまう。 それは少し嫌だな、と思うからもう行かないのだ。
Auth0から内製認証基盤へ移行を決めた背景と移行方法 - enechain Tech Blog
はじめに なぜ内製化を選んだのか プラットフォーマーとしての説明責任 制約の解消とコスト削減 認証基盤を内製で持つリスク 移行の設計 並行稼働による段階的移行 使用するデータソースの統一（SSoT） 認証基盤の内製化、並行稼働をしてみて 認証基盤全体がコントローラブルになった 内製化で得られた価値 並行稼働について 発生した課題 まとめ はじめに こんにちは、ソフトウェアエンジニアの大山です。 enechainではこれまでユーザー認証基盤としてAuth0を利用してきましたが、事業の成長に伴い自社開発の認証基盤（eAuth）へ移行しました。 本記事では、Auth0から内製へ移行する意思決定の背景、移行の設計について紹介します。 なぜ内製化を選んだのか enechainでは元々Auth0を認証基盤として採用していました。 少人数のチームでサービスを立ち上げるフェーズでは認証認可の開発運用コスト
AI時代に崩れた「人月モデル」—ITエンジニア採用の構造変化とその歪みと、ブルーカラー転換の可能性｜久松剛
ここ最近、「ITエンジニアは余り始めているのではないか」という議論を目にする機会が増えています。 ただ、この問い自体は本質を捉えているとは言い難いと感じています。実際には「余っているかどうか」ではなく、「なぜ余る構造になったのか」を見なければ、現状は理解できません。 今回は、その前提となっていた「人月モデル」がどのように成立し、そしてなぜ崩れ始めているのかを整理します。 人月を積み上げることで成長してきたIT産業2015年以降のエンジニアバブル、そしてAIが本格的に台頭する以前の2024年頃まで、ITエンジニア採用の根底にあった価値観はシンプルでした。 人月という前提「どれだけ人月を積み上げられるか」 企業はエンジニアを採用し、その人数をベースに開発力を見積もる。個々人のスキル差はあるものの、予算策定の段階ではそこまで精緻に見積もることはできず、「ミドル何名、ジュニア何名」といったゾーニン
今更AWS AppSync GraphQLに入門する - Qiita
はじめに 最近、Amplify Gen2を使ってWebアプリケーションの構築・デプロイを行うことが多くなりました。Claude Code様様です。Amplify Gen2ではバックエンドリソースも構築できるのですが、テンプレートを見ると、authとdataというディレクトリが存在します。authはAmazon Cognitoを定義するもので、dataはAppSync GraphQL + Amazon DynamoDBを定義するものです。「そういえばAppSyncってなんだ？」となったので試しながら調べてみました。 GraphQLとは AppSyncの話の前に、まずはGraphQLについて整理します。 GraphQLは、GraphQLという仕様に基づいたAPIのクエリ言語で、必要な情報のみ取得できる特徴があります。 オーバーフェッチング 比較として、REST APIの例を出します。REST
RDS Proxy 経由で Aurora PostgreSQL の Blue/Green デプロイをやってみた - Qiita
1. はじめに 以前、Aurora for PostgreSQLのフルマネージドBlue/Greenデプロイについて検証しました。 Aurora for PostgreSQL の フルマネージド Blue/Green デプロイを試してみた Aurora for PostgreSQL の Blue/Green を利用したメンテナンスをやってみた 上記の検証ではクラスタエンドポイントへの直接接続でしたが、実際の本番環境では RDS Proxy を挟んでいるケースも多いと思います。 2026年4月、ついに RDS Blue/Green Deployments が RDS Proxy を正式サポート しました。 Amazon RDS Blue/Green Deployments now supports Amazon RDS Proxy 以前は B/G デプロイ時に Proxy のターゲット登録解
データ製造業を始めた話。データエンジニアの個人開発にオススメできる理由｜okodoon
このような一般社団法人を立ち上げて政治関連のデータ製造業を始めました（Xなど見てね） この立ち上げを通して、データエンジニアの個人開発テーマとして、データ製造業はとても良いんじゃないかなと思っているのでその理由などを書きます。 いいポイント①：求められる提供方法や品質の勘所がわかるデータ分析・利用のユースケースを起点に考えることで、履歴的に持つべき項目やスキーマなどの設計ができる ソースシステムの責務とデータ基盤の責務を切り分けてデザインできる どの品質保証をどのレイヤーで担保するか判断できる など、データエンジニアが得意とする領域のスキルを生かした開発が求められます。今回僕が作ったものだと フィードバック反映やデータ品質改善をユーザーが監査可能にするために、DataVault層を作成することで紐付けと属性の履歴を残せるようにする みたいな構成を取ったのですが、これはデータエンジニア経験が
DifyからMastraへの移行
ツール導入前の課題生成AIを組み込んだプロダクトを作成するために、元々Difyを使用していた。 アプリケーション自体はVercel上のNext.jsで動作し、DifyにAPIコールするような作りである。 DifyはGUIだけで即座にワークフローを作成できるため、簡単な検証や小規模なツールなどには向いている。 しかし、アプリケーションの開発が進み、Difyで構築したワークフローが複雑化し、プロダクションとして動かしていくうちに、次の課題が顕在化してきた。 変更履歴の可視化が難しい — GUI での編集内容に誰も気づけない。変更履歴も残らない。 ログ追跡が大変 — Difyではワークフローのネストが深い場合、エラーなどが起きた時に、GUI上で実行ログを追いにくい。(ワークフローを行ったり来たりしないといけない) 型がない — JSON や JSON をString に変換したものでワークフロー
集中か、気づきか 瞑想の種類｜mao journal
