以前紹介したダニエル・カーネマンの名著『ファスト＆スロー』では、人間の思考には、直感的で高速な「システム1」と、注意と努力を要する「システム2」という二つの処理過程があると説明されています。同書では、課題の難易度に応じた瞳孔径の変化が、認知的努力を測る有力な指標の一つとしても紹介されています。LLMでも近年、タスクの複雑さに応じて、推論トークンや推論過程の長さが変化する挙動が報告されています。もちろん、LLMのトークン消費を人間の瞳孔反応と同一視することはできません。しかし、追加の処理資源の投入と、その限界における挙動という観点から、両者には比較を促す興味深い類似があります。本記事で...

こんにちは。AIスマートソリューション部の松尾です。皆さんの職場では、紙媒体の資料をDifyのナレッジに利用したいと考えたことはないでしょうか？通常は、紙媒体をスキャンしてPDFや画像に変換した後に、OCRを用いてテキストを抽出することになります。しかし、テキスト抽出する際に表が含まれている場合は、表中のテキストのみを抽出して、表としての構造は維持されないことが多いと思います。シンプルな表だとそれでも問題ないかもしれませんが、複雑な表（ヘッダー行が複数、セル結合 etc.）の場合は、表としての意味合いが崩れて、ナレッジとしての精度が下がることが想定されます。そこで今回は、画像化された...

はじめにAWSのKiroは、一般的にはエンジニア向けのAI開発環境として紹介されることが多いと思います。https://kiro.dev/https://aws.amazon.com/jp/blogs/news/introducing-kiro/要件を整理し、設計を作り、タスクに分解し、コードを書いていく。この流れだけを見ると、確かに「開発者のためのツール」に見えます。しかし、Kiroに触れていく中で感じたのは、その価値はエンジニアだけのものではないということです。むしろ、営業、企画、コンサルタント、プリセールスのように、顧客や現場のフロントに立つ人にこそ、大きな可能性...

今回は、「AzureでRAG検索を作成してみよう！（前編）」の続きを執筆していきます。２か月間、長らくお待たせいたしました。。。前回は、RAGの概要と、AzureでRAGを構築する際に使用するリソースを紹介しました。また、RAGで使用する参照ファイル格納場所であるストレージアカウントを作成し、AIに参照させたいファイルをアップロードするところまで行いました。前回の詳しい内容は、以下をご覧ください。（※本記事で登場する「ベクトル」については、前編でご紹介しているので、こちらをご参照ください。）AzureでRAG検索を作成してみよう！（前編）https://zenn.dev/idn...

こんにちは。システム開発の経験をもとに、現場で使える AI 活用を発信している KSAN です。この記事は、機能追加やバグ修正のたびに「なぜこの仕様にしたのか」がわからず、調査に時間を取られている現場エンジニア向けです。システム開発の現場では、コードや仕様書があっても、当時の判断理由まで残っているとは限りません。この記事では、そんな課題を解消するために ADR と GitHub Copilot（以降、Copilot）を組み合わせた ADR 運用を紹介します。将来の保守を楽にするための方法として参考にしてください。この記事を読むと、次の3点が得られます。そもそもADRが何なの...

はじめにDifyのナレッジにExcelファイルを登録して、RAGを活用している方も多いのではないでしょうか。例えばExcelで作成したQ&A表をナレッジに登録して、「〇〇について教えて」と聞くと、該当する項目を見つけて答えてくれます。しかし中には、以下のように表全体をコンテキストとして参照してほしいケースもあるのではないでしょうか？「表全体を見て、条件に合う行を全部教えて」この記事では、その解決策の一つとして、Excelをマークダウン形式に変換してナレッジ登録する方法を試してみたので、その結果を紹介します。変換にはDifyのワークフローのテキスト抽出ブロックを...

Hyperlinks in 2026?Buttons, tabs and other UI elements provide an aesthetically pleasing solution to many interactive needs. Sometimes, however, hyperlinks are preferable due to their simplicity or compactness. This is true even more so for Gradio, where the interactive components have a tende...

