産業データ基盤の構築に向け、JEITA「デジタルエコシステム検討会」に参画しました🧑‍💻 企業間のデータ連携やAI活用を見据えたデータ基盤の重要性が高まるなか、CO2排出量・サステナビリティデータ連携の実装面から貢献していきます🌏 #アスエネ# #脱炭素# #AI#

次世代データ基盤とAI活用で成果を出す会社は、最新ツールを集める前に、データの流れとAIコストを見える化している。AIエージェントが本当に力を発揮するのは、基盤、ルール、人材、FinOpsがそろった組織だけ。 #データ基盤# #AI活用# #AIエージェント# #AIFinOps# #DXTN#

【LLM時代のデータ基盤アーキテクトを募集】 - 1,000万人超えの大規模データを活用 - 経営陣含め、データ利活用の文化が根付く組織 「データを使って事業を伸ばす」その意思決定を支える基盤開発に携わってみませんか？ 👇Findyで求人をチェック（登録無料）

【LLM時代のデータ基盤アーキテクトを募集】 - 1,000万人超えの大規模データを活用 - 経営陣含め、データ利活用の文化が根付く組織 「データを使って事業を伸ばす」その意思決定を支える基盤開発に携わってみませんか？ 👇Findyで求人をチェック（登録無料）

9/8(火)にチューリングで取り組んでいるDatabricksを活用したデータ基盤について話します！これからDatabricks使ってみたい人にも刺さる内容にします！ぜひ！ Databricksで加速するAI開発基盤 ─ MLOps基盤とデータセット作成パイプライン #TuringTechTalk#

本日、Findy Architecture AI データ基盤をリリースしました！ AI時代にMoatになるデータ。そのデータをどう活用するか、どう基盤を構築するかが重要な中で人材は不足しています。 ぜひデータ基盤の叩き台としてご利用ください！

日経さんにも取り上げていただきました！Architecture AI データ基盤 です！ ファインディ、AIによるデータ基盤の設計提案　想定コストも算出 - 日本経済新聞

2013年、Wayfairのデータ分析はオンプレミスのSQL Serverに縛られ、データベースをまたぐ結合すらできませんでした。それから10年余り、クラウドデータウェアハウスとモダンデータスタックが次々と制約を取り払い、データサイエンティストは「レポーター」から「業務上の意思決定者」へと役割を変えてきました。 📈 そして今、AIによって分析そのものを作るコストはほぼゼロに近づきました。しかしIan Macomber氏はブログ「The Shape and Feel of the Post-AI Data Stack」で、「現実について合意することは安くならない」と指摘します。ダッシュボードが乱立するほど、同じ指標を聞いても答えが割れる「合意の分断」が起きやすくなるというのです。 🤖 記事が描く「ポストAIデータスタック」では、人間ではなくエージェントがダッシュボードを読み解き、意思決定のために情報を再構成します。そのために必要なのが、エージェントが読めるアーティファクト、APIで操作できるツール、ベンダーに縛られないコンテキスト、そして答えの一致率を測る「合意のテスト」という4つの要件です。Ramp社では、あらゆるインターフェースに同じ質問を投げて答えのズレを測定し、ゼロdivergenceを目指しているそうです。 ✍️ Macomber氏は、これからのデータサイエンティストの価値は個々の分析の巧拙ではなく、自分の判断をインフラに組み込み、未来のエージェントや従業員が「何が真実か」を引き継げるようにする力で測られると結んでいます。 URL: #データ基盤# #AIエージェント#