はてなブックマーク

初めまして！ACESでエンジニアリングマネージャーを担っています、小林と申します！ 今回入社3ヶ月も過ぎ、無事試用期間を終えた記念として、入社エントリなるものを書いてみようと思います。 ドーナッツに挟まる息子くん 簡単な前職までの経歴 大学卒業後、SI企業を２社ほど経験した後 エムティーアイ、グリーでスクラムマスターを、リクルートキャリア（現リクルート）で7年半ほどプロジェクトマネジメントやサービスマネジメントを経験し前職のテックタッチに転職しました。 初めてのスタートアップでしたが、1人目EMとして様々な機会に恵まれ スクラム運営 チームトポロジーを活かしたチーム分割 インシデントマネジメント デリバリーマネジメント などプロダクト開発の実装以外をCTOとともに担わせていただきました。 その後同社初のVPoEとして採用や組織運営にも携わらせていただき、身に余る経験を積ませていただいたと思

こんにちは、株式会社ACES でソフトウェアエンジニアをしている奥田（@masaya_okuda）です。 この記事では、私の所属するACES Meetの開発チームで実践している設計プロセスをご紹介します。ここで言う設計とは、PdMから開発チケットの要件定義が共有され、本格的な実装を始める前までの期間に行うプロセスを指します。 背景には、私たちの開発チームが以下の課題を抱えていたことがあります。 複数の変更内容が含まれるPull Requestが作成され、レビューコストが高い レビュアーと実装者の認識齟齬による指摘の多発と手戻り これらが原因となり、リリースまでの期間が大きく遅延したり、手戻りによる実装者とレビュアーの疲弊につながっていました。 肥大化したPull Requestが引き起こす3つの課題 改善にあたり、開発工程のどこに課題があるのかを検討した結果、Pull Requestの粒度

同じマイクで複数人が話しても、話者を識別する機能こんにちは、株式会社ACES でソフトウェアエンジニアをしている奥田（@masaya_okuda）です。 独自 AI による話者ごとの自動文字起こしや重要なシーンの可視化を行い、オンライン商談における成約率の向上と現場の工数削減に寄与する商談解析 AI ツール「ACES Meet」を開発しています。 meet.acesinc.co.jp 現職で初めてAIが根幹にあるソフトウェアサービスを開発し、従来の開発と比較して「設計の難易度が明確に上がった」と感じています。AI機能はユーザーが使えば使うほど精度が上がる一方で、学習が十分でないフェーズでは期待値を下回ってしまう可能性があります。 それを乗り越えてユーザーにご利用いただくため、開発時にはAIエンジニアとソフトウェアエンジニアが協働して機能開発を行います。AIエンジニアがAI自体の精度向上を担

こんにちは、ACESでアルゴリズムエンジニアとして働いている檜口です。最近はChatGPTを始めとする言語モデルの研究開発やプロダクト改善に取り組んでいます。 昨年末のChatGPTのリリース以降、大規模言語モデル（large language model, LLM）の社会実装が急速に進んできています。弊社でも商談解析AIツールACES MeetにLLMを組み込むなど、LLMの活用を広げています。こちらに関してはLLMを活用したAIまとめ機能リリースの裏側について過去記事を書いてありますのでご興味ある方はぜひご覧ください。 tech.acesinc.co.jp LLMはOpenAIのChatGPTが最も有名ですが、最近はオープンソースでモデルを開発する流れも活発になっています。特に、英語で学習したオープンソースモデルはMeta社のリリースしたLlamaを始めとして非常に強力なものがリリース

こんにちは、株式会社 ACES でサーバーサイドエンジニアをしている福澤 (@fuku_tech) です。 ACES は、オンライン会議を録画し、独自 AI による話者ごとの自動文字起こしや重要なシーンの可視化を行うことで、オンライン商談における成約率の向上と現場の工数削減に寄与する商談解析 AI ツール「ACES Meet」を提供しています。 今回は、先日プレスリリースが公開された ACES Meet の新機能である ChatGPT API を活用した AI まとめ機能の裏側についてご紹介します。 prtimes.jp はじめに AI まとめ機能を実現するための課題 2-1. 入力データの精度改善 2-2. 長時間の会議・商談への対応 案1: 社内アルゴリズムと ChatGPT API を併用する 案2: ChatGPT API をフル活用する 2-3. 商談と商談以外の会議の性質の違い

ACESのソフトウェアエンジニアの稲田です。私は普段、弊社で提供しているシステムのアーキテクト設計、MLOpsをメインに担当しております。 今回は、ACES Meetという弊社のAIプロダクトサービスをターゲットに弊社のサービス監視基盤を標準化した話について、事例紹介をしたいと思います。 営業支援AIツール「ACES Meet」 想定する読者 プロダクトサービスの品質可視化の重要性について 弊社が抱えていた課題と背景 技術選定の方針 プロダクト監視基盤設計 目的 要件 監視項目 サービス品質 システム詳細メトリクス アラート通知 システム構成 監視ダッシュボードの仕組み Amazon Managed GrafanaのAWSマルチアカウントのデータソースサポート Amazon Managed GrafanaのX-Rayサポート 監視ダッシュボードのデータソースの拡張性 コスト概算 Cloud