Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
あうもんと学ぶGenAIOps
Search
Sponsored
·
SiteGround - Reliable hosting with speed, security, and support you can count on.
→
gree_tech
PRO
October 17, 2025
Technology
600
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
あうもんと学ぶGenAIOps
GREE Tech Conference 2025で発表された資料です。
https://techcon.gree.jp/2025/session/TrackA-4
gree_tech
PRO
October 17, 2025
More Decks by gree_tech
See All by gree_tech
我々はどう生きるか
gree_tech
PRO
1
130
変わるもの、変わらないもの :OSSアーキテクチャで実現する持続可能なシステム
gree_tech
PRO
0
5.1k
マネジメントに役立つ Google Cloud
gree_tech
PRO
0
77
今この時代に技術とどう向き合うべきか
gree_tech
PRO
3
2.8k
生成AIを開発組織にインストールするために: REALITYにおけるガバナンス・技術・文化へのアプローチ
gree_tech
PRO
0
480
安く・手軽に・現場発 既存資産を生かすSlack×AI検索Botの作り方
gree_tech
PRO
0
480
生成AIを安心して活用するために──「情報セキュリティガイドライン」策定とポイント
gree_tech
PRO
1
2.4k
MVP開発における生成AIの活用と導入事例
gree_tech
PRO
0
630
機械学習・生成AIが拓く事業価値創出の最前線
gree_tech
PRO
0
520
Other Decks in Technology
See All in Technology
なぜ、あなたのAPIは使われないのか? AX時代の設計原則、ガードレール、運用体制
yokawasa
1
1.2k
13年運用タイトルのサーバーサイドが辿り着いた現在地 ― モンスターストライクにおける技術・組織・AI活用から得た知見
mixi_engineers
PRO
1
380
PLaMo 3.0 Primeの構造化出力サポート
pfn
PRO
0
160
AIは実装を速くする。では、私たちは何を今作るべきか?-立場を越えてリリースに向き合ったチーム開発の実践 / 20260801 Hiromi Nakaya and Naoki Takahashi
shift_evolve
PRO
3
180
AIで楽になるはずが、なぜ疲れる?
kinopeee
0
150
AI研修(Day1)【MIXI 26新卒技術研修】
mixi_engineers
PRO
2
3.2k
AIがAPIを書く時代に、私たちは何を設計すべきか
nagix
0
200
AI時代の強いチームの作り方
yuukiyo
23
13k
Data Hubグループ 紹介資料
sansan33
PRO
0
3.1k
テックカンファレンス三大ステークホルダーの文化人類学 ─ 違いを認め合う関係性作り
bash0c7
5
1.5k
AIツールを導入しても生産性はあがらない? カオナビが直面した 3つの壁と乗り越え方。/ Overcoming 3 Barriers to AI-Driven Productivity at kaonavi
kaonavi
0
1.3k
SnowflakeCoCoでデータエンジニアリング!
foursue
0
110
Featured
See All Featured
Measuring & Analyzing Core Web Vitals
bluesmoon
9
940
First, design no harm
axbom
PRO
2
1.2k
Bootstrapping a Software Product
garrettdimon
PRO
307
120k
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
4.5k
How to build an LLM SEO readiness audit: a practical framework
nmsamuel
1
820
<Decoding/> the Language of Devs - We Love SEO 2024
nikkihalliwell
1
280
Why You Should Never Use an ORM
jnunemaker
PRO
61
9.9k
The Illustrated Guide to Node.js - THAT Conference 2024
reverentgeek
1
420
Measuring Dark Social's Impact On Conversion and Attribution
stephenakadiri
2
240
エンジニアに許された特別な時間の終わり
