TL;DR はじめに こんにちは、Dress Code でプロダクトエンジニアをしている ないとー です！ 私たちは DRESS CODE という、人事・情報システム・総務・採用など複数の部門を横断する業務 OS として機能するコンパウンドプロダクトを開発しています。 DRESS CODE では、各組織が CSV などのファイルをアップロードすると、バックエンドのバッチ処理基盤が非同期でデータ変換・取り込み処理を行います。この基盤は AWS Batch on Fargate で動いており、S3 へのファイルアップロードをトリガーに EventBridge 経由でジョブが起動する構成です。 このアーキテクチャ自体はシンプルで問題なく動いていたのですが、マルチテナントの SaaS として複数の組織が同じ基盤を共有している以上、あるリスクが潜んでいました。それが Noisy Neighbor 問

はじめに こんにちは、Dress Code株式会社でプロダクトエンジニアをしているもず（@mozu1206）です。 テーブルの実装って結構面倒なことありませんか？ 一覧性が高いページなので、後からカラムが増えたりセルの中身が変わったりってしがちですよね。 ただこの要望の度に、バックエンドから返すデータを変え、フロントエンドでカラム定義の変更・セルのコンポーネント作って…とするのは地味にしんどいと思います。 そこで本記事では、台帳画面（一覧テーブル）を Server-Driven UI（SDUI）に作り変え、バックエンドの変更のみでテーブルのカラム増減や権限による表示制御を可能にした実践について紹介します。 弊社の先行事例 ないとーさんが詳細画面の SDUI 化について書いてくれているので、テーブル以外のSDUI活用についても興味がある方は是非ご覧ください。 TL;DR なぜ Server-

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

全テナントに触れる管理基盤を、どう多層で守るか — DRESS CODEのControl Plane設計 こんにちは。Dress Code株式会社でプロダクトエンジニアをしているぽこひで（@pokohide ）です。試写会が当たったので一足先にプラダを着た悪魔2を観に行ってきました 👠 試写会って当たるんですね。 Dress Code株式会社は、2024年9月に設立された、人・採用・総務・IT などの領域を統合管理するワークフォースマネジメントプラットフォーム「DRESS CODE」を開発・提供する企業です。 マルチテナントSaaSアーキテクチャでは、システムを、テナント向けの機能とビジネスロジックを担う Application Plane と、テナント管理や横断的な運用に使う Control Plane の 2 つに分けて設計することがよく用いられます。Application Plan

はじめに 察しの良いチームが、いちばん危ない。 書かなくても通じてきた、その通じ方が、AIには渡らない。書かれていない常識は、書かれていないというだけの理由で、消える。 要件定義は、長く「面倒だが避けて通れない上流工程」と呼ばれてきました。きちんと書こうとすると時間がかかる。書かなくても、チームが察しで埋めてくれる。だから雑にやっても、なんとかなった。たぶん、それが間違っていたわけではないのだと思います。書かない知恵で、私たちはずっと回してきた。 それが、AIで開発するようになって、通じなくなりつつある気がします。AIには「察し」がありません。書かれていないことは、想像で埋められる。その想像は、私たちのチームの常識とはたぶん一致しない。一致するときもあるかもしれませんが、一致しなかったときの代償が大きすぎる。 それも、信じられない速度で起きます。 人間のチームでは、要件の曖昧さは3週間後に

claude_desktop_config.jsonが吹き飛ぶ前に：クラッシュ・初期化対策としてcron自動バックアップを導入した Claude Desktopをご利用の皆様。環境設定に関するファイル、claude_desktop_config.jsonを編集中にファイルが突然クラッシュし、先祖返り(必要最低限の設定だけ残してその他の設定が跡形もなく消え去ってしまう)に陥る状況に遭遇したことはありますでしょうか？私はあります。(直近で3度ほど) 関連しそうなキーワードで調べてみると、以下のようなGitHub Issueを見つけることができました。 長時間連続稼働させていると設定ファイルのJSONが壊れてクラッシュループに入り、1,200回以上再起動を繰り返した...という報告。Unexpected token in JSON at position Xというエラーが典型的な症状として挙げら

はじめに こんにちは。Dress Code 株式会社で、プロダクトエンジニアをやっている津田です。 仕様駆動開発を始めて 4 ヶ月ほど経過したので、改めて振り返ってみるべく記事に残してみています。 今回の対象読者は次に列挙するような方々を想定しています。 とりあえず試して実感してみたい人 プロセスが重そうで踏み出しきれない人 現場での工夫・実践知を知りたい人 本記事がこれらの方の一助になれば幸いです。 正直、仕様駆動開発自体の合う合わないは組織の規模やプロダクトの性質、開発スタイルに強く依存すると考えています。 参考程度に弊社の情報を軽くお伝えすると、次のようになっております。 創業から1年経過し、拡大を目指しているフェーズ toB向け、バックオフィスの業務改善のSaaSを展開 開発スタイルはアジャイルに近い 開発者は執筆時点で12名、組織全体で40名弱の規模感 少なくとも我々はこのような

「TypeScript 7.0」ベータ版が公開。TypeScriptコンパイラなどをGo言語に移植、コンパイルを10倍速に マイクロソフトは、TypeScriptをGo言語に移植した最初のバージョンとなる「TypeScript 7.0」のベータ版を公開したと発表しました。 TypeScript 7.0 Beta is here! Built on a new native and parallelized foundation, it's already being used on multi-million line codebases. Read up more here and try it on your projects today!https://t.co/mYN3MPp1ab — TypeScript (@typescript) April 21, 2026 なぜTypeSc