Gradioでリンクを活かすユーザー操作を実装するときは、ボタンやタブのような UI コンポーネントを使うのが一般的です。現代的でエレガントのアップローチだけではなく、メンテナンスも楽です。しかし、要件によってはハイパーリンクのほうが適している場面もあります。特にGradioでは基礎コンポネントのほとんどはかなりの縦方向スペースを消費します。この記事では、Gradioにおけるハイパーリンクの活用方法について解説します。単純なスクロールから、JavaScript↔Pythonでの値の受け渡まで取り上げます。本記事は、ハイパーリンクが抱えている課題に最適なツールであると判断した読者に...

ここ数年、LLM（大規模言語モデル）の進化は、単なるパラメーター数の増加を超え、質的な変化の段階に入ってきたように思います。以前のLLMは、流暢に文章を生成する一方で時折デタラメを言う「高性能な連想マシン」のような存在でした。ところが、Chain of Thought（思考の連鎖）や最新の推論モデルの登場によって、少しずつ「熟考する人間」に近づきつつあります。こうしたLLMモデルの変遷を整理し理解するにあたり、ダニエル・カーネマンの名著『ファスト＆スロー』で語られる「人間の思考プロセス」を補助線にして、AIの癖を人間の思考に重ねてみると、意外と面白い観点でLLMをとらえることができま...

こんにちは。AIスマートソリューション部の松尾です。皆さんは、Power BIのダッシュボードに、気象情報をリアルタイムで表示できたら便利だと思ったことはないでしょうか。Power BIにはWebのAPIからデータを取得する機能が備わっており、外部サービスと組み合わせることで、最新情報を反映するレポートを作成できます。今回は、（非商用利用に限り）無料で利用できる気象APIサービス「Open-Meteo」をPower BIから呼び出し、気象データをレポートに組み込む方法をご紹介します。 Open-MeteoとはOpen-Meteo は、オープンソースの気象APIサービスです。世界各国...

GitHub Copilot を使っている方は、ぜひAgent Skillsを使ってほしいです。SKILL.md にルールを書いておけば、依頼のたびに説明し直す手間を減らせますよ！！こんにちは。システム開発の経験をもとに、現場で使える AI 活用を発信している KSAN です。Copilot にコード生成や文書作成を頼んでいると、こんなことはありませんか。前回と似た依頼なのに、出力の雰囲気が変わる新規チャットを開くたびに、プロジェクトのルールを説明しているチーム内でアウトプットのばらつきが出るこれ、毎回やってないでしょうか。せっかく Copilot で効率化を図りたい...

はじめにExcelのVBA開発といえば、どうしてもVBE（Visual Basic Editor）を使うのが一般的ですが、最近はVSCode＋拡張機能＋AIアシスタントによる開発も現実的になってきました。今回は、VSCodeに xvba を導入してVBA開発環境を整備し、さらに Agent（GitHub Copilot） を使ってマクロを生成・修正してみた体験を紹介します。 前提VSCodeがすでにインストール済み であること。Excel（Microsoft 365または2021以降）が使用可能であること。GitHub Copilot もしくは Agent 機能が...

これはどんな記事か「OpenClaw が気になるので一回触ってみたい」「でも Meta のメール全削除事件が怖い」という人向けの安全性メモです。ガチなセキュリティ解説ではなく、「まず試す前にこれだけ読んでおけば、とりあえず致命傷は避けやすいよ」という内容をまとめます。 OpenClaw とは？OpenClaw は、一言で言うと「ローカル環境で動く AI 秘書」「AI 付き自動化エージェント」「ローカル Copilot」に近い存在です。メールやファイルの整理Web 検索やブラウザ操作簡単なスクリプト実行やタスク自動化クラウドのチャットボットと違い、PC 上のファイ...

