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
LayerXのApplied R&D
Search
shibuiwilliam
July 24, 2025
Technology
2
50
LayerXのApplied R&D
2025年7月に立ち上げたLayerXのApplied R&Dチームについて
shibuiwilliam
July 24, 2025
Tweet
Share
More Decks by shibuiwilliam
See All by shibuiwilliam
生成AI時代のデータ基盤
shibuiwilliam
6
4.4k
LLM時代の検索とコンテキストエンジニアリング
shibuiwilliam
3
1.5k
AI人生苦節10年で会得したAIがやること_人間がやること.pdf
shibuiwilliam
1
360
LLM時代の検索
shibuiwilliam
3
1.1k
生成AIを作るエンジニアリングと使うエンジニアリング
shibuiwilliam
2
120
AI Agentのキャッシュ、再利用、Ops
shibuiwilliam
2
130
生成AIのためのデータ収集とデータエンジニアリング
shibuiwilliam
5
690
LLMで推論するライブラリを整理する
shibuiwilliam
6
1.8k
生成AIの研究開発を事業につなげる データ、仕組み、コミュニケーション
shibuiwilliam
2
130
Other Decks in Technology
See All in Technology
非同期処理実行基盤 Delayed脱出 → Solid Queue完全移行への旅路。
srockstyle
3
1.3k
WebアプリケーションのUI構築で気を付けてるポイント
tomokusaba
0
160
Modern_Data_Stack最新動向クイズ_買収_AI_激動の2025年_.pdf
sagara
0
130
"複雑なデータ処理 × 静的サイト" を両立させる、楽をするRails運用 / A low-effort Rails workflow that combines “Complex Data Processing × Static Sites”
hogelog
3
1.3k
Azure SynapseからAzure Databricksへ 移行してわかった新時代のコスト問題!?
databricksjapan
0
110
生成AIを活用したZennの取り組み事例
ryosukeigarashi
0
170
2重リクエスト完全攻略HANDBOOK / Double Request Handbook
shoheimitani
5
7.1k
Goのビルドシステムの変遷 / The history of Go's build system
ymotongpoo
12
3.4k
ZOZOのAI活用実践〜社内基盤からサービス応用まで〜
zozotech
PRO
0
130
BirdCLEF+2025 Noir 5位解法紹介
myso
0
150
ユニットテストに対する考え方の変遷 / Everyone should watch his live coding
mdstoy
0
100
データエンジニアがこの先生きのこるには...?
10xinc
0
400
Featured
See All Featured
Building Adaptive Systems
keathley
43
2.8k
GraphQLとの向き合い方2022年版
quramy
49
14k
YesSQL, Process and Tooling at Scale
rocio
173
14k
Intergalactic Javascript Robots from Outer Space
tanoku
273
27k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
252
21k
Code Review Best Practice
trishagee
72
19k
Java REST API Framework Comparison - PWX 2021
mraible
33
8.8k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
194
16k
The Art of Programming - Codeland 2020
erikaheidi
56
14k
Improving Core Web Vitals using Speculation Rules API
sergeychernyshev
18
1.2k
Measuring & Analyzing Core Web Vitals
bluesmoon
9
600
Embracing the Ebb and Flow
colly
88
4.8k
Transcript
© LayerX Inc. LayerXのApplied R&D -業務と⾃動化- 2025/07/24 LayerX AI‧LLM事業部 LLM、検索、R&Dチームマネージャー
Yusuke Shibui
⾃⼰紹介 shibui yusuke • いろいろ → Stability AI → LayerX(いまここ)
• MLOpsコミュニティ運営 • MLOps & データ & バックエンド & インフラ & その他諸々エンジニア • LLM, 検索, R&Dチームのマネージャー • 最近やりたいこと ⽣成AIの⽣成AI以外のエンジニアリング • Github: @shibuiwilliam • FB: yusuke.shibui cat : 0.55 dog: 0.45 human : 0.70 gorilla : 0.30 物体検知
shibui yusuke • ⽂系⼤学院卒 専攻はイギリスの歴史 • 2009年 新卒でSIerに⼊社し、クラウドを作る ‧‧‧数回転職 • 2014年 クラウドからML/AIやML基盤に鞍替え •
2018年 メルカリでML基盤チームのマネージャー • 2021年 『機械学習システムデザインパターン』執筆 • 2022年 『機械学習システム構築実践ガイド』執筆 ‧‧‧数回転職 • 2023年 Stability AIで⽣成AIとマルチモーダルデータ基盤 • 2025年 LayerX⼊社 略歴
機械学習を本番システムに組み込む方法を デザインパターンとして整理! 機械学習を組み込んだ本番システムを 実際にハンズオンで作る! 【共著】大企業からスタートアップまで、 MLOpsの実践例を集約! 乞うご期待! Under development
⽬次 Agenda 業務の⾃動化と⾃動⽣成 Applied R&Dの狙い Q&A
業務の⾃動化と⾃動⽣成
