ＡＸ研究室の庄内です。
巷ではAIエージェントの話題が席巻し、企業ではDXの手段としていかに活用していくか、個人ではどのように雑務をなくして効率化していくかについて検討されていることと思います。
このような生成AI時代における現状をどのようにとらえるとよいのかというを話をしていきたいと思います。
続きを読む
Tech blog
日々の開発業務で培った技術的な知見や、よりよいプロダクト提供のための技術的な取り組みなどを積極的に紹介をしていきます。
生成AI時代の新規事業戦略【続編】
GeminiをSwiftUI学習のメンターとして使う
こんにちは！デバイスソフトウエア開発部の山内です。
最近、iPad向けのアプリ開発に携わっているのですが、実は少し前までSwift・SwiftUIを全く書いたことがありませんでした。
そうなると大変なのは、学習と実務レベルでのコーディングを両立させること。どうしよう！Appleのチュートリアルやって、参考書買って……
…あ、生成AIという手がありました。
現在エコモットでは、Microsoft CopilotとGeminiを利用することができます。今回はGeminiに焦点を当てて、
- Geminiでできること
- 初学者がGeminiを使う際の注意点
を見ていきながら、Geminiを業務にどう役立てていくべきか考えてみようと思います。
続きを読む
Chrome拡張機能のシステム改修をGeminiで効率化できた話
デバイスソフトウエア開発部の板谷です。
最近Chrome拡張機能の改修業務を担当する機会がありました。
Chrome拡張機能の開発経験はなく、時間がかかりそうだと思っていたところGoogleが開発した生成AI『Gemini』で業務を効率化することができたので本記事で紹介しようと思います。
続きを読む
PROLICA®による物体トラッキングのためのカメラ設置方法
こんにちは。デバイスソフトウエア開発部の斎藤です。
現在、生産性向上エッジAIカメラシステム「PROLICA®」を使用した画像解析システムの開発を担当しています。
PROLICAには、人物や車両などを検出する「物体検出機能」に加え、検出した対象物を継続的に追跡する「物体トラッキング機能」も備わっています。
様々なシーンで活躍する物体トラッキングですが、実はトラッキングアルゴリズム自体ではないカメラ由来の弱点もあったりするので、今回はそのあたりを解説していきたいと思います。
PROLICAや物体トラッキングの詳細につきましては、以下の弊社HPや、以前私が執筆したトラッキングについての記事をご覧ください！
https://www.gembaroid.jp/product/prolica.html
【モニターなしで簡単リモート操作！RaspberryPi設定のご紹介】（２）
こんにちは！
SJC共同開発推進室の鈴木です。
今回は、前回の【モニターなしで簡単リモート操作！RaspberryPi設定のご紹介】（１）の環境構築の続きで、外出先など離れた場所からリモート接続する方法をシェアしたいと思います！まだ、（１）をご覧になられていない方は先にこちらの記事を読んでいただければ幸いです。
業界未経験転職 – 入社1か月の制作物
こんにちは！モビリティサービス開発部の久恒です。
2025年1月に入社し、今では実際の業務に関わらせてもらうことが増えましたが、
実務未経験で入社をしたため、実務を行う前の練習として、アプリケーション開発の訓練の一環として、業務でOJT形式でWebアプリの開発を行いました。
今回は、どのようなWebアプリを作成したのかみなさんにお伝えしようと思います。
【モニターなしで簡単リモート操作！RaspberryPi設定のご紹介】（１）
こんにちは！
SJC共同開発推進室の鈴木です。
今回、社内のテック部でRaspberry Pi（ラズパイ）を使用する機会がありました。電子工作を行う際、Raspberry Pi（ラズパイ）は小型で高性能な特性から、よく選ばれるデバイスです。WiFiが利用できる環境で、手元にキーボードやモニタが無いけど、PCとラズパイのみでRaspberry Pi（ラズパイ）の設定をしたい方向けに手順をシェアしたいと思います。
まずは環境構築ということで、今後は作成したものを定期的に発信できれば嬉しく思います。
続きを読む
生成AI時代の新規事業戦略
～競争優位をどう再構築するか～
はじめに
こんにちは、AX研究室の庄内です。このたび、開発本部データアナリティクス部からAX研究室へと組織改編があり、AIを用いたDXについて、研究・社会実装していく役割を担うことになりました。
最近、生成AI（ChatGPTなど）の登場で、かつて専門的で希少とされたスキルが一気に一般化しています。文章作成、画像生成、プログラム支援など、人間にしかできなかった創造的な仕事がAIで安く速く実現可能になりました。その結果、これまで競争優位だった技術や能力が急速にコモディティ化（一般化）し、企業は戦略の再構築を迫られています。
実際、専門家の間でも「AIが普及するにつれて、競争優位性は自社独自のデータでしか築けない」との声が高まっています[1]。ハーバード・ビジネス・レビューも生成AIの影響で企業は新たな顧客価値の提供を迫られていると指摘しています[2]。
本記事では、経営資源分析フレームワーク「VRIO」（価値、希少性、模倣困難性、組織）を用いて、生成AI時代に企業がどのように競争優位を再定義し、新規事業を開発すべきかを考えます。
コルモゴロフ・アーノルド・ネットワークの紹介
こちらはAX研究室のロベルト・フバチです。この投稿では、比較的新しい種類のニューラルネットワークである コルモゴロフ・アーノルド・ネットワーク（Kolmogorov-Arnold Network, KAN） について紹介します。 その名前はコルモゴロフ・アーノルド表現定理に由来しており、この定理は「任意の多変数関数は1変数関数の和として表現できる」と述べています。
これはどういう意味でしょうか？ たとえ非常に複雑な数学的関係でも、より単純な部分に分解することが可能です。 その結果、理解しやすくなり、処理も容易になります。 そのため、科学者たちは長年この定理に関心を持ち、ニューラルネットワークへの応用を模索してきました。しかし、満足のいく結果を得ることはできませんでした。
転機が訪れたのは2024年4月のことです。この定理を利用したニューラルネットワークの学習方法を説明する論文が発表されました[1]。 それ以来、多くの研究チームがコルモゴロフ・アーノルド・ネットワークに関する研究を発表し始めました [2]。
続きを読む
StoryBookでコンポーネントを簡単確認
採用情報
IoTプラットフォーム「FASTIO」
