AI/機械学習 の記事一覧

はじめに 前編「10年間チア一筋だった25新卒がシステム研修1か月受けてみた～DevSecOps編～」に引き続き、今回は後編のLLMについて詳しく書かせていただきました！ ▼前編はこちらから 研修スケジュール 1週間目：DevSecOps2週間目：AWS3週間目：LLM4週間目：データマイニング最終週：成果発表/データセンター見学 今回は特に印象深かった、LLMについて詳しく書かせていただきました！ LLM研修内容 テーマ内容進め方1日目Stable DiffusionRAG ChatBot開発課題画像を再現できるように生成→採点個人4o Image Generation最近のニュース/日記をグラレコ風に生成個人ハルシネーション体験LLM役の先輩にレゴ椅子の作成依頼4人1チームRAG ChatBot開発北九州市のごみ分別チャットボットをDifyで開発課題①：質問に回答課題② 画像を基に質問に回答課題③ Chat画面からナレッジファイルをアップロード課題④ ：生成開始～終了の速度測定ビジネス：6人1チームでDify使用エンジニア： 3人(App,Inf,Cre)×2チームでツール選定から2日目プロンプトインジェクション対策レッドチーム：北九州市のごみ分析チャットボットを攻撃ブルーチーム： 攻撃を防ぎつつ、通常の質問に回答6人1チーム（エンジニア3人＋ビジネス3人）3日目＆4日目クラスタリング分析ツール開発要件1.クラスタリングアルゴリズムを使用2.使用するデータを各チームで収集3.クラスタリング結果の可視化4.クラスタについての説明を生成5.クラスタの詳細について確認可能6.WebUIからクラスタのパラメータ調整可能分析1.どのようなデータを解析したか2.どのような結果になったか3.どのような示唆が得られたか提案1.GMOグループ内での活用方法2.活用することで期待される成果5日目簡易Fine-TuningLLaMA Factorデータ準備uvで仮想環境を同期Web UIを起動美雲このは画像生成モデル-トレーニングその他Genius投稿学びをGMOグループ全体に発信個人 LLM週の印象的なシーン ハルシネーション体験：LLM役の先輩にレゴ椅子の作成依頼 ハルシネーション：大規模言語モデルなどがもっともらしく見えるが事実と異なる情報を生成してしまう現象。LLM（Large Language Model）：大量のテキストを学習し、人間の言語を理解・生成できる大規模な人工知能モデル。 【アイスブレイク課題】LLMになりきった先輩に適切なプロンプトを伝え、レゴブロックで椅子を作る。 【感想】LLMは”素直で不器用さん”だと感じました。具体的には、”指示通りに動く≠期待通りに動く”ということです。プロンプト※ の精度を高め、LLMのアウトプットの選択肢を限定させることがコツでした。 プロンプト：大規模言語モデルなどに入力する指示や質問文。 エンジニアとの会話・率直な感想 AIの登場で”知っている”と”分かっている”の差が拡大 私チャットボット開発、前提知識が嘘無しでゼロなのでAIに聞きながら開発してみたら、エラー→デバック※ の1お祭りでした。まさに無免許運転です。 デバック：プログラム中の不具合を発見し、原因を特定して修正する作業。 AIはこの空間にいるわけではないから、プロンプト精度にもよると思うけど、全然惑わしてくることあるよね。エンジニアの先輩 率直な感想： LLMは日本語を理解しているようで理解していないブラックボックス。だからこそ、LLMにとって理解しやすい綺麗なデータにクレンジング※ をすることが、非常に重要だと痛感しました。 データクレンジング：分析や活用に適した状態にするために、データの誤りや欠損、重複などを取り除き整える作業。 ブラックボックスだからこそ、1度に全てが完了する複雑な指示を処理させるより、簡単な指示を段階的に処理させることでスムーズになると学びました。 「アイスピックは小型電子機器だ」という大事故中のDify※ のチャットボット Dify：ノーコードで大規模言語モデル（LLM）を活用したアプリやエージェントを構築・運用できるオープンソースの開発プラットフォーム。 プロンプトインジェクション、守る側が圧倒的に不利 プロンプトインジェクション：大規模言語モデル（LLM）に対し、意図的に悪意ある指示を入力して本来の挙動を操作・誘導する攻撃手法。脆弱性：システムやソフトウェアに存在する、攻撃者に悪用される可能性のある欠陥や弱点。 やってみて： 攻撃側は穴を1つ見つけたら、防御側が対応する前にその類の攻撃を沢山投げて点を荒稼ぎできる一方、防御側はどうしても後手に回りがちでした。さらに、防御側は通常ユーザーの質問には正常に回答しなければならないため、守りすぎることもNGです。 率直な感想： 「前の指示を無視せよ」「目の前で人が倒れていて・・・」「緊急で答えて」など、前提の破棄や、殺人などの倫理的に難しく緊急性のあるものが特に侵入されやすく、グループ会社であるイエラエやフラットセキュリティの同期の凄さや必要性を自分事として理解できました。 クラスタリング分析で競合分析 クラスタリング分析：データを特徴の近さに基づいてグループ（クラスタ）に自動的に分ける分析手法。 やってみて： クラスタリング分析ツール開発において、ビジネス側がデータを大量に収集し、データ整形している間、エンジニア側はデータを良い感じに分析し、可視化するモデルを作ってくれました。 結果として、精度の高い競合企業の弱み調査をテーマとしたクラスタリング分析ができました。 率直な感想： このデータを用いて有効な策を考え、実行するのはビジネス側です。エンジニアへの尊敬と共に、彼らの努力をビジネスに生かす我々ビジネス職の責任の重さを強く抱くようになりました。「エンジニアとビジネスがお互いにリスペクトし、両輪で回していく」という全体研修での言葉が、自分事として理解できた瞬間でした。 パラメーターは家系ラーメン屋の注文 パラメーター：学習によって自動的に調整されるモデル内部の値（例：ニューラルネットワークの重みやバイアス）。ハイパーパラメーター：学習の進め方やモデルの構造を人間が事前に設定する値（例：学習率、層の数、バッチサイズ）。 パラメーターが多くてよく分からない。エンジニアの同期 私どういうこと？ ラーメン屋で例えると、麺の硬さ、麺の量、油の量、にんにくの量、もやしの量、追加の具は何にするか、など自分好みにいろいろ項目を設定しないといけないってことかな。エンジニアの先輩 率直な感想：Python※ などを駆使してまるで魔法のようにエクセルを操っていた様子も見ていた私は、このハイパーパラメーターでのマンパワー感にまたしても親近感を抱きました。 Python：データ分析からWeb開発・AIまで幅広く利用される人気の高いプログラミング言語。 パラメーターに苦戦中の美雲このはちゃん パラメーターが”なんか※”いい感じになった美雲このはちゃん LLMはブラックボックスなので正確に「ここが良かったからこのように生成された」と断言しにくいため。 GMOイズムとの関連 「知識を知恵に昇華させる」重要性私なりの解釈は、知識＝調べて出てきた情報、AIが生成してくれた回答知恵＝知識の質を自分で判断し、活用できる能力です。 AIという便利でリスクもある自動車を乗りこなすには、しっかりと知恵という免許を持たねばなりません。AIのおかげで「知っている」状態にはすぐに誰にでも到達できるからこそ、「理解している」状態を日々更新したいですね。 ブログを読んで内容が気になった方はぜひ▼ スピリットベンチャー宣言 | ブランド | GMOインターネットグループ株式会社 楽しかったシステム研修 10年間”元気・勇気・笑顔”のチアリーディングに全力を尽くした私が、未知の領域”システム研修1ヶ月”を駆け抜けることができたのは、難しかったものの、「周りに恵まれ、楽しかったから」です。 1時間前に出社して勉強する朝同期とランニングする朝 オフィスからの絶景を横目に、先輩のおかげでLLMの謎を少し理解する夕暮れ 宿泊先で同期と勉強したり、AIがコードを書いている様子を観察したりする夜 東京にいるエンジニア同期や先輩にインタビューをし、今自分が学んでいる知識が実際に現場でどんな感じなのかをイメージする夜離れて暮らす母に「研修どう？」と聞かれ、自分なりにかみ砕いて説明する夜 など...毎日が濃く、面白く、キラキラした1か月でした。 ※安心してください。土日はみんなで別府温泉に行ったり、長州藩の聖地である萩に行ったり・・・と、遊んでリフレッシュも全力でできました！ 終わりに ここまで読んでくださり、ありがとうございました。旧アドパートナーズ（Web広告系）採用の生粋の体育会人間が、１ヶ月もシステム研修を受けさせていただいたこと、心から感謝しております。また、「エンジニア的にはどう思うの？」「いまどんな気持ち？」とエンジニアに質問攻めな私に熱心に向き合ってくれた同期や先輩にも、心から感謝と尊敬を送ります。 エンジニアインタビューご協力の方々・GMO インターネットの同期達/先輩方・GMO メディアの同期・GMO Flatt Securityの同期達 ▼こちらも是非ご覧ください! 「新卒が語る、GMOの”実務直結IT研修”のリアル」

はじめに 自己紹介 はじめまして！GMOインターネット25新卒のビジネス職、緒方小夏（おがたこなつ）です。チアリーディングを中高大と10年間続け、中高一貫校では全国2位、 大学でも全国6位という生粋の体育会系です。 当然ですが、・ITの世界は完全に未知の領域・サーバーって？回線って？・AIは一切使わずに真面目にレポートを書きますという状態で、ただ純粋に、GMOイズム※に共感し、カルチャーマッチで入社いたしました。 ※GMOイズム：GMOインターネットグループにおける社是・社訓を総称するもの。「夢」「ビジョン」「フィロソフィー」として体系化された『スピリットベンチャー宣言』を中心に、AI活用や目標達成などの項目ごとに、一人一人が意識すべきことが毎日の行動レベルまで落とし込まれています。 このブログでは、そんな体育会新卒の私が1か月間のシステム研修でどんなことを学び、感じたのかを書いていきます。他の技術ブログとは毛色が違うとは思いますが、コーヒーブレイク感覚で楽しく読んでいただけますと幸いです。 研修スケジュール 1週間目：DevSecOps2週間目：AWS3週間目：LLM4週間目：データマイニング最終週：成果発表/データセンター見学 今回は特に印象深かった、DevSecOpsについて詳しく書かせていただきました！ DevSecOps研修内容 研修内容進め方キーワード1日目DevSecOpsの基礎（概念・原則・メリット）2人ペア（エンジニア＋ビジネス）調査/ディスカッション▼発表質疑応答ディスカッション開発生産性（バリューアップとランザビジネス）DevOpsライフサイクルトイル排除と開発体験向上（エンジニアDX/AX）4keyメトリクス2日目DevOps（アジリティとツール）CI/CD クラウドネイティブ 自動テスト AI活用 GitOps（IaC） オートスケール オブザーバビリティ、APM SRE3日目Sec（セキュリティプラクティス）シフトレフトセキュリティガードレール型セキュリティOWASPSOC脆弱性診断SAST・DAST・SCA4日目現状分析・課題抽出4人グループ（エンジニア2人＋ビジネス2人）調査/ディスカッション▼発表質疑応答ディスカッション一般的な企業における・システム課題・エンジニアリング組織課題GMOインターネットにおける・事業特性分析・システムや組織課題抽出・緊急度・重要度マトリクスに課題をプロット5日目課題解決・プランニングGMOインターネットにおける・課題への解決プラン・ROI試算・優先順位・マイルストーン作成 DevSecOps週の印象的なシーン 毎日のアウトプット/発表 どんどん質問し合っていきましょう。言いづらいかもしれないですが、今日は批判的な質問を意識しましょう。指導者EL エンジニア研修とビジネス研修の違い 5月まで受けていたビジネスサイドの研修では、発表時間やミーティング時間をきっちり厳守または巻くことが最重要で、「1分以内に発表」と言われたらどんなに分厚い内容でも時間内に収める工夫が求められました。