はてなブックマーク

こちらはLayerX AI Agentブログリレー37日目の記事です。前回の記事は@po3rinによる『AI Agentのビジネス価値を計るバックテスト基盤の構築』でした。 こんにちは。バクラク事業部 BizOps部 データグループの@civitaspoです。前回の『AI Agentのビジネス価値を計るバックテスト基盤の構築』で以下の記載がありました。 LayerXではデータ基盤としてSnowflakeを採用しています。SnapshotデータにアクセスするためにはアプリケーションDBにアクセスしていたクエリを少し変えるだけです。例えば、2025/10/21 9時時点のSnapshotデータにアクセスする場合は次のようになります。 # 通常クエリ SELECT * FROM SAMPLE_TABLE; # Snapshotクエリ SELECT * FROM TABLE(SAMPLE_TABL

こんにちは、Ai Workforce 事業部でテクニカルプロジェクトマネージャーをしている Joe です。 今回ですが Observability Conference Tokyo 2025 のスピーカーとして参加させて頂きました！ https://o11ycon.jp/ まず、今回開催にあたって主導して頂いたオーガナイザー、スタッフとして開催を支えて頂いた皆様、スポンサーをして頂いた企業様によって素晴らしい会を開いてくださったことにお礼を申し上げます。 楽しすぎて写真撮るのを忘れていたのが最大の反省点です。 Observability Conference Tokyo 2025 とは？ Observability Conference Tokyo 2025 は、Observability に関する知見を共有するためのカンファレンスです。 これまで他のカンファレンスの中でオブザーバビリティ

この記事は LayerX AI Agent ブログリレー 35 日目の記事です。 こんにちは。バクラク申請・経費精算チームの @ktr です。 私たちのプロダクトには日々、お客様からお問い合わせをいただいており、これらをもとにプロダクトの品質を改善する取り組みを行っています。 今回は、AI Agent を活用したコード品質向上の取り組みについてご紹介します。 品質改善の取り組みと Greptile そもそも、お客様からのお問い合わせでバグが発覚するのは望ましくありません。開発プロセスのより早い段階——例えばコードレビューやテストの段階——でバグを発見したいと考えています。とくにプログラミングミスはその最たる例です。 私たちのチームでは直近のお問い合わせから、とくに改善・シフトレフトの余地があったと考えられるバグをピックアップし、Next Action を決めて取り組みを進めています。 その

こちらはLayerX AI Agentブログリレー36日目の記事です。 LayerX バクラク事業部で AI/MLOpsエンジニアをしている中村(@po3rin)です。今回はAI Agentのビジネス価値を計るバックテスト基盤を構築した話と、そこから学んだAI Agent開発のプラクティスを紹介します。 目次 目次 AI Agent機能の評価の重要性 AI Agent機能のバックテスト バックテスト基盤開発の難しさ バックテスト基盤を実現する技術 全体構成 SnowflakeへのSnapshotデータアクセス LLM Native GORM Plugin「Firn」 なぜLLMで書き換えるのか GORM Pluginの作り方 LLMによるクエリ書き換え部分 LLMのクエリ書き換えガードレール SQL BASE Golden Testing Package「gormgolden」 今回のバッ

こちらはLayerX AI エージェントブログリレー34日目の記事です。 こんにちは、CEO室でAI Agent開発のPdMをやっているKenta Watanabeです。 先日の記事に続いてeval関連の話題になります。 AIエージェントやLLMを使ったサービス開発をされている方は日々何かしらの環境でevalsを作成されているのではないかと思います。LangSmithやLangfuse, OpikやPromptfooなどLLMのtracingやevaluationを行うことのできるサービスはたくさんあり弊社でもLangfuseを活用しています。また、OpenAIはtracing/evaluationとも自社プラットフォームで行うことができ、Agents SDKを利用している場合はより簡単にこれらの環境を利用することもできます。 これらの基盤はevaluationとtracing, prom

LayerX のバクラク事業部の AI・機械学習部で機械学習エンジニアをしている島越（@nt_4o54）です。こちらはLayerX AI Agent ブログリレー 31 日目の記事です。 昨日は松村 (@yu__ya4)による「Langfuse の Experiment Runner SDK を利用した AI エージェント機能の性能評価と実験管理」でした。 無事にこのブログリレーも日付換算で一ヶ月を突破しました。過去のブログ記事も知見が溢れているので、是非ご覧ください！ はじめに LLM 以前の機械学習システムにおけるパーソナライゼーション LLM を用いたシステムにおけるパーソナライゼーション In-Context Learning (ICL): Prompt による動的適応 Prompt の自動最適化 その他の最適化手法 DSPy による Prompt 最適化実践 データセット 推論の