watany
108
250k
Art, The Web, and Tiny UX
lynnandtonic
304
22k
The Organizational Zoo: Understanding Human Behavior Agility Through Metaphoric Constructive Conversations (based on the works of Arthur Shelley, Ph.D)
kimpetersen
PRO
0
400
Transcript
あうもんと学ぶGenAIOps グリーエックス社 AIX推進室長 安立健人
安立健人 / @ken11 Glossom、MoneyForwardなどを経て2025年より 再度GREE X(旧Glossom)に復帰 現在はグリーエックス株式会社でAIのプロダクト 実装を推進 NLPを中心に機械学習モデルの作成からデプロイ 運用まで一気通貫のスペシャリスト
2022年にラスベガスで行われたAWS re:Inventに 登壇 グリーエックス社 AIX推進室長 2
あうもんとは? 「あうもんAI」は、グリーエックスが提供する店 舗支援ソリューション「aumo Biz」や「QUANT for Shops」といったマーケティング支援サービス の運用をAIが代替することで、工数負荷を最小限 に抑えながら、最適な集客効果を引き出すAIエー ジェントです。各サービスの利用時に、店舗事業 者の皆様が使い慣れたLINEにて機能を提供してい
きます。 3
目次・アジェンダ • GenAIOpsってなに? • GenAIOpsにおける7つの要素 ◦ アプリケーション開発 ◦ 外部データの管理 ◦
インプットの前処理 ◦ プロンプトのデザイン ◦ 外部リソースの接続管理 ◦ アウトプットの評価 ◦ フィードバックループ • まとめ 4
GenAIOpsってなに? 5
LLMOps GenAIOps 対象 モデル運用 (MLOpsの延長) 体験全体 要素 データ モデル プロンプト
ツール接続 UX 指標 モデル指標 体験品質(SLO/コスト/安全性) GenAIOpsってなに? GenAIOps = モデル運用の外側まで含めた「生成体験の運用」 6 諸説あるもん。まだ新しい概念だもん!
GenAIOpsにおける7つの要素 7
GenAIOpsにおける7つの要素 8 アプリ開発 前処理 外部データ プロンプト ツール接続 評価 FBループ
アプリケーション開発 • 非同期化: APIは 202+jobId 返却/SQSでキュー管理 • 冪等・再実行: 自動リトライ/DLQ •
観測性: jobId で横断追跡 jobの種類ごとにコストを可視化 9 あうもんはGoでできてるもん LLMは遅い&揺れる 非同期・冪等・見える化で包む
• 🙅自由入力→🙆構造化された入力の誘導 • 不要な情報の除去 • 不適切な入力をLLMに送らないための early return 良い出力=良い入力 インプットの前処理
10 良い出力を実現するには良い入力が欠かせないもん!
外部データの管理 11 データをLLMに渡しやすくすることもGenAIOpsの役割! 自社データ(読者行動・店舗)を セキュアかつシームレスにLLMへ渡す aumo データ 整形 抽出
プロンプトデザイン 12 世に言うプロンプトエンジニアリングだもん • 目的適合:用途ごとにプロンプトを最適化 (ClaudeはXMLのセクション分けが安定) • 構造化出力:タグで出力スキーマを明示して揺 れを減らす (例:summary,
tags など) • 管理:テンプレを命名・変数化・バージョン (例:prompt.review.v2) モデル×目的に合わせ XMLで“やること/ルール/出力”を固定
外部リソースの接続 13 現実世界とつながるもん! • 目的:LLM経由でDB操作や自社データの 分析を実行 • 手段:アダプタとしてAWS Lambdaを呼び 出す
• 利用形態:Amazon Q Developer × Slack 連携で、社員がSlackからあうもんを操作 LLM単体はテキスト生成 ツール接続で“できること”を増やす
アウトプットの評価 14 安定した出力を得られなければサービスとは呼べないもん! • 形式検証:出力フォーマットを厳格バリ デーション(必須項目/型/範囲) • 内容評価:別のLLMで評価し、基準に満た ない場合は差し戻し •
継続運用:基準・閾値をテンプレ化し、 再生成/人手確認への分岐を用意 バリデーション+二次評価+運用で安定化
フィードバックループ 15 フィードバックループでどんどん賢くなるもん! • 何を集める:明示評価/暗黙指標をイベン ト化 • どう貯める:ユースケース×入力×出力×評 価をスキーマで保存 •
どう使う:良/悪例とガイドをRAGへ投 入、few-shot/禁止語として参照 再学習なしでも回す FBは外部データ化→RAGなどで反映
まとめ 16
7つの要素を「運用の3実践」に束ねる 17 GenAIOpsを理解して、AI活用を進めるもん! 包む・つなぐ・測る = GenAIOpsの骨格 包む つなぐ 測る アプリ開発
前処理 外部データ プロンプト 外部リソース 評価 FBループ
ご清聴ありがとうございました 18
None