© LayerX Inc. 7 業務とは 研究室で研究書を買う業務 購⼊申請 予算管理 承認 購⼊
記録 本が届く 貸出記録
© LayerX Inc. 8 システム化とは 購⼊業務を⾃動化 購⼊申請 予算管理 承認 購⼊
記録 本が届く 貸出記録
© LayerX Inc. 9 マニュアル システム化 すべてがシステム化されるとは限らない つぎはぎで⾃動化されるケースは⾮常に多い 予算管理 承認
購⼊ 記録 本が届く 貸出記録 購⼊申請
© LayerX Inc. 10 マニュアル or システム システム化 すべてがシステム化されるとは限らない 受注処理
在庫管理 発送処理 売上処理 顧客管理 違う書式の書類を統⼀することも難しいし、すべてを⾃動的に処理することも難しい 購⼊申請 違う書式や⼿順を ⼈間がカバー
© LayerX Inc. 11 マニュアル or システム システム化 すべてがシステム化されるとは限らない LLMの強みは多様なドキュメントを解釈して処理できること
© LayerX Inc. 12 Ai Workforceとは 「知的単純作業」 ドキュメントワークの多くは、思考⼒‧集中⼒が必要であり、その業界‧業務の専⾨性が必要である。 ⼀⽅、正解が決まっていてクリエイティビティがなく、「早く終わらせる」以外に差別化が乏しい。 毎回同じことの繰り返しで
やりがいがない 必要なファイルを探すのに 時間がかかる 自分以外に 引き継げる人がいない
© LayerX Inc. 13 現時点ではプロンプト、ワークフローを⼿作業で開発している 【R&D】プロンプト、ワークフロー⾃動⽣成
© LayerX Inc. 14 【R&D】プロンプト、ワークフロー⾃動⽣成 ⼈間⽤の業務ルールをAI⽤の業務ルールにうまく変換できるのか? ⼈間⽤の業務ルール Input Search LLM
LLM Code Output AI⽤の業務ルール
© LayerX Inc. 15 AFlow: Automating Agentic Workflow Generation https://arxiv.org/pdf/2410.10762
【R&D】プロンプト、ワークフロー⾃動⽣成 • LLMによる複雑なタスクを解くための Agentic Workflowを⾃動⽣成するフ レームワーク。 • コードで表現されたワークフローの広⼤ な探索空間をモンテカルロ⽊探索 (MCTS)で効率的に探索、最適化。 • ノード、コードベースのエッジおよびア ンサンブル、Review&Revise等の事前定 義されたオペレーターを組み合わせたフ レームワーク。
© LayerX Inc. 16 HALO: Hierarchical Autonomous Logic-Oriented Orchestration for
Multi-Agent LLM Systems https://arxiv.org/pdf/2505.13516 【R&D】プロンプト、ワークフロー⾃動⽣成 • 階層的な推論アーキテクチャに基 づく協調的マルチエージェントフ レームワーク。 • Adaptive Prompt Refinement、 Hierarchical Reasoning Stack、 Workflow Search Engineの3段階 で複雑なタスク適応と解決を実 現。
Applied R&Dの狙い
© LayerX Inc. 18 研究と実⽤化 Applied R&D 実⽤化 研究 新発⾒
発明 仮説検証 論⽂執筆 アルゴリズム 独⾃性 ビジネス ユーザ価値 安定運⽤ 実⽤性 UI/UX テスト
© LayerX Inc. 19 研究と本番システムの間を埋める Applied R&D 品質と安定性 ドメイン適⽤ データ
謎のパラメータ 本番サービス
© LayerX Inc. 20 ソフトウェア‧プロダクトが取りうる選択肢は限られている Applied R&D 既存技術 R&D領域
© LayerX Inc. 21 Applied R&D 企業が取りうる技術的選択肢を増やす ワークフローエンジン ドキュメント管理 マスキング
実⽤化済み
© LayerX Inc. 22 Applied R&D 企業が取りうる技術的選択肢を増やす ワークフローエンジン ドキュメント管理 マスキング
実⽤化済み 研究領域の課題 ⾃動⽣成 マルチモーダル 固有表現抽出
© LayerX Inc. 23 Applied R&D 企業が取りうる技術的選択肢を増やす ワークフローエンジン ドキュメント管理 マスキング
実⽤化済み 研究領域の課題 ⾃動⽣成 マルチモーダル 固有表現抽出 新たな価値 ワークフロー 提供効率化 ⾼度な ドキュメント 検索‧管理
© LayerX Inc. 24 Applied R&D 企業の基盤となる研究および技術的な⼟台を育てる ワークフローエンジン ドキュメント管理 マスキング
実⽤化済み 研究領域の課題 ⾃動⽣成 マルチモーダル 固有表現抽出 新たな価値 ワークフロー 提供効率化 ⾼度な ドキュメント 検索‧管理 ソフトウェアエンジニア スクラム開発 チームマネジメント 先⾏研究調査 検証計画 研究プロセスの⽅法論化 研究の再現性とツール化 知⾒化と実践 実⽤化までの経験
© LayerX Inc. 25 Applied R&D 研究および技術的な⼟台を育てることを仕組み化する 研究領域の課題 ⾃動⽣成 マルチモーダル
固有表現抽出 新たな価値 ワークフロー 提供効率化 ⾼度な ドキュメント 検索‧管理 先⾏研究調査 検証計画 研究プロセスの⽅法論化 研究の再現性とツール化 知⾒化と実践 実⽤化までの経験 R&D 実⽤化
© LayerX Inc. 26 Applied R&D AIとソフトウェアをベースにしたプロダクトのためのR&Dを安定的に⾼速化するため、R&Dのための ソフトウェア基盤とDevOpsを実現したい。 [やりたいこと] DevOps
for Research AI4Research: A Survey of Artificial Intelligence for Scientific Research: https://arxiv.org/pdf/2507.01903v1 R&D 実⽤化
© LayerX Inc. 27 Applied R&D ⽬標:短期的には実⽤上の課題を深い技術で解く、⻑期的にはLLM/AI Agentの次を最速で実⽤化する [やりたいこと] LayerXのApplied
R&D ビジネス、 プロダクトの課題 知財‧ ツール化 データ 先⾏研究 課題への Deep Dive 解き⽅の 仕組み化 課題や研究 への審美眼 LLM/AI Agentの限界 新たなプロダクト ビジネス経験 DevOps for Research
Any questions?
LayerXのApplied R&D -業務と⾃動化- ありがとうございました!