一方、このエンジニア研修では、発表時間や質疑応答の時間に縛りはあまりなく、時間以上に、「議論を深められれば深められるだけ素晴らしい」という印象でした。 どちらが良いというよりも、性質の違いです。私はビジネス職ではあるものの、チアリーディングで10年間続けてきた「1つのことを深堀りたい欲」はエンジニア側のそれに似通っていたため、いろいろなOJTでの発表を経験しましたが、エンジニア研修での議論ベースの発表が難しくもありつつ、一番楽しかったです。 もちろん、時間厳守で発表するスキルも今後のために磨いていきますが、学びを深める姿勢は学生時代と変わらずに持ち続けたいですね。 エンジニアとの会話・率直な感想 なぜなぜ分析 なぜそのツールや概念がそもそも生まれたのか、表面的な知識ではなく、なぜなぜ分析をしてほしい。指導者EL 率直な感想： 初日の反省：検索したらすぐ出てくる知識を並べ、深い学びができなかった。初日の学び：「課題→解決策」の技術的な歴史の進歩/サイクルを体系的に理解することが重要。学ぶ楽しさup：ストーリー性のある日本史や世界史が好きな私にとって、なぜなぜ分析は難しい技術的な話にストーリー性を色付けする感覚に近く、より学ぶのが楽しくなりました。 アジャイル開発とウォーターフォール開発 アジャイル開発：小さな単位で計画・実装・検証を繰り返しながら柔軟に仕様を進化させる開発手法ウォーターフォール開発：要件定義から設計・実装・テストへと工程を順序立てて一方向に進める開発手法。 参考 アジャイル開発とは？意味や進め方、DevSecOpsとの関係性を解説 ２つの開発手法、実際どんな感じですか？私 エンジニアの先輩　ウォーターフォールはトップダウン的で、アジャイルはボトムアップ的かな。ウォーターフォールは計画通りにいけばスムーズだけど、開発途中に競合が似たサービス出したら終了（は言い過ぎだけど！）。　アジャイルは変更に柔軟で、スプリントゴール（”1スプリント＝1週間”が多い）はあるものの、全体像が見えずらいから、マネジメントする人の力量で左右される側面があるかも。 エンジニアさんのマンパワー感に親近感を抱きました。やっぱり現場にいる”人”をイメージするとビジネス職の私も理解しやすいです！私 率直な感想：どちらの方がいいとは簡単に決められないですが、ケースに合わせて開発手法を選択できるような、汎用的な人財やチーム、組織がベストだと思いました。 開発者体験とセキュリティのせめぎ合い 私DevEX（開発者体験）という言葉も初めて知りましたが、ＧＭＯのDevEXって実際どうですか？ GMOの開発者体験は年々上がってきていて、今後も向上施策を打っていくよ。指導者EL 開発者体験とセキュリティ、このせめぎ合いはあるっちゃある。エンジニアの先輩 参考 DevSecOpsとは？DevOpsとの違いやメリット、ツールの種類を紹介 率直な感想：SPACEという指標※ や、4keys＋信頼性※ など、 さまざまな指標がありますが、目先の数値目標に追われると開発者体験が下がりそうだと想像しました。チームとしての揺るぎない目標を念頭に置いて逆算することで、目先の数値にとらわれすぎず、もっと大きくユニークに、自己効力感をあげながら開発できるのではないかと思いました。 SPACE：開発者体験を測るためのフレームワークで、Satisfaction（満足度）・Performance（成果）・Activity（活動）・Communication/Collaboration（協働）・Efficiency/Flow（効率/集中度） の観点で評価する指標。4 Keys + 信頼性：DevOpsの成果を測る代表的な指標群で、デプロイ頻度・変更のリードタイム・変更失敗率・サービス復旧時間 の4つに、システムの信頼性を加えたもの。 SOCの実態 SOC（Security Operation Center）：組織のシステムやネットワークを監視し、サイバー攻撃や不審な挙動を検知・対応する専門チーム（またはその拠点） 参考 世界No.1のホワイトハッカー集団によるサイバー攻撃の防御・分析拠点 「セキュリティ・オペレーション・センター（SOC）」を東京・用賀に開設 ［SOCの方々］ エンジニアが常駐し活用するSOCはドラマや映画のような大画面ではない。上記参考はお客様への集中的なサイバー攻撃などの緊急時に、エンジニアが一同に会して防御・分析を行う「第二SOC」。スピードとセキュリティの質の両者のバランスが難しい。セキュリティはいろんな人と関わるから、聞き方も伝え方も工夫する。”相手をどう動かすか”の視点をもっておく。 ［率直な感想］ 現場はドラマのような派手さはないが、地道な作業の積み重ねがセキュリティの最前線を守っているのだと知りました。効果を実感しやすいスピードと、しにくいセキュリティ。スピードは速いほどお客様の笑顔と感動を生み出せる”実感しやすい効果”がある一方で、セキュリティは万が一何かあった時に「やっておいてよかった」という保険のような”実感しにくい効果”の違いがあると感じました。”コミュニケーション力＝営業”ではない。SOCの方々だけでなく、エンジニアの同期や先輩方もビジネス職の私に分かりやすく技術や実際の現場を教えてくれました。違う立場の相手にも伝わる説明力は社会人として日々磨きたいと思いました。 【後編】に続く 【後編】10年間チア一筋だった25新卒がシステム研修1か月受けてみた～LLM編～

はじめに 「エンジニアだけでなくビジネスも　技術をがっつり学ぶ1か月」 はじめまして、25卒ビジネス職の藤間です。6月、北九州のGMO kitaQオフィスにて新卒システム研修に参加しました。 DevSecOps、AWS、LLM、データマイニングなど、未知なものも多い中でエンジニアと協力して乗り越えた、とても密度の濃い一か月でした。 その取り組みの中で、新卒の参加者は「何を」感じたのか？ インタビューを通して、GMO独自の”実務直結”の研修の実態をお伝えします。 「GMOの新卒になった時のイメージできる」内容となっていますので、特に就活生の方々にお読みいただければと思います！ ※研修内容の詳細は別記事にて紹介中。ぜひご覧ください！ [緒方さん記事] 新卒ビジネス職に聞いてみた ー　ITに対するイメージは変わりましたか？ 藤間　1か月間未知なことに取り組み続ける、なかなかに特殊な環境でした。研修前と後で、ITに対する見え方はどう変わりましたか？ 　イメージ自体は大きくは変わりませんでした。しかし、ビジネス職であってもIT知識を深めなければエンジニアと対等に議論するのは難しいと実感しました。　事前の学習が欠かせないと学びました。宮崎ビジネス職　Sさん 藤間　同感です！　ITでは特に、「知っている」と思っていた情報が次の日には更新されるので、日々学び続けることが大切ですね。 ー　研修にて得た新たな学びは？ 藤間　システム面において、何か学びや得たものはありましたか？ 　「技術はビジネス価値と直結してこそ意味がある」という考え方です。　設計や技術選定を行う際に、ビジネスゴールを起点として逆算する重要性を強く実感しました宮崎ビジネス職　Yさん 藤間　確かに。在学中は手あたり次第に動いていましたが、社会にでると、加えて先や全体を見据えた行動もより重要になると感じますよね。 ー　研修を今後にどう生かしていきますか？ 藤間　今回の研修は、より実務に近い部分があったと思います。どのような形で、得られた知見を業務に活かしていこうとお考えですか？ 　研修で学んだITシステムの特徴や性質を「価値」という視点で捉えて提案に活かしたいと考えています。　具体的な提案に落とし込む際に「誰にどのようなメリットを提供するか」を明確にし、システムの価値を分解して伝えることを意識していきます。東京ビジネス職　Fさん 藤間　なにか１つ、具体例ありますか？ 　例えばクラウドというシステムに対して、なぜオンプレではないのか、クラウドでしかできないことは何か、にまで注目するといった感じです！東京ビジネス職　Fさん 藤間　なるほど、確かにその考えも大事ですね…　Oさんはどうですか？ 　エンジニアとビジネスの両面から互いを尊重し意見を交わす姿勢を率先して実践し、チームワークを強化したいと考えています！　また、サービス選定ではエンジニア視点とビジネス視点を統合しつつ、DevSecOpsで学んだ「指標を盲信せずデータから真の現状を理解する」アプローチを合わせて本質的な提案を意識していきます。東京ビジネス職　Oさん 藤間　ITの現場ではビジネスとエンジニアが対立してしまったり、どちらか一方の意見が強くなったりしてしまうケースも聞きます。　我々も一致団結してサービスを日々開発・改善していきたいですね。 調査から提案まで、より実践的にシステムを学習 新卒エンジニア・クリエイティブ職に聞いてみた ー　ハンズオンを通じて、特に大変だったことは何ですか？ 藤間　なかなかにヘビーなコンテンツだったと思います。エンジニア視点で、特に「ここ難しかったな」という部分はありますか？ 　AWSを初めて扱い、EC2やS3、IAMなど多様なサービスを次々に試した際、サービスごとに用語や操作体系が異なるため、概念の理解とハンズオン手順の把握に想像以上の時間を要しました。　特にIAMロールの設定やVPCネットワークの概念を紐付けることが難しく、ドキュメントやフォーラムを行き来して試行錯誤しました。クリエイティブ職　Kさん 　クラスタリング分析ツール開発では、フロントエンドとバックエンド連携時にCORSエラーや動的UI切り替えによるバグに苦戦しました。　API呼び出しをdebounce処理で安定化し、PCAの2次元プロットではクラスタIDと色固定、凡例表示で解決しました。クリエイティブ職　Oさん 藤間　自分も、エンジニアの方々の取り組みを横で見ていました。苦戦はしても、怯みはしない「できるから入る」姿勢がとても印象的でした。同期として誇らしいです！ ー　特に学びの大きかったコンテンツは何ですか。 藤間　グループワークが多い研修でしたよね。エンジニア視点で、特にここが勉強になったなという部分はありますか。 　3週間目のLLM研修です。生成AIを活用した開発を初めて体験でき、複数人での開発における進捗共有や情報共有の重要性を実感しました。　後半では自主的にタスク表を作成し、チーム開発をリードできた点も大きな成長につながりました。エンジニア職　Kさん 藤間　たしかKさんは個人開発のみで研鑽を積んできたんですよね。　それにも関わらず、他のエンジニアをリードしてスムーズに連携できる仕組みを作り、ビジネスサイドとも進捗をこまめに共有し合っているのが流石でした。 ー　メンターの方々の対応はいかがでしたか？ 藤間　1か月間、メンターの方々が付きっ切りで教えてくださいました。そのご対応で助けられた部分はありましたか。 　心理的安全性の高い環境で、まず動くものを早くアウトプットし、失敗から学ぶ機会を得られました。　自主性を尊重していただいたおかげで、助言から多くの着想を得て課題に取り組むことができ、モチベーションを継続的に高められました。エンジニア職　Kさん 藤間　同感です！　ビジネス職も甘やかされずに自主的に調べて開発に挑戦したり、LLMを扱ってみたりしたことで、失敗から多くの学びを得ました。 ビジネス・エンジニアで連携し、チーム開発する様子 全体を通して ー　異なる職種の連携で工夫した点は？ 藤間　今回はエンジニアとビジネスが協力して、同じテーマについて取り組みました。その連携で何か工夫したことはありましたか？ 　異業種のメンバーと円滑に協働するため、まず各職種の専門用語を相互に翻訳した用語集を作成しました。　開発側にはビジネス指標の背景を共有し、ビジネス側にはAPIやデータベース設計の基礎を説明して相互理解を促しました。さらに、日次の報告・連絡・相談のループを設けて進捗や課題のリスクをタスク管理ツールで可視化し、認識のズレを最小限に抑えられました。クリエイティブ職　Kさん 　研修を通じて、チームの生産性向上に最も貢献したのは「相手の時間を奪わない配慮」です。会議前に必要な情報を整理して共有することで、議論を効率化し、チーム全体の時間を有効に活用できました。　今後もこの方法を継続し、さらなる効率化を目指します。