Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
あうもんと学ぶGenAIOps
Search
gree_tech
PRO
October 17, 2025
Technology
630
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
あうもんと学ぶGenAIOps
GREE Tech Conference 2025で発表された資料です。
https://techcon.gree.jp/2025/session/TrackA-4
gree_tech
PRO
October 17, 2025
More Decks by gree_tech
See All by gree_tech
AI画像認識を活用したゲーム内決済処理検証の自動化
gree_tech
PRO
0
740
長期運営で肥大化したExcelマスターデータの解消に向けた移行事例
gree_tech
PRO
0
760
ゲームにおけるメディアミックス展開との向き合い方 -ヘブンバーンズレッドのメディアミックス企画の立て方-
gree_tech
PRO
0
750
課題発見から始めるプロダクト密着型TA組織立ち上げ 〜小規模TAチームが3Dアセットの生産性を倍にした方法〜
gree_tech
PRO
0
770
属人化を叩き割れ!「制作加速」と「安定化」の矛盾を打破する:8年目プロダクトが辿り着いた「ミスが起こり得ない」アセット制作フローの全貌
gree_tech
PRO
0
740
20年続く長寿タイトルが、15年目にして売上を伸ばせた理由
gree_tech
PRO
0
1.1k
我々はどう生きるか
gree_tech
PRO
2
990
変わるもの、変わらないもの :OSSアーキテクチャで実現する持続可能なシステム
gree_tech
PRO
0
5.4k
マネジメントに役立つ Google Cloud
gree_tech
PRO
0
110
Other Decks in Technology
See All in Technology
Does an AI Watermark Survive Translation?
machinetranslation
0
520
Bet AI Day 2026丨How We Bet AI: AIとともに働く場をつくる
layerx
PRO
1
2k
なぜSRE・セキュリティは評価されないのか?守りの組織を事業成長エンジンに変えた実践
cscengineer
PRO
2
1.9k
こんなアーキテクチャ図は嫌だ BEYOND THE TIME: 半年後の自分へ贈る15のメッセージ / 15 of Anti-pattern in AWS Architecture Diagrams
naospon
2
190
[RSJ26] Flow as Flow: Modeling Robot Velocity Fields as Probability Velocity Fields
keio_smilab
PRO
0
190
Driving AI Adoption Using In-House GPUs to Serve Qwen
po3rin
2
400
Bet AI Day 2026丨Production-Ready AI Agents — エンタープライズの実務を任せるための設計と運用
layerx
PRO
3
1.9k
Level Up Your CDK DX: 5 Tools I’ve Been Building
gotok365
2
180
PfEingのアプローチで働こう
rindrics
0
130
Instana&Bob トラブルシュートハンズオン
mayamasaki68
0
110
Jetpack Compose で挑む新聞紙面UI ─ 複合ジェスチャー・ポリゴン記事領域・適応的ページ構成という3つの壁/droidkaigi2026
nikkei_engineer_recruiting
0
160
Azure App Service / Container Apps の組み込み認証
kuniteru
0
170
Featured
See All Featured
A Soul's Torment
seathinner
7
3.5k
Amusing Abliteration
ianozsvald
1
280
Joys of Absence: A Defence of Solitary Play
codingconduct
1
460
Designing for humans not robots
tammielis
254
26k
Test your architecture with Archunit
thirion
2
2.4k
Optimizing for Happiness
mojombo
378
71k
Stewardship and Sustainability of Urban and Community Forests
pwiseman
0
510
Art, The Web, and Tiny UX
lynnandtonic
304
22k
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
