サービス特性の違いにおけるAWS API設定と安定運用のポイント

1. はじめに NTTドコモ情報システム部の鈴木遥香です。 現在、担当しているシステムでは複数のドコモサービスのバックエンド機能をAWSを用いて提供しています。 中でも私が担当してきたサービスには、Webやアプリ経由で多数ユーザが利用する「広域アクセス型」のものから、店舗や現場な

【高度試験】新卒1年目DSがDBスペシャリストを取得できた秘訣とメリット

💡 はじめに 皆さん、こんにちは！NTTドコモ サービスイノベーション部の内藤 です。 普段の業務では、データサイエンティストとして主にマーケティング領域の機械学習技術の開発と導入、運用を行っております。 この度、情報処理技術者試験の最難関レベルの一つであるデータベーススペシャリ

10月RCS研究会で6Gに向けた無線通信の研究について発表してきました！

はじめに こんにちは、6Gテック部無線アクセス技術担当 林 優太、毛利 檀、張 裕淵です。 今回は、10月23日、24日の2日間で静岡県伊東市にて開催された無線通信システム研究会（RCS研究会）において、6Gに向けた無線技術の研究テーマのうち，可視光通信やNRNT，ミッドバンドを

KinesisDataStreamsのコスト最適化

はじめに こんにちは、NTTドコモでAWSインフラを担当している高橋です。 ある日、ふとAWSの請求書を見て「おや、Kinesis Data Streamsの料金が思ったより高いぞ…？」と気づいたのが、今回の話の始まりです。 コストの内訳を調べていくと、どうやら「シャード数」の最

業務改善はAIだけじゃない！プロセスの見直しが本当に効果的だった話

業務改善はAIだけじゃない！プロセスの見直しが本当に効果的だった話 NTTドコモ データプラットフォーム部社員の三上明音です。 私は2025年3月にドコモソリューションズからドコモデータプラットフォーム部に出向となり、現在はドコモ内のデータ活用をする人たち向けに提供しているPoc

地域メッシュ計算ロジック詳解：緯度経度⇔コード相互変換をPythonで実装してみた

はじめに NTTドコモ データプラットフォーム部の中村光宏と申します。 この記事では地理的情報のデータを分析する際に重要な「地域メッシュコード」について、定義やその計算⽅法を解説します。 地域メッシュコードを⼿軽に扱うなら jismesh ライブラリ等便利なものもありますが、⼤規

開発期間2日（実働10時間）！個人開発でもここまで作れる。Cursor × Gemini Canvas で挑んだ「爆速 PoC」開発ログ

重要：本記事について 本記事で紹介する構成は PoCおよび検証用途 を想定しています。 実装前に必ず セキュリティ上の重要な注意事項 をお読みください。 目次 はじめに システム構成 セキュリティ上の重要な注意事項 実装フロー システムプロンプトの工夫 今後の課題と改善アイデア

# AIの『賢い節約術』〜 Matryoshka Representation Learning で縮めてみよう 〜

この記事は、Advent Calendar 2025の18日目の記事になります。 はじめに こんにちは。サービスイノベーション部の石井です。 業務では大規模モデル*1や需要予測等の技術を活用したマーケティング支援を行なっております。 データサイエンスでは、テキストやグラフといった

時系列予測のSHAP値から、LLMで「納得できるビジネス文書」に翻訳

AIとデータ分析を駆使してモデルの予測をビジネス担当者にわかりやすく説明。LLMを使った新たなレポーティング自動化の試みを詳細解説。

「実装は一瞬、レビューは地獄」からの脱却：生成AI時代の開発プロセスを最適化するIssue管理術

はじめに NTTドコモ データプラットフォーム部（以下DP部）外山です。 DP部では「『あらゆる業務・現場のニーズに応じられる』柔軟なデータ活用環境」を目指し、社内データ活用プラットフォームPochi*1の開発を進めています。 私たちのチームでは、各メンバーがアジャイル開発に則り

