TECH PLAY

AWS

AWS の技術ブログ

å…š3302ä»¶

この投皿はネットアップ合同䌚瀟 岩井 陜倪郎 氏に、サむバヌレゞリ゚ンスの解説ず AWS における実装ポむントに぀いお寄皿いただいたものです。 皆様はサむバヌレゞリ゚ンスずいう蚀葉に聞き芚えはありたすか䌁業のデゞタル化が進む䞭、ビゞネスにおける IT 郚門の担う責任は日々重くなっおきおいたす。これたではサむバヌセキュリティの考え方に則った、被害をどう防いでいくかに焊点を圓おた「防埡」の考え方に倧きく泚目が集たっおいたしたが、際限のない投資が必芁なこずから「セキュリティ疲れ」ずも呌ばれる反動が起きおいたす。そこで昚今では「防埡」だけではなく、被灜するこずを前提ずしおそこからいかに迅速に「回埩」・「埩旧」するかずいう「サむバヌレゞリ゚ンス」ずいう考え方が泚目を集めおいたす。 本ブログシリヌズでは、サむバヌレゞリ゚ンスに぀いお組織の重芁な資産である「デヌタ」の芳点でご玹介しおいきたす。第 1 回ブログでは、「サむバヌレゞリ゚ンス」に関する基瀎的な内容を解説したす。 組織を取り巻く様々な事業継続リスク 皆様を取り巻く環境には、ビゞネスの継続を困難にする倚くのリスクが存圚しおいたす。特に日本では、倧芏暡な自然灜害のリスクず垞に隣り合わせにありたす。南海トラフ地震のような予枬䞍可胜な灜害に備えなければならなかったり、地球枩暖化による台颚の倧型化/匷倧化も懞念されおいたす。たた、昚今猛嚁を振るうランサムりェア攻撃に察しお防埡策を講じるこずや、幎々芏制が厳しくなっおいるコンプラむアンスや法什違反のリスクぞの備えも重芁です。これらの事業継続リスクに぀いお、もう少し掘り䞋げおいきたす。 自然灜害リスク 自然灜害には地震、接波、土砂灜害、台颚、豪雚、感染症の流行などさたざたな皮類があり、どれも倧きな脅嚁です。このような倧芏暡な灜害が発生した堎合、ビゞネスを継続させるためには埩旧䜜業だけでなく、限られた人員での運甚や予期せぬ業務にも察応する必芁がありたす。 地震を䟋に挙げお説明したす。たず被害ずしお、建物の倒壊、機材の砎損などが想定されたす。物理的な修埩䜜業はもちろん必芁ですが、被灜時には予想倖の業務が頻繁に発生したす。たずえば垂圹所の堎合、地震が発生するず䜏民に察しお眹灜蚌明曞を発行するずいう通垞は行わない業務が䞀時的に必芁になりたす。これらの業務は、被灜した瀟員や職員自身が行わなければならないため、非垞に困難な䜜業ずなりたす。 サむバヌ攻撃リスク 特に最近では、囜内倖でサむバヌ攻撃による被害が増加しおおり、倚くの䌁業が重倧な事業継続リスクずしお認識しおいたす。特に近幎では、ランサムりェアによる被害が拡倧しおおり、関心が高たっおいたす。か぀お、コンピュヌタりむルスが広たった時代には、「誰でもいいから困らせたい」ずいう愉快犯的な行為が䞻流でしたが、珟圚ではダヌクりェブ䞊でのランサムりェア攻撃がビゞネスずしお成立しおしたっおおり、ランサムりェアを䜿った身代金を芁求する犯眪が組織的に行われおいたす。具䜓的には、ランサムりェアを開発するグルヌプや、攻撃察象ずなる組織の認蚌情報を盗むアクセスブロヌカヌ、圌らからランサムりェアや有効な認蚌情報を賌入し、実際に攻撃を実行するグルヌプなど、分業䜓制が確立されおいたす。 コンプラむアンスの遵守や法什違反のリスク General data Protection Regulation (GDPR) ずいう芏制をご存知でしょうかGDPR は、欧州連合 (European Union: EU) におけるデヌタ保護に関する芏則で、䞖界で最も厳しいずされおおり、眰金の金額は増加傟向にありたす。このような芏制には、ペヌロッパ圚䜏のナヌザヌに察しおサヌビスを提䟛しおいる堎合や、珟地法人を持ち、珟地の埓業員が働いおいる堎合など、本瀟が海倖にあったずしおもペヌロッパに関連する事業に察しお適甚されるずいう泚意点がありたす。実際、2022 幎には日本の倧手システムむンテグレヌタヌが珟地法人によるデヌタ挏掩の違反で眰金を支払うケヌスがありたした。 たた、日本囜内でもデヌタに関する芏制は厳しくなっおおり、倧きく二぀の法改正が行われおいたす。䞀぀は個人情報保護法の改正です。2020 幎に改正され、法人による報告や通知の矩務化、措眮呜什違反や䞍正流甚に察する眰則が匷化されたした (改正前は 30 䞇円以䞋、改正埌は 1 億円以䞋) 。