東京ビジネス職　Iさん 藤間　いかに濃く効率的にコミュニケーションをとるか、日々工夫する1か月でしたね！ ー　自分が一番成長したと思う点は？ 藤間1か月間とても充実した内容だったと思います。特に「自分、ここが成長したな」と思う部分はありますか。 　“多少ぐいぐい行く力”です。他の人が当然知っていると思い込んで共有をためらっていた情報でも、積極的に発信したところ感謝されることが多いと気づきました。　今後も知識や学びを先輩・後輩に積極的に共有していきたいと思います。エンジニア職　Kさん 　システムや技術を「なぜ使うのか」「どう組み合わせるか」を考えられるようになった点です。　異なる職種のメンバーと協力し合う中で、チームとして成果を出す難しさと大切さを実感し、尊重と結束の意識が強まりました。東京ビジネス職　Kさん 　「自責志向」がより強くなった点です。　問題が発生したときに「自分のサポートが足りなかったのでは」と行動を振り返るようになり、課題を他人任せにせず自分の責任として捉える姿勢が大きな成長につながりました。エンジニア職　Yさん 藤間　エンジニアもビジネスも互いに反省と改善を繰り返す中で、ビジネスはエンジニファースト、エンジニアはビジネスが置いていかれないようにする、といった工夫や姿勢が各々で見られましたね。 ー　研修を終えて一言 藤間最後、一言お願いします！ 　研修当初は聞き慣れない専門用語の連続に圧倒され不安を感じていましたが、最終的には多くの知見を得て興味の幅が広がりました。　今後も学び続け、成長していきたいと思います。エンジニア職　Tさん 　最大の収穫は「ゴールから逆算して期限を設定する思考」と「数字で語るエンジニア」という考え方を得られたことです。　多くのアウトプットをまとめ、振り返りと学びを発見できた大変有意義な研修でしたエンジニア職　Kさん 藤間25新卒12名の同期で毎日101％成長しましたね！お疲れ様でした！！ 緊張の最終発表の様子 さいごに 「現場を知ることで、見えてくることがある」 研修から2か月たった今、自分は「エンジニアと連携しプロダクトを作る仕事」をしています。 その取り組みの中で、 「お客様に喜んでもらうには、この機能・技術が必要だな」「このタスクなかなかに大変そう、少し調整が必要そうだ」 など、研修で学んだ視点を生かせていると実感しています GMO独自の”実務直結IT研修”だからこそ、より活きた知識を付けることができたのだと思います 同期12人で協力して乗り越えた1か月 ▼こちらも是非ご覧ください!

お客様窓口に日々寄せられる多種多様な問い合わせ――その“声”をAIで整理・可視化する「ブロードリスニング」技術に注目が集まっています。本記事では、GMOインターネットグループの代表電話に寄せられたお問い合わせを例に、言語モデル（LLM）による要望抽出とHDBSCAN＋UMAPによるクラスタリングを組み合わせた、最新の問い合わせ分析フローを詳しく解説。ブロードリスニングの仕組みを基に、Stremalitを活用して可視化ダッシュボードとして構築したところから、パラメータ調整の工夫、実務での成果まで、自然言語処理を業務に活かすリアルな実践例を紹介します。 TL;DR GMOインターネットグループ代表電話窓口に寄せられる多種多様な問い合わせを効率的に分析するため、「ブロードリスニング」という言語モデル（LLM）を活用した取り組みを実践しました。Pythonで実装し、問い合わせを要約・要望抽出し、言語ベクトル埋め込みや次元圧縮（UMAP）、クラスタリング（HDBSCAN）などを組み合わせて可視化しています。問い合わせの多彩さゆえにクラスタ数が増えがちで、パラメータ調整が難しいという課題もある一方、専門チームの知見に近い分析結果が得られ、問い合わせ仕分けをほぼ自動で実行できる可能性が見えてきました。 1. GMOインターネットグループ代表電話窓口と分析の背景 窓口の役割・特徴 GMOインターネットグループ代表電話窓口は、グループ全体の問い合わせ先が分からない場合の“駆け込み寺”として機能しています。たとえば、お名前.comの適切な窓口が不明な場合や、人事関連の各種お問い合わせ、グループ内各部門の基本情報に関する問い合わせなど、多種多様な相談が寄せられています。 問い合わせ例 お名前.comの窓口の電話番号を知りたい採用に関する営業の提案をしたい、退職者からの相談などGMOインターネットグループの金融関連サービスについてグループ内の異なる部門について基本的な情報を尋ねた 現状の課題 商材の多様性: GMOインターネットグループ100社以上から想定される商材が無数にあるため、問い合わせ内容が非常に幅広い商材以外の問い合わせ: 営業・採用系など「誰々さんに繋げたい」「こういう情報が欲しい」といった問い合わせも多いルールベース仕分けの限界: 問い合わせの多様性により、従来のルールベースでの仕分けでは効率的な処理が困難 分析の目的 多様な問い合わせを効率良く分析するため、言語モデルを活用した「ブロードリスニング」技術の試行利用を通じて、問い合わせ分析業務においてどのような活用ができるかを模索することを目的としています。 今回使用したデータについて 初回実施分 データ規模: 約2,000件期間: 3ヶ月分の問い合わせデータデータ形式: 通話の文字起こしデータ処理環境: ConoHa VPS GPUプランでデータ分析を実行 2. 実装について まず 安野貴博さんの note 記事「【地上波世界初】都知事選で使ったブロードリスニングの技術で衆院選を解析してみた」を読み、“これは自分のプロジェクトにも取り入れたい” と感じたことが今回の着手動機です。ブロードリスニング自体は、台湾の元デジタル担当大臣 オードリー・タン（Audrey Tang） 氏が 「broadcast（一方向の発信）」に対置して提唱した “多方向の傾聴” フレームワークで、AIで大量の声を整理・可視化し合意形成を支援する手法として知られています。実装面では、安野さんのチームが公開している GitHub リポジトリ ntv-experiment-public/shugiinsenyo2024-tttc をベースに、データ収集から可視化までのパイプラインをカスタマイズしながら進めていきます。 本家: The good hacker: can Taiwanese activist turned politician Audrey Tang detoxify the internet? | Taiwan | The Guardian記事: 【地上波世界初】都知事選で使ったブロードリスニングの技術で衆院選を解析してみたリポジトリ:shugiinsenyo2024-tttc 【地上波世界初】都知事選で使ったブロードリスニングの技術で衆院選を解析してみた から引用 処理の流れ リポジトリからコードを読んだところ、おおむね以下の内容の処理が行われていました。 キーフレーズ抽出 (Extraction)ベクトル埋め込み生成 (Embedding)クラスタリング (Clustering)次元圧縮と座標算出クラスタラベル付与 (Labelling)総合的な要約 (Takeaways)結果データの出力 (Output)レポート（散布図）の生成ブラウザでのレポート表示用にローカルサーバー起動 そこで今回の目的に合わせて以下の内容でパイプラインを定義し、分析ダッシュボードとして再構成しています。 Stremlit上のUIから分析するファイルを選択問い合わせからLLMで要約を作成要約からLLMを使用し、要望を抽出抽出した要望を言語ベクトルに埋め込み作成したベクトルデータをUMAPで2次元に圧縮次元を圧縮したデータに対して、HDBSCANでクラスタリングクラスタから代表点を選出し、LLMでラベルを作成グラフ化(圧縮後の2次元データで散布図を作り、クラスタごとに色分け・ラベルづけ)Stremlit上でグラフを表示し、詳細を確認 変更・工夫したポイント ConoHa VPS GPUプランでセルフホストvLLM で Qwen-2.5-72B を起動し、社内リソースのみで推論を実現Dify に接続して「通話Log要望抽出」「クラスタ概要ラベル生成」など各フローを稼働 （該当ステップ: 1,2,6） OpenAI-API から Dify への置換既存コードの LLM 呼び出しを Dify 経由に変更Prompt／Flow 定義をコード外へ切り離して運用を簡素化 （該当ステップ: 1,2,6） 要望 Embedding名古屋大学公開 ruri-large をローカルホストして日本語類似度計算に使用 （該当ステップ: 3） クラスタリングを HDBSCAN に変更K-means と比べた利点 クラスタ数を事前に決める必要がないノイズ（外れ値）を自動で切り分けられる 要望データは件数・分布が都度変動するため、柔軟な HDBSCAN が適合クラスタ数を事前に決める必要がない ノイズ（外れ値）を自動で切り分けられる要望データは件数・分布が都度変動するため、柔軟な HDBSCAN が適合 （該当ステップ: 5） 分析ダッシュボード化単発ツールを Streamlit でインタラクティブなダッシュボードへ再構成すべて Python で実装し、結果を即時確認可能 3. UIについて と、いうわけで完成したアプリのWebUIがこちらになります。 Streamlitの機能を利用し、データの処理のパラメータおよび、フロントエンド側の表示する際のパラメータ変更も簡単にできるようにしています。 クラスタリングのパラメータと次元圧縮のパラメータクラスタの色のパターン入力ファイル選択開始ステップ グラフはPlotlyの標準機能を活用 点の詳細表示拡大/縮小画像保存 などなどが簡単にできる機能があります。StreamlitとPlotlyに感謝ですね グラフの下にはサマリのテーブルがあり、詳細を確認できるようになっています。 4. 結果と考察 4.1 「団子になる」失敗パターン パラメータを既定値のまま適用したところ、複数のクラスタが重なり一塊となる「団子になる」現象が確認されました。 4.2 分析がうまくいったケース 今回はパラメータ調整を手作業で行ったため、調整には何度かの試行錯誤を経て以下のようなクラスタを出力することができました。 カテゴリなどに関する事前設定を行わなくても、内容に応じてクラスタが自然に分かれることが確認できました。この画像の場合、クラスタが100近く形成されています。一般的なクラスタリング視点では失敗に近い状態ではありますが、問い合わせが多種多様なカテゴリに分類できるので、この出力も一定の意味を持ったものとなっております。 拡大してみると各クラスタごとに内容に応じて詳細に分離されていることが確認できます お名前.com関連のお問い合わせ 人事や採用担当者への連絡希望など 5. まとめ 今回の取り組みにより、窓口業務の全体像をつかみ、問い合わせの傾向を分析するための基盤が整いました。実装では、約 2,000 件のデータを 10〜20 分ほどで処理できます。 人手で行うには負荷が大きく、実行が難しかった分析も、ブロードリスニングを使うことで現実的な施策になりました。さらに、ドメインエキスパートの確認を経て、実務に利用可能な精度を備えていることも確認できています。今回の分析で、お名前.comに関するお問い合わせが非常に大きなボリュームを占めていることがわかりました。 この結果をもとに該当窓口での取り組みを計画し、分析実施からこの記事の公開までの間に成果を出すという実績を作ることができました。ブロードリスニングによって得られた結果をもとにきちんと成果につなげることができ、確かな手ごたえを感じることができました。 一方で、調整可能なパラメータが多く、完全自動化にはまだ壁が残っています。調整の際にも試行錯誤の要素が多く、使うのにも一定の技術理解が求められるようなものになってしまいました。 今後は、ほかの窓口データへの横展開や追加手法の検証を進め、活用の幅を広げていく予定です。みなさんも、ブロードリスニングを一度試してみてはいかがでしょうか。

