ID:81284さん

## **プロジェクト概要** 社内営業部向けに、AIを活用したリアルタイムセールスロープレ（模擬商談）Webアプリケーションを開発しました。プロジェクトは2ヶ月以内という短期間でシステムを設計・導入し、営業部員の育成効率化とAI実用性の検証を同時に実現しました。 ## **役割・体制** ### **自身のポジションと役割** SRE/技術リードとして、バックエンドおよびインフラ領域の技術設計と実装を主導しました。 特に、以下の技術的ブレークスルーを担当し、アジャイル開発の中核として短期間でのプロダクト立ち上げに貢献しました。 1. プロジェクト全体の技術的な方向性の策定。 2. 高信頼性のリアルタイム音声対話システムの構築。 3. 評価エージェントの設計、LangGraphを用いたワークフロー実装と運用。 ### **チーム規模と構成** 計6名体制（エンジニア4名、マネージャー1名、企画1名） * ポジション: SRE/技術リード * 貢献範囲: 技術調整、設計・実装、CI/CDおよびインフラ自動化推進 ## **背景・課題** 社内営業部では、マネージャーが部下育成のためのロープレ指導に多大な時間的リソースを割いており、従来の指導方式では育成効率と部下の成長速度に限界がありました。 このボトルネックを解消するため、AIによる自動応答と模擬商談システムを2ヶ月以内に導入することが急務でした。 最大の技術的課題: 極めて短期間で、「リアルタイム音声対話」と「高度な評価エージェントの安定稼働」という、複雑な技術要素を実用レベルで両立させることが難関でした。 ## **実際の取り組み** ### **開発環境** AIとリアルタイム通信の要件を満たすため、最新のクラウド技術とSaaSを組み合わせたスタックを採用。 | 要素 | 技術スタック | 採用理由と貢献 | | :---- | :---- | :---- | | フロントエンド | Next.js | ユーザビリティと開発効率の両立。 | | バックエンド/AI | Python | 会話&評価エージェント設計、自然言語処理。 | | リアルタイム通信 | LiveKit | 低遅延かつ高信頼性の音声通信環境を構築。 | | 評価/基盤 | Bedrock AgentCore, LangGraph | 評価ロジックの実行環境およびワークフロー構築。 | | インフラ | AWS (ECS) | 会話エージェントのコンテナ運用。 | | DB/認証 | Supabase | ユーザー管理やデータストアなど。 | ### **設計・改善内容** 1. 評価エージェントの自動化と高度化: * LangGraphを用いて複雑な評価ロジックをワークフローとして構造化し、Bedrock AgentCore Runtimeへデプロイ。これにより、評価の自動化と運用の効率化を実現しました。 2. AI応答品質の高速化と一貫性確保: * RAG (Retrieval-Augmented Generation)を適用し、エージェントの情報利用効率を最大化。 * AI応答の基盤となるFAQやトークスクリプトを正規化・構造化することで、AIの応答品質とレスポンスの一貫性を担保しました。 3. 開発・運用効率の最大化: * LiveKitやSupabaseを活用することで、システムの中核機能にリソースを集中させ、開発工数を削減しつつ、システムの安定性と拡張性を向上させました。 ### **その他アピールポイント** * DevOpsによる短納期実現: CI/CDパイプラインの構築とTerraformによるIaC（Infrastructure as Code）を主導し、自動化されたデプロイサイクルを実現。短期間での本稼働に寄与しました。 * Langfuseによるトレーシング: 全LLM呼び出しのトレース記録、プロンプト・レスポンス・トークン使用量の可視化を実現し、AI品質改善サイクルを確立しました。 ## **成果・価値** * 育成工数の大幅削減: 2ヶ月以内にAIロープレシステムを本稼働させ、上司による部下育成のための指導時間を定量的に大幅短縮しました。これは、営業部門の業務効率化に直結する大きな価値となりました。 * 全社的なAI活用基盤の確立: 本プロジェクトの成功が全社的に高く評価され、AIを活用した営業支援システムとして全社展開が決定。現在、他部署への横展開が進行中です。 * 新規プロジェクトへの技術転用: 開発したリアルタイム音声対話および評価技術の基盤は、求職者のスキルヒアリングAI化など、複数の新規AI活用プロジェクトの基盤技術として転用され、事業拡大に貢献しています。