一般的に瞑想というと大きく２つの種類に分かれます。 「集中瞑想・止観瞑想（サマタ瞑想）」と「気づきの瞑想（ヴィパッサナー瞑想）」です。 この二大瞑想法については、書籍もたくさん出されていますしネットなどでも情報収集は可能ですので、こちらではざっくりにとどめます。 集中・止観瞑想（サマタ瞑想）何か対象となる一点に意識を集中して行う瞑想法。 集中する対象としては「呼吸」「お経」「音楽」「マントラ」「ロウソクの炎」など、いわばなんでもよさそうです。 一点に集中することで他のものが気にならなくなり、簡単に思考を鎮められます。そうすることで集中力が高まり、簡単に心が落ち着かせることはできます。お寺などで行われている坐禅はこの「集中瞑想」になります。 ただ集中瞑想は、ひとつのことに集中することによって心や体を穏やかにさせることができますが、心の汚れ自体を祓うものとはなりません。 気づきの瞑想（ヴィパッ
世界の人気アプリ100個を分析して見えたペイウォール設計の心得
iOSDC Japan 2025の登壇資料です！ #iosdc #a https://fortee.jp/iosdc-japan-2025/proposal/c06d6589-0bb2-4ac4-9648-d6d187a53154
【Claude Design】見せてもらおうか Claude Designの性能とやらを - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 2026/4/17 に Anthropic から Claude Design がリリースされました。 Claude と会話しながらデザインやプロトタイプ、スライド、1枚ものの資料などを作れるサービスだそうです。現在は Claude Opus 4.7 を基盤にした research preview として、Claude Pro / Max / Team / Enterprise 向けに提供されています。 とりあえず触ってみたので備忘的に整理しておきたいと思います。 とりあえずドキュメントを眺める 上記のページと以下の記事を読んで
【徹底解説】DBスペシャリストなりぞこないが教える、データベースの教科書（設計もあるよ） - Qiita
はじめに こんばんは、mirukyです。 昨年、データベーススペシャリスト試験に挑戦しましたが、午後II試験に 3点差 で落ちました、、(泣) そんな私ですが、勉強の過程や実務を通じてデータベース（DB）に関してはかなり自信がついたので、まとめたナレッジを共有できればと思います。 この記事では、DBの基礎概念から正規化、SQL、そして 実際にSQLiteでスコアリングシステムを設計・構築するまで を一気に解説します。初心者の方でも順番に読み進めれば理解できるよう、図やコード例を多めに盛り込みました。 DBは非常に面白い分野なので、ぜひ楽しみながら学んでいただければと思います！ 余談（おすすめ参考書・技術書） 本で勉強したい方は、下記の二冊が本当にオススメです。めちゃくちゃわかりやすいです。 目次 DBとは DBの各種制約 DBの構造と正規化 SQLとNoSQL DB設計の流れ スコアリング
So You Want to Hire a Forward Deployed Engineer
Engineering So You Want to Hire a Forward Deployed Engineer: How to Know If You Need One and How to Get the Role Right Founders and operators who’ve successfully built forward deployed engineering teams share the nuances that make this idiosyncratic role work, along with advice for hiring your own team. Palantir co-founder and CEO Alex Karp famously made an observation about why French restaurants
エンジニアの「わがまま」を貫くために
はじめに 私の周りで最近よく耳にする「BTC人材（Business, Technology, Creativeを兼ね備えた人材）を目指そう」という言葉。これを聞いて、あなたはどう受け止めていますか？ 「また経営層が無理難題を言ってきた」「自分たちの領域が侵食される」と、どこか冷ややかな戸惑いを感じる人も多いのではないでしょうか。 しかし、私はPMとして数々のプロジェクトに関わる中で、ある事実に気づきました。 技術の正しさだけでは、私たちが心血を注いだコードを守り抜くことはできない。 どれだけ素晴らしい実装をしても、ビジネス的な納得感が欠けていればプロジェクトごと凍結され、ユーザーの心地よさを無視すれば無慈悲な手戻りが発生します。これこそが、エンジニアのQoLを著しく下げる最大の要因なのです。 本記事でお話ししたいのは、BTCを「キャリアアップのため」「会社の期待に応えるため」といった綺麗事
「推論モデルって何？」にちゃんと解答できる？〜仕組みからざっくり理解する推論モデル〜 - Qiita
はじめに こんにちは！ひさふるです。 生成AIの中でも推論モデルってありますよね？ OpenAIのo1-previewによって一気に有名になり、現在ではGPT-5にも推論機能が統合されるなど、すっかり当たり前の存在になりました。 私は今まで「よく考えてくれる頭の良いモデルなんだなぁ」と思って知ったかぶりをしていましたが、いざ他人に説明しようとすると...全然仕組みをわかっていなかったんですよね。 そこで今回は、「推論モデルって何？」という質問にちゃんと解答できるようになるために、仕組みから完全に推論モデルを理解していこうと思います。 そもそも"生成AI"って何...？ 大事な前提として、"生成AI"や"LLM"という言葉を正しく理解するところから始めましょう。(何を言いたいかわかる方は飛ばしていただいてOKです！) まず、現在ではテキストの入出力により対話できるモデル(LLM)のことを生成
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
ぼくがかんがえたさいきょうのあうとぷっと
汚いコードでいいじゃない -反常識のCDK設計-
cdk8sとHelm、どちらを選ぶべきか？
10 Tips of AWS ～Gen AI on AWS～
AIエージェントの評価、上から見るか？下から見るか？ | ドクセル