モノレポのサイズを削減して開発者の生産性を向上させる
- 87GBのモノレポを20GBに77%削減し、クローン時間を1時間以上から15分未満に短縮
- Gitのパス末尾16文字に基づくデルタ圧縮の仕組みが、i18nのディレクトリ構造と相性が悪く肥大化を招いていた
- リポジトリをプロダクションインフラと同様に扱い、監視と段階的なロールアウトで安全に改善できる
Dashの関連性判定をDSPyで最適化した方法
- DSPyでLLMの関連性評価プロンプトを自動最適化した
- 人間の評価との誤差を45%削減し、出力フォーマットエラーも97%減少
- モデル切り替えのたびに手動調整する手間を数日に短縮できる
LLMを活用して人手によるラベリングを強化し、Dashの検索関連性を向上させる
- Dropbox Dashは検索結果を関連性の高い順に並べるAIを活用しています。
- 人間が教えた少量の正解をLLMで大量に増やしてAIの学習に利用します。
- 膨大な社内資料の中から、必要な情報を迷わず正確に見つけ出せます。
未来を築く：Dropbox 2025年夏季インターンシップ生の紹介
- Dropboxは2025年のインターンシッププログラムで43名のインターンを迎え、多様なバックグラウンドを持つ学生が参加した。
- インターンはAIを活用したDropbox Dashの開発支援や、既存システムの改善など、実用的なプロジェクトに貢献した。
- Dropbox Dashや各種プラットフォームの改善を通じて、インターンはスキルアップし、Dropboxの成長に貢献した。
Dropbox DashのリアルタイムAIを支えるFeature Storeについて
- Dropbox Dashは、ファイル、チャット、社内コンテンツをAIで理解し、より効率的な作業を可能にする機能を提供する。
- Dashの検索ランキングシステムは、リアルタイム機械学習によるデータ分析と、特徴量を管理する「特徴量ストア」を核としている。
- ユーザーの行動を反映した最新のデータを取り込み、高速な検索を実現することで、Dropbox Dashの価値を高める。
Dashにおけるナレッジグラフ、MCP、DSPyの活用方法について - Engineering VPのJosh Clemm氏
- 多くの人が複数のタブやSaaSアプリのアカウントを持ち、情報を見つけるのが困難になっている。
- Dropbox Dashは、Dropboxと他のアプリを連携させ、検索や質問、作業を効率化するAIツールである。
- Dropbox Dashは、コンテンツ理解、知識グラフ、インデックス検索などを活用し、企業規模で情報を整理・活用する。
AIとエンジニアリング生産性に関するエグゼクティブ・ラウンドテーブルからの考察
- Dropboxは、顧客への価値提供を早めるため、エンジニアリングの生産性向上に注力している。
- AIツール活用は、ビジネス成果と結びつける必要があり、DropboxはAI導入を組織全体で優先している。
- AIによる生産性向上を、具体的なビジネス成果に結び付ける方法が今後の課題と認識されている。
低ビット推論が実現する効率的なAI
- 大規模な機械学習モデルの進化と、その実行に必要な計算資源の増大が課題となっている。
- モデルの効率化のため、低ビット推論という技術が注目され、Dropboxでは製品に活用されている。
- 量子化という手法でモデルの精度を保ちつつ、メモリ使用量や計算負荷を軽減し、性能向上を目指す。