danielanewman
230
23k
Documentation Writing (for coders)
carmenintech
77
5.5k
Neural Spatial Audio Processing for Sound Field Analysis and Control
skoyamalab
0
440
Claude Code のすすめ
schroneko
67
230k
Transcript
あうもんと学ぶGenAIOps グリーエックス社 AIX推進室長 安立健人
安立健人 / @ken11 Glossom、MoneyForwardなどを経て2025年より 再度GREE X(旧Glossom)に復帰 現在はグリーエックス株式会社でAIのプロダクト 実装を推進 NLPを中心に機械学習モデルの作成からデプロイ 運用まで一気通貫のスペシャリスト
2022年にラスベガスで行われたAWS re:Inventに 登壇 グリーエックス社 AIX推進室長 2
あうもんとは? 「あうもんAI」は、グリーエックスが提供する店 舗支援ソリューション「aumo Biz」や「QUANT for Shops」といったマーケティング支援サービス の運用をAIが代替することで、工数負荷を最小限 に抑えながら、最適な集客効果を引き出すAIエー ジェントです。各サービスの利用時に、店舗事業 者の皆様が使い慣れたLINEにて機能を提供してい
きます。 3
目次・アジェンダ • GenAIOpsってなに? • GenAIOpsにおける7つの要素 ◦ アプリケーション開発 ◦ 外部データの管理 ◦
インプットの前処理 ◦ プロンプトのデザイン ◦ 外部リソースの接続管理 ◦ アウトプットの評価 ◦ フィードバックループ • まとめ 4
GenAIOpsってなに? 5
LLMOps GenAIOps 対象 モデル運用 (MLOpsの延長) 体験全体 要素 データ モデル プロンプト
ツール接続 UX 指標 モデル指標 体験品質(SLO/コスト/安全性) GenAIOpsってなに? GenAIOps = モデル運用の外側まで含めた「生成体験の運用」 6 諸説あるもん。まだ新しい概念だもん!
GenAIOpsにおける7つの要素 7
GenAIOpsにおける7つの要素 8 アプリ開発 前処理 外部データ プロンプト ツール接続 評価 FBループ
アプリケーション開発 • 非同期化: APIは 202+jobId 返却/SQSでキュー管理 • 冪等・再実行: 自動リトライ/DLQ •
観測性: jobId で横断追跡 jobの種類ごとにコストを可視化 9 あうもんはGoでできてるもん LLMは遅い&揺れる 非同期・冪等・見える化で包む
• 🙅自由入力→🙆構造化された入力の誘導 • 不要な情報の除去 • 不適切な入力をLLMに送らないための early return 良い出力=良い入力 インプットの前処理
10 良い出力を実現するには良い入力が欠かせないもん!
外部データの管理 11 データをLLMに渡しやすくすることもGenAIOpsの役割! 自社データ(読者行動・店舗)を セキュアかつシームレスにLLMへ渡す aumo データ 整形 抽出
プロンプトデザイン 12 世に言うプロンプトエンジニアリングだもん • 目的適合:用途ごとにプロンプトを最適化 (ClaudeはXMLのセクション分けが安定) • 構造化出力:タグで出力スキーマを明示して揺 れを減らす (例:summary,
tags など) • 管理:テンプレを命名・変数化・バージョン (例:prompt.review.v2) モデル×目的に合わせ XMLで“やること/ルール/出力”を固定
外部リソースの接続 13 現実世界とつながるもん! • 目的:LLM経由でDB操作や自社データの 分析を実行 • 手段:アダプタとしてAWS Lambdaを呼び 出す
• 利用形態:Amazon Q Developer × Slack 連携で、社員がSlackからあうもんを操作 LLM単体はテキスト生成 ツール接続で“できること”を増やす
アウトプットの評価 14 安定した出力を得られなければサービスとは呼べないもん! • 形式検証:出力フォーマットを厳格バリ デーション(必須項目/型/範囲) • 内容評価:別のLLMで評価し、基準に満た ない場合は差し戻し •
継続運用:基準・閾値をテンプレ化し、 再生成/人手確認への分岐を用意 バリデーション+二次評価+運用で安定化
フィードバックループ 15 フィードバックループでどんどん賢くなるもん! • 何を集める:明示評価/暗黙指標をイベン ト化 • どう貯める:ユースケース×入力×出力×評 価をスキーマで保存 •
どう使う:良/悪例とガイドをRAGへ投 入、few-shot/禁止語として参照 再学習なしでも回す FBは外部データ化→RAGなどで反映
まとめ 16
7つの要素を「運用の3実践」に束ねる 17 GenAIOpsを理解して、AI活用を進めるもん! 包む・つなぐ・測る = GenAIOpsの骨格 包む つなぐ 測る アプリ開発
前処理 外部データ プロンプト 外部リソース 評価 FBループ
ご清聴ありがとうございました 18
None