牛上 貴司｜AI実行基盤としてVDIを再定義する人

Global Azure 2026 Kansai に登壇しました！ AVD × Copilot Cowork 「AIエージェントを どこで 動かすか？」という視点で、 AVDを“実行基盤”として捉える話をしています。 セキュリティ／コスト／ガバナンスをどう両立するかに興味ある方はぜひ👇 #GlobalAzure #AVD #Copilot docswell.com/s/tushigami/ZG…

@nogushu いらっしゃいませ〜〜

久々の品川本社へIN

AVD設計で見落としがちなポイント。 セッションホストは Azure内部IP(169.254.169.254 / 168.63.129.16)への接続が必須。 これをVPNやプロキシ経由にすると失敗します。 「通信は許可しているのに動かない」 の原因、ここにあること多いです。 #AzureVirtualDesktop #AVD learn.microsoft.com/ja-jp/azure/vi…

AzureでのRAGリファレンスとして良記事 ・Doc Intelligenceで構造化 ・Embedding→Search(ハイブリッド) ・Agentが検索結果を統合して回答 Retrieval→Augment→Generateを Foundryでどう実装するかが具体化されています #Azure #RAG #AI開発 techcommunity.microsoft.com/blog/azuredevc…

@ag0u3 お願いします！　何時かしらんけどw

@tushigami 風月いこいこー！ 予約した方がよい？

@tushigami 5/30 か 5/31 に大阪か名古屋で夕飯行きませんかー？ (オープンに誘ったら断りにくいかなーって思って)

@ag0u3 風月でw

@tushigami じゃー、30 にしよっかー。 おこのみ焼きと焼き肉どっちがいい？

Work IQは[Data][Context][Skills]の3層構造 M365データ＋セマンティック理解＋ツール実行で Copilotの応答を業務レベルに引き上げる設計 単なるRAGではなく「行動」まで含む点が重要 #Copilot #WorkIQ #AIアーキテクチャ techcommunity.microsoft.com/blog/microsoft…

もう、KQLいらんやん！ Observability Agentが自然言語入力をクエリに変換し、複数ソースを横断解析。 ログ/メトリック/依存関係まで一括で追えるのは実運用で効きそう。 Deep Investigation連携もポイント #AzureMonitor #Copilot #sreenivasakavyanam techcommunity.microsoft.com/blog/azureobse…

AI時代のセキュリティは単機能では成立しない データ、ID、脅威、コンプライアンスが一体で動く前提に変わった 特にシャドーAIとデータ漏洩リスクは現場でも無視できない 統合されたセキュリティ設計が必須という整理は納得感高い #Security #AI #ゼロトラスト techcommunity.microsoft.com/blog/coreinfra…

AIエージェントは「どこまで自動化するか」より 「どこを人に任せるか」が重要になります。 ヒューマン・イン・ザ・ループのパターン設計は実務で使える視点が多いです！ #Foundry #生成AI techcommunity.microsoft.com/blog/azure-ai-…

Azure FilesでEntra IDのみの認証がGA ADやハイブリッド同期が不要になり、構成がかなりシンプルに！ AVDやプロファイル管理のクラウドネイティブ化が一歩前進。現場的にも影響大きいアップデートです #AzureFiles #AVD azure.microsoft.com/en-us/blog/azu…

AIによるセキュリティが次の段階へ。 MicrosoftのMDASHは、[スキャン→議論→検証→証明]を 役割分離したエージェントで実行し、誤検知ゼロ＋高再現率を実現。 単一LLMでは難しい推論を分散させる設計。 セキュリティ運用にも示唆が多いです。 #DevSecOps #AIセキュリティ blogs.windows.com/japan/2026/05/…

ヒューマン・イン・ザ・ループのメリットはAIを実務レベルに引き上げる点。精度・安全性・信頼性を担保しつつ、人のフィードバックで継続的に改善。完全自動ではなく“監督付きAI”にすることで企業利用が成立する。 #Opal cloudou.net/copilot/copilo…

LLMは指示とデータを区別できない。 シボレー販売店の1ドル事例は、その弱点が業務に直結した例です。 だからPrompt Shieldsのような多層防御を、アプリ設計に最初から組み込む必要があります。 #AzureAI #LLM設計 techcommunity.microsoft.com/blog/azure-ai-…

Azureのルート広告で地味に効く新機能 Hub&Spoke構成で増えがちなprefixを集約してオンプレに広告可能になりました～ ExpressRoute/VPNのprefix制限に当たりやすい環境では有効そうです。設計の自由度が上がるのは良いですね！ techcommunity.microsoft.com/blog/azurenetw…

「何もしてないのに壊れた」は、人間が現象ベースで問題を認識する自然な結果。 観測できるのは結果だけで原因には直接辿れない。 生成AI時代でも、エンジニアの価値はその曖昧な問いを構造化することにある。 #生成AI #エンジニア

AI Guardianという設計コンセプトを提案 Shadow AIやプロンプト攻撃などのリスクに対し AI利用を可視化し、多層で守るアプローチを整理している。エンタープライズAI時代のガードレール設計の参考になる。 #AIセキュリティ techcommunity.microsoft.com/blog/azureinfr…

RAGでも“自信満々な誤答”は起きる 重要なのは精度だけでなく「答えない判断」 ・検索信頼度評価 ・引用検証 ・回答拒否 3層で信頼性を担保する設計は実運用で効きます techcommunity.microsoft.com/blog/azuredevc…

Copilot関連の公式情報が一か所に整理されているラーニングハブが公開されています。 製品別のドキュメントやトレーニング、導入ガイダンスまで横断的に確認可能。 まずはここから全体像を掴むのが効率的です。 #Copilot #Microsoft #documentation" target="_blank" rel="nofollow noopener">learn.microsoft.com/ja-jp/copilot/…

AIの大規模学習って、1台遅いだけで全体が待たされる。 だからネットワークの小さな障害がそのまま処理停止につながる。 Azureは「壊れる前提」で 複数経路に分散して止まらない設計。ここが、スケールすればするほど効いてくるポイント！ #AIインフラ techcommunity.microsoft.com/blog/azurehigh…