Applied AI Engineering とは

Applied AI Engineering勉強会のLTで使用した資料です。

Transcript

1. Applied AI Engineering とは何か
2. ほーきー(Hawkie) 逸般のツイ廃。昼の仕事はデータアナリスト。 Applied AI Engineering勉強会主催。
 
 だいたいふざけていますが、ふざけ疲れると真面目 な話をします。最近の関心は生成AI(LLM)/ Like:音 楽, 3DCG, GenerativeArt, GenAI,Vibe Coding etc.
 
 Twitter: @hawkymisc
 GitHub: https://github.com/hawkymisc

3. Applied AI Engineering の定義 AIを社会実装／業務実装する営み 1 作る → 2 動かす → 3 運用する → 4 使われ続ける 研究でもない。「AI駆動開発」でもない。 "AIを実世界に適用する " ことに焦点を当てた領域
4. 2025年、AIエージェント元年だったのか？ 私たちの日常は本当に変わったでしょうか。 ✈ 旅行の予約は、まだ 自分で検索して比較 🛒 ECサイトでの買い物も、 自分で操作している 📋 社内業務も、まだまだ 人間の作業が多い SWE領域では適用が進むが、社会全体では「一般化した」とは言えない
5. なぜ一般化していないのか？ ? モデル性能が足りない？ ? インフラが弱い？ ? 法規制が整っていない？
6. なぜ一般化していないのか？ ? モデル性能が足りない？ ? インフラが弱い？ ? 法規制が整っていない？ 個別の技術だけではなく、 プロセス全体に課題がある
7. なぜ一般化していないのか？ 課題設定 → 設計 → 実装 → 運用 → 定着 設計 • アーキテクチャ設計 • エージェントの責務分離 • ツール連携設計 運用 • ハルシネーション管理 • セキュリティ対策 • 評価・モニタリング 定着 • UX / UI • 業務フローへの統合 • 組織文化との整合
8. なぜソフトウェア開発では適用が進んでいるのか SWE領域の特徴 ✓ テストで品質を担保できる ✓ 出力が比較的形式的 (ソースコード) ✓ 失敗コストが限定的 ✓ 成果が測定しやすい 他領域での課題 • 多様な出力が求められる • 失敗のコストや影響範囲が大きい • 評価指標を決めにくい ここに難しさがある • テストしにくい
9. この勉強会で扱うテーマ 🛠 ADK / SDK / フレームワーク AIエージェント構築の土台 🧠 LLM基礎 Transformer, RAG, Fine-tuning 🛡 信頼性・安全性 プロダクション品質の担保 📊 評価設計 品質の測定と改善 ✨ UX / UI と定着 使われ続ける仕組み 分野横断的に扱います
10. 一緒に体系化していきたい Applied AI Engineering は、まだ十分に体系化されていません。 だからこそ、コミュニティで知見を共有し、 横断的に議論できる場が必要だと考えています。 AIを社会実装する人を増やす。