　近年、さまざまな画像生成・動画生成サービスが登場していますが『ConoHa AI Canvas』は画像や動画そのものを生成するサービスではなく、お客様が自由に画像や動画を生成できる環境を提供するホスティングサービスである点が大きな特徴です。　高い自由度が強みである一方で、生成に至るまでにプロンプト入力以外の操作が必要であったり、UIが複雑であったりといった課題も存在します。　今回、インフラ面の実装を改善し、画像や動画をより手軽に生成できるようになりました。そこで本記事では、『ConoHa AI Canvas』上で、テキストから動画を生成できるモデル「wan2.1」を活用し、誰でも簡単に動画を作成できる方法をご紹介します。 動画生成までの流れ 起動から生成まで、わずか3ステップ（約5分）で動画を作成できます。 WebUI起動テンプレート選択動画生成 1. WebUI起動 ConoHaにログインし AIタブを選択、「WebUI起動」をクリックします。 起動するWebUIは「ComfyUI（上級者向け）」を選択します。WebUI起動用のユーザー名とパスワードを入力して「起動」をクリックします。 タブが切り替わり、WebUIが起動します。（起動には2分程かかります。） WebUIが起動したら、先ほど設定したパスワードを入力してログインします。 2. テンプレート選択 WebUI起動直後は、デフォルトのワークフロー*が表示されています。 ワークフローとは、画像生成の各ステップ（テキスト入力・モデル選択・画像出力など）をブロックのような部品として並べ、線でつないで処理の流れを視覚的に組み立てる仕組みのことです。 「ワークフロー」→「テンプレートを参照」からテンプレート選択画面を開きます。 「ビデオ」→「wan2.1 テキストからビデオへ」を選択します。 3. 動画生成 ワークフローの実行に必要なモデルは全てインストール済みです。まずは、テンプレートの「きつねの動画」を生成してみます。 「実行する」をクリックします。 生成には約140秒かかります。生成が完了すると、動画は自動的に再生されます。 日本語で動画生成しよう！ wan2.1で使用されているテキストエンコーダー「umt5_xxl_fp8_e4m3fn_scaled.safetensors」は多言語に対応しており、日本語のテキスト入力にも対応しています。 以下のように日本語で（Positive Prompt）と（Negative Prompt）を入力します。 検証に利用したプロンプトの例をいくつか紹介します。 Positive Promptの例 単語ではなく、文章として入力することがポイントです。 満開の桜の下をゆっくりと歩く着物姿の女性。春の柔らかな日差しが降り注ぐ。 近未来の東京。ホログラム広告が空中に浮かび、自動運転車が街を走る。 猫がネズミを追いかけるアニメ調の動画。猫は決意に満ちた表情で素早く動き、ネズミは遊び心と必死さで逃げようとする様子が映し出されます。追いかけるシーンを際立たせるため、動きのある室内環境とダイナミックなカメラアングル エイリアンが地球を侵略する映画的な映像。巨大なエイリアンの宇宙船が都市上空に浮かび、エネルギービームを発射し、破壊を引き起こしている様子を描写する。空は暗く煙に覆われ、人々はパニックに陥って逃げ惑う。エイリアンは未来的で威嚇的なデザインで、軍隊が反撃を試みる。 Negative Promptの例 negative promptは、生成したくない要素を指定するために使用します。 ぼやけた映像, 低画質, 解像度が低い, 不自然な動き, ピントが合っていない, 映像のノイズ wan2.1は多様なスタイルに対応できる一方で、アニメ調はやや苦手な印象です。3分弱で動画を生成できる点は魅力的で、アイデア出し用途には適していると感じました。 動画のダウンロード ComfyUIからダウンロード 動画生成が完了したら、左メニューの「キュー」をクリックします。左メニューの「キュー」からダウンロードしたい動画を選択し、表示された画像の上で右クリックして「名前を付けて画像を保存」を選択すると、ダウンロードできます。動画は、webp形式で保存されます。 ファイルマネージャーからダウンロード 生成された動画は全てお客様個別のオブジェクトストレージに保存されています。コンパネからファイルマネージャーを起動しダウンロードすることも可能です。 「詳細情報」を開きます。 「ファイルマネージャー」を開きます。 【 / home / output / comfyui 】へ移動します。 インフラの話題 　ConoHa AI Canvasではコンテナ技術を活用し、お客様ごとに専用の実行環境を提供しています。これにより、クリエイターの皆様はAIを活用したクリエイティブ作業を、プライベートな環境で安心して行うことができます。 　このプライベートな環境をいかに速く起動させるかは、インフラエンジニアにとって大きな課題です。PyTorchのようなAIフレームワークはライブラリだけで数GBあり、コンテナ全体では約10GBになります。さらに、画像・動画生成用のモデルを複数用意すると、合計サイズは100GBを超えることもあります。こうした大容量アプリケーションをGPUサーバーにスケジューリングし、短時間で起動させる必要がありますが、従来の方法では10分以上かかるのが実情です。 　そこで、起動の高速化を実現するためには、システム構成を以下の3つのデータカテゴリに分けて考えることが有効です。 アプリケーション：お客様ごとの差分がない部分です。WebUI停止時に毎回削除されるデータです。お客様ごとのデータ：設定ファイル、拡張機能、LoRAモデルなど、お客様固有の情報です。これらはWebUI停止時にも保持される永続的なデータです。ベースモデル：画像や動画の生成に使用される、大容量のAIモデルです。共有可能な静的リソースとして扱うことで、効率的な配置と再利用が可能になります。 　これらの3つのデータカテゴリに分離したうえで、Ansibleなどの自動化ツールを用いてプロビジョニングを行うことで、コンテナの起動時間を大幅に短縮することが可能になります。 おわりに 　画像や動画のプロフェッショナル領域におけるAI活用には、依然として技術のさらなる進化が求められていると感じています。高精度・高品質な画像や動画の生成には、大量のデータと高性能なGPUの処理能力が不可欠であり、こうした環境を個人で整備・維持するのは、今後さらに困難になると予想されます。そのため、AIを実務レベルで導入・活用していくには、クラウドサービスの活用がますます重要になると考えています。より簡単に、そして自由度高く利用いただけるサービスを目指し、継続的な改善を進めていきます。 AI画像生成ならConoHa - ConoHa AI Canvas

はじめに 生成AIの登場により、撮影をしなくても高クオリティな画像や動画をアウトプットできるようになりました。とはいえ、現時点では「作品すべてをAIで制作する」というケースはまだ少数で、ほとんどの人はコンテや映像の一部、いわば“味付け”として生成AIを活用しているのが実情だと思います。実際、私もその一人です。これまで、イメージに近い素材を探すために外出したり、一から撮影したりしていましたが、今ではディレクターとしてAIに理想のカットを伝えるだけで、短時間でイメージを生成してくれるようになりました。しかし、理想のカットを1枚生成できたとしても、次のカットでは全く違う人物や背景になってしまったり、細かい部分で破綻が起きてしまったりと、「カット間の一貫性」を保つのは意外と難しいものです。 今回は、静止画の場合において、この「カットの一貫性」を生成AIでどのように保つかについて考えていきたいと思います。 PART 1｜商用利用可か確認 動画広告など営利目的で生成AIを使用する場合は「商用利用できるかどうか」はとても重要なポイントです。まずは、商用利用可か確認しましょう。 以下は、各生成AIツールの商用利用の可否を確認し、今回の制作方針を決定した背景と判断内容です。 Whiskについて 商用利用に関する明確な記載なし（2025年7月18日現在）。リスク回避の観点から、今回は使用を見送りました。 Adobe Fireflyについて 商用利用が可能と公式に明記されている（2025年7月18日現在）。ただし、他AIツールとの併用や再編集におけるライセンス上の懸念があるため、今回は使用を控えました。 ChatGPT（OpenAI）について 有料のTeamプランは商用利用が明確に許可されている（2025年7月18日現在）。今回の生成にはChatGPTを採用しました。 まとめ 上記の確認結果を踏まえ、今回はChatGPT（Teamプラン）を利用したコンテンツ制作を行いました。 PART 2｜画像を生成する ベースの画像を生成する 欲しいイメージの情報を書きなぐる とりあえず、自分が思い描いているイメージを詳細にChatGPTに書き殴ります。上手くまとめきれない場合は情報だけ書き殴って、文章をChatGPTにまとめてもらうと良いでしょう。 プロンプト 大体のイメージが決まったのでこのプロンプトで1回投げてみます。 白い長袖のシンプルな服を着た日本人の若い男女が、明るい木製のテーブルに座っている。二人はスマートフォンを一緒に見つめており、真剣で少し心配そうな表情をしている。男性がスマートフォンを持ち、女性は淡い緑色のマグカップを持っている。部屋は白いカーテンから柔らかい自然光が差し込んでおり、背景はミニマルで小さな観葉植物が棚に置かれている。落ち着いた、 集中した雰囲気。 現代的で清潔感のあるインテリア。 生成結果 イメージ通りの画像が生成されました。この画像をベースにカットを割っていきます。 カット割をする あなたはディレクターです キャスト・ロケ地・カメラマンはAIがすべて用意してくれています。あとは、あなたがディレクターとして指示を出すだけです。ふわっとした指示だと撮影スタッフが混乱してしまうので、できるだけ詳細に指示出ししましょう。 指示出しのコツ キャストへの指示出しはもちろん、カメラマンへ詳細な指示を出すことでより自分のイメージに近い画像を生成できます。最低限、カメラの知識があると表現の幅がぐっと広がると思います。これを意識してほしいカットの情報を、まとめます。 キャストの感情や表情を繊細に表す　例：「さみしげな表情で男性を見つめている」カメラの視点・構図を明示する　例：「男性の目線で、バストアップ構図、85mmレンズ、F1.8」ホワイトバランス（色温度）を指定する　例：「ホワイトバランスは5200K、自然で温かみのある色味」 自分の欲しい情報をまとめて最適なプロンプトをChatGPTにまとめてもらいます。 プロンプト このプロンプトで指示を出します。 カメラは男性の視点を想定した構図でバストアップのフレーミング。レンズは焦点距離85mm、中望遠、F1.8で撮影されており、女性の目元にピントが合っていて、背景は美しくぼけている。撮影場所は白いカーテン越しに自然光が差し込む明るい室内。ホワイトバランスは5200Kで設定されており、肌色は自然で温かみのあるトーンに調整されている。眉をひそめて、さみしげな表情で男性を見つめている。 生成結果 意図通りのカットができました。 この調子でどんどんカットを割っていきます。 PART 3｜完成作品 では、実際にこの手法で制作した「GMOとくとくBB」の動画広告をご紹介します。 安さ×速さで選ぶなら！GMOとくとくBB WiMAX｜カップル別れの危機篇 https://youtu.be/-UrIwwQsmIM まとめ いかがだったでしょうか。今や「こんな感じで」と一言プロンプトを投げれば、AIがモデルもロケ地も撮ってきてくれます。でも、魔法のように見えて、仕上がりはディレクター（あなた）の指示力次第。ライセンスを守りつつ、表情・構図・レンズのこだわりまで詰め込めば、まるで“本当に撮った”ような一枚が生まれます。次の一枚、誰よりも理想に近づけるのは、あなたのプロンプトです。