本記事では、LayerXのバクラクAIエージェント開発における、Langfuseを活用したAIエージェント機能の性能評価と実験管理の取り組みを紹介します。バクラクはバックオフィスに特化したAIエージェントで、日常業務の中に自然にAIを溶け込ませる体験を提供しています。 bakuraku.jp こちらは LayerX AI Agent ブログリレー 30日目の記事です。前回はバクラク事業部のAI・機械学習部でインターンをしてくださっていた @ProgressSemi による 『コーディングエージェントのための情報検索システムの最前線』 でした。今回はバクラク事業部 機械学習エンジニアの松村（@yu__ya4）からお届けします。 はじめに 多くの企業・個人がAIエージェント開発を進める一方で、プロダクトとしての性能評価に関する実践知はまだ少ないと感じています。私たちも試行錯誤の途上ですが、現時

こんにちは。LayerX のバクラク事業部 AI・機械学習部でサマーインターンをしていました足利です。サマーインターンについてはこちら。 note.com こちらはLayerX AI エージェントブログリレー、29日目の記事です。 エンジニアにとって最も身近なAI AgentはClaude Codeなどのコーディングエージェントだと思います。 この記事では、コーディングエージェントに適した検索システムという切り口から、AI Agentをより良く設計するためのポイントについて考えてみたいと思います。 最先端の知見に触れるため、新しめの論文に触れながら解説していきます。 入門、AIコード生成のためのコンテキスト検索 AI Agentを上手く動作させるには、解かせるタスクの定義やコンテキストの設計が非常に重要です。 タスク設計：解決したい課題について、LLMに丸投げせず、どの部分をLLMに解かせ

こんにちは！LayerX の バクラク事業部でSWEをしております、 2025年4月入社の新卒エンジニア shoyan です！ 今回は先日 layerx.go #2 で発表した、Protocol Buffers の Opaque API のメリットと安全な移行方法 について紹介します。 speakerdeck.com Opaque API とは？ まずは、Protocol Buffers (Protobuf) について簡単に説明します。Protobuf は、Google が開発したデータシリアライゼーション形式です。.protoファイルでスキーマを定義し、コンパイルして各言語のコードを自動生成します。LayerX では、Protobuf と Connect を組み合わせて、gRPC 互換の HTTP API を構築しています。 典型的な .proto ファイルは以下のようになります。 me

こんにちは。バクラク勤怠のソフトウェアエンジニアの @upamune です。 この記事は LayerX AI Agentブログリレー の 23日目 の記事です。 前回のClaude Code SDK ではじめる 定額 AI Agent 開発入門では、Claude Code SDK を使ってシンプルなタスク管理Agentを構築しました。 今回は、そのAgentをClaude Agent SDKに移行しながら、何が変わったのか・どう対応すればいいのか・何が嬉しいのかを具体的に解説します。 1. 前回のおさらい：Claude Code SDK でタスク管理Agent 前回の記事では、Claude Code SDKを使ってタスク管理Agentを作りました。以下のような機能を実装しました： タスクの追加 タスクの一覧表示 タスクのステータス変更 Claude Pro/Maxプラン（最安$20/月）で

こんにちは。2025 年 4 月に LayerX に新卒入社し、請求書発行チームでエンジニアをしている @tak848_ です。 学生時代に一人で出た直近の ISUCON14 は、計測ツールを同じ VPC の EC2 上に立てていたことで失格になりました。最近は、プロダクト仕様や今回の検索、 PDF をはじめとした様々な深みに対峙しすぎて、「深淵の tak」などと呼ばれています。 この記事では、バクラク請求書発行の書類検索基盤を、SQL 直叩きから、OpenSearch を利用する形式へとリプレイスした際にさまざまな思考・苦慮ポイントがあったのでそれを共有していきたいと思います！ バクラク請求書発行の紹介とリプレイス前の課題 プロダクト紹介 「バクラク請求書発行」（以下、発行）は、弊社が開発しているプロダクトの一つで、会社が発行するあらゆる書類の電子発行を Web 上で簡単にできるシステム

