こんにちは、運用システム部の木村です。
最近、社内からの問い合わせで「これどうやるんだっけ？」という同じような質問に答える日々が続いていて、もっと効率よく対応して、メンバーの待ち時間を減らしたいなと思っていました。
ちょうどその頃、社内でも「生成AIなどの新しい技術を、積極的に業務へ取り入れて検証していこう」という動きが出てきました。そこで、実践を通じて社内に知見を蓄積していくことを目的に、まずは日常業務だった問い合わせ対応のAI化に着手しました。
RAGを手軽に組めるツールはいくつかありますが、最終的に「Dify」に落ち着きました。
理由はシンプルで、社外秘のドキュメントを読ませたかったからです。SaaS版もすぐ始められて便利なのですが、今回はデータを外部に出さないことを最優先にして、IDCフロンティアの自社環境にDify（セルフホスト）を立てる構成にしました。
続きを読むこんにちは！IDCF運用システム部の飛田です。
エンジニアの皆さん、日々の業務の中で「やりたい開発はあるのに、ライブラリのバージョンアップや脆弱性対応に追われて時間が取れない…」と感じることはありませんか？
あるいは機能開発に追われ、やらなければならないバージョンアップが後回しになっていたりしないでしょうか？
特に、フレームワークのメジャーアップデートや、EOLに伴う対応作業は、影響範囲が広く、地道な修正とテストの繰り返しになりがちです。
今回は、VS CodeのCopilotエージェントモードを活用して、こうした「守りのタスク」をAIに丸投げ…もとい、強力にバックアップしてもらった事例をご紹介します！
続きを読むこんにちは！IDCフロンティア 運用システム部の北條です。
最近、AIを使ったコーディングエージェントが当たり前の時代になりました。しかし、「AIに指示を出しても、思っていたものと違うコードが出てくる」「複雑な機能をお願いするとAIが迷子になる」といった経験はありませんか？
今回は、そんなAIコーディングの課題を解決し、開発体験を次のレベルへと引き上げる「仕様駆動開発（Specification-Driven Development: SDD）」について、GitHub CopilotとAIコーディング向けフレームワークである「OpenSpec（GitHubリポジトリ）（Fission-AI）」の組み合わせをご紹介します。
続きを読むこんにちは！IDCフロンティアでAIインフラや生成AIの検証を担当している中嶋です。
昨今、エンタープライズ領域でもセキュリティやコストの観点から「ローカルLLM（オンプレミスでの大規模言語モデル）」の利活用や、自社データを用いたAIエージェントの開発に注目が集まっています。私たちIDCフロンティアでも、最先端のAIインフラ環境の提供に向けて日々様々なハードウェアやモデルの検証を行っています。
今回は、NVIDIAから日本語に特化した注目のモデル 「Nemotron-Nano-9B-v2-virtuoso」 がリリースされたのをきっかけに、最新のAIワークステーション 「DGX Spark」 を用いてローカルLLM環境を構築し、他の強力なOSS（オープンソース）モデルとの性能・回答精度の比較を行ってみました。
これから社内用AIの構築や、ローカルLLMの導入を検討されている方の参考になれば幸いです！
こんにちは！IDCFクラウド 開発チームの本間です。
このたび、IDCFクラウドのマネージドデータベースサービス「RDB」において、待望のPostgreSQLに対応した「RDB for PostgreSQL（オープンβ版）」をリリースしました！ これまでMySQLのみのご提供でしたが、多くのご要望をいただき、ついにPostgreSQLもご利用いただけるようになりました。
今回は、この新サービスの概要と、現在実施中の無料でご利用いただけるオープン版（ベータ）についてご紹介します。
続きを読む大規模言語モデル（LLM）の登場は、私たちの開発スタイルを根底から変えようとしています。しかし、「期待した答えが返ってこない」「精度が安定しない」といった悩みを抱えているエンジニアも多いのではないでしょうか。その性能を最大限に引き出す鍵こそが「プロンプトエンジニアリング」です。 この記事では、OpenAIやGoogleの公式ドキュメント、業界のベストプラクティスに基づき、LLMの性能を飛躍的に向上させるプロンプトエンジニアリングの技術と考え方を、基礎から最新の応用技術まで網羅的に解説します。
続きを読むこんにちは！ IDCフロンティア 運用システム部の森田です。
昨今、生成AIの進化は目覚ましく、様々な業務での活用が期待されています。特に、システム運用やデータ分析の現場では、膨大なログやメトリクスデータの中から、いかに迅速にインサイトを導き出すかが課題となっています。
「自然言語で指示するだけで、AIが自律的にデータを調査・分析し、原因と対策まで提案してくれたら…」
そんな未来を実現する可能性を秘めた技術が、AI企業のAnthropic社などが提唱するオープン標準プロトコルMCP (Model Context Protocol)です。
今回は、このプロトコルを実装したSplunk MCP Serverを当社の検証環境に導入し、Googleの「Gemini 2.5 Pro」とAnthropicの「Claude Sonnet 4.5」という2つの強力な生成AIと連携させることで、どのようなことが可能になるのかを実際に試してみました。
本記事では、その検証手順から見えてきたAIエージェントの可能性まで、詳しくご紹介します。
続きを読む