はじめに 研究発信 研究概要 研究課題：AIにどこまで任せることができるか HAZ（Human-AI Agreement Zone）という考え方 論文とスライド資料 エンジニアが研究し、発信する時代 研究発表 難聴からの学び 突然の難聴との遭遇 難聴からの気づき おわりに はじ…

みなさんこんにちは、プラットフォーム開発本部第1開発部CSプラットフォームグループ（以降：PF開発本部、CSP）の渡部 @tenki_develop です。 PF開発本部はDMM内の会員基盤やレビュー基盤など、多くの事業部にて使用する共通基盤を提供することがミッション…

はじめに 背景 提案手法 構成とアーキテクチャ選定 マイクロバッチの選定理由 1. 秒単位のリアルタイム性が不要だった 2. 実装・運用保守・コストのバランスを重視した 実験 結果 履歴i2i棚経由の指標 サービス全体の指標 考察 改善点 履歴i2i棚に関すること…

はじめに JSAI2025の概要 参加レポート ブース展示 インダストリアルセッション 懇親会 聴講セッション おわりに はじめに 皆さん、こんにちは！データサイエンスグループの平野と菊谷です。 私たちは2024年にDMM.comに新卒入社し、現在はデータサイエンスグ…

はじめに 改善活動の目的と方針 事例1：チケット作成プロセスのAX改善 背景と課題 実装内容 システム構成 改善効果の測定 フィードバック 高度な使い方 事例2：Chrome拡張型AIアシスタント 背景と課題 実装内容 システム構成 通常ブラウジングから質問 テキ…

1. はじめに 2. AIコーディングのその先へ。開発プロセス全体にAIを導入する 2.1 プロセスを"AI"に置き換えるのではなく、"AI"前提のプロセスに作り変える 2.2 開発フェーズ以外の課題がたくさんある 3. マネジメントの知見蓄積とワークフロー化 3.1 ワーク…

はじめに サービスの紹介 Android版 iOS版 Web版 サービスコンセプト AIコードレビュー導入前の状況 コードレビュー体制 導入前の課題 AIコードレビュー導入の検討 CodeRabbitの導入 CodeRabbitとは 導入の容易さ 導入1ヶ月の効果 主なメリット レビュー内容…

テストケース作成の悩み：なぜこんなに大変なのか？ 救世主現る？生成AIでテストケース作成の負担を減らしたい！ 具体的な手順：AIを絡めたテストケースの自動生成 1. 【情報収集】スクリーンショットから機能概要を生成 (by Gemini) 2. 【知識集約】関連ド…

はじめに Google Cloud Nextとは 会場の様子 ラスベガスの様子 Keynoteの様子 EXPOの様子 日本人向けセッションの様子 気になったセッション 土屋パート Solve real-time AI challenges: Bigtable and BigQuery in Spotify’s music recommendation engine Sc…

こんにちは、情報システム部のエンジニアの大井です。 私たちの日常業務には、社内からのITに関する多種多様な問い合わせ対応が含まれています。 パスワードリセットのような定型的なものから、システム障害の報告まで、その内容は多岐にわたります。これら…

これはなに？ こんにちは、DMM.comのミノ駆動です。 プラットフォーム開発本部 Developer Productivity Group 横断チームにて、 プラットフォームの設計品質向上に取り組んでいます。 ここ最近、AIエージェントなどの登場により ITサービス開発においてAIと…

1. はじめに 2. プラットフォーム開発本部のAX戦略について 3. 組織マインドを醸成する「目標と目的」のセッティング 目標「人でやっていた業務の50%をAIに置き換えた（協働）うえで、開発リードタイムへの変化を観測する」 4. AXは、プロセスを"AI"に置き換…

はじめに デモサイトを公開してからの学び Pagoda の路線変更 デモサイトリニューアル 今後の展望 はじめに IT インフラ本部の大山裕泰です。 2024年9月、我々は SSoT を実現する情報管理システム Pagoda のデモサイトを公開 しました。 その後、何人かのユ…

1. はじめに 2. 制約 3. トライアル成果 発見1. 技術負債の特定とリファクタリング実装の半自動化 発見2. イベントストーミングで設計した画像をもとにドメインモデルと制約の実装 発見3. 指示範囲を明確に絞れば、人より格段に早い 発見4. 開発者の学習効率…

はじめに DEIM2025の概要 参加レポート 一般発表（技術報告） インタラクティブセッション スポンサー賞 おわりに はじめに 皆さん、こんにちは！データサイエンスグループの平野と菊谷です。 私達は2024年にDMM.comに新卒入社し、現在はデータサイエンスグ…

1. はじめに 2. 前回のおさらい 3. 自動化の範囲 4. 導入の成果 AIの承認数 AI vs 人の承認速度 5. 今後の展望 – 8割以上の自動化 – 6. 当初の懸念 7. 現場のリアルな反応 8. まとめ 求人とお問いわせ 1. はじめに プラットフォーム開発本部 ユーザーレビュ…

はじめに 着想に至るまで 対象データはどうするか なにで開発をするか システム全体像 Data Collector Indexer Monolithicalized Indexer Vector Store & Retriever Agent どうなったか おわりに はじめに DMM.博士通信の2回目の投稿になります。今回は前回…

1. はじめに 2. 背景と課題 3. 生成AI導入のメリット 4. 自動化までのPhase Ph1. 生成AI導入の準備 (PoC) Ph2. 人の判断を支援するシステムの構築 Ph3. 判定精度の向上対応 Ph4. 自動化戦略 Ph5. 自動化システムの構築 Ph6. 自動化の開始 5. 総括 あとがき …

はじめに LC 開発部：神畠正稔 Keynote Accelerate database performance and scalability with AWS storage 全体を通しての感想 現地参加して感じたこと 日本における生成 AI とその向き合い方 オンラインサロン開発部：國分竜二 NVIDIA 主催の GameDay：Ge…

自己紹介 はじめに 1. プロダクトデザインが求めらえるシーンの増加 【取り組み詳細の記事】 2. AIと共創する文化の定着 【取り組み詳細の記事】 3. 採用／外部発信の強化 さいごに 自己紹介 齊藤 卓真 デザイン部 部長 クライアントワーク／事業会社でデザ…

はじめに この記事で伝えたいこと 解決したい課題 用語解説 Mermaid AST 完成版コード このコードで実現できること このコードでまだ実現できないこと コード 工夫箇所 コメント if 文 for 文 出力結果 (if 文) 元となるビジネスロジック 出力された Mermaid…

はじめに カスタマーサポート基盤について AI活用について GPT-3.5からGPT-4o系への移行 移行の理由 C#からPythonへの移行 実施プロセス プロンプトの挙動確認 並行稼働での動作検証 API Managementの採用 持続可能なAI基盤として おわりに はじめに こんに…

こんにちは！DMMデータサイエンスグループの土屋です。本記事では先日データサイエンスグループのレコメンドチームで参加したRecSys2024の参加記録を共有します。 RecSysの概要 印象に残ったセッションと発表 土屋パート Biased User History Synthesis for …