Scraps 最終更新 2026/11/16 12:50

企業テックブログまとめ

@bik /

コードを読まずにバイブコーディングしたら、Claude Codeは分かっていてスルーしていた

  • Claude Codeはコードを読まずに作られたダッシュボードで、トークンの数え方が複数の画面で不一致だった
  • 使用枠の推移と作業履歴のトークン数え方が別々で、サブエージェントの消費を親セッションに合算する処理が不完全だった
  • 同じ数字を複数の画面で出している箇所は、数える処理が1つにまとまっているか確認する必要がある

@ytakagi /

社内システムのデザインガイドラインを、根拠つきで AI と作る

  • 社内システムのデザインガイドラインをAIと作成し、根拠を脚注に残す方法を紹介している
  • DDR(Design Decision Records)の考え方を脚注に組み込み、根拠の順番を客観的資料・業務実態・UIライブラリの既定で決める
  • 脚注に「何で決めたか」「どうなったら決め直すか」を記載し、AIが読んでも判断できるようにする

@やちほこ /

「赤信号、みんなで渡れば怖くない」は通用しない 個人情報漏洩事案多発の現状からの考察

  • 個人情報漏えいのリスクは、企業の責任だけでなく社会全体の信頼にも影響する
  • 名寄せと生成AIによる情報の悪用がリスクを高め、企業の安全管理措置が重要になる
  • 企業は情報の価値を漏えい元の企業だけで評価せず、本人への被害を考慮した対策を講じるべき

@dyoshikawa /

OpenCode+Docker+GitHub Actionsで全自動AIペネトレーションテストはじめました

  • ZennはGitHub ActionsとDockerで全自動AIペネトレーションテストを毎週実行している
  • OpenCodeとFireworks AIのオープンウェイトモデル、nucleiとOWASP ZAPのツールを組み合わせ、Dockerによるネットワーク隔離でサンドボックス環境を構築
  • AIエージェントが外部に通信しないようにするため、ネットワークを制限し、AIの分類器でコマンドを審査する多重ガードの仕組みを導入している

@しんや /

BIの移行作業はどこまでAIに任せられるか: Tableau→Sigmaを例に段階別整理(2026年10月版)

  • TableauからSigmaへのBI移行を7段階で整理し、どの工程が自動化できるかを示した
  • 棚卸し、抽出、翻訳、データモデル作成、ワークブック作成、検証、運用化の工程で、AIエージェントや移行スキルが自動化の鍵
  • データモデルはGA、ワークブックコード化はBetaで、UIの見た目や未対応の計算式は人の判断が必要

@きたのかい /

EC2 インスタンスタイプの選び方:M シリーズを基準に要件から考える

  • EC2インスタンスタイプの選定でMシリーズを基準に、要件に応じてC/R/Tシリーズを検討する
  • MシリーズはCPU・メモリ・ネットワークのバランスが取れた汎用型、CシリーズはCPU最適化、Rシリーズはメモリ最適化、Tシリーズはバースト可能
  • 初期はMシリーズで仮に選定し、実運用でメトリクスを確認しながらシリーズやサイズを調整する

@tatsumack /

ISUCON2026に参加して78位でした

  • ISUCON2026でチーム「カレーおじさん」が78位を獲得、AIを活用した開発手法を試した
  • AIにコード生成と分析を任せ、DBのロックやリージョン間通信の最適化を実施、画像処理の最適化も行った
  • AIに実装を任せた結果、コミット数が過去最多となり、ベンチが一度も失敗しなかったが、AIの戦略的判断には限界があった

@wfukatsu /

【既存のSQL, PL/SQLをAIを用いて移行する】第3回:ANTLR grammar で PL/SQL を解析し、中間表現に落とす

  • ANTLRのgrammarでPL/SQLを解析し、型や制御フローを保持した中間表現(IR)に変換する
  • PL/SQLの構文解析とIRへの変換、SQLブリッジでSQLGlotに渡す処理、型解決と記号表の構築
  • PL/SQLの構文解析はSLL→LL→診断付きLLの3段階で行い、解析時間の最適化とIRへの属性保持が重要