今回は、RAGをAzure上で構築し、検索する方法について、前編・後編で見ていきます！RAGについて知りたい方、クラウド上でRAGを構築したい方を対象に、RAGの概要と実装方法を易しくお伝えします。前編では、RAGの概要と、AzureでRAGを構築する際に使用するリソースとそのリソースのつながりについてご説明します。後編では、リソースの作成方法と検索方法についてご説明します。 RAGとはRAGは、AIの検索機能を拡張させる１つの手法で、日本語では「検索拡張生成」と呼ばれます。AIが内部で持っている情報だけでは、インターネット上にはないような機密情報や、組織の情報を検索すること...

DifyでLLMアプリケーションを構築する際、要約レポートやアラートメールの送信など、マルチエージェントワークフローから現実世界のアクションをトリガーしたい場面がよくあります。Difyには様々な統合機能がありますが、最も確実でカスタマイズ性が高い方法は、Difyの HTTPリクエスト（HTTP Request） ノードと、サーバーレスの AWS Lambda 関数を介して AWS Simple Email Service (SES) を接続する方法です。このアプローチはスケーラビリティが高く、AWSの認証情報をDify側に保存...

はじめにこんにちは。今回は、Docker環境でGPT（gpt-4.1-mini）のファインチューニングに挑戦してみました。ファインチューニングと聞くと難しそうに感じるかもしれませんが、OpenAI APIを使えば意外と簡単に試すことができます。この記事では、初めてファインチューニングを行う方でも手を動かして試せるよう、コード付きで手順を紹介します。 ファインチューニングとはファインチューニング（Fine-tuning）とは、学習済みのAIモデルに対して、特定のタスクに特化したデータを追加で学習させる手法です。今回は、その中でも DPO（Direct Preference ...

1. はじめに市販のAIモデルでは対応できない、製造部品の微細な欠陥や専門性の高い医療画像など、独自のセグメンテーション課題に直面していませんか？本記事では、独自のカスタムデータセットを最大限に活用し、高精度なモデルを構築するための実践的なパイプラインを解説します。このパイプラインの中核となるのが、Meta社が開発した最先端ライブラリ「Detectron2」と、データセットの国際標準規格「COCO形式」です。この記事を通じて、独自の画像を実用レベルのセグメンテーションモデルへと昇華させるための技術と手順を習得できます。 2. 環境構成本記事の内容は、以下の環境で動作を確認...

概要前編では、Gradio と Streamlit の基本的な書き方やUIコンポーネントの使い方を比較し、それぞれのフレームワークがどのように画面を組み立てていくのかを見てきました。まだご覧になっていない方はやよかったら以下のリンクでご参照ください：Gradio対Streamlit：深掘り比較（前編）本稿ではその続きとして、アプリの動き方や拡張性に関わる周辺機能に焦点を当てます。 比較（両フレームワークで可能）情報処理が行われるタイミング（サーバー起動vsユーザーのリロード時）リアルタイム情報の表示（コンポーネントの自動リフレッシュ）JavaScriptの埋め込み...

業務で時系列データ分析を行っているのですが、特に在庫管理の領域で「需要がほとんどの期間においてゼロで不規則に発生する」という特異なデータパターンに直面します。これを「間欠需要」と呼びますが、このようなデータの厄介な点は、一般的な時系列予測モデルとの相性の悪さにあります。ARIMA や Prophet といった標準的なアルゴリズムは連続的で比較的滑らかな需要パターンを前提に設計されているため、ゼロと非ゼロが混在する非連続データに対しては予測精度が急速に低下してしまいます。この問題を根本的に解決するのが、間欠需要に特化して設計されたクロストン法です。本記事では、その仕組みについて解説します。...

AIスマートソリューション部の松尾です。障害対応はエンジニアの経験と知識が問われます。今はAIOpsという言葉があるように、生成AIの力を借りて障害対応をある程度は行えるようになってきました。しかしながら、各種規制等によって、インターネットに接続できないシステムも多くあり、その場合は、ChatGPTを始めとしたインターネット越しに利用する生成AIの活用はできないことになります。そういった場合の対応として、オフラインで使用できるSLM（Small Language Model）の活用があります。今回は、ローカル環境で動作するFoundry Localを用いて、クローズドなオンプレサーバーの...