開発者 (3)

構造化データがシステムに存在するものの、そのデータを顧客、パートナー、関係者向けに適切な形式のドキュメントに変換するには手作業が必要であるという共通のボトルネックに、さまざまな業界の組織が直面しています。チームは、システム間でデータのコピー...

検索拡張生成 (RAG) は、生成AIモデルをドキュメントストアの外部のナレッジで補完する一般的な手法です。モデルは、内部のトレーニングデータのみを使用するのではなく、ナレッジベースから関連するコンテンツ (チャンク)…

Box Hubs APIに関連する新しいエンドポイントを発表しました。このBox Platformの強化により、企業全体でコンテンツを整理するためのBoxのソリューションであるBox…

AIを活用したワークフローは、反復タスクの自動化によって業務に変革をもたらし、効率を向上させます。これにより、組織は、膨大な量のデータを前例のない速度と規模で処理し、意思決定を促進するインサイトを抽出してパターンを明らかにできるようになりま...

組織では、さまざまなプラットフォームに散らばったドキュメントがあふれています。社内のドキュメントを検索するだけでなく、実際にその内容を理解し、会話形式のインテリジェントな応答を提供するAIエージェントを作成できるとしたらどうでしょうか。

Box管理者はDeveloperサンドボックスを使って、追跡可能な正規の方法でサンドボックス環境を管理できます。Developerサンドボックスでは、開発者がBox上でアプリケーションを開発およびテストできます。

Box UI Elementsのスタイル設定およびカスタマイズの方法 最近のリリースで、Boxは、特定のBox UI …

Box AI抽出エージェント (強化) …

大規模言語モデル (LLM) の機能と構造化されたワークフローやクラウドストレージAPIを組み合わせることで、クラウドに保存されたドキュメントを分析、処理し、インサイトを生成できるインテリジェントなシステムを作成できます。

この記事では、Pydantic AIを基盤として活用した、Box MCPサーバーからBoxのドキュメント生成機能を使用するインテリジェントなエージェントを構築する方法を紹介します。

この記事では、LangChainのツールインターフェースを使用したBoxエージェントの作成がいかに簡単であるかを紹介します。わずか数行のPythonコードによって、AIモデルでBoxコンテンツの検索、ファイルの読み取り、構造化データの抽出、...

AIエージェントの最も興味深い側面の1つは、エージェントが必要なデータを必要なときにどこで取得するかを決定できるように、エージェントに複数のデータソースを指定できることです。世の中で必要とされる主なデータの種類の1つが非構造化データで、Bo...