こんにちは、今年もブログを更新することになりました、GMOインターネットの岡村です。ConoHa で提供されている NVIDIA L4 で最新の Ubuntu 24.04 のサーバーを 200GB に増量されたブートボリュームで構築し、その上で動作する Ollama を VS Code の Continue 拡張機能で利用できるようにし、Vibe Coding の環境を整えてみます。 やりたいこと 昨今 GitHub Copilot などの AI によるコーディング支援、さらにはバイブコーディングなども知られるようになってきました。 これらの活用は OSS の開発や個人的なものでは問題なくとも、用途によっては外部に情報を送信するのはためらわれる場合もあるかもしれません。 その場合、ローカルで実行可能な LLM や、ConoHa のようなサーバー上で LLM を実行させる、といった方法があります。 GitHub Copilot 自体はローカル等では実行できませんが、Visual Studio Code の拡張機能である Continue を使うと、Ollama などを使用してローカルやサーバー上で実行することができます。 Continue - open-source AI code assistant - Visual Studio MarketplaceOllama ConoHa のご紹介 NVIDIA L4 サーバー ConoHa では NVIDIA の H100 と L4 のサーバーを提供しています。 GPUサーバー-AI開発や画像生成に｜VPSならConoHa プラン、利用開始の方法については、2024年7月に投稿した下記の記事でも紹介しています。 今回も NVIDIA L4 を使用します。 https://developers.gmo.jp/technology/46300/ 公開 API ConoHa では OpenStack 準拠の公開 API が利用可能です。 公開API(ConoHa VPS Ver.3.0)｜ConoHaドキュメントサイト 今回は、直接公開 API を利用するのではなく、OpenStack CLI を使用します。 下記ページを元に環境を準備し、openstack token issue によるトークン発行ができることを前提とします。 OpenStack CLI｜ConoHaドキュメントサイト ブートストレージ容量追加 これまで 512MB プラン以外は 100GB のブートストレージが標準提供されていましたが、2025年6月より公開 API からの利用限定となりますが、「200GB」「500GB」も利用できるようになりました。 ブートストレージ｜ConoHaドキュメントサイト 料金についてはこちらをご確認ください。 料金｜VPSならConoHa 標準の 100GB のボリュームは、VM からデタッチされた状態が長時間続くと自動的に削除されてしまいますが、有料オプションの 200GB, 500GB であればデタッチ状態が長く続いてもボリュームは残ります。 したがって、高価な GPU インスタンスは使用しないときは削除し、必要なときボリュームから作るといった利用も可能です。 テンプレート 記事執筆時点で、コンパネからは GPU のイメージテンプレートとして下記が利用可能です。 OS：Ubuntu 22.04アプリケーション：NVIDIA Container Toolkit、Automatic1111、 InvokeAI 昨年リリースされた「Ubuntu 24.04」について、昨年記事の時点では一部サポートしていないアプリケーションもあり 22.04 を採用していましたが、現在はサポートが進んでいます。 公開 API であれば、VPS で提供されているテンプレートも利用可能になるため、「Ubuntu 24.04」を使用します。 VM 作成 セキュリティグループ作成 公開 API や OpenStack CLI からでも作成可能ですが、コンパネから作成するのが簡単です。 今回はトークン認証は設定しないため、利用したい IP アドレス指定でセキュリティグループを作成します。 必要なポートは下記です。 SSH 用：22/tcpOllama 用：11434/tcp ブートストレージ作成 openstack volume create --size 200 --bootable \ --image vmi-ubuntu-24.04-amd64 gmo-developer-blog-demo エラーが出る場合、イメージ一覧取得コマンドで存在しているか確認してください。 openstack image list --public NVIDIA Container Toolkit 用 cloud-init user-data 作成 今回は素の Ubuntu テンプレートのため、cloud-init の user-data で NVIDIA Container Toolkit テンプレート相当までパッケージをインストールします。 NVIDIA Container Toolkit・CUDA の導入後、GPU を認識するには再起動が必要であるため、ollama などのインストールは別途行うことにします。 CUDA Installation Guide for Linux — Installation Guide for Linux 12.9 documentation 出来上がったスクリプトは下記となります。 #cloud-config merge_how: - name: list settings: [append] - name: dict settings: [no_replace, recurse_list] runcmd: - echo --- Install and Upgrade apt package --- - echo - apt-get update - apt-get upgrade -y - apt-get -y install docker.io nvtop - echo - echo --- Install NVIDIA Container Toolkit --- - echo - wget -O /root/cuda-keyring_1.1-1_all.deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-keyring_1.1-1_all.deb - dpkg -i /root/cuda-keyring_1.1-1_all.deb - apt-get update - apt-get install -y nvidia-container-toolkit cuda - echo - echo --- Reboot --- - echo - shutdown -r +1 VM 作成 先ほど作成した user-data を読み込ませて VM を作成します。 一度セットアップした VM をボリュームだけ残して再作成する場合、user-data は不要です。 openstack server create --flavor g2l-t-c20m128g1-l4 \ --volume gmo-developer-blog-demo \ --property "instance_name_tag=gmo-developer-blog-demo" \ --security-group allow_from_myip --password {パスワード} \ --user-data user-data.yaml "" このタイミングでエラーが発生する場合、GPU サーバーの利用申請が完了していない可能性があります。コントロールパネルから GPU サーバーの作成画面が表示されることを確認してください。 Ollama 準備 Ollama を直接インストールする方法もありますが、今後 TLS 暗号化、トークン認証を haproxy 等を経由し実装できるようにコンテナにて起動します。 docker run -d --gpus=all --restart=always -v /usr/share/ollama/.ollama:/root/.ollama --name ollama ollama/ollama:latest ufw allow 11434/tcp comment 'ollama' 今回使用するモデルをダウンロードします。 docker exec ollama ollama pull gemma3n:latest docker exec ollama ollama pull qwen2.5-coder:7b ダウンロード済みのモデルは下記で確認できます。 docker exec ollama ollama ls VSCode 準備 まずは、ローカルから Ollama への疎通が可能か確認します。 curl http://{VM の IP アドレス}:11434 Ollama is running 次に Visual Studio Code で下記の拡張機能を導入します。 Continue - open-source AI code assistant - Visual Studio Marketplace 画面の指示通り設定すると、モデルは自動選択（Autodetect）となりますので、apiBase, role の行だけ追記します。 name: Local Assistant version: 1.0.0 schema: v1 models:   - name: Autodetect     provider: ollama     model: AUTODETECT     apiBase: http://{VM の IP アドレス}:11434     roles:       - chat       - edit       - apply       - autocomplete context:   - provider: code   - provider: docs   - provider: diff   - provider: terminal   - provider: problems   - provider: folder   - provider: codebase 初期設定は上記のmodel の部分が空になるものです。 使ってみる 架空の「Go言語でじゃんけんに勝ったらハンバーガーを食べられるゲーム」を作成します。 出力されたコードを「Apply」すると反映されます。 ただ、実際に実行すると、あいこ3連続の場合、どちらもハンバーガーが食べられないままゲームが終了してしまいます。 プログラムの改修を指示すると、修正後のソースを提示してくれます。 さらに試してみると、勝ち負けの判定がおかしいことに気づきましたが、修正されず・・・このモデルにおいてはうまくいかない例もあるようです。 最後に Visual Studio Code + Continue + Ollama + ConoHa L4 の組み合わせで、AI によるコーディング支援環境が整えられました。 ブートストレージの容量追加機能により、200GB 以上のブートストレージだけ残して、高価な GPU インスタンスは都度作成というお財布に優しい使い方もできるようになりました。 記事を書き始めると内容が増えてきたので、下記については本記事では触れていませんので、実際にこの構成を参考にする際はご注意ください。 通信の暗号化：間に haproxy 等を挟み自己署名証明書を用いるか、Cloudflare Zero Trust や VPN 等で経路ごと暗号化するなどが考えられますIP 制限以外のトークン等の認証：自己署名証明書を用いる場合、haproxy 等で擬似的にトークン認証の仕組みを入れることも考えられます最適なモデル選択：NVIDIA L4 で動作する範囲の高性能なモデルの選択も重要ですので、いろいろ試してみるのが大事です