こんにちは、LayerX Ai Workforce事業部でR&Dチームマネージャーをしている澁井（しぶい）と申します。これはLayerX AI Agent ブログリレー19日目の記事になります。 OpenAIがGPTを提供開始した2022年末から、LLM（大規模言語モデル）やそのAPIをソフトウェアに組み込む大きな流れが始まりました。その中で、私が最も感動したエンジニアリングが、2023年6月に登場したFunction callingです。Function calling（Tool callとも）ではOpenAI APIへのリクエスト時に期待する出力形式をJSONで定義でき、LLMの応答をそのJSONに強制できます。これにより、LLMの出力をプログラムで安定して扱うことが格段に容易になりました。当初は外部の関数を呼び出すための仕組みでしたが、現在ではStructured Outputとして

こんにちは、バクラク事業部 Platform Engineering 部 SRE グループの uehara です。 これは LayerX AI Agent ブログリレー の記事です。昨日は yu-ya4 さんの Langfuse の Datasets 機能を利用した AIエージェント機能の性能評価のためのデータセット構築 でした。AI エージェントについて毎日発信していますので、他の記事もぜひご覧ください！ 今回は、先日開催された AI エージェント祭 で実装した「AWS コスト最適化エージェント」について紹介します。 Strands Agents とは Strands Agents は AI エージェントを効率的に構築・実装するために設計されたオープンソースの SDK です。2025年5月に AWS から公開されました。Amazon Bedrock、Anthropic、Ollama など

LayerX の提供するバクラクAIエージェントを題材に、Langfuse を利用したAIエージェント機能の性能評価の取り組みについて紹介します。今回は、性能評価の肝であるデータセット構築について紹介します。次回は、そのデータセットを用いて実際に性能評価を実施する仕組みについて紹介します。 バクラクは、バックオフィスに特化したAIエージェントによって、日常業務の中で自然にAIを活用いただけるような体験を提供しています。 bakuraku.jp こちらは LayerX AI Agent ブログリレー 17日目の記事です。前回は @ta1m1kam による 『CopilotKitでアプリをAI化しないか？』 でした。今回はバクラク事業部 機械学習エンジニアの松村（@yu__ya4）からお届けします。 はじめに 世はまさに大AIエージェント時代。多くの企業・個人がAIエージェントを活用した開発を

こんにちは。先日プレスリリースした「バクラク給与」の立ち上げをしている、エンジニアの 石黒 (@yuuis) です。 bakuraku.jp 現在、バクラク給与プロダクトの立ち上げ開発真っ最中です。 開発チームは給与計算という複雑なドメインに日々向き合っています。 今回は、バクラク給与の立ち上げで実際に取り組んだこと、そして今まさに取り組んでいることを具体的にお伝えします。バクラクでの新規プロダクト開発の現場のリアルな姿が、これから立ち上げに関わる方の参考になれば幸いです。 1. ドメインのキャッチアップ 新規プロダクト立ち上げで一番大事なのは、そのドメインのキャッチアップだと考えています。 特に給与計算という領域は、法律や実務慣習が複雑に絡み合う領域であり、まずはしっかりと知識を身につけることから始めました。 1.1 本を読む まずは、チームメンバー全員で書籍を読み込みました。 チーム全

この記事は LayerX AI Agent ブログリレー16日目の記事です。前日はTomoakiさんによる「【独占取材】 AI-BPO事業のシフト管理をバクラクにしたAI Agentのシフト組子さん」でした。こちらの記事は複雑なシフト管理をAI Agentの力を使って解決したシフト組子さんの紹介でした。ありがとう組子。 最近鬼滅の刃の映画を見て猗窩座になっている @ta1m1kam です。お前のアプリも AI化しないか？というわけで爆速 AI 化 PoC をやって、既存のアプリケーションに AIエージェントの力が加わった世界を堪能しましょう。 イントロダクション 「たった 数分で、あなたの React アプリに AIエージェントを組み込めるとしたら？」 「AI機能を追加したいけど、実装が難しそう」 「既存のアプリを大幅に改修するのは避けたい」 「チャットUIだけじゃなく、アプリと連動するA

こんにちは。LayerX バクラク事業部 SWEの@toshi1127と申します。 AI-UX プロダクト開発グループで、AIを活用したプロダクト機能の開発を担当しています。 今回は、LayerX Web Frontend Night #3の主催者として、9月24日に開催した「LayerX Web Frontend Night #3 - AI-Ready Frontend Quality」を振り返ります。 まずは、平日の夜にもかかわらず、オフライン・オンライン合わせて多くの方にご参加いただき、良い感想をいただけたことがとても嬉しかったです。ありがとうございました。 そして、登壇者の皆様、運営を支えてくださった方々、ありがとうございました。 このブログでは、なぜこのテーマを選んだのか、勉強会で得られた学びをお伝えしたいと思います。 LayerX Web Frontend Night の歩み

すべての雑務をAgentで実行したいyprestoです。普段はバクラク債務管理の開発をしながら、社内の “フロントエンド” をよりよくする活動をしています。 この記事は LayerX AI Agent ブログリレー 13日目の記事です。前日はconvtoさんによる「B2B SaaS における AI Agent 向けの認可に向けた課題」でした。こちらの記事は、企業のプロダクトとしてAgentを実装するにあたり必然的に課題になる「認可」について掘り下げる記事ですので、ぜひご覧ください。 本日は流れが変わり、Agentはまだ触れていない、使い方がうまく思いつかないという方にこそ、ぜひ読んでいただきたい記事になります。 先日「AIエージェント祭」と題して社内ハッカソンに参加し、ありがたいことに賞をいただきました。ハッカソンを通して、「作業をやってもらう側」の視点でAgentについて考えたことを改め

LayerX QAエンジニアの小山です。 実はLayerXのバクラク事業部のQA組織では、ポテンシャル採用を始めておりました。すでにお気づきの方もいらっしゃるかとは思いますが、なぜポテンシャル採用を始めたのかをこの記事ではお話します。 背景1 AI時代だからこそ人を採るLayerXの戦略 LayerXはプロダクトやAIエージェントを増やす戦略を掲げており、AI時代だからこそエンジニアの採用を強化しています。バクラク事業部QA組織も採用を強化中でして、その中でポテンシャル採用を始めることにより、より強い組織を作っていくことを目指しています。 背景2 QA組織のMVVに基づいた成長戦略 バクラク事業部QA組織は「バクラク品質でワクワクする働き方を」をミッションとし、ビジョンとして「WebQAの模範となる」を掲げております。その中で共有する価値観・行動指針として「当たり前なQAを疑い、アップデー

こんにちは！バクラク事業部Platform Engineering部IDグループの id:convto です！ この記事は LayerX AI Agent ブログリレー 12日目の記事です。前日は taddy さんによる Amazon Bedrockで社内コミュニケーションの円滑化を目指したエージェントを構築する でした。 社内で定期的にLT大会を開催しており、前日の記事を書いてくださった taddy sanの記事の内容は元々そこ向けに準備していただいたものです。*1 その後この経験がサポートサイトやプロダクト仕様をデータソースとするRAGやエージェント作りに活きたらしいです。いい話〜〜 さてバクラクでは AI Agent を利用した機能をいくつか開発しており、その際 AI Agent に対してどのように認可を与えるかをよく議論します。 今回は AI Agent に認可を与える際にどのよう

こんにちは！バクラク事業部Platform Engineering部SREグループのtaddy( id:sadayoshi_tada )です。 この記事は LayerX AI Agent ブログリレー 11日目の記事です。前日は島越さんによるAI明細仕訳機能におけるCodeAgentを用いたデータセット作成でした。CodeAgentに特化したフレームワーク「smolagents」の紹介やその実験内容も興味深いのでまだ見ていない方はぜひ見てみてください。 近年、リモートで働く人やオフラインで働く人など様々な労働環境のメンバーとのコラボレーションが増えています。バクラク事業部においても同様で様々なメンバーとコミュニケーションを行います。コミュニケーションの手段は複数あり対面コミュニケーションの他、SlackによるテキストコミュニケーションやGoogle Meet、Gatherでのオンラインミー

こんにちは。 LayerXのバクラク事業部のAI・機械学習部でテックリードを務めております機械学習エンジニアの島越（@nt_4o54）です。 こちらはLayerX AI Agentブログリレー10日目の記事です。前回の記事はponさんによる最速でAI Agent機能をPoCするChrome Extensionsの威力でした。 今回の記事では、先日リリースを行ったAI明細仕訳の問題を題材に、データセット作成時にCodeAgentを用いた検証についてお話しします。 AI明細仕訳とは AI明細仕訳とは、請求書に記載されている表から、勘定科目などのマスタデータや過去の編集履歴を元に仕訳を自動で作成する機能です。 企業の経理担当者様の中には、100行近い表から手打ちでエクセルに転記してマクロを叩いていたり、一つずつコピーしていたり。。と行数の多い請求書の仕訳作業に多大な工数をかけています。 AI明細