IEEE APCC 2025における6G MIMO省電力技術のBest Paper Award受賞及び発表報告

はじめに IEEE APCC 2025について 発表の概要 背景 解決すべき問題 提案手法 コンピューターシミュレーション結果 議論と今後の研究 はじめに こんにちは。ドコモ北京研究所の王 帆（ワン・ファン）です。 私たち北京研は、2025年11月に大阪で開催されたAPCC 20

KDDCup2025 マルチモーダルRAGコンペにおける入賞チーム解法の紹介

はじめに こんにちは、データプラットフォーム部の鈴木明作です！ この記事では、データマイニング分野のトップカンファレンスであるKDD2025にて開催された、KDDCup2025 CRAG-MM Challengeの上位チーム解法を紹介します。 CRAG-MM Challenge

AIスクラムマスターがチームの感情分析をやってみた

アイキャッチ この記事の対象読者 この記事が伝えたいこと はじめに 感情分析を取り入れた理由 感情がプロジェクトに及ぼす影響 使用したツール・技術スタック 1. データ収集 2. 感情分析プロンプト 3. 結果の投稿 分析例： 気づいたこと 課題と改善点 課題: そもそも会話が集

Cortex Analystに頼らない！StreamlitとLLMで実現するSnowflake Semantic View活用術 🔖 1

はじめに Semantic Viewの課題 社内課題1: 大規模利用を想定した場合にコストハードルが高い 社内課題2: ロール単位でCortex利用権限が管理されている 課題解消のために 実装 Semantic Viewを作成する Semantic Viewに自然言語で問い合わせ

「使われない・使いこなせない」を防ぐ。Vibe Codingツール「Cline」の社内での普及展開に向けた取り組み

自己紹介 NTTドコモ データプラットフォーム部（以下DP部）矢野です。 DP部ではドコモ内の各事業でデータ分析・活用を促進するためにStreamlitでアプリを提供しており、アプリ開発促進や生産性向上に向けた取り組みとして、Vibe Codingツールの1つである「Cline」

JAXoptで実践するDecision-focused Learning 〜機械学習×数理最適化の新たなアプローチ〜

機械学習の予測精度は、必ずしも「良い意思決定」に直結しません。数理最適化の問題構造を学習に組み込む「Decision-focused Learning (DFL)」について、微分可能最適化ライブラリ JAXopt を用いた実装と実験を通して解説します。

Geminiの活用でディズニー旅行をより楽しく！誰でもできるAIコンシェルジュアプリの作り方

はじめに NTTドコモ サービスイノベーション部の相場です．普段は人の価値観の推定や，推し活についての幅広い研究・開発を行っております． 弊社アドベントカレンダーでは過去に東京ディズニーリゾートの分析記事を出しておりますが，本記事は，東京ディズニーリゾート大好きな私がこちらの記事

Snowflakeのタスクとストアドプロシージャについて試してみた

自己紹介 この記事はドコモR＆D Advent Calendar 2025の16日目の記事です。 初めまして！NTTドコモ サービスイノベーション部 ビッグデータ基盤担当の竹鼻です。入社3年目になります。社内のビッグデータ基盤の保守運用や機能の開発に携わる担当をしています。本記事

Lambda@Edgeで実現する高速・柔軟な画像最適化術

サイトの読み込みが遅かった経験はありませんか？ こんにちは。NTTドコモ情報システム部でWebサイトの開発運営をしている小寺智仁です。 スマホでWebサイトを開いたとき、画像の読み込みが遅くてイライラした経験はありませんか？ 本記事では、AWSのCloudFrontとLambda

IP制限環境でも油断しない、Cognitoトークンの取り扱いTips

はじめに こんにちは、NTTドコモ情報システム部の山川です。 近年、クラウド前提でシステムを構築するケースが一段と増え、国内外でもAWSのマネージドサービスを活用した構成が一般的になってきました。バックエンドはサーバーレス、フロントはSPA/SSRといったアーキテクチャが定着し、