## プロジェクト概要 開発部(レバテック)の全プロダクトが利用するTiDBクラスターにおいて、TiProxyを有効化し、システムの可用性と安定性を向上させる作業を実施しました。 ## 役割・体制 ### 自身のポジションと役割 - バックエンド、インフラ、SREの観点から、TiProxy導入のための有効化手順の設計と実施を担当し、TiDBクラウドのサポートと連携しながら、リスクの最小化とゼロダウンタイムの実現に向けて主導的に取り組みました。 - 具体的には、100名規模の開発組織内での調整役として、各チームの対応状況の履行管理と、関係者への背景説明・依頼調整を行いました。 - 実施工程では、リスクを最小化しつつ、確実な有効化を実現するための検証とスクリプト自動化を中心に担当し、その結果、システムの可用性向上に寄与しました。 ### チーム規模と構成 - エンジニア5名のSREチームに所属し、有効化作業の計画と実行をリードしました。 ## 背景・課題 - TiDBの比較的新しい機能であるTiProxyの有効化にあたり、サポートからの情報が不正確な内容を含むなど、技術的な不確実性が伴いました。 - 具体的には、TiProxyの有効化による一時的なアプリケーション側の接続障害のリスクが存在し、実際には検証を重ねる中で、一時的な接続障害が発生することが判明し、工夫が必要になりました。 - さらに、100人規模の組織の複数チームと連携しながら、背景や対応依頼の調整に多大な工数と時間を要したため、効率的な調整手法の確立が課題となっていました。 ## 実際の取り組み ### 開発環境 - TiProxyの有効化に伴う接続障害を低減するため、以下の有効化手順を設計、実施しました。 1. 一時的なTiDBノードグループを用意して全DB接続を移譲 2. 元のノードグループへの接続が完全になくなったらTiProxyを有効化し 3.元のDB接続を切り戻す - アプリケーション側の接続情報の更新作業の大半をスクリプト化し、DBの切り替え処理を自動化することで、人的ミスと作業時間を大幅に削減しました。 - この自動化により、レバテックの全プロダクトで利用されている約1000QPSのDB接続を一時ノードグループに移譲し、切り戻しも同じく自動化してダウンタイムなしでの有効化を実現しました。 ### 設計・改善内容 - TiProxy有効化のための手順を詳細に検証し、リスクを最小化するために、各ステップごとに詳細な事前検証とリハーサルを実施しました。 - 有効化作業中の各チームの対応状況を履行管理ツールや定期ミーティングで共有し、スムーズな調整と情報伝達を確保しました。 - 具体的な工夫として、TiDBの公式ドキュメントの不完全性を補うため、社内のナレッジベースや検証結果をまとめた手順書を作成し、関係者と共有しました。 - 実際の作業では、アプリケーションの接続情報更新をスクリプト化し、作業時間とリスクを低減させるとともに、全作業を複数回の検証と関係者への説明を経て実施しました。 ### その他アピールポイント - TiDBクラスターに接続する全サービスを網羅的に洗い出すことができました。 - TIDBへの接続ホストをRoute53プライベートレコードにすることで、今度の接続先エンドポイントの切り替えを最小限の労力で実現できるようにしました。 ## 成果・価値 - TiProxyの有効化は、システム全体の高可用性を確保し、ダウンタイムを伴わずに実現しました。 - この作業により、可用性の向上とともに、システムの信頼性が向上し、運用リスクを大幅に低減できました。 - また、人的作業の自動化と組織横断的な調整によって、運用効率が向上し、今後の大規模なシステムアップデートや新機能導入にも対応できる運用体制を整備しました。 - この経験を通じて、クラウド環境における最新技術の導入とリスクマネジメントのスキルを高め、インフラの信頼性と運用効率の向上に貢献しました。

## **プロジェクト概要** 自社制作のUnreal EngineコンテンツをWebブラウザ上でストリーミング配信するためのSaaS型基盤を構築しました。高負荷な3Dレンダリング処理をクラウド上で実行し、エンドユーザーへ低遅延で映像を届けるスケーラブルなシステムを実現しました。 ## **役割・体制** ### **自身のポジションと役割** インフラリード / SREとして、クラウドアーキテクチャの設計から実装、監視基盤の構築までを一貫して担当しました。 特に、コストのかさむGPUインスタンスを効率的に管理するためのKubernetes(EKS)基盤の設計を主導しました。 ### **チーム規模と構成** 計3名体制（インフラ/バックエンド1名、Unrealエンジニア2名） * ポジション: インフラ設計・構築・運用リード ## **背景・課題** メタバースやデジタルツインの需要に伴い、高画質な3DコンテンツをWebで手軽に体験させたいというニーズがありました。 しかし、クラウドでのGPUレンダリングはコストが非常に高く、ユーザーアクセスがない待機時間のコスト削減が必須でした。また、ゲームストリーミング特有の「低遅延」と「接続の安定性」を両立させる高度なルーティング制御が求められました。 ## **実際の取り組み** ### **開発環境** | 要素 | 技術スタック | 採用理由と貢献 | | :---- | :---- | :---- | | 基盤/コンテナ | AWS EKS (Kubernetes) | ステートフルなゲームセッション管理とGPUノードの管理。 | | クラウド | AWS (EC2 g4dn/g5) | 最新世代GPUによるAV1エンコード対応とコスト対効果の追求。 | | フロントエンド | TypeScript | ログイン処理、WebRTC接続確立のためのSDK拡張。 | | 監視/可観測性 | AWS X-Ray | Lambdaからコンテナまでの分散トレーシング可視化。 | | IaC | Terraform / CDK | 複雑なネットワーク構成とクラスターのコード管理。 | ### **設計・改善内容** 1. **動的ルーティングとオートスケーリング:** * フロントエンド、マッチメイキング、ストリーミングコンテナの3層アーキテクチャを採用。ユーザーアクセスに応じてUnreal Engineコンテナを動的に起動し、Karpenter等を活用してGPUノードを必要な時だけ立ち上げる仕組みを構築し、アイドルコストを最小化しました。 2. **パフォーマンス最適化:** * AWSの最新世代GPUインスタンスを採用し、AV1エンコード形式に対応させることで、帯域幅を節約しつつ画質を向上。 3. **可観測性の向上:** * X-Rayを導入して各マネージドサービス間のレイテンシを可視化し、ボトルネックを特定しやすい環境を整備しました。 ## **成果・価値** * **運用コストの最適化:** 必要なリソースのみを動的に確保する設計により、常時起動構成と比較して大幅なコスト削減を実現しました。 * **安定した配信品質:** 数十秒以内でのインスタンス起動とWebRTC接続の確立を実現し、ユーザー体験を損なわないストリーミングサービスをローンチしました