・AI × ワークフロー自動化による運用ドキュメント自動生成基盤構築 / 開発者 / インフラエンジニア・システムエンジニア・AIエンジニア・AIデザイナー・プロンプトエンジニア 2025年2月 〜 現在

サーバおよびネットワーク構成情報を自動収集し、 LLMを用いて運用ドキュメントを生成、ドキュメント管理システムへ自動登録する一連の処理をn8nを用いたAIワークフローとして設計・構築。 1.サーバ／ネットワーク構成情報の自動収集 2.LLMによる構成情報の要約・ドキュメント化 3.ドキュメント管理システムへの自動アップロード 4.週次／月次での定期自動実行に対応 これにより、 ・システム構成とドキュメントの乖離を解消 ・手動による資料作成工数を削減 ・インフラ情報の即時把握を実現 ・運用負荷の大幅な軽減 といった効果を確認。 また発展構想として、 ・ソースコードの自動解析によるドキュメント生成 ・AWS CDKによるインフラのコード化、ドキュメント自動生成 を組み合わせ、インフラ運用全体の自動化を目指した検討も実施。

・AI Agent × Vector DBを用いた社内ドキュメント横断検索基盤の検討・PoC / 開発者 / インフラエンジニア・システムエンジニア・AIエンジニア・プロンプトエンジニア・RPA・AI導入支援コンサルタント 2025年2月 〜 現在

社内に分散して存在する各種ドキュメントを対象に、AI Agen とVector DBを 組み合わせた横断検索システムの設計および検証を実施。 ・社内ドキュメントのEmbedding生成・Vector DB登録 ・AI Agentによる自然言語クエリ対応の検索フロー設計 ・検索精度および応答品質の評価 検証の結果、 ・ユーザー視点での検索体験向上の可能性を確認 ・一方でEmbedding生成・更新にかかるコストが課題として顕在化 本格展開を見据え、 ・Embedding対象の最適化 ・差分更新方式の検討 ・コストと検索精度のバランス調整 など、実運用を前提とした最適化余地の検討を継続中。

・Vector DB × Graph DBを組み合わせたHybrid RAGアーキテクチャの検証 / 開発者 / インフラエンジニア・システムエンジニア・AIエンジニア・プロンプトエンジニア・RPA・AI導入支援コンサルタント 2025年2月 〜 現在

Vector DBとGraph DBを組み合わせた Hybrid RAG（検索拡張生成）構成について、技術検証およびアーキテクチャ検討を実施。 ・ベクトル検索による意味検索 ・Graph DBによる関係性・構造情報の補完 ・両者を統合した検索・生成フローの設計 技術的には、 ・情報精度・文脈理解の向上が期待できる構成であることを確認 ・一方で、現時点では業務ユースケース側が技術成熟度に追いついておらず 　実運用よりも 研究開発・技術検証寄りの取り組みとなっている 将来的なAIエージェント高度化やナレッジ管理基盤への応用を見据え、 中長期視点での検討・知見蓄積を進めている。

・AWS IoTを活用したエッジ〜クラウド連携型IoTデータ収集・運用基盤構築 / 開発者/技術支援 / フロントエンドエンジニア・バックエンドエンジニア・データエンジニア・インフラエンジニア・システムエンジニア 2024年1月 〜 2024年12月

AWS IoT Greengrassを中心に、エッジデバイスからクラウドまでを一貫して扱う IoTデータ収集・加工・可視化・イベント検知基盤の設計および技術検証を実施。 エッジ側処理設計 ・AWS IoT Greengrassを用いたセンサデータ収集 ・通信断や不安定なネットワークを考慮したローカル処理設計 ・エッジで処理すべきデータとクラウド送信データの切り分け データ加工・転送基盤構築 ・Greengrass Stream Managerによるデータの一時蓄積・加工・バッファリング ・ネットワーク状況を考慮した安定的なデータ転送フローの設計 ・実運用を想定したデータパイプライン構成の検証 データモデリング・可視化 ・AWS IoT SiteWiseを利用した設備・センサデータの構造化 ・アセット／モデル定義の設計 ・後続の分析・通知・AI活用を見据えたデータ設計 イベント検知・運用連携 ・センサデータを用いた閾値判定・異常検知ロジックの検討 ・イベント発生時の通知および後続処理フロー設計 ・IoTデータと運用アクションを結びつける仕組みの検証 本案件を通じて、 IoTデータを「集める」だけでなく、「使える形で運用に組み込む」 ことを重視した エッジ〜クラウド一体型のIoT基盤設計・構築に関する知見を獲得。