基盤を育てる 外部SaaS連携の運用 Dress Code株式会社では、企業が利用する150以上の外部SaaS（Google Drive、Box、MDM、人事系サービスなど）とAPIで連携し、アカウント管理・プロビジョニング・デバイス管理・ファイル権限管理などを行っています。 本セッションでは、St…

Googleは、日本時間で4月23日未明にラスベガスで開幕したイベント「Google Cloud Next 2026」で、AIエージェントの開発、運用、管理まで対応する包括的なAIエージェントのプラットフォーム「Gemini Enterprise Agent Platform」を発表しました。 Gemini Enterprise Platformには、AIエージェントの構築、デプロイ、複数のAIエージェントのオーケストレーション、AIエージェント用のツール、スキル、MCPツール、サンドボックスなどさまざまな機能が統合されています。 これにより社内の従業員が日常的に行っているデータの分析や予測、資料作成やルーチンワークなどの多くの作業を自動化してくれるAIエージェントの構築が容易になります。 ローコードでAIエージェントを開発する「Agent Studio」 AIエージェントの構築に利用でき

［速報］Google、AWSやAzureのDBやSaaSなどあらゆるデータソースをAIネイティブなデータレイクハウスに統合する「Agentic Data Cloud」発表 Googleは、日本時間で4月23日未明にラスベガスで開幕したイベント「Google Cloud Next 2026」で、Google CloudはもちろんAWSやMicrosoft AzureのデータベースやSaaSなどのあらゆるデータソースをAIネイティブなデータレイクハウスに統合する「Agentic Data Cloud」を発表しました。 AIエージェントを企業が構築する場合、ほぼ確実にAIエージェントによる業務データへのアクセスが求められます。Agentic Data Cloudは、そうしたAIエージェントのための包括的なデータレイクハウス、すなわち大規模データの保管と高度な分析が可能なソリューションを構築するサ

例えば、Twitterが作成した「Popular Videos Timeline」は、「動画コンテンツを表示して並べるためのトピックをわれわれが選択する場合と類似の情報を利用している」と、Twitterはヘルプサイトで説明している。 Twitterの新機能を発見することで知られるJane Manchun Wong氏は、このカスタムタイムラインを6月に発見し、Twitterが自社のアルゴリズムを他の企業に開放する可能性を示唆していた。 Twitter is working on Custom Timelines driven by custom algorithms viewable to the users, possibly opening up the timeline curation (aka “the algorithm”) to third-party developers h

https://claude.com/blog/best-practices-for-using-claude-opus-4-7-with-claude-code Opus 4.7 is our strongest generally available model to date for coding, enterprise workflows, and long-running agentic tasks. It handles ambiguity better than Opus 4.6, is much more capable at finding bugs and reviewing code, carries context across sessions more reliably, and can reason through ambiguous tasks with l

旅行予約サイト・Trivagoの元バックエンドエンジニアでプログラマーのマティアス・エンドラー氏が、最高のプログラマーに必要な15の特性を自身のブログにまとめています。 The Best Programmers I Know | Matthias Endler https://endler.dev/2025/best-programmers/ ◆01：リファレンスを読む 重要なのは、常に一次資料に当たること。Stack Overflowに飛びついたり、LLMに尋ねたり、推測したりする代わりに、Apache Webサーバーのドキュメント、Python標準ライブラリ、TOML仕様などの公式リファレンスを直接読むことが重要です。エンドラー氏は「驚くことに、公式リファレンスは多くの場合、アクセスしやすく、よく書かれています。常に一次リソースに当たることは、若いプログラマーとして身につけるべき最も重

クラウドサインで CRE（Customer Reliability Engineering）をしている藤谷です。 ヘルプデスクでチケットが増えてくると、全体が見えなくなり、目の前の 1 件を深追いしやすくなります。こうした「余裕がないほど判断の質が落ちる」状態は、認知科学でスカーシティマインドの文脈でも語られています。だからこそ、まず必要だったのは全体を素早く見渡せる仕組みでした。 「いつでも AI に聞けばヘルプデスクの今がわかる」状態を作りたかったのは、この発想からです。 CRE チームでは顧客からの問い合わせを Jira チケットで管理しており、その状況を AI エージェントから問い合わせられるスキル helpdesk-status を作りました。 以前の記事で紹介した Agent Skills（以下スキル）の仕組みを使い、Jira・HubSpot・Slack の情報を統合して優先度

こんにちは、せーのです。 先日 Cursor 3.0 がリリースされ、IDE に「複数のエージェントを並べて動かす」という方向にかなり振り切ったアップデートが入りました。公式ブログや Changelog を読みながら、主要な新機能を手元で触ってみたので、共有します。 実験1〜2 は IDE 内で手を動かして確認した内容です。実験3（エージェントウィンドウ） は、公式の説明を踏まえつつ 実際に操作した結果を本文に書きました。実験4（Design Mode） は公式どおり エージェントウィンドウ上で使う前提で、手順のイメージを整理しています。 Cursor 3.0 の位置づけ(おさらい) 公式曰く、Cursor 3.0 は 「IDE からマルチエージェント・ワークスペースへの転換」 がキーワードです。1 人が 1 つのチャットで順番に聞いていく、という前提から、複数のエージェントを並べて動かし