GMOインターネットグループが今年4月から開始する、年間を通してデザイン・クリエイティブの発信を強化する施策「Creator Synergy Project」の取り組みとして、本ブログではデザイナー・クリエイターへのインタビュー連載をスタートしました！【前編】「ソーシャルデザインを探して。デンマークで感じた戸惑いと確かな手応え」 に続く後編では、春田雅貴さんがGMO Flatt Securityへと転職し、セキュリティやAIといった未踏の領域でデザインに向き合う姿に迫ります。プロダクトの根幹にデザインを根づかせ、グローバルで通用する専門性を育む姿勢とは。変化の激しい時代における、デザイナーの新しいあり方を探ります。 セキュリティ×デザインの挑戦と、専門性で拓くグローバルの道 —『1day体験入社』ではさっそく「Shisho Cloud byGMO」の改善に取り組まれたそうですが、「これは自分がやらなきゃ」というような手応えを感じた部分はありましたか。 春田そうですね。少し見ただけでも、セキュリティという分野においてデザインの力が求められていることを強く感じました。たとえば「Shisho Cloud byGMO」では、脆弱性診断ツールが自動でソフトウェア上の問題を検出します。しかし、その数は1件や2件ではなく、時には数百件、場合によっては数千件にのぼることもあります。当然、すべての脆弱性に一度に対応するのは現実的ではありません。だからこそ、ユーザーには「どれを優先して対応すべきか」を的確に伝える必要があります。ただし、それらを選別するうえで、本当に危険な脆弱性は見逃してはいけない。この絶妙なバランスをどう設計するか、ここにデザインの大きな役割があると感じました。 春田 雅貴｜GMO Flatt Security株式会社 プロダクトセキュリティ事業部 イネーブルメントプラットフォーム部 プロダクトデザイナー 1994年生まれ。大学時代からデザイン領域に携わり、フリー株式会社ではSaaSプロダクトのプロダクトデザインに約8年半従事。グローバルなキャリアを志向し、2024年にGMO Flatt Security株式会社へ転職。セキュリティ×プロダクトデザインという専門性の高い領域に挑戦し、現在はセキュリティ診断AIエージェント「Takumi byGMO」や「Shisho Cloud byGMO」のオンボーディング改善などを担当。Slack上で人のように振る舞うプロダクトの体験設計や、ユーザー理解を起点としたペルソナ設計をリードするなど、デザインを通じて技術とビジネスの架け橋を担う。2025年にはGMOインターネットグループの「エキスパート」にデザイナーとして初めて選出され、セキュリティ・生成AIという先端分野における発信・対話・実装の第一線で活動している。 —その難しさにも「燃えた」わけですね。では、実際にGMO Flatt Securityに入社してみて、どんなところが魅力だと感じましたか？ 春田一貫して、働いているメンバーのレベルが本当に高いです。優秀で、熱意があって、真面目な人たちばかり。自分より若くて優秀な人から日々刺激を受けられる環境で働けるのは、本当にありがたいことだなと思っています。みなさん自分の専門領域に誇りを持って、真剣に取り組んでいる。そして、その姿がすごく楽しそうなんです。コツコツと積み上げながら、でもワクワクしながら進めていく感じがとても素敵だと思います。 —とはいえ、初めてのセキュリティ業界。キャッチアップは大変だったのでは？ 春田めちゃくちゃ大変でした。開発に関する用語は聞いたことがあっても、自信を持って使えるレベルではなかったし、プロダクト理解もユーザー理解もゼロからのスタートでした。最初のうちは、インタビューやリサーチを自分で準備するのが難しかったので、「とにかく現場にいさせてください」とお願いして、商談に何度も同席させてもらいました。その中でわからない用語があれば、その場で聞いたり、あとで調べたり。調べた単語はリストにして、ChatGPTに「小学4年生でもわかるように教えて」と頼んで学習していきました。同時に、展示会のブースにも立ちました。まだ入社して間もない頃でしたが、自分から手を挙げて、顧客にプロダクトの説明をする役割に立候補。説明を繰り返すうちにプロダクトへの理解も深まりましたし、ユーザーの悩みや関心のポイントがより明確に見えるようになりました。 プロダクト理解を深めるため、展示会に立つ春田さん 春田そうした積み重ねの中で、このサービスに一番フィットするお客さま像も言語化できるようになってきて。社内でも、顧客イメージのズレを感じていたので、チーム全体で共有できるようなペルソナの作成を進めました。今ではそのペルソナをもとに議論することで、機能開発の優先順位も整理しやすくなったと感じています。 —グローバルチームで働く中で、英語力の壁を感じることはありますか？ 春田そうでもありません。今は技術の話であれば、英語でもエンジニアとやりとりできるようになりました。ミーティングでも、ある程度はスムーズにコミュニケーションできるようになっています。ただ、単に内容を伝えるだけならいいんですが、議論を深めたり、まだ固まっていないアイデアをその場で話したりといった場面になると、難しさを感じることもあります。ただそれは英語力というより、もっとプレゼンテーションや対話力に近いものかもしれません。ちょうど最近、Figmaのグローバルカンファレンスに参加したのですが、登壇者の話しぶりで印象に残ったのは、英語力の高さよりも「伝え方」でした。どうやって相手を引き込むか、構成や間の取り方が上手い人が多くて。このあたりは、今後もっと鍛えていきたいですね。 ▽春田さんのConfig参加レポートはこちらから「Config 2025 現地参加レポート、AI時代のプロダクトデザインについて考える」 Takumi byGMOの体験設計、AI時代のプロダクトとの向き合い方 —さまざまな経験を経たのちに、現在取り組んでいるお仕事について教えてください。 春田現在は、AIセキュリティエージェント「Takumi byGMO」や脆弱性診断ツール「Shisho Cloud byGMO」の体験設計に取り組んでいます。どちらもセキュリティという専門性の高い領域において、開発者にとって使いやすく、信頼されるプロダクトであることが求められます。 Takumi byGMOとは 「Takumi byGMO」は、Slackや「Shisho Cloud byGMO」上で動作する開発者向けのセキュリティ診断AIエージェントである。「Takumi byGMO」はソースコードと仕様を深く理解し、自律的にセキュリティ診断を行い、AI時代の開発サイクルのセキュリティレビューを伴走する存在である。すでにVimやNext.js等の著名OSSに10件以上の0-day脆弱性を発見しており、開発AIエージェントよりも高性能な診断能力を誇っている。また、「Takumi byGMO」は単なる通知ツールではなく、プロダクトチームの一員として振る舞う“同僚”のような存在を目指している。チャットベースの自然なやりとりや、利用時の文言・演出にこだわることで、信頼できるパートナーとしての体験を提供する。セキュリティ対応のハードルを下げ、チーム全体でのリスク管理を後押しする存在として、今後さらなる拡張が予定されている。 春田その中で僕が大切にしているのは、「開発者に寄り添う体験とは何か」を突き詰めることです。とくに意識しているのは、次の4つの観点です。●最重要にフォーカスさせること（Design for Focus）●説明責任を果たせること（Design for Accountability）●効率よく使えること（Design for Efficiency）●信頼できること（Design for Trust）たとえば「Shisho Cloud byGMO」では、脆弱性を検出して終わりではありません。検出された情報を、どうすれば開発者が理解しやすく、正しく対応できるかまで設計しなければいけない。しかもその内容は、悪意ある第三者の目にも触れうるもの。たった1つの情報の取り扱いが、企業の信頼や事業継続に関わるリスクに直結します。つまり、正確な情報を、いち早く、分かりやすく届ける必要がある。でも、拙速に出してしまえば、今度は誤認や対応ミスにつながってしまう。スピードと品質というトレードオフの中で、どこまで信頼性を担保しつつ、スムーズな体験を実現できるか。そこにデザインの難しさと、おもしろさがあると感じています。 春田さらに面白いと感じているのは、「Takumi byGMO」のようなAIエージェントには、まだ市場として明確な「正解」が存在していない点です。生成AIの進化によって、技術的にはいろんなことができるようになってきました。特にテック感度の高い層では、「これがないと仕事にならない」と言われるくらい、AIエージェントの存在が当たり前になりつつあります。でも、それが社会全体のスタンダードかというと、まだそこまで普及しているわけではありません。多くのAIのサービスは、「チャットで問いかけたら返ってくる」という機能を備えていることが多いです。もちろんそれでも便利ではあるけれど、それが本当に理想の姿なのかと問われると、まだまだ模索の途中かなと。ただ、その模索の余地があるということは、裏を返せば自分たちが業界のスタンダードをつくるチャンスでもある。まだ勝者が決まっていないからこそ、No.1を目指して挑戦できる余白があるんです。僕自身、誰も答えを持っていないような新しい領域に挑むのが好きです。だからこそ、AIとセキュリティという、どちらも未踏のフロンティアに立ち向かえる今の環境に、大きなやりがいを感じています。 —答えを探る旅のなかで、「Takumi byGMO」の体験設計は、どんなふうにチームで議論しているんでしょうか？ 春田「Takumi byGMO」の立ち上げが始まった頃には、まだ何も形がないなかで、私と開発部門のメンバー2人の計3人で、ほぼ毎日のようにブレストを重ねました。AIエージェントってそもそもどうあるべきなのか。人にとってどんな存在になり得るのか。そんな大きな問いに、真正面から向き合う日々でした。一方で、裏側ではCTOがプロトタイプの実装を進めてくれていて、私は並行してリサーチを担当。ユーザーの声や類似ツールの特徴を集めて、仮説を立てては、それを小さく形にして確かめるというサイクルを回していました。チーム全員が手を動かしながら、試行錯誤してつくりあげていく—そんな熱量の高い開発でした。 —「Takumi byGMO」といえば、開発者の会話に自然に入り込んで、しかもフレンドリーなトーンでリスクを指摘してくれるのが印象的です。あの話しかけ方や振る舞いには、どんなこだわりがあるのでしょうか？ 春田これには最初から明確な意図がありました。私たちが目指していたのは、ただのツールではなく、チームに自然に溶け込む“同僚”のような存在です。というのも、セキュリティというのは本質的に「チームで守る」もの。開発者がレビューを依頼したり、仕様を確認したり、プロジェクトマネージャーや他のステークホルダーと連携する中で生まれるやりとりこそが、重要なセキュリティ対策の起点になります。だから、個人で完結するツールではなく、チームの中に入り込んで機能する存在でなければいけなかったんです。そのため、「Takumi byGMO」のパーソナリティを設計する際には、どんな言葉づかいで話すのか、どういうタイミングで会話に入るのかといった部分も丁寧に議論しました。たとえば「ツールを使う」ではなく「チームに招待する」といった表現にしたり、起動時にアニメーションを出して空気感をつくったり。ちょっとしたニュアンスにまでこだわっています。ただ便利なだけじゃなく、「この人になら任せられる」と思ってもらえる存在でありたい。そのための工夫を、今も重ねています。 春田生成AIの進化によって、プロダクトを素早く作ることができるようになった一方で、品質や信頼性が軽視されがちな場面も増えています。でも、スピードを求める時代だからこそ、それに見合った“守り”が必要です。GMO Flatt Securityには、高度な知見を持つエンジニアたちがいます。その力をきちんとプロダクトに変換し、世の中に届けていく——それが、今の自分の役割だと自負しています。 エキスパートとしての責任と、これから出会いたい仲間たちへ —これまでのお話から、精力的にプロダクト開発に取り組まれている様子が伝わってきました。そうした姿勢が認められた形で、今回GMOインターネットグループの「エキスパート」に選ばれましたね。その経緯について聞かせてください。 （※GMOインターネットグループの「エキスパート制度」は、技術やクリエイティブの分野でグループの発展に寄与するパートナーを支援する取り組み。選出者には活動支援費が支給され、発信・登壇・コミュニティ形成などの取り組みが後押しされる。→ エキスパート制度の詳細はこちら） 春田もともとエキスパート制度はエンジニアを対象にしたものでしたが、昨年からクリエイター・デザイナーにも門戸が開かれることになり、自分も思い切って応募しました。選ばれたときには、とても嬉しかったです。僕自身、これまでいろんなイベントへの参加や、ブログでの発信を通じて知見を積み重ねてきました。失敗と試行錯誤の繰り返しの中で、自分なりのやり方や考え方を少しずつ培ってきた実感があります。そのため、エキスパートの活動内容を見たときに、「これまで自分が自然にやってきたことと重なる部分が多いな」と感じました。無理に新しいことを始めるというより、その延長線上で貢献していけそうだと思えたんです。そうした取り組みが認められて、エキスパートとしての登壇機会が増えたこともありがたいですし、自分自身もそこから学ぶことが多く、新たな成長のきっかけになると感じています。 —エキスパートに選ばれた今、どんな意気込みで活動されていますか？ 春田業界に対して、何かしらを還元していきたいという思いが第一にあります。それに、最近では人から相談を受ける機会も増えてきたので、視野が広がるのはもちろん、「変なことは言えないな」という良い緊張感も生まれました。ちょうど今、AIエージェントという新しい分野に取り組んでいるタイミングでもあり、時代の転換点に立ち会っている感覚があります。だからこそ、これからのAI時代に求められる新しいルールや考え方を、少しでも社会に提示していけたらと思っています。 —では最後に、「こういう人と一緒に働きたい」というメッセージをいただければと思います。 春田まず新卒の方については、やっぱり好奇心がある人と一緒に働きたいですね。スキルがあるかどうかは、正直あまり気にしていません。素直に学び続ける姿勢さえあれば、いくらでも伸びていけると思っていて。エンジニアリングやセキュリティに興味がある人はもちろん大歓迎ですが、たとえばデザイナーの方でも「なんか面白そう」と思ってくれたなら、それだけで十分です。自分たちのチームやプロダクトに共感してくれる仲間と、一緒に成長していけたら嬉しいですね。一方で、中途の方に期待するのは、ある程度ご自身のキャリアを歩んできたうえで、次のチャレンジを探しているような方です。何が起こるかわからない時代だからこそ、自分の手で手探りしながら進んでいける人に、うちの環境は向いていると思います。僕自身もこの会社に入ってまだ日が浅いですが、GMOインターネットグループには本当に面白くて優秀な方がたくさんいて、毎日刺激を受けています。映像クリエイターのようなバックグラウンドを持つ人もいれば、ネットワークやセキュリティのエキスパートもいる。そうした多様な専門性が集まっているからこそ、互いに学び合える環境があります。そんな仲間と一緒に働けたら、とても心強いですね。 ▽GMO Flatt Security株式会社｜採用情報 ▽インタビュー前編はこちらから【インタビューVol.4 前編】「ソーシャルデザインを探して。デンマークで感じた戸惑いと確かな手応え」 GMO Flatt Security　Cocoda事例はこちら

GMOインターネットグループが今年4月から開始する、年間を通してデザイン・クリエイティブの発信を強化する施策「Creator Synergy Project」の取り組みとして、本ブログでもデザイナー・クリエイターへのインタビュー連載をスタートしました！第5回は、GMOインターネットグループのセキュリティ専門会社であるGMO Flatt Securityに所属し、セキュリティ診断AIエージェント「Takumi byGMO 」や「Shisho Cloud byGMO」などのプロダクトに関わるプロダクトデザイナー・春田雅貴さんのインタビューです。Photoshopとの出会いからキャリアをスタートさせ、SaaS企業での経験を経て、異業種であるセキュリティ業界に転職された理由とは。エキスパートの名に違わぬ向上心と、努力の全貌に迫ります。 Photoshopとの出会いがすべてを変えた —春田さんはそもそも、なぜデザインの領域に入られたのでしょうか？ 春田時を大学進学に遡ると、当初は強い目的があったわけではなく、「とにかく関東に出たい」気持ちが一番でした。いろいろな事情をふまえて経営学部を選びましたが、会計の勉強を進めるうちに「これは自分に向いていないな」と感じて……早い段階で、方向転換することにしました。そこからは自分の可能性を探るために、いろんなことにチャレンジしました。セールスやメディアのライターなど、いろいろやってみたものの、どれもしっくりこなかった。そのとき、ワークショップを通じてPhotoshopを使う機会があって、「自分でもこういうものが作れるんだ」と感じたのが、デザインに興味を持った最初のきっかけです。 春田 雅貴｜GMO Flatt Security株式会社 プロダクトセキュリティ事業部 イネーブルメントプラットフォーム部 プロダクトデザイナー 1994年生まれ。大学時代からデザイン領域に携わり、フリー株式会社ではSaaSプロダクトのプロダクトデザインに約8年半従事。グローバルなキャリアを志向し、2024年にGMO Flatt Security株式会社へ転職。セキュリティ×プロダクトデザインという専門性の高い領域に挑戦し、現在はセキュリティ診断AIエージェント「Takumi byGMO 」や「Shisho Cloud byGMO」のオンボーディング改善などを担当。Slack上で人のように振る舞うプロダクトの体験設計や、ユーザー理解を起点としたペルソナ設計をリードするなど、デザインを通じて技術とビジネスの架け橋を担う。2025年にはGMOインターネットグループの「エキスパート」にクリエイター枠として初めて選出され、セキュリティ・生成AIという先端分野における発信・対話・実装の第一線で活動している。 —フリー株式会社での仕事は、いかがでしたか？ 春田とても良い経験ができました。僕が入った当時、フリー株式会社の社員数は180人くらい。今ではその10倍以上ですから、めざましい成長のタイミングに居合わせましたよね。でも、当時はまだシニアの方ばかりで、ポツンと1人だけインターンとして加わったような状況でした。フリー株式会社ではデザイン経験がなかった僕に対して、シニアデザイナーの方が本当に細かいところまで毎回レビューしてくださいました。最初の半年から1年くらいは、ほぼすべてのアウトプットが徹底的に直されていたんじゃないかな。その滑り出しといったら、しばらく経った頃に、「結構厳しく言ったけど、よく食らいついてきたね」と言われたほどでした。でも、自分はどうしてもデザイナーになりたかったので、フィードバックが厳しくても、それがむしろ楽しかったんです。できないなりにトライしながら、「どうすればできるようになるか」と常に考え続けていました。辛さよりも、前に進みたいという気持ちの方が強かったです。 —フリー株式会社で特に印象に残っている経験はありますか？ 春田いろんなプロジェクトに関わりましたが、ひとつ挙げるとすれば、ユーザーリサーチの一環として、中小企業の経営者の方に直接インタビューさせていただいた経験ですね。フリー株式会社には「マジ価値」というカルチャーがあり、これは、ユーザーにとって本質的な価値があると自信を持って言えることをやろう、という考え方でした。でも、ユーザーのことを知らなければ、その「マジ価値」が何かすら分からない。会社としてもその課題を感じていて、ちゃんとリサーチしようという流れがありました。ちょうどその頃、ユーザーリサーチに強いデザイナーが入社して、仕組みづくりやプロセスの整備が進みはじめました。そして、自分もチームの一員として、何十人もの経営者の方々と直接お話しする機会に恵まれました。起業のきっかけや、どんな苦労をしてこられたか、freeeを使ってどう感じたか。そうしたリアルな声に触れる中で、プロダクトがどれだけ人の役に立てるのかを強く実感したんです。プロダクトの見た目だけでなく、体験全体をデザインする視点を育ててもらえた、貴重な成長の機会でした。 越境するデザイン──CIIDとグローバルチームで得た視点 —春田さんは、グローバル志向も強いと伺いました。 春田東京に出てきた時と同じように、「いつかはグローバルな働き方をしてみたい」という憧れが昔からありました。それがアクションとして形になったのが、デンマークへの短期留学と、「Design Matters Tokyo」へのスタッフ参加です。まず、留学のきっかけになったのは、とある方が発信されていた留学にまつわるエピソードでした。その内容にとても感化されて……自分も絶対に留学するぞと決意し、忙しい日々の合間を縫って、英語の勉強に打ち込みました。特に印象的だったのが、デンマークにおけるデザインの捉え方です。たとえば、病院の現場にデザイナーが入り込み、患者さんの入院体験や治療過程を一緒に観察しながら、対話や意思決定のプロセスを改善していくような取り組みがある。デザインが見た目の美しさを超えて、社会のインフラや体験全体に関わっている。そういう実践が当たり前のように受け入れられている文化に、強い衝撃を受けました。自分もそういう文脈で学びたい。もっとデザインの真髄を知りたい—そんな強い思いが芽生えたものの、やはり初めから年単位での留学はハードルが高くて。まずは短期から始めようと、コペンハーゲンの「Copenhagen Institute of Interaction Design（CIID）」が開く1週間のサマースクールに参加しました。サマースクールには世界中から多様なバックグラウンドを持つ人たちが集まり、ワークショップを通じて、ひとつのものを作り上げていきます。だけど、メンバーはそれぞれ、文化も価値観も全然違う。最初は議論がまったく噛み合わなかったんです。でも、意見のズレを埋めていくために、絵を描いたり、付箋で言葉を可視化したりと、少しずつ共通認識を築き上げていって。最終的にプロジェクトを形にできたときは、大変さと面白さの両方を感じました。 デンマークのコペンハーゲンへ短期留学した時のワークショップの様子 春田こうした経験を通じて、「もっとグローバルな環境に身を置きたい」という気持ちがますます強くなった結果、グローバルカンファレンス「Design Matters Tokyo」にも関わるようになりました。初めはいち参加者だったのですが、イベント終了後のアンケートに長文の感想を書いたところ、「スタッフとして手伝ってみない？」と声をかけてもらい、運営スタッフとして関わることになったんです。なかでも印象に残っているのが、大好きな「コーヒー」を提供する役割を任せてもらったこと。コーヒーをきっかけに世界中のデザイナーと自然な会話が生まれ、交流のハードルをぐっと下げてくれました。 コーヒーがつないだデザイナー同士の会話 “好き”をきっかけに交流をデザインする春田さん 春田自分の「好き」を通じて場づくりに関われたことが嬉しかったですし、イベントの空気や人とのつながりを肌で感じられる、かけがえのない経験になりました。 —CIIDでの経験は、実際の仕事にも生きてきましたか？ 春田しっかり生かせたと思います。ちょうどその頃、海外エンジニアの採用が社内の課題になっていて、グローバルチームを立ち上げる話が出てきたんです。そのタイミングで、上長に「デザイナー1人目として自分を入れてください」と直談判しました。その希望が受け入れられ、2022年から2023年にかけては、グローバルチームでデザイナーとして工数管理ソフトの設計をリードしたほか、iOSアプリの多言語対応にも注力。その後もグローバルデザインマネージャーとして6、7名のチームを率いながら、OKRの設計やデザインリサーチ、プロダクト戦略の立案などにも関わりました。 —グローバルなチームで、しかも1人目デザイナーとして働くとなると、コミュニケーション面で相当苦労したのでは。 春田もちろん、大変なことはたくさんありました。文化も働き方も違うし、そもそもドキュメントはすべて日本語。言語の壁や認識のズレを乗り越えるには時間がかかりました。でもCIIDでの経験があったからこそ、「手ごわい環境こそ面白い」と思えたんです。仕事以外でも、グローバルな環境に馴染むための仕組みづくりにも力を入れました。たとえば、月ごとに使えるチームビルディング予算を活用してイベントや飲み会を開き、自然な形で会話が生まれるようにするとか。そうした積み重ねの中で、英語力に関しても次第に自信が湧いてきましたね。 グローバルを目指し、転職を決断 —8年半も働いた職場を離れ、転職を決断された理由は何だったのでしょうか？ 春田前職にネガティブな気持ちはまったくなく、むしろ、自分がやりたかったことを一通りやりきったという実感がありました。だからこそ、次のステップを考えるようになったんです。特に強くなっていたのが「グローバルな環境で働きたい」という思いでした。ただ、当時携わっていた会計や労務といった領域は、国ごとの制度差が大きく、グローバル展開には限界がある。だったら、自分のキャリアを次のフェーズに進める必要があると考えました。 自分の軸と、これからのフィールドを重ねながら 春田そこから転職活動を始めたのですが、いくつか譲れない軸がありました。たとえば、役割がカチッと決まりすぎている環境では自分の強みを活かせないので、幅広く手を動かせること。そして、自分はやっぱりプロダクトを作ることが好きで、現場に関わっていたいという気持ちが強かったこと。なにより大きかったのは「英語環境で自分の力を試したい」という気持ちでした。これはずっと持ち続けていた軸で、グローバルなチームの中で、どれだけ自分が通用するのか挑戦してみたかった。そんな思いが、転職を後押ししてくれました。 —転職活動はどのように進めていかれたのでしょうか。 春田はじめは外資系企業や、グローバルチームを持っている国内企業などに話を聞きに行きました。ただ、なかなか自分にフィットするところが見つからなかったり、そもそも選考に通らなかったりして、「やり方を変えないとな」と考えていたところに、思いがけない声がかかったんです。連絡をくれたのは、GMO Flatt Securityの執行役員CCOである豊田恵二郎でした。彼とは大学時代からの友人で、僕がフリー株式会社でインターンを始めた頃に、彼も同じようなタイミングでキャリアをスタートさせていました。「次の職場を探しているなら、一度話してみない？」という感じで誘ってもらって、飲みに行くことになりました。その場にはCEOの井手（康貴）やCTOの米内（貴志）もいて、視座の高さとロジカルな考え方に刺激を受けました。楽しく会話を重ねる中で、「ここでなら自分がやりたいことができる」という直感が得られました。 —セキュリティという事業ドメインについてはどうでしたか？ 春田とても魅力的でした。将来的にグローバルで働くことを視野に入れると、自分の専門に希少性があるかは重要です。そしてセキュリティという分野は、正直に言えば、デザイナーがあまり好んで飛び込む領域ではない。でも、だからこそ、そこでの経験が自分の強みになると確信しました。しかもセキュリティは世界的な課題であり、国境を超えて共通するニーズがあります。自分の英語力がネイティブレベルでなかったとしても、セキュリティというドメインで得た専門性は、グローバルで戦うための武器になると思ったんです。それで順調に選考を進んでいったのですが、特に印象に残っているのが、最後の最後に設けられていた『1day体験入社』です。当時はまだ、セキュリティプロダクトのデザインや、開発チームの動き方がまったくイメージできていなかったので、現場に入って体験できたのは本当にありがたかったです。その日はオフィスに1日入り、「Shisho Cloud byGMO」というプロダクトの改善案を考えるワークを行いました。まだ専任のデザイナーがいない時期だったので、体験入社のフローも固まっておらず、開発メンバーに直接話を聞きながらプロダクトを理解していくような形でした。 『1day体験入社』のアウトプット 春田さんのジョイン背景や入社後の活躍については、Flatt Security公式noteのインタビュー「Hello, Flattmate!｜プロダクトデザイナー hal（@hrtnde）」でも詳しく紹介されています。 Shisho Cloud byGMOとは 「Shisho Cloud byGMO」は、開発組織のための脆弱性診断プラットフォームである。AWSなどのクラウド環境、Webアプリケーション、APIを対象に、プロダクト全体を自動で診断し、セキュリティの継続的な改善を支援する。SPAやGraphQLを用いたモダンな開発にも対応しており、開発初期から運用フェーズまで幅広く活用できる。セキュリティの専門知識がなくても修正可能なレポートを提供し、必要に応じて専門家による支援も受けられる。診断対象はクラウド設定・Webアプリケーション・API・SPAソースコードなど多岐にわたり、クラウド権限管理（CIEM）や公開資産の検出・管理（ASM）なども可能。また、GitHubの設定値検査やCIツール連携、Slack通知にも対応しており、開発プロセスの中で自然にセキュリティを取り入れることが可能である。AIを活用した認可制御の自動診断（AuthZ Assessment）機能も搭載しており、権限ごとの挙動検証を自動化することで、より深いレベルでのリスク検出を実現している。 春田セキュリティ領域に少しずつ触れながら、自分がどう関われるかを実感できる貴重な時間でした。ちなみにこの体験入社は「稼働」扱いになるため、きちんと報酬も出ます。選考に対する本気度が伝わってくる制度ですよね。 後編につづく セキュリティの領域で“人らしい”プロダクトをどうデザインするのか。その挑戦は、Slack上で動くAIエージェント「Takumi byGMO」や、エンジニア向けSaaS「Shisho Cloud byGMO」の体験改善へとつながっていきます。 後編では、プロダクトとの関わり方、チームビルディング、そして春田さんが選ばれた「エキスパート制度（GMOインターネットグループの技術やクリエイティブの発信を担う第一人者を支援する社内制度）」の意義についても掘り下げていきます。 ▽インタビュー後編はこちらから【インタビューVol.4 後編】ルールなき世界に価値を描く。AI×セキュリティに挑む思考と実装 GMO Flatt Security　Cocoda事例はこちら

映像クリエイターが生成AIで進化する！ After EffectsとPremiere Proの新ワークフローをご紹介します はじめに 2025年春からGMOインターネット株式会社にジョインした映像クリエイターの青沼です。ポストプロダクションのオンラインエディターとして8年、事業会社でデザイナー兼映像クリエイターとして5年──計13年にわたり映像制作に携わってきました。 生成AIが登場し業界内外で盛り上がっていますが、プロの映像現場においてはそこまで効率化できていないかな...と思うことはありませんか?画像・動画生成ではコスト・クオリティ面などによって中々導入されていないのが実情です。 なので今回は生成AI を活用して、画像・動画生成以外の部分でAfter Effects（以下AE）とPremiere Pro（以下Pr）で、「Claudeを使用したスクリプト制作」と「Google AI Studioを使用した編集補助」の2パートに分けて進化したワークフローをご紹介します! PART 1｜生成AI × AE ‟書けなくても作れる” スクリプト自動生成ワークフロー AEを触っていて「ここを自動化できたら…」と感じるシーンはありませんか？従来は有料プラグイン・スクリプトに頼るか、自分でVScodeなどを使用してスクリプトを書く必要がありました。しかし生成AIなら、コードが書けなくても欲しい機能を“生成”できます!今回はコードに強いと評判のClaudeを使用して生成していきます。 ▶︎ プロンプト：AI に要件を伝える AEを触っていて「なぜPhotoshopやIllustratorのようにコンポジションのサイズを直感的に変えられないのか?」と思ったことはありませんか?YouTube用に制作した横長動画を縦長のShortsに投稿したいからと縦横を入れ替えたいと思っても、数字を打ち直すしか手はありません。なので今回は例としてサイズ変更をもっと楽にするスクリプトを生成してみます。 コンポジションのサイズをPhotoshopのようにサイズを変更できるスクリプトを生成AEは幅と高さの入れ替えや%でサイズを変更できないためスクリプトが必須 "After Effectsスクリプト"であることを明記できるだけ具体的に箇条書き ▶︎ 生成：Claude （2025年7月現在で最も安定） プロンプトを投げてあとは待つだけです。数年前はトライ&エラーで修正していく必要がありましたが、現在は一発で使えるスクリプトを生成することができます。 数秒待って一発で生成。しかもUIの詳しい仕様を書かなくてもAI側が生成してくれる。 通常の生成AIのように修正指示などを出しブラッシュアップしていく事も可能です。画像などでレイアウトを指示してあげれば、より理想に近いスクリプトが生成できます。Claude、Geminiの場合は .jsとしてダウンロード可能。そのまま読み込むだけで使用できます。 ※エラーが発生した場合 AEで読み込み → エラー発生エラー画面のスクリーンショットをAIに(文字で書き起こす必要はなし)修正版スクリプトを書いてくれる ポイント 稟議や予算を待たずに“自社専用ツール”を生成することが可能です!スクリプトであれば資産として蓄積されていくので、組織全体で効率化していくことができます。 PART 2｜生成AI × Pr 字幕作成を“あと一歩”進化させるハイブリッド術 Prの文字起こしとキャプション機能は非常に便利です。もう手放せません。しかし、日本語固有名詞や語尾の修正などはまだ手作業と耳コピが必須です。今までの制作経験でプログラミングのサービス名称や美容系の成分名などを書き起こしてきましたが、正しく聞きとっても正しいスペルで書き起こすことは困難です。 そこで今回は"Google AI Studio"を併用しこのワークフローを手作業から解放していきます。Google AI Studioはマルチモーダル形式なので、動画や音声をアップロードして直接解析することが可能です。 PrとGoogleの違い 項目Premiere ProGoogle AI Studio精度・言語対応話者ラベルありだが固有名詞・専門用語は弱い話者分離なしだが固有名詞・専門用語に強いワークフローテキストベース編集→キャプション生成をタイムライン上で一気通貫プロンプトで「フィラー削除」「段落分け」など指定可Geminiで要約・修正まで完結ざっとこんな感じですが、それぞれ得意不得意があります。なので2つの機能を合わせ効率化していきます。 ハイブリッド手順（6ステップ） では実際にPrとAIを使用した手順をご紹介します!一見すると手順が増え面倒に見えますが、大幅に時間を短縮できます専門用語に関しては人が耳コピで書き起こすよりも精度は高くなります ▶︎ セクション分けもAIで 長尺の時はタイトルをTC付きで生成すれば大幅な時短に ▶︎ メリット 固有名詞や専門用語の取りこぼしを最小化文体を統一し、読みやすい字幕にTC付きセクション分けで時短＆編集しやすい 注意：生成AI は万能ではないため、最終チェックは必ず人力で！また、Google AI Studioは無料ですが学習されて問題ないものや機密情報の含まれていないインターネット上に公開する前提の情報に限定して利用されることを推奨します。 まとめ スクリプト自動生成でAEの複雑な作業をボタン1つにAIダブル起こしでPrの字幕精度と編集効率をバージョンアップ稟議やプラグイン購入を待たずに、“今すぐ” 自社ワークフローを最適化 生成AIはまだ発展途上ですが、だからこそクリエイターが使い倒す価値があります。今後はおそらく字幕も完璧なものを一発で入れられるようになったり、MCPでAdobeソフトを自動化させるなどが開発されていくんだと思います。仕事を奪う敵と見られがちですが、共存すればよりクオリティの高い映像が短期間で制作できるようになるでしょう。今回ご紹介したものは無料から試すことができるので、ぜひ今日から試してみてください!