スマートフォンアプリ開発における市場品質監視の取り組み

こんにちは、私はスマートフォンアプリの開発を担当しています。 本記事では、スマートフォン向けアプリ開発現場で日々実践している「市場品質の監視」について詳しくご紹介します。 1. 前提 2. 各ツールの役割、運用方法 2.1 Firebase Crashlytics 2.2 Fir

開発チームにVibe Coding環境を。LiteLLMとGoogle Cloudで実現したコスト管理基盤の構築事例

はじめに NTTドコモデータプラットフォーム部（以下DP部）黒須です。 2025年12月現在、社内データ活用プラットフォームPochiの運用開始から2年以上経過し、130名を超える開発者がアプリの開発をしています。 現在プラットフォーム運営チームでは、生産性・品質向上のために、開

業務課題を話すだけでデータ活用アプリが⾒つかる - RAG × Claude Codeで実現するアプリコンシェルジュの開発 と品質評価

自己紹介 NTTドコモ データプラットフォーム部（以下DP部）矢野です。 DP部では社内データ活用プラットフォームPochiを展開しており、利用促進の取り組みとして、RAGを使ったコンシェルジュアプリを開発しました。本記事では、その開発の経緯と工夫点について、支援メンバーである静

【6GとAI Agentが実現する未来のコミュニケーションとは？】3GPP SA1で議論されているユースケースを紹介！

はじめに みなさん、こんにちは！ドコモ 6Gテック部の増子佑基です。私が4月に新入社員として入社し、標準化の世界に飛び込んでから、早半年程が経ちました。今回は、私が特に面白いと感じている「AI Agent」に関する3GPPでの最新動向をご紹介したいと思います。 近年、生成AIの進

LLM シミュレーションライブラリ・Concordia で購買行動シミュレーションを行ってみる

1. はじめに NTT ドコモ R&D 戦略部の河面 知定です。 大規模言語モデル（LLM）を用いたシミュレーション技術・Concordia について紹介します。Concordia を使うと、市場取引や選挙活動、ユーザへのアンケート、SNS の流言飛語といった人間社会のシ

【6Gアーキテクチャ議論の深化と新たな進展】3GPP SA2#171会合を紹介！

はじめに こんにちは。ドコモ6Gテック部の趙 寅暉（ちょう いんき）です。 2025年10月13日から17日、中国・武漢で開催された 3GPP SA2#171会合 に参加しました。本記事では、その様子と6Gネットワーク標準化の最新動向をご紹介します。 今回の内容は、8月のヨーテボ

「テストしたつもり」の悲劇を断ち切る。PMが仕掛ける、生成AIを活用した標準化テストケース生成の仕組み

はじめに NTTドコモ データプラットフォーム部（以下DP部）外山です。 DP部では『あらゆる業務・現場のニーズに応じられる柔軟なデータ活用環境』を実現するために、社内データ活用プラットフォームPochi*1を活用したデータ分析・可視化アプリケーションの開発を推進しています。 社

参加者約4,000人、JANOG会場ネットワーク構築舞台裏とは！

そもそも「JANOG」ってなに？ JANOG（ジャノグ）は、「日本のインターネットを裏で支えている人たちのコミュニティ」です。 正式名称は JApan Network Operators' Group 。1997年から続くコミュニティです。 「インターネットを良くしたい」一点でつ

Snowflake CLIで実現するdbt Project on Snowflakeでのモダンな開発フロー

Snowflakeの新機能『dbt Project on Snowflake』を商用利用を見据えてデータエンジニア観点で開発運用フローを検討した結果を紹介します。

Claude Codeを用いたVibe Coding開発のすすめ

Claude Codeを用いたVibe Coding開発のすすめ はじめに こんにちは、NTTドコモ プロダクト技術部 後藤/谷田部と申します。 最近、社内で新規サービス創出に向けて生成AIを活用し、実装から検証までのサイクルを高速に回す機会が増えてきました。 そこで今回は、実際