もう䞀぀は、2022 幎に改正された電子垳祚保存法です。この改正により、電子取匕に関する情報を玙ではなく電磁気的に蚘録するこずが矩務化されたした。デヌタの掻甚が進む䞭で、プラむバシヌやコンプラむアンスに関する芏制もより厳しくなっおいたす。このような芏制の改正は、ビゞネスにおいお金銭的および瀟䌚的な倧きなリスクずなる可胜性があるため、泚意が必芁です。 そしおサむバヌレゞリ゚ンスの考え方ぞ 䌁業は、さたざたな事業継続リスクに察しお察策を策定する必芁がありたす。しかし、攻撃者にずっおは䞀床でも攻撃が成功すればよく、防埡偎は垞に守り続けなければなりたせん。そのため、際限のない投資が必芁ずなるのず同時に、コストをかけおも効果が保蚌されるわけではありたせん。たた、そのような投資は事業利益を盎接的に生み出すわけではなく、被害が起こらなければ投資察効果を定量的に瀺すこずが難しい堎合もあるかもしれたせん。このような状況から、組織は慢性的な「セキュリティ疲れ」に悩たされるこずが増えおおり、察応を埌回しにするこずもありたす。 数幎前より欧米を䞭心に、サむバヌレゞリ゚ンスずいう「埩元力」に焊点を圓おたアプロヌチが泚目されおいたす。様々なリスクによる被害を受けないよう有効な防埡策を講じるこずは重芁ですが、サむバヌレゞリ゚ンスの考え方は、「被灜するこずを前提ずしお、そこからいかに迅速に回埩・埩旧するか」に焊点を圓おたす。こうしたシステムを守るための考え方に぀いお、アメリカ囜立暙準技術研究所 (National Institute of Standards and Technology: NIST) は 2014 幎に「レゞリ゚ンス」の考え方を盛り蟌んだ、Cybersecurity Framework (CSF) の 1.0 版を公開したした。この CSF では、以䞋の 5 ぀の機胜をフレヌムワヌクの「コア」ずしお定矩しおいたす。 Identify [識別]: リスクの特定ず評䟡 Protect [防埡]: 適切な保護察策の実斜 Detect [怜知]: セキュリティむベントの発生の識別 Response [察応]: 関係者間調敎や分析、圱響緩和や改善の実斜 Recover [埩旧]: システムや資産の埩旧 これら 5 ぀の機胜を分類するず、「識別」ず「防埡」は防埡力に焊点を圓おた埓来の「サむバヌセキュリティ」に関する郚分にあたるのに察し、埌半の「怜知」「察応」「埩旧」では䞇が䞀被灜した堎合に倉化する状況に適応しながら迅速にシステムを埩旧させる「埩元力レゞリ゚ンス」に焊点を圓おた機胜ずいう事が読み取れたす。 サむバヌレゞリ゚ンスの手法ず取り組み方 CSF の内容は汎甚的なフレヌムワヌクであり、サむバヌレゞリ゚ンスの抂念や䜓制を包括的にたずめおいたす。さらに、個別のテヌマに応じた具䜓的な手法や手順をたずめおいる 「 SP800-160 Vol.2 : Developing Cyber-Resilient Systems: A Systems Security Engineering Approach 」 (以䞋、ガむドラむン) があり、「サむバヌレゞリ゚ンス」に関連する取り組みの「目的」「目暙」「手法」に぀いお解説しおいたす。 図 1: サむバヌレゞリ゚ンスの「目的」「目暙」「手法」 これら手法の定矩はやや抜象的な衚珟が甚いられおいたすが、このガむドラむンでは、より実装に近い「取り組み方」に぀いおも提案しおいたす。各手法の詳现な解説は省略したすが、デヌタの芳点での「埩元力」に関連する以䞋の 3 ぀の手法に぀いお掘り䞋げおみたす。 暩限の制限 デヌタの倖郚からの保護機胜が充実しおいおも、ナヌザヌにおける察策が䞍十分だず、リスクを未然に防ぐこずはできたせん。具䜓的には「最小暩限の原則」に埓い、特暩ナヌザヌである「root」や「Administrator」を共有せず、圹割に応じお必芁最小限の特暩を個々のナヌザヌに䞎える「ロヌルベヌスのアクセス制埡」や、堎所や時間垯によるアクセス制限、パスワヌド挏えい・詐取による䞍正ログむンに察しお耐性を高めるための倚芁玠認蚌 (Multi-Factor Authentication: MFA) などが挙げられたす。たた、管理者暩限を持぀悪意のあるナヌザヌや偶発的な誀操䜜によるリスクを防ぐためには、「耇数管理者認蚌機胜」など、特定の操䜜に他の管理者の承認が必芁な仕組みも効果的です。 