QCon SF 2025：AI時代のシステム設計、NetflixやMetaの実践知から学ぶアーキテクチャの最前線

現代のシニアソフトウェアエンジニアは、確立されたパターンがないままAIアーキテクチャの設計と検証に直面し、デリバリーのプレッシャーの中でシステムをモダナイズし、コア技術が進化し続ける中で長期的な技術的決定を下すことを求められています。AIの導入がベストプラクティスの出現よりも速いペースで加速する中、チームは実験的なフレームワークではなく、本番システムからの検証済みパターンを必要としています。概念的なギャップではなく、実装のギャップです。具体的には、信頼性の高いAIインフラストラクチャを大規模に構築するにはどうすればよいか？エージェンティックシステムのリスクをどのように軽減するか？1億ユーザー規模の本番RAGパイプラインはどのようなものか？QCon San Francisco 2025は、これらの問題に既に本番環境で取り組んできた実践者たちを集結させます。セッションでは、Netflix、Meta、Intuit、Anthropicなどのチームからのアーキテクチャ上の決定、実装上の制約、そして学んだ教訓に焦点を当てます。

AIシステム構築における実践知：QCon SF 2025のセッションから

QCon San Francisco 2025では、AI分野の専門家たちが、理論よりも実践に重きを置いたセッションを行います。シニアエンジニアは、AIの基本概念に関する講演ではなく、「本番グレードのインフラストラクチャをどのように構築するか？」「エージェンティックシステムのためにアーキテクチャをどのように検証するか？」といった具体的な疑問への答えを求めています。これらのセッションは、既にこれらの課題を解決した経験を持つ人々からの知見を提供します。

GenAIインフラストラクチャを1億ユーザー規模で実現する

MetaのAIプラットフォーム担当グループプロダクトマネージャーであるMaggie Hu氏と、IntuitのAI基盤担当ディスティンギッシュドエンジニアであるMerrin Kurian氏は、彼らの本番スタック、特にベクトルストア、プロンプト管理、RAGパイプラインについて解説します。これは、大規模なAIサービスを運用する上で直面する技術的課題と、それらを克服するための具体的なソリューションを示唆しています。

エージェンティックシステムのアーキテクチャトレードオフ

AnthropicのClaude Codeチームに所属するAdam Wolff氏は、同社初のプロジェクトにおけるアーキテクチャ上のトレードオフを共有します。このプロジェクトでは、エージェントによるソフトウェア開発の加速が図られています。「スピードが複雑さに勝る」というテーマが、エージェンティックシステム設計における重要な指針となることを示唆しています。

AI組織の能力をスケーリングするための実践的ブループリント

ZooxのZoox Intelligenceを率いるAmit Navindgi氏は、AI能力と開発者の生産性をスケーリングするためのデザインパターンと実践的なブループリントを提供します。これは、AI技術の導入だけでなく、それを組織全体で効果的に活用するための戦略が不可欠であることを示しています。

本番環境LLMのためのトレーニング後技術

PinterestのGenAI検索リードであるFaye Zhang氏と、Googleの元GenAIソリューションアーキテクトでVeris AI共同設立者のAndi Partovi氏は、LLMを本番環境で機能させるための具体的な技術について解説します。これにより、LLMの導入が単なる実験に留まらず、実用的な価値を生み出すためのノウハウが共有されます。

信頼性のためのAIプラットフォーム設計

NVIDIAのDGX Cloud Applied AI LabのシニアマネージャーであるAaron Erickson氏は、決定論的なツールと探索的なエージェントのバランスを取るプラットフォームの設計について論じます。これは、AIシステムの柔軟性と安定性を両立させるためのアーキテクチャ設計の重要性を示唆しています。

メタ広告生成における強化学習の活用

MetaのMonetization GenAIにおけるRLリードであるAlex Nikulkov氏は、強化学習を用いて広告生成を改善した事例を紹介します。これは、AIの応用範囲の広さと、特定の課題解決のための高度な機械学習技術の有効性を示しています。

生産性向上のためのAIコパイロット選定フレームワーク

CoinbaseのMLプラットフォームエンジニアであるSepehr Khosravi氏は、AIコパイロットの評価と選定のためのフレームワークを提供します。これは、組織が最適なAIツールを導入し、生産性を最大化するための実践的な指針となります。

AI時代におけるアーキテクチャ設計の進化と課題

QCon San Francisco 2025のセッション群は、AI技術の急速な進化が、従来のソフトウェアアーキテクチャ設計に根本的な変革を迫っている現実を浮き彫りにしています。特に、シニアエンジニアが直面する「確立されたパターンがない」という状況は、AIという未知の領域への挑戦がいかに高度な適応能力と実践的な知見を要求するかを示しています。本カンファレンスは、単なる技術紹介に留まらず、NetflixやMetaといった先進企業が実際のプロダクション環境で直面した課題とその解決策に焦点を当てることで、参加者にとって極めて実践的な価値を提供します。

AI開発の保護とリスク管理の重要性

AWS Agentic AIのSriram Madapusi Vasudevan氏は、AIパイプラインの脅威モデリング、機密データの保護、プロンプトインジェクションの検出、生成されたコードの検証といった、AI開発におけるセキュリティリスクへの対処法について解説します。AI機能が急速に開発・展開される現代において、これらのセキュリティ対策は、システムの信頼性と安全性を確保する上で不可欠な要素となるでしょう。AIの進化は、新たなセキュリティ上の脆弱性も生み出すため、開発ライフサイクル全体でのリスク管理がこれまで以上に重要になっています。

大規模システムにおけるプラットフォームエンジニアリングの進化

UberのDhruva Juloori氏は、複数の言語で書かれたモノレポ全体でCI（継続的インテグレーション）をグリーンに保つためのシステムについて説明します。また、NetflixのCasey Bleifer氏は、ポリグロット環境全体でソフトウェアを最新かつ安全に保つための自動化されたアプローチを共有します。これらのセッションは、複雑化するシステム環境において、プラットフォームエンジニアリングがどのように進化し、開発者の生産性を維持・向上させながら、システムの信頼性とセキュリティを確保しているかを示しています。

ミッションクリティカルなプラットフォームの持続可能性とモダナイゼーション

American ExpressのMatthew Liste氏は、20年以上にわたるインフラストラクチャ構築の経験から、ミッションクリティカルなプラットフォームを長期的に維持するための教訓を共有します。NetflixのVidhya Arvind氏とShawn Liu氏は、大規模なデータ削除プラットフォームのアーキテクチャについて解説します。LinkedInのNishant Lakshmikanth氏は、10億ユーザーにサービスを提供するレコメンデーションシステムのモダナイゼーションについて語ります。これらの事例は、AI技術の導入以前から存在していた、大規模でミッションクリティカルなシステムをいかに安定稼働させ、進化させ続けるかという普遍的な課題に対する、先進的なアプローチを示しています。AIはこれらのシステムに新たな能力をもたらしますが、その基盤となるアーキテクチャの信頼性、スケーラビリティ、保守可能性といった要素は、依然としてシステムの成功の鍵となります。

The conference takes place from November 17–21, 2025. Early bird pricing ends November 11.