大型配信イベントの裏側で活躍！Datadogによるリアルタイム計測と業務改善

はじめに はじめに 事前準備 ​当日対応：リアルタイム計測 ①システム稼働状況​ ②ユーザ動向​・ビジネス指標 ③エラー数​ 当日対応：エラー表示内容改善 配信終了後​ さいごに はじめまして。NTTドコモ 第一プロダクトデザイン部の横田零智と申します。 現在、サービス契約共通W

MagicPod × FlutterでAndroid/iOS自動テストを一本化して自動化コストを約50％削減した話

MagicPodを利用したFlutterアプリのE2Eテスト自動化で、テストケース作成コストを50%削減した事例とその手法を紹介。

流れて消えるSlackの「アイデア」を、Miroで「使える資産」に変化させる自動化術​

はじめに 背景 Miroとは何か？ Miroの主な特徴 流れるSlackの投稿内容を、Miroで「使える資産」へ なぜ「リスト」では思考が止まるのか？ Miroを使う意味は「散らかせる」ことにある いざ実装！...と思いきや、セキュリティの壁 発想の転換：プッシュがだめならプルで

1年目で学んだアジャイルの仕組みと自担当での実践

■はじめに ① アジャイルとは何か ～アジャイル勉強会の内容から～ 1. ウォーターフォール開発との違い 2. アジャイル開発の進め方 ② CSPOで学んだアジャイルの理想とPOの役割 1. POの役割 2. PBLの優先順位付け 3. アジャイルを進めるうえでの重要なポイント

１年目が学んだ試験の基本とポイント

はじめに 試験の流れ １試験計画 ２試験準備 ３試験実施・不具合記録 試験計画 試験実施・試験結果記入 自動化試験の活用 まとめ はじめに 情報システム部１年目の佐藤と申します。私はソフトウェア開発の試験工程に携わっており、日頃から試験業務を専門的に対応いただいている方に試験の基

Jiraで自分に割り当てられたPBIをSlackリストに自動追加させてみた

■ この記事を読むとわかること 開発業務と社内業務を合わせたおすすめのタスク管理方法 JiraとSlackリストの連携方法 この記事でやりたいこと ■ 目次 ■ この記事を読むとわかること ■ 目次 ■ はじめに 自己紹介 やりたいこと ■ 各サービスの基本機能 Jira Aut

Power Automateの「細かすぎて伝わらない」苦労とTipsを共有するよ

エラーや仕様変更を経たPower AutomateでのSharePoint操作の実例と解決策を共有。改善に役立つ詳細なTipsや実行方法のコツを伝授。

AWSエンジニアがGoogle Cloudに挑む：Iceberg×Geminiで実現するプラットフォーム構築の舞台裏

はじめに NTTドコモ データプラットフォーム部 外山です。 NTTドコモではお客様起点の事業運営を実現するために、その声を誰でも簡単に分析できるアプリを社内データ活用プラットフォームPochi*1上で開発・利用しています。 声の利活用においては、一つ一つのお客様の声データにデモ

ドイツ・ミュンヘンで働く。ドコモのグローバルOJTで出会った『世界標準』を作る仕事の流儀　　#ドコモユーロ研究所 🔖 1

1. はじめに 2. この記事はこんな方におすすめ 3. ユーロ研…の前に、NTTドコモのグローバルOJTとは…？ 概要 私のグローバルOJT 4. ユーロ研ってこんなとこ！ ドコモユーロ研の役割 これがドコモユーロ研のすべてだ！ ドコモユーロ研のいま 5. OJT生 中村が見た

技術がお金になっているか？─時間あたり採算で考えるエンジニアリングの価値─

あなたは自分の技術がどれだけ利益に貢献しているか考えたことがありますか？ 「速く終わったのに、評価されない」の正体 時間あたり採算で考える重要性 価値を伝えないと「ないもの」として扱われる 「技術＝コスト削減＝利益貢献」という認識を浸透させる 会議にも「価値換算」の視点を まとめ