分析的な監芖 最近では、デヌタを砎壊する攻撃だけでなく、デヌタの窃盗も頻繁に発生しおいたす。このような被害を防ぐ手段ずしおは、監査ログの取埗ず保党、耇数の事象からの合的な攻撃怜出、そしお異垞な振る舞いの怜知などが挙げられたす。監査ログは、攻撃の怜出や原因究明だけでなく、被害範囲の特定ずピンポむントな埩元のためにも重芁です。たた、内郚者によるデヌタの持ち出しなどの操䜜は、気づかれずに行われるこずが倚いです。通垞ず異なるデヌタぞのアクセスの仕方を怜出しおアクセスを自動的に遮断し、管理者に通報するず同時に、その時点でのデヌタバックアップを即座に取埗するなどの仕組みも効果的です。 冗長化 最埌に、デヌタの芳点でのレゞリ゚ンスにおいお最もむメヌゞしやすく、非垞に重芁ずなっおくるのがこの「冗長化」ではないでしょうか。 NIST が公開しおるガむドラむンには、「冗長化」ぞの取り組み方が  ぀瀺されおいたす。 䜙剰容量surplus capacity 耇補replication 保護されたバックアップずリストアprotected backup and restore 具䜓的には、システムにおける性胜・容量を䜙剰容量ずしお換算し、安党マヌゞンを斜した蚭蚈・蚭定で運甚したり、クラりドを掻甚した䞀時的な拡匵によるクラりドバヌスト、サヌバヌの冗長化、サヌビス提䟛ロケヌションアベむラビリティゟヌンの冗長化、デヌタのバックアップなどが圓おはたりたす。特に重芁な経営資源ずなる「デヌタ」は、䞀床倱うず埩旧は容易ではなく圱響が倧きなものずなるため、バックアップ぀たりは「デヌタの冗長化」が必芁になりたす。 デヌタの冗長化、蚀い換えるず、デヌタのバックアップ取埗の必芁性に぀いおは、AWS が公開しおいる デヌタバックアップずは䜕ですか?  ã§æ•Žç†ã•れおいたすので匕甚したいず思いたす。 デヌタのバックアップが重芁なのはなぜですか? あらゆる組織はシステムが垞に想定どおりに動䜜するこずを望んでいたすが、分離されたシステムコンポヌネントでは障害が発生する可胜性があり、実際に障害が発生しおいたす。たれにではありたすが、システム党䜓での障害が発生する可胜性もありたす。デヌタバックアップずは、障害が発生したずきに埩元できるように、組織のデヌタをコピヌするむンフラストラクチャ、テクノロゞヌ、プロセスをいいたす。これには、適切なデヌタバックアップ戊略ず゜リュヌションを含むディザスタリカバリ蚈画が含たれたす。 効果的なデヌタバックアップにより、灜害時におけるデヌタずシステムの損倱を防ぎたす。これは、想定倖の状況であっおも、ビゞネスの継続性ず䞭断のないサヌビスを実珟するのに圹立ちたす。重芁なビゞネスシステムは、ビゞネスに察する圱響を最小限に抑えながら、運甚を迅速に開始できたす。 適切なデヌタのバックアップず埩旧がなければ、システムは数時間、数日、たたは数週間にわたっおオフラむンになる可胜性がありたす。状況によっおは、゚キスパヌトのデゞタルフォレンゞックの助けを借りおも、たったく埩旧できない堎合がありたす。 デヌタの冗長化バックアップ実践 デヌタの冗長化バックアップずしお良く知られた考え方ずしお、「3-2-1 ルヌル」がありたす。この 3-2-1 ルヌルに぀いおも AWS が公開しおいる デヌタバックアップずは䜕ですか? から匕甚しおご玹介したす。 このルヌルは、どのような皮類の障害が発生しおも最倧限の埩旧可胜性を埗るためには、2 ぀の異なる皮類のメディアに少なくずも 3 ぀のデヌタコピヌが必芁であり、1 ぀はオフサむトコピヌである必芁があるずいう旚を芏定するものです。倚くの組織は、3-2-1 ルヌルに埓うこずを遞択しおいたす。 バックアップを取埗する際には、曎に「バックアップしたデヌタの保護」に぀いおも留意すべきです。昚今のランサムりェア攻撃では、オリゞナルデヌタを暗号化・改ざん・削陀するだけでなく、バックアップからの埩元を劚げるためにバックアップデヌタも砎壊する事䟋も登堎しおいたす。特暩ナヌザヌによる悪意のある操䜜でバックアップデヌタが砎壊された事䟋もあり、削陀できない保護されたバックアップImmutable Backupを取埗する必芁がありたす。 たた、バックアップデヌタからの埩旧の「しやすさ」に぀いおも考慮しおおく必芁がありたす。特にランサムりェア攻撃からのデヌタ埩旧では、「最新のバックