コンテンツにスキップ

AI / Engineering Digest — 2026-09-24

9870 件中 27 件選別、詳細要約（落合式）8 件＋短冊 15 件。実用 AI 活用 21 件、ハーネス系 2 件。

詳細要約（落合式）

1. Agentic conversational video intelligence built on AWS — AWS ML Blog

どんなもの？ AWS上で構築されたエージェント型ビデオインテリジェンスは、自然言語での質問に迅速に回答を提供する。

先行手法との違い 従来の手法では特定の質問タイプごとにカスタムMLパイプラインを構築する必要がありましたが、本システムは単一のAIエージェントが複数のAWSサービスを動的に呼び出すことで、効率的に対応します。

技術のキモ このシステムは、ユーザーがアップロードしたビデオに対して自然言語で質問を行い、エージェントが必要なAWSサービスを選択して応答を生成します。これにより、各質問タイプごとに固定のパイプラインを構築する必要がなくなり、柔軟性が向上します。自分のClaude Code運用に転用する場合、同様のエージェントアーキテクチャを利用して、特定のビデオデータに対する質問応答システムを構築できます。

評価 顧客の内部比較によると、200以上のマルチ時間録画に対して手動レビュー時間が約80%削減されました。

議論点 このシステムの導入により、ビデオデータの分析が大幅に効率化されますが、AIの判断に依存することで生じる誤解や誤った情報のリスクについても議論が必要です。

次に読む - 3. Evaluate skill-equipped agents with Strands Evals and Amazon Bedrock AgentCore — AWS ML Blog - 4. How Reactiv automates mobile commerce 80% faster with Amazon Bedrock AgentCore — AWS ML Blog - 6. How Trane gets building insights 60x faster with Amazon Bedrock AgentCore — AWS ML Blog

2. Use open weight models as your AI coding agent with Amazon Bedrock — AWS ML Blog

どんなもの？ Amazon Bedrockを用いたオープンウェイトモデルによるAIコーディングエージェントの活用法を解説。

先行手法との違い 従来のプロプライエタリモデルと異なり、オープンウェイトモデルはコスト効率やカスタマイズ性に優れ、データを自社内に保持できる点が大きな違いです。

技術のキモ オープンウェイトモデルは、特定のドメインに特化したタスクでのパフォーマンス向上を実現します。特に、Amazon Bedrockを利用することで、インフラ管理の手間を省きつつ、必要なモデルを柔軟に選択できます。自分のClaude Code運用においても、オープンウェイトモデルを活用することで、コストを抑えつつ高性能なコーディング支援が可能です。

評価 CrowdStrikeのNVIDIA Nemotronは、96%の有効クエリアキュラシーを達成し、GPT-4oやClaude Sonnet 4.5を上回る性能を示しました。

議論点 オープンウェイトモデルの導入に際しては、モデルの選定やカスタマイズの難しさ、また新たなモデルの登場に対する適応力が求められます。これらの点については、今後の議論が必要です。

次に読む - 2. Engineering a security harness for AI coding agents | Blog | Endor Labs — Endor Labs - 3. Evaluate skill-equipped agents with Strands Evals and Amazon Bedrock AgentCore — AWS ML Blog - 4. How Reactiv automates mobile commerce 80% faster with Amazon Bedrock AgentCore — AWS ML Blog

3. Advancing Private AI Compute with secure, server-side memory — Google DeepMind

どんなもの？ Google DeepMindがプライベートAIコンピュートにおけるサーバーサイドメモリを導入し、プライバシーを保ちながら持続的なAI支援を実現。

先行手法との違い 従来のAIシステムは、タスク終了時に全てのコンテキストを消去する「ステートレス」だったが、新技術はデバイス間での持続的なメモリを可能にする。

技術のキモ 新しいプライベートAIコンピュートアーキテクチャでは、クラウド上に安全なデジタルボールトを設け、ユーザーのデータは暗号化されて保存されます。データの復号化は、ユーザーのデバイス上でのみ行われ、プライバシーが保たれます。この技術は、AIがユーザーのニーズに応じて長期的なコンテキストを保持することを可能にします。Claude Codeの運用においては、同様のプライバシー保護を考慮したデータ管理が求められます。

評価 著者は、プライベートAIコンピュートがユーザーのプライバシーを保護しつつ、AIの能力を向上させる重要な進展であると評価しています。

議論点 プライバシーとデータ保護のバランスをどのように維持するかが今後の課題です。また、ユーザーがこのシステムに対してどれだけの信頼を持つかも重要な要素となります。

4. 🔬Bio-security is an AI Arms Race - Eric Nguyen (CEO, Radical Numerics) — Latent Space

どんなもの？ AIを用いたバイオセキュリティの進化とその防御戦略を探る記事。

先行手法との違い 従来のバイオセキュリティ手法と異なり、AIを活用した新しいアプローチが生物学的知能の進化を促進し、より高度な防御戦略を必要としています。

技術のキモ 長文コンテキストモデルを用いることで、DNAやRNAの構造を理解し、バイオロジーの問題に対する新しい解決策を提供します。Claude Codeを活用することで、同様のモデルを自分のプロジェクトに適用し、バイオデータの解析や新しい遺伝子の設計に役立てることが可能です。

評価 Eric Nguyenは、現在の防御がこの競争において劣位にあると評価し、Radical Numericsがこのフロンティアをさらに推進する必要があると述べています。

議論点 バイオセキュリティにおけるAIの役割とその倫理的側面についての議論が必要です。また、AIが生物学的知能を進化させることによる潜在的なリスクについても考慮する必要があります。

次に読む - 1. 🔬 An Oscar, Two Asteroids, and the Algorithm in Your sklearn: John Platt on AI for Science — Latent Space - 2. Engineering a security harness for AI coding agents | Blog | Endor Labs — Endor Labs

どんなもの？ GPT-6 Astraは、法律文書を構造化し、文脈を考慮して生成することで、弁護士の戦略的業務を支援します。

先行手法との違い 従来の法律文書作成手法と異なり、GPT-6 Astraは文脈を理解し、より適切な構造を持つ文書を生成することで、弁護士の負担を軽減します。

技術のキモ GPT-6 Astraは、最新の自然言語処理技術を活用し、法律文書の生成に特化したモデルです。これにより、文書の整合性や法的要件を満たしつつ、弁護士がより戦略的な業務に集中できるようになります。自分のClaude Code運用においても、同様の文脈理解を活用することで、より効果的な文書作成が可能です。

評価 著者は、GPT-6 Astraが生成する文書の質が向上し、弁護士の業務効率が大幅に改善されると評価しています。

議論点 AIによる法律文書作成の信頼性や倫理的な問題については、今後の議論が必要です。また、AIが生成した文書の法的効力についても検討が求められます。

6. Ringg’s AI agents resolve up to 65% of customer calls with OpenAI — OpenAI

どんなもの？ RinggのAIエージェントは、GPT-5.6を用いて顧客コールの65%を解決し、コストを90%削減する。

先行手法との違い 従来の手法と比較して、RinggはGPT-4.1に対して大幅なコスト削減を実現し、マルチリンガル対応を強化しています。

技術のキモ Ringgの技術は、GPT-5.6を活用したマルチリンガルAIエージェントの構築にあります。これにより、音声、チャット、WhatsApp、ウェブなど多様なチャネルで顧客対応が可能となり、コストを大幅に削減しています。自分のClaude Code運用においても、同様のマルチリンガル対応のAIエージェントを構築することで、顧客サービスの効率化が図れます。

評価 著者は、RinggのAIエージェントが顧客コールの65%を解決できると評価し、コスト削減効果を強調しています。

議論点 AIエージェントの導入による顧客サービスの質向上や、コスト削減の持続可能性についての議論が必要です。また、マルチリンガル対応の効果や、他の業界への応用可能性についても考慮すべきです。

7. What Is Model Context Protocol (MCP)? A Quick Start Guide. — Monte Carlo

どんなもの？ Model Context Protocol (MCP)は、AIシステムとデータソースを標準化された方法で接続し、信頼性を向上させる技術です。

先行手法との違い 従来のAI統合手法は特定の接続に依存していたが、MCPは標準化されたプロトコルを提供し、異なるAIモデルとデータソースの接続を容易にする。

技術のキモ MCPはクライアント-サーバーアーキテクチャに基づき、AIアプリケーションが外部データソースと相互作用するための標準的な接続を提供します。これにより、特定の接続に依存せず、任意のAIシステムが任意のデータソースに接続できるオープンエコシステムを実現します。自分のClaude Code運用において、MCPを利用することで、異なるデータソースとの接続を一元化し、開発の効率を向上させることが可能です。

評価 MCPは、AIツールの信頼性を高め、開発速度を向上させるための重要な手段として評価されています。特に、企業のAI導入においてデフォルトの選択肢となりつつあります。

議論点 MCPの普及に伴い、他のAIプロバイダーもこのプロトコルをサポートすることを約束していますが、今後の競争や技術の進化がどのように影響するかは注視が必要です。

次に読む - 1. Adoption Went Up. Output Didn’t. — CTO Craft

8. Bringing Private Processing to Meta AI Glasses — Meta Engineering

どんなもの？ MetaのAIグラスは、プライベート処理を通じて個人情報を保護しつつ、日常生活を支援する新しい形のAIアシスタントを提供する。

先行手法との違い 従来のAIアシスタントはデータをクラウドで処理することが一般的でしたが、MetaのAIグラスはプライバシーを重視し、機密コンピューティングを活用してデータを安全に処理します。

技術のキモ プライベート処理は、Metaが開発した機密コンピューティングインフラで、AIグラスがユーザーの個人情報を保護しながら、リアルタイムでコンテキストを理解することを可能にします。これにより、ユーザーのスタイルや好みを学習し、日常生活をより効率的にサポートします。Claude Codeの運用においても、プライバシーを重視したデータ処理の手法を取り入れることが可能です。

評価 Metaは、プライベート処理を通じて、ユーザーのデータがMeta自身にもアクセスできない形で処理されることを強調しており、これによりユーザーの信頼を得ることを目指しています。

議論点 プライベート処理の実装がどの程度のパフォーマンスを維持できるか、また、ユーザーがどのようにこの技術を受け入れるかは今後の課題です。さらに、他のデバイスとの連携や、ユーザーのプライバシーに対する懸念も議論の余地があります。

短冊（タイトル・リンク・要約 15 件）

  • Buyers are pricing model risk; their AI breaches are operational failures — Monte Carlo・重要度 4・industry この記事は、AIセキュリティソフトウェアの需要が高まる中、企業がAIモデルのリスクをどのように評価しているかを探ります。特に、AIシステムが攻撃の標的となる一方で、攻撃者自身もAIを利用している現状が浮き彫りになっており、企業のセキュリティ予算がAI防御にシフトしていることが重要なポイントです。
  • Rendering huge pull requests in the GitHub Copilot app — GitHub Blog (AI & ML)・重要度 4・dev-productivity GitHub Copilotアプリにおける巨大なプルリクエストの表示方法についての記事です。特に、100万行以上の変更を含むプルリクエストを効率的に表示するために、コメントの高さを動的に管理する新しいアーキテクチャを導入したことが強調されています。この技術により、レビュー体験をスムーズに保ちながら、大規模な変更を扱うことが可能になりました。
  • Rendering huge pull requests in the GitHub Copilot app — GitHub Blog (AI & ML)・重要度 4・dev-productivity GitHub Copilotアプリにおける巨大なプルリクエストの表示方法についての記事です。特に、100万行以上の変更を含むプルリクエストを効率的に表示するために、コメントの高さを動的に管理する新しいアーキテクチャを導入したことが強調されています。この技術により、レビュー体験をスムーズに保ちながら、大規模な変更を扱うことが可能になりました。
  • Will TypeSafe’s Jev Change How We Build AI Applications? — O'Reilly Radar・重要度 4・llm-production TypeSafeの新モデル「Jev」は、AIアプリケーションの意思決定プロセスを劇的に変える可能性があります。従来の大規模言語モデル（LLM）に比べて、最大200倍の速度と400倍のコスト削減を実現し、特定の質問に対して迅速かつ安価に回答を提供します。この新しいアプローチは、AIアプリケーションの設計における選択肢を再考させる重要な要素となるでしょう。
  • Offloaded inference for real-world physical AI robotics — Microsoft Research・重要度 4・infra-ml この記事は、物理AIロボティクスにおける推論処理のオフロードの利点について述べています。オンボードGPUに依存する従来のアプローチでは、ロボットの性能やバッテリー寿命が制限されることが示され、エッジやクラウドGPUへのオフロードがタスク成功率や応答性を向上させることが明らかになりました。これにより、ロボットはより長時間の稼働が可能になり、実世界での効果的な運用が期待されます。
  • How Concurrence governs clinical AI at a trillion-token scale with Unity Gateway — Databricks・重要度 4・llm-production この記事は、ConcurrenceがDatabricks上で構築した医療AIの統合データ基盤とUnity Gatewayによるトークン管理について述べています。特に、信頼性の高いデータと厳格なコンプライアンスを維持しながら、毎月約1008億トークンを処理する能力を持つAIエージェントの運用が強調されています。このアーキテクチャにより、医療現場でのエージェントのテストやデータの整合性が確保され、患者ケアの質が向上しています。
  • MCP Is Not Just Another API Standard — O'Reilly Radar・重要度 4・llm-production この記事は、MCP（Model Composition Protocol）が単なるAPI標準ではなく、LLM（大規模言語モデル）との統合において根本的な変化をもたらすことを論じています。MCPは、異なるフレームワークやモデルに依存せず、統一された5つの基本要素を提供することで、従来の複雑な統合作業を簡素化し、運用の効率を向上させることができます。この新しいアプローチは、従来のAPI統合の枠を超え、動的な環境での柔軟な対応を可能にします。
  • Multiplayer AI: Why your team (and its agents) need a group chat — Stack Overflow Blog・重要度 4・dev-productivity この記事は、Slackの新機能「Code Channels」がチームチャットにおけるマルチプレイヤーAIの利点を紹介しています。コーディングエージェントとのやり取りが孤立しがちな中、開発者とエージェントが一緒に作業できる環境を提供することで、コード作成やレビューのプロセスを効率化する可能性があります。
  • Introducing NV-Reason-CT Open 3D CT VLM for Radiologist Chain-of-Thought Reasoning — NVIDIA Developer・重要度 4・llm-production この記事では、NVIDIAが開発した3D CT分析専用のビジョン言語モデル「NV-Reason-CT」について紹介しています。このモデルは、放射線科医の思考過程を模倣し、構造化された診断レポートを生成することで、CTスキャンの解析における多段階の対話を可能にします。従来の2Dモデルでは捉えきれない3次元的な情報を扱うことで、医療AIの信頼性と効率を向上させることを目指しています。
  • Validate GPU Cluster Readiness Before AI Workloads Land — NVIDIA Developer・重要度 4・infra-ml この記事は、AIワークロードを実行する前にGPUクラスターの準備状況を検証する重要性について述べています。NVIDIAのCluster Readiness Engine（NVCRE）は、クラスターの特定のノードをテストし、実際のハードウェアの問題を特定することで、運用者が問題を早期に発見できるようにします。これにより、無駄なダウンタイムを減らし、効率的なリソース管理が可能になります。
  • How SWE-Serve Exposes the Gap Between Local Tests and Live Serving — NVIDIA Developer・重要度 4・llm-production この記事は、AIコーディングエージェントがローカルテストを通過しても、実際のサーバーでのモデル処理時に失敗する可能性があることを示すSWE-Serveについて解説しています。特に、53のタスクを通じて、実際のサーバーでの動作確認が重要であることを強調し、従来のテスト方法とのギャップを明らかにしています。
  • Sam Altman’s remarks at the United Nations Security Council — OpenAI・重要度 3・industry OpenAIのCEOサム・アルトマンが国連安全保障理事会でAIの安全性や人間の制御、国際協力について語った記事です。AI技術の進展に伴うリスク管理の重要性を強調し、国際的な協力の必要性を訴えています。
  • Introducing MentalHealthBench — OpenAI・重要度 3・llm-eval MentalHealthBenchは、現実的なメンタルヘルスの会話における有用で安全なAIの応答を評価するための専門家によるベンチマークです。このツールは、AIがメンタルヘルスに関する対話でどのように機能するかを評価するための基準を提供し、信頼性の高いサポートを目指しています。
  • Vercel Connect now supports TanStack AI — Vercel・重要度 3・tooling Vercel ConnectがTanStack AIをサポートし、OAuth保護されたMCPサーバーへの接続が可能になりました。これにより、ユーザーは認証情報を管理することなく、常に新鮮なトークンでMCPリクエストを行うことができます。この機能は、ユーザーの同意が必要な場合に自動的にリダイレクトを行うため、利便性が向上します。
  • LensVLM: Compressing long context as images, expanding only relevant pages — Hacker News・重要度 3・tooling LensVLMは、圧縮されたテキストの画像をスキャンし、関連するページのみを展開する9Bビジョン言語モデルです。この技術は、情報の効率的な処理を可能にし、特に大規模な文書の解析において有用です。具体的な使用方法やインストール手順が示されており、開発者にとって実践的なリソースとなっています。

🏢 AI組織導入・組織論（詳細 5・短冊 0）

1. From portal-hopping to instant answers: HEMA’s journey with MCP and Amazon Bedrock — AWS ML Blog

どんなもの？ HEMAはAmazon BedrockとMCPを用いて、内部知識を統合し迅速な回答を提供するAIアシスタントHALを構築した。

先行手法との違い 従来のポータル横断型の情報取得から、HALを通じて一元化された知識への迅速なアクセスに移行した点が異なる。

技術のキモ HALは、HEMAの分散した知識を一元化し、MCPを通じて既存のツール内でその知識を提供する。これにより、エンジニアは新たなポータルを訪れることなく、日常的に使用するツールから直接情報を取得できる。自分のClaude Code運用に転用する場合、MCPを利用して異なる情報源を統合し、ユーザーが使いやすい形で提供することが可能になる。

評価 著者は、HALの導入により、情報取得の時間が大幅に短縮され、エンジニアの生産性が向上したと評価している。

議論点 HALの導入により、知識の一元化は進んだが、今後の課題として、アクションレイヤーへの進化や、さらなるユーザーエクスペリエンスの向上が求められる。

次に読む - 3. Evaluate skill-equipped agents with Strands Evals and Amazon Bedrock AgentCore — AWS ML Blog - 4. How Reactiv automates mobile commerce 80% faster with Amazon Bedrock AgentCore — AWS ML Blog - 6. How Trane gets building insights 60x faster with Amazon Bedrock AgentCore — AWS ML Blog

2. Design Engineering with Maggie Appleton — The Pragmatic Engineer

どんなもの？ Maggie AppletonがデザインエンジニアリングにおけるAI活用とプロジェクトの進め方を語る。

先行手法との違い 従来のデザイン手法と異なり、AIを活用することでプロジェクトの初期段階からより効率的なコラボレーションが可能になる点が新しい。

技術のキモ Maggieは、手書きのスケッチを用いてアイデアを迅速に形にすることを重視しており、AIエージェントとの協働を通じてプロトタイプを構築する手法を採用している。自分のClaude Code運用に転用する際は、手書きのアイデアをAIツールに取り込むことで、より直感的なデザインプロセスを実現できる。

評価 Maggieは、デザインとエンジニアリングの共通点を強調し、問題解決が両者の核心であると評価している。

議論点 AIの不安定な能力がデザインプロセスに与える影響や、従来のUIに対する研究者の好みについての議論が残る。

次に読む - 1. 🔬 An Oscar, Two Asteroids, and the Algorithm in Your sklearn: John Platt on AI for Science — Latent Space

3. Grab and OpenAI bring practical AI skills to Southeast Asia — OpenAI

どんなもの？ OpenAIとGrabが東南アジアで30,000のパートナーに実用的なAIスキルを提供するプログラムを開始。

先行手法との違い 従来のAI教育プログラムと異なり、地域特化型で実用的なスキルに焦点を当てている点が特徴。

技術のキモ GO Forward with AIは、AIスキルを実践的に学ぶことを目的としたプログラムで、特に東南アジアのニーズに応じた内容が組まれている。これにより、参加者はAI技術を日常業務に活用できるようになる。自分のClaude Code運用に転用する際には、地域の特性に応じたAIスキルの教育方法を考慮することが重要。

評価 著者は、30,000のパートナーがこのプログラムを通じてAIスキルを習得することに期待を寄せている。

議論点 プログラムの効果や持続可能性については、今後の評価が必要であり、地域ごとのニーズにどれだけ応えられるかが鍵となる。

次に読む - 1. Adoption Went Up. Output Didn’t. — CTO Craft

4. Dropbox CTO Ali Dasdan on moving from AI adoption to transformation — Dropbox Tech

どんなもの？ DropboxのAli DasdanがAI活用の成果を最大化するためのワークフロー見直しの重要性を解説。

先行手法との違い 従来の手法ではAIツールの導入に留まることが多いが、Dropboxは全体のワークフローを見直し、ボトルネックを解消するアプローチを取っている。

技術のキモ AIを活用するためには、単にツールを提供するだけでなく、ワークフロー全体を見直し、適応させる必要がある。Dropboxでは、AIが生成した出力を持続的な生産性向上に結びつけるために、組織全体のインセンティブを調整し、成果を測定するフレームワークを用いている。自分のClaude Code運用に転用する際は、ワークフローの見直しとボトルネックの特定が重要である。

評価 Dropboxでは約70%のコードがAIによって生成されており、業界の他社と比較しても生産性の指標が高い。特に、プルリクエストのスループットは上位5%に位置している。

議論点 AIの導入による生産性向上には限界があり、出力の質や顧客満足度との関連性を測ることが難しい。今後の課題として、AIの効果をどのように定量化するかが挙げられる。

次に読む - 1. Adoption Went Up. Output Didn’t. — CTO Craft

5. Two years of OpenAI Academy — OpenAI

  • URL: Two years of OpenAI Academy
  • 重要度: 3 / テーマ: org-adoption / 対象: manager
  • 実用 AI 活用: — / ハーネス話題: — / 今すぐ使える: —

どんなもの？ OpenAI Academyの2周年を祝う記事で、AIスキルの普及を目指す。

先行手法との違い OpenAI Academyは、従来の教育機関とは異なり、AIスキルを特定のコミュニティに特化して提供する点で差別化されている。

技術のキモ

評価

議論点

🗄️ データ基盤・データ組織（詳細 2・短冊 0）

1. Data Pipeline Architecture Explained: 6 Diagrams and Best Practices — Monte Carlo

どんなもの？ データパイプラインアーキテクチャの重要性と進化を6つの図とともに解説。

先行手法との違い 従来のETL手法に対し、ELTやストリーミングアーキテクチャはデータ処理のスピードと柔軟性を向上させ、特にクラウド環境での利用が進んでいる点が異なる。

技術のキモ データパイプラインアーキテクチャは、データの抽出、変換、ロードを効率的に行うための設計プロセスであり、ETLやELTの手法が用いられる。特に、ELTはデータを先にロードし、その後に変換することで、より迅速なデータ処理を可能にする。データエンジニアは、これらのアーキテクチャを用いて、データの流れを最適化し、ビジネスニーズに応じた分析を実現することが求められる。

評価 著者は、データパイプラインアーキテクチャがビッグデータの5つのV（ボリューム、ベロシティ、バラエティ、バリュー、バリデーション）に対処するために不可欠であると評価している。

議論点 データパイプラインの設計において、リアルタイムデータの必要性が高まっている一方で、データの品質やモデル化の課題も残っている。特に、ゼロETLアーキテクチャの進展が、データの取り扱いにどのような影響を与えるかは今後の議論の余地がある。

2. Unity Catalog Pages: a governed home for your business knowledge in Genie Ontology — Databricks

どんなもの？ Genie Ontologyを用いて企業のビジネス知識を整理し、AIエージェントの正確性を向上させる手法。

先行手法との違い 従来のAIエージェントは推測に依存していたが、Unity Catalog Pagesを利用することで、企業特有の定義を明確にし、信頼性を高めることができる。

技術のキモ Genie Ontologyは、企業のビジネスプロセスを自動的に学習し、知識を整理することで、AIエージェントが正確な情報を提供できるようにする。Unity Catalog Pagesを使用することで、専門家が定義した用語をAIが参照し、推測に頼らずに正確な回答を導き出すことが可能になる。自分のClaude Code運用においても、Genie Codeを活用してビジネス知識を自動的に取り込むことができる。

評価 著者は、Genie Ontologyが企業のビジネス知識を整理し、AIエージェントの信頼性を向上させることを高く評価している。

議論点 AIエージェントが正確な情報を提供するためには、企業内の用語の定義が一貫している必要があるが、実際には異なるチーム間での定義の不一致が問題となる。これを解決するための取り組みが求められる。

次に読む - 1. Data Ontology defined: The context layer your AI agents are missing — Databricks - 2. What is AI analytics? Why it only works on governed data — Databricks

作成: 2026-09-24 ／ 最終更新: 2026-09-24