Streamlit開発の「あるある」な悩みを根本解決！保守性を劇的に上げる型安全設計の奥義2選

NTTドコモ データプラットフォーム部（以下DP部）外山です。 DP部では「『あらゆる業務・現場のニーズに応じられる』柔軟なデータ活用環境」を目指し、社内データ活用プラットフォームPochi*1の開発を進めています。 一つ目のアプリが産声を上げてから2年以上が経過し、様々なアイデ

放置されたリソースをゼロへ！Cloud Asset Inventoryで進めるGoogle Cloud資産整理実践

TL;DR Google Cloudのリソース管理に課題を感じていませんか？「どのリソースがどのチームのものか分からない」「不要なリソースが放置されてコストが膨らんでいる」といった悩みを解決するため、Cloud Asset Inventoryを活用した実践的な資産管理手法をご紹介

スクラムチームを強くする ~One Team を取り戻すチームビルディングの実践~

1. 自己紹介 NTTドコモ 第一プロダクトデザイン部で 人事・人材育成を担当しているジル (本名:齊藤 亮二)です！ プロダクトチームが “One Team” として力を発揮できるよう、 アジャイル開発の浸透支援や学習機会の設計、 そして実際にチームに入り込んで伴走する アジャ

試すのは簡単、仕上げるのは難しい。AIエージェント×Playwright MCPを使ったE2Eテストアプリの開発と苦労

自己紹介 NTTドコモ データプラットフォーム部（以下DP部）矢野です。 我々が提供している社内データ活用プラットフォームPochiでは、特定の部署に閉じない様々な部門のメンバが日々アプリを開発しています。 このPochiでのアプリ開発者を支援する取り組みとして、Playwrig

Kiro IDEで実践する仕様駆動開発

開発で求められる品質と確実性を担保する「仕様駆動開発」をAmazon Q Developer (Kiro IDE)のSpecモードで実践。AIエージェントと人間が役割分担し、内製化を推進する手法を解説します。

GitHub Copilotを育ててSQLを効率的にdbtモデル化した事例

1. はじめに ドコモのデータプラットフォーム部の中村光宏と申します。 この記事では、GitHub CopilotのCustom Instructions を強化しチームのKPI管理に使っていた既存のSQLをdbtモデルに変換した経験と学びをまとめました。 まだベストプラクティス

Digital Change Mind　―docomo社員自ら挑む、DX・AIによる変革の現場―

社員一人ひとりが自分の業務を自分で変革する―それが、今のドコモの新しいスタンダードです。 本記事では、私が組織内で開催した社員自身にDX・AI活用に挑戦してもらうための施策『デジタル民主化活動（デジカツ）』についてご紹介します！ 総勢200名以上の方が参加した本施策から、ドコモの

データ活用を社内文化へ──PdMが挑むキャズム越え。SECIモデル活用事例

ドコモが推進するデータ民主化。社内向けプラットフォームPochiのプロジェクトを通じ、SECIモデル活用でデータ活用を浸透させる方法を詳述。PdMやプロジェクト管理に興味ある方におすすめ。

Iceberg × dbt × BigQuery × Snowflakeでつくる、マルチDWHパイプライン 🔖 5

Apache Icebergを用いて、SnowflakeとBigQueryを横断するマルチDWHのデータパイプラインを実現しました。開発・運用の効率性を高くするためdbtで実装したが、その中で気を付けなければいけない点が多くありました。想定する読者Icebergを用いたパ

AIはトモダチ！新入社員が挑戦したAIと共創するモノづくり体験

NTTドコモの新入社員がAIをフル活用し、個性あふれる自己紹介サイトを制作した研修施策を通じて、プロダクトデザイン部の成長と文化形成を紹介します