@むーさん /

Aurora とDynamoDBとTimestreamとBigQueryを2400万レコードで性能比較してみた

  • 2400万レコードのクエリ性能でAuroraとDynamoDBが特定の1件取得に速く、InfluxDBとBigQueryが集計系に速かった
  • 特定の1件取得ではAuroraとDynamoDBが5ms〜66ms、集計系ではInfluxDBが89ms、BigQueryが365ms
  • Auroraはメモリキャッシュで2.3GBのデータを処理可能で、2400万件程度なら十分な性能だった

@takekawa tomoki /

Azure OpenAI Decisions API で文書画像の撮影条件を判定し、精度と confidence の関係を確認してみた

  • Azure OpenAI Decisions API は文書画像の撮影条件を choice 型で判定し、72% の正解率を達成した
  • choice 型の質問で5つのラベルから1つ選ぶ、confidence は正解率と強く関連し、0.9〜1.0 の区間では94.9% の正解率を示した
  • confidence のしきい値を0.8以上に設定すると正解率が92.5% に上昇し、カバー率は53% になる

@林 宏正 /

Weekly Google Cloud アップデート情報 - 2026年11月3日

  • Gemini画像生成モデルがCloud Storageへの直接出力を一般提供
  • Gemini Nano Banana 2.1、Gemini 3.1 Flash Imageなど4モデルでoutputConfig.outputUriPrefixとgenerationConfig.responseFormat[].image.deliveryをURIに設定可能
  • 生成画像をCloud Storageバケットに直接書き込み可能で、インラインのバイト列ではなくオブジェクトURIを受け取れる

@koki takeishi /

Claude-MemはSIerで安全に使える?仕組みとプロジェクト間のメモリ分離をコードから調査

  • Claude-Memはプロジェクトごとのメモリを分離するが、デフォルトでは顧客間の情報が混在する可能性がある
  • ローカルWorkerは同一ユーザー領域に複数PJの記録を保存し、プロジェクト名によるフィルターはアクセス権限ではない。検索時にPJスコープを省略すると他PJのデータにアクセス可能
  • 顧客単位の実行環境・保存領域・外部通信を分けることで、情報漏洩を防ぐ必要がある

@Kou /

「知らないと損する!Claude CodeとMCPで実現するAIエージェント最新開発術」~【python】人気記事(2026/11/01)

  • Claude CodeとMCPでAIエージェントの開発手法が紹介されている
  • ニューラルネットワークの構築とローカルLLMの入力キャッシュ効果、音声エージェントの構成比較が含まれる
  • 実機誤操作防止の権限設計と通信断時の再送ルールが実務に直接影響する

@kaz /

Session Manager の Run As と SAML 属性で、利用者ごとの OS ユーザで EC2 に入る

  • Session Manager の Run As と SAML 属性で、接続した人の OS ユーザで EC2 にログインできるようにした
  • Run As は IAM タグや SAML アサーションのセッションタグを読み込み、OS ユーザ名を指定する。SAML プロバイダで PrincipalTag:SSMSessionRunAs 属性を設定する
  • SAML プロバイダ側で属性値を正しく設定しないと Run As が動作せず、OS ユーザ名が不正になるとセッションが開始できない

@jmurayama /

CloudFormationのS3参照は更新のたびに手間がかかるのでFn::ForEachでインライン化した

  • CloudFormationでS3参照をやめ、Code.ZipFileでLambda関数のコードをインライン化しFn::ForEachで一括生成した
  • S3ObjectVersionの更新不要、ZipFileに共通ロジックを直接記述、Fn::ForEachで複数リソースを一括生成
  • Code.ZipFileはNode.jsとPythonのみ対応、外部ライブラリは同梱不可、zipファイルサイズ4MB制限がある

@mugi /

もっと!ズボラさんによる「毎日関心のあるニュースが降ってくる」を叶える方法

  • GASとGemini APIを組み合わせて、毎朝8:00にLINEへニュースを配信する仕組みを構築
  • スプレッドシートのconfigシートからトピックを読み込み、Gemini APIで要約し、cacheシートに保存。8:00にcacheシートのデータをLINEへ配信
  • キャッシュ生成を6:30に設定し、配信を8:00にピンポイントでトリガーすることで、時間のブレを最小限に抑える