データシステム「SSM-C02」は左右真横まで180度をカバーする超広角カメラ。スーパーワイドビュー、コーナービュー、トップビューなど6種類の表示を状況に応じて切り替え可能。AHD規格でアナログ接続ながらHD高画質を実現。幅23mmのコンパクトボディで多くの車種に対応。詳細記事はこちら

FRBのケビン・ウォーシュ議長が新しいデータシステムを構築すると明言 「ECBフォーラム」にて、FRBのウォーシュ議長が「新技術で実体経済をリアルタイムで理解し、より良い政策決定ができるようにしたい」と語りました。 【日本語字幕付き】 #CNBCダイレクト#

家族ドライブの救世主!? 走行中の助手席からのナビ操作&テレビ視聴を可能にする新型スーパーワン対応『テレビキット/テレビナビキット』登場! 【CAR MONO図鑑】データシステム 『テレビキット/テレビナビキット ホンダ スーパーワン用』 #データシステム# #テレビキット# #ホンダ#

AIエージェントをエンタープライズシステムに組み込むプラクティス 【組織スコープ・エージェント】 💡 営業の質問にIT部の知識で答えていませんか？ 部署やプロジェクトの境界に沿ってエージェントのスコープを定義し、権限・知識・トーンを自然に分離するパターンです。 🔥 解決する課題 - 部署ごとに異なるデータアクセス権限や業務知識をエージェントに反映できない - エージェントの所有者と責任範囲が不明確になる - 営業用語・IT用語・人事ポリシーなど部署固有の文脈が混在する - プロジェクト終了とともに散在した知識がアクセス困難になる 🏗️ 提案パターン 部署スコープ（恒常的）とプロジェクトスコープ（一時的）の2軸で構成します。部署スコープでは、WorkdayやOktaから組織グラフと権限を同期し、各部署エージェントに固有のツール・データ範囲・トーンを設定します。スーパーバイザが入口で意図を分類し、適切な部署エージェントへ振り分けます。プロジェクトスコープでは、JiraやAsanaのプロジェクト作成に連動してエージェント空間を自動払い出しし、終了時にアーカイブして知識を組織知識へ昇華します。 ✅ 選定条件 - 向き：部署ごとに業務・ツール・規制が大きく異なる大企業、プロジェクト型業務がある組織 - 不向き：横断業務が大半で部署境界が意味をなさない組織、恒常的な定型業務のみの場合 ⚠️ 落とし穴 - 組織変更時にエージェントのスコープが追従しないと、権限の不整合が発生します - 部署間の横断的な問い合わせに対するルーティング精度は実測での調整が必要です - プロジェクト終了時の知識昇華プロセスを怠ると、貴重なナレッジが散逸します 🛠️ 実装方針 1. Workday / OktaからSCIM同期で組織グラフを取得し、部署メンバーシップに基づくエージェントスコープを動的に維持します 2. スーパーバイザ/ルーターを入口に配置し、ユーザーの意図を分類して営業・IT・人事など適切な部署エージェントへ自動振り分けします 3. 各部署エージェントのツール・データ範囲・システムプロンプトを部署単位で制約し、ReBAC（関係ベースアクセス制御）で権限を管理します 4. Jira / Asanaのプロジェクト作成イベントをトリガーに、プロジェクト専用のエージェント空間を自動プロビジョニングし、終了時にアーカイブします 5. プロジェクト終了時に有用な知識をセマンティックメモリ・組織知識グラフへ自動昇華するパイプラインを構築します #AIエージェント# #エンタープライズアーキテクチャ#

吉田一郎／ 最後に頼れる存在でありたい―― スピアーズの歩みを見つめ続けたトレーナーの信念 ——- まだ選手たちが仕事を終えたあと、夜のグラウンドに集まっていた時代から、日本一に輝くチームへ――。 クボタスピアーズ船橋・東京ベイの変化を、吉田一郎はトレーナーという立場から見つめ続けてきた。 プロ野球の世界からキャリアをスタートし、ロッテオリオンズ、伊良部秀輝とともに挑んだメジャーリーグ、そしてラグビーの世界へ。 クボタを離れた時期もあったが、2016年、フラン・ルディケ体制がスタートするタイミングで、再び声が掛かった。 求められたのは、新たな時代へ向かうチームを支える存在だった。 手仕事の文化から、データやシステムを活用する時代へ。 競技も、環境も、トレーナーに求められる役割も変わっていった。 それでも変わらなかったのは、目の前にいる選手と向き合う姿勢。 「本当に困ったとき、最後に自分のところへ来てくれればいい」 スピアーズの歩みを知る男が語る、変化の時代に守り続けたトレーナーとしての信念。 📖コラムはスポーツナビにて掲載中

『検索システムでロボティクスとAIエージェントを繋ぐ』というブログを書きました。 ロボティクスを勉強し始めて、ふと疑問に思いました。🤖💭 「ロボットも、AIエージェントも、業務システム（ERP/WMS）も、結局みんなバラバラのデータで喋っていて、普通にやったら噛み合わないのでは？」 - ロボットはミリ秒単位の点群やセンサー値📡 - AIエージェントは出典つきのテキスト📄 - 業務システムは時〜月スケールの構造化レコード📊 形も意味も時間スケールも違う3者を、プレイヤーが増えるたびに個別配線でつなぐのは現実的ではありません。つなぐペアは N×(N−1) で爆発してしまいます。💥 そこで、「全員が同じ検索システムにデータを投げ込み、必要なものは検索で取り出す」——検索を共通プロトコルにできないか、という実験をしてみました。🔍 MacBook 💻 と MuJoCo（シミュレータ）の中で、Gemini エージェントに端から端まで自走させ、7つの業務シナリオで検証しています。 設備保全の引き継ぎ🔧、物理在庫と記録の食い違いの調停📦、そして個人的に一番おもしろかった「3台のロボットが直接通信せずに不良ロットを突き止める」🐜 シナリオ実験まで。 ロボティクス始めたての方の、何かのきっかけになれば嬉しいです。 ぜひ読んでみてください。🙏✨ 📝 ブログはこちら: #ロボティクス# #AIエージェント#

犯罪の90%以上にデジタルの手がかりがあるのに、43の警察組織がそれぞれ別のシステムでデータを抱えている。英国警察が直面する「データの境界線」問題に、Elasticが分散型の処方箋を示しました。 タイトル: Making Data Work Across Boundaries: The Next Challenge for Policing URL: 🧩 データメッシュという発想 すべてを1つのプラットフォームに集約するのではなく、各警察組織がローカルなガバナンスのもとで自前のElasticを運用し、共通のオープンなインターフェースを通じてだけ接続します。「必要な人にだけ情報を渡す、全員に全てを渡すわけではない」という考え方です。 📈 具体的な効率化の数字 コンテキストの事前準備で入力処理を58%、応答時間を40%削減。エージェントのステップ数は33から9へ、応答時間は213秒から64秒へと大幅に短縮されました。 ⚖️ 過去の教訓を踏まえた3原則 データ基盤とアプリケーションの分離、オープン性をデフォルトにすること、集中化は運用上必要な場合にのみ行うこと。NHSの全国プログラム失敗（98億ポンド）やFiReControl終了（4.69億ポンド）という過去の大規模失敗を踏まえた、現実的な設計指針です。 組織の壁を越えてデータを「集約せずにつなぐ」という発想は、警察に限らず多くの公共システムに応用できそうです。 #データメッシュ# #Elastic#