概要
今回はクラスメソッドとG-genさんで、LT大会を開催したので、そのレポートをブログにしようと思います。
両会社とも、Google Cloudを扱うパートナーとして、普段からサービスを提供しております。
そして、クラスメソッドはDevioというブログを運営しており、G-genさんもG-gen Tech-Blogという非常にハイクオリティなブログサイトを運営されております。
頭出しはこのくらいにして、今回はLT内容のダイジェスト的な感じで紹介していこうと思います。
登壇者などの情報は【2/21(水)】クラスメソッド × G-gen LT 祭り！をご覧ください。
【LTの様子】
ちなみに、タイトルは個人的に心を打たれたLTで感じたことをそのまま記述しました。
そのLTの内容はアプリ開発系LTで話されたものです。興味のある方はぜひ共感してください。
アプリ系 LTの要約
クラスメソッドの田中孝明さんによる発表
田中さんはGoogleのTAP（Tech Acceleration Program）に参加した経験をLTにまとめてくれました。
Zennのバックエンドを例に、Cloud Runを中心としたアーキテクチャの構築と、TAPのような勉強会の開催したことを共有してくれました。
個人的にGoogle Cloudを利用した組織的なアプローチの方法について、とても参考になりました。
Zennの記事はこちらをご覧ください。
【Zennのバックエンドを Google App Engine から Cloud Run へ移行しました（無停止！YES！）】
G-genの三木さんによる発表
今回のタイトルはこちらがネタになっています。
三木さんは「元ネトゲ廃人が考える効率化の思考」という、とてもキャッチーなタイトルでLTをしてくださいました。
こちらは、「効率化の思考」について、自身のネットゲーム経験を通して考察しており、効率的なゲームプレイをビジネスへ応用し、コンテナ化、アジャイル、CICDなどの考え方につながるものだと力説いただきました。
そして、個人的に面白かったのが、三木さんはApp Modernのモダンとは何？と考えたようで、結局モダンとは「効率性」という結論に行き着いたようです。
下記に三木さんが仰っていたことをまとめます。（メモなので認識違いがあるかもしれません）
ネトゲで大切なこと＝効率性
⇩
同じゲーム操作で、どのように他のユーザーに勝利するか？（1時間の経験で学べる効率を上げる）
⇩
手間のかからない手法を採用する（＝安定型の思考&長距離的思考）
⇩
無駄なイベントに参加するのはダメ、レベルアップに必要な時間の成果を模索し続ける。
コンテナ、アジャイル化、CICDに繋がる（結論、手段と目的をぶらさないで物事を考える）
筋肉とネトゲの効率性は似ていると確信
ここで私は質問しました。
室井：
筋トレは、より短時間でより高負荷で、科学的根拠のある追い込みをすることが求められます。
効率性において短時間でレベルアップし続け、無駄な動作を省き、これまでの経験と知識に基づいて、さらに効率性を追求していく。この考え方は三木さんがおっしゃったネトゲの効率化の思考と、とても似ているのではないでしょうか？
三木さんさんは答えました。
三木さん：
まさにその通りです。 短時間で結果を出しレベルアップするために思考し、リトライしていく。そのようなものは人生においてとても重要だと。
私は感動しました。
【確信した共通点】
結局、筋トレもネットゲームも、人生において楽しいし、役に立つから行っている作業の1つに過ぎません。
それを理解していると、筋トレやゲームという物事の概念で区切るよりかは、その物事から生じるの結果や過程に見出せるメリットに重点を置くことで、今回のような思考になるのだと、私はそう感じざるをおえません。
ぜひG-genさんと「筋トレ×ネトゲの効率化の思考」というタイトルのLTを開催したいと心から思いました。
生成AI系 LTの要約
クラスメソッド鈴木さんによる発表
弊社からは鈴木さん（Nayuta S.）が登壇しました。
BigQueryとVertex AIを組み合わせることで、格納されたテキストデータに対して生成AIを用いた処理が可能です。
具体的には、テキストから埋め込みベクトルを生成したり、新しいテキストを生成することができ、さらに埋め込みベクトルを利用することで、BigQuery内で類似テキストの検索や分析が行え、これはRAG（Retrieval-Augmented Generation）にも応用可能です。
【Nayuta S.さんブログから引用】
よって、今回のLTでは、テキストデータに生成AIによる分析結果を付与し、埋め込みベクトル間のコサイン距離を用いて類似テキストを検索するシステムを構築しする、という方法を紹介してくれました。
詳しくは、下記のブログで紹介されていますので、拝見ください。
【Vertex AIとBigQueryでつくる、簡単ベクトル検索&テキスト分析システム】
G-gen片岩さんによる発表
G-genさんからは片岩さんが登壇されました。
Google Cloudの最新仕様を効率的に収集するための方法を紹介し、具体的には、Google Cloudの更新情報を迅速にキャッチアップするためのシステムを構築した経験を、LTにしたものでした。
お話しいただいたシステムは、以下のようなステップで構成されているようです。
- RSSフィードを使用してGoogle Cloudの最新情報を取得。
- 取得した情報をGoogle Apps Script（GAS）を通じてGemini APIに送り、英語から日本語へ翻訳。
- 翻訳された情報をSlackのGeminiProを使用して、さらに理解しやすい日本語に編集。
- 更新情報の要約とリンク先の詳細をSlack上で共有。
上記のプロセスは、Promptを使用して段階的に分け、GeminiProを呼び出すことで、より短いタスクで実行されるようです。
例えば、2024年2月16日に16件のアップデートがあった場合、このシステムを通じてすぐに情報を収集し、日本語で理解できる形に変換して共有することができます。
実際の片岩さんの活用事例としては、顧客から最新のアップデートについて問い合わせがあった際、このシステムが迅速な情報収集に役立ったということを挙げられておりました。
質問タイム
質問：感情分析で出てきた結果に対する評価は？
回答：エンドユーザーに使用してもらって、実際に評価するのがいい
質問：Slackの呼び出しはWebhookを使用していますか？
回答：GAS側からRSSを取りに行っている、GASが全てを制御している
データ分析系 LTの要約
クラスメソッドの半澤さんによる発表
半澤さんは、Analytics Hubを用いたデータシェアリングについてのLTを行いました。BigQueryにおける従来のデータシェアリング方法とAnalytics Hubを比較し、新しいメリットを解説しました。
従来のデータシェアリング： BigQueryでのデータセット共有は、アクセス権を細かく設定できるものの、権限管理が複雑でセキュリティリスクが増える可能性があった。
Analytics Hubを利用: パブリッシャーとサブスクライバーを用いたデータシェアリングで、データセットが最小単位。利用状況が可視化され、管理が容易になる。BigQueryの料金に含まれており追加費用は発生しない。
Analytics Hubのメリット
Analytics Hubのアーキテクチャは、ユーザー（グループ）→エータエクスチェンジ（箱）→データセットという流れで権限を割り当てるようです。
また、データの所在などの可視化が簡単となり、利用状況が分かりやすくなるというメリットがあるようです。（コンソールで確認できる）
そして、料金はBQに含まれているため、Analytics Hub自体は無料なようです。
詳細ブログはこちら。
【BigQueryのAnalytics Hubを触ってみる】
G-genの西島さんによる発表
西島さんはDataPlexのデータ品質に関する調査結果をLTにまとめてくださいました。
DataPlexの主な役割としてはデータの統合、権限管理、検索、信頼性向上に役立つことを目的としているようです。これにより、データ品質の自動化とルール定義により、分析の信頼性と効率化が向上します。
私自身、DataPlexについてあまり詳しくはないのですが、データの品質や検索性の向上に最も寄与するのかな、と感じました。
詳しくはG-genさんのブログをご覧下さい！
【Dataplexを徹底解説！】
質問タイム
- DataPlexのおすすめポイント: 複数プロジェクトにまたがるデータ管理に適しており、高い検索性を持つDatacatalogが含まれている。
- 機能の棲み分け: Analytics Hubは組織外のシェアに適しており、DataPlexはデータの品質と管理に焦点を当てたサービス。
まとめ
次に、G-genさんとLTする時は、筋肉とネトゲとGoogle Cloudが主役になります。（※ 私一人で言っているだけです）
9