こんにちは！LayerXモバイルエンジニアのさかいです！バクラク申請・経費精算のモバイルアプリを作っています。 最近はAI x エンジニアリングに興味があります。FlutterKaigi 2025でAI x E2Eに関して話すので、ぜひ遊びにきてください！ 突然ですが、AIのチーム導入で「個人の活用に留まってしまう」「ノウハウが共有されない」といった課題を感じていませんか？本記事ではモバイルアプリチームのAI活用の一例として取り組んだ、Subagents祭を通じてAI活用をチームの共通知とした流れについてご紹介します。 そもそもSubagentsとは サブエージェントとは特定タスク用に設計された専門的なエージェントです。独立したコンテキスト、カスタムプロンプト、利用ツールを制御することができます。また、呼び出し方法には自動委任と明示的な呼び出しの2種類があります。 Claude Codeは

こちらはLayerX AI Agentブログリレー9日目の記事です。昨日の記事はClaude Code SDK ではじめる 定額 AI Agent 開発入門でした！！ こんにちは、Hiromu Nakamura (pon) です。 LayerXでAI/MLOpsをやってます！ 先月の中頃にLayerXのサービス「バクラク」上で1日1AI Agent機能をPoCしていました。その時の経験から爆速でAI Agent機能のPoCを回す技術についてお話しします。 目次 目次 AI Agentを実サービス上でPoCしたい理由と課題 Chrome Extensionsで突破するサービス上PoCサイクル さらに爆速でPoCを回すために まとめ AI Agentを実サービス上でPoCしたい理由と課題 AI Agent機能が実際のサービス上でどのように動くかを検証したい時があります。実際に動いている画面を見

こちらは LayerX AI Agentブログリレー 7日目の記事です。 こんにちは。バクラク勤怠のソフトウェアエンジニアの @upamune です。 最近は社内のいろんなリソースをMarkdownに変換する怪物になっています。 1. はじめに：定額で始めるAI Agent開発 皆さんAI Agent開発していますか？AI Agentを開発する時の障壁の一つとして、LLMを呼び出す際のAPIコールが従量課金のため、なかなか個人で気軽に試せないというのがあると思います。 そこで、今回はClaude Code SDKを利用してAI Agentを作成することで、Pro/Maxプランに加入することで定額でAI Agentを開発できる選択肢があることを紹介します。 2. なぜClaude Code SDKなのか Claude Codeを利用している方は多いと思いますが、Claude Code SDK

こちらは LayerX AI Agent ブログリレー 5 日目の記事です。 昨日は Tomoaki (@tapioca_pudd) さんによるAmazon Bedrock Knowledge Basesで実現する"元のリンクとセット"で検索できるRAGでした。 すべての経済活動をデジタル化するために、すべての業務活動をデジタル化したい、コーポレートエンジニアリング室の @yuya-takeyama です。 この大 AI 時代、Infrastructure as Code や Configuraiton as Code の価値が上がっていると感じませんか？ 僕はコード化はそれ即ちデジタル化であると考えています。 既に Terraform のコードを Claude Code 等の Coding Agent に書いてもらったり、AWS CLI などを組み合わせることで既存のリソースを後からコー

こちらは LayerX AI Agentブログリレー 4日目の記事です。 3日目の記事はomori（@onsd_）さんによる 安定したAIエージェント開発・運用を実現するLangfuse活用方法 でした。実際に本番稼働しているサービスのLLMOps事例は本当に貴重で大変勉強になりました。 こんにちは、全ての経済活動をデジタル化したいTomoaki（@tapioca_pudd）です。 この大生成AI時代に生きていれば、3度のメシよりRAGが欲しくなることはよくあると思いますが、皆さんはどのように構築していますか？ 弊社においても、カスタマーサポートや営業の生産性向上が重要な課題であり、サポートサイトやプロダクト仕様をデータソースとするRAG（Retrieval-Augmented Generation）を構築し、お客様からのお問い合わせに対して回答案を自動で生成するエージェントの開発などを進