生成AIエンジニアLab

生成AIの最新技術を、ハンズオンで解き明かす実践ラボです。
次の一歩を描きながらAI時代のキャリアを模索する羅針盤を目指します。

カテゴリ: 生成AI

LangGraphは、複数の LLM呼び出しをグラフ構造で管理するためのライブラリです。ノード(関数)とエッジ(遷移条件)を組み合わせて、エージェントの思考フローを明示的に書けるのが特徴です。

Ollamaは、Gemma3などのLLMをローカル環境で簡単に実行できるツールです。従来はOpenAI APIなどのクラウドサービスに依存していたLLMを、完全にオフライン環境で動作させることが可能です。

本記事では、Ollamaで動かすローカルLLMとLangGraphを連携させ、「質問に応じて情報源を選び、最終回答を生成するミニAgent」を作ります。

続きを読む

運用保守エンジニアが直面する課題を、キャリア・業界構造・AI代替の観点から整理し、生成AI時代に生き残る方法を提示します。

関連記事:生成AI時代のITエンジニア向け転職エージェントの選び方

運用保守エンジニアの良い点

運用保守エンジニアの良い点は大きく3つあります。

1. ITキャリアの入口になりやすい

未経験からでも挑戦できる求人が多く、IT業界への入り口として取り組みやすいのが大きな魅力です。

2.「当たり前の状態」を知ることで基準が持てる

システムは「動いていて当たり前」なわけですが、その“当たり前に動いている状態”がどういう状態かを肌感覚で理解できるのは大きな強みです。価値を生み出している状態のイメージをしっかり持つことは、システムの設計思想を考える際に役立ちます。

3.インフラエンジニアに繋がるスキルが身につく

運用・保守を通じて、後工程を意識した要件定義・設計の感覚が養われます。また、クラウド基盤(AWS/Azure/GCP)やバグ修正、自動化スクリプト等に習熟する中で、インフラエンジニアへのキャリアチェンジのルートが開けます。
続きを読む

生成AIの普及と進化が、転職市場を大きく動かしています。
この変化の中でどんなスキルを持つ人材が、転職市場で高く評価されるのでしょうか。本記事では、現役のAIエンジニアが、最新の市場動向を分析し、AIエンジニアに求められるスキルと将来性を考察します。

関連記事:【人工知能業界】AIエンジニアが選ぶおすすめ転職サイト・転職エージェント

【2025年度下期】生成AIの転職市場・中途採用動向

・転職市場は引き続き活況。ほとんどの業界で中途採用が増加・維持の見込み。JACリクルートメントのレポートでも、15業界中13業界で採用動向が「活況」と予測。 

・生成AI活用・DX推進のフェーズが、単なる試験運用やPOCから業務プロセス全体の見直し・効率化、本格導入へと移行。企業の採用基準にもAIリテラシー・経験が入ってきている。

・企業が単に人を増やすだけでなく、業務プロセス全体を見直し、業務効率化を進める中で、AIを活用できる、DXを推進できるといった人材の評価が高くなる見込み。 

・リクルートエージェントによると、2017年度と比較して2024年のAI関連求人(エンジニア系)は約6.6倍に増加。営業・企画・管理部門など非エンジニア系の求人でも増加が確認されている。
続きを読む

生成AIの普及は、エンジニアのキャリア市場を大きく揺るがしています。
「自分の仕事がAIに置き換えられるのではないか」
「これまで積み上げてきた経験が無駄になるのではないか」

特にフロントエンド開発や運用保守など、生成AIへの代替可能性が高い業務に従事しているエンジニアにとって、この不安は現実味を帯びています。

コード補完や自動化が当たり前になった時代、価値が集まるのは、「どの技術を学び、どんな環境で経験を積むかを見極める判断力」や「過去の経験を次の成長に結びつける力」です。
そのため、転職エージェントを選ぶ際も、従来の「年収アップ」や「今のスキルに合う求人があるか」だけでは不十分で、長期的にキャリアを伸ばせる環境を提示できるかどうかが重要になります。

本記事では、現役の生成AIエンジニアが、生成AI時代に通用する転職エージェント選び方を解説します。

結論(転職エージェントを選ぶ方程式)

 転職エージェントの価値 = 誠実さ × 求人数 
続きを読む

AIエージェントは、知識を事前学習に依存しがちですが、実際の業務や未知の環境では 「その場で学び、適応する力」 が求められます。

本記事では、NeurIPS 2024 に採択された論文「Mars: Situated Inductive Reasoning in an Open-World Environment」を取り上げ、AIエージェントにおけるメモリ設計の考え方を検討します。

Marsの提案 ― 経験を「ルール」と「スキル」に変換する

論文では、環境Marsを提案し、AIエージェントの手法として、Skill LibraryとInduction from Reflection(IfR)でルール抽出&活用を実施しています。その際、単に経験を記憶するのではなく、「抽象化」して再利用することに注目しています。

ルール(世界モデル):経験から導かれる一般的な因果関係
スキル(成功パターン):ゴール達成に有効だった手順

AIは「経験 → 抽象化 → 応用 → 失敗から修正 → 知識化」という学習サイクルを繰り返し、未知の状況でも柔軟に推論できるようになります。

続きを読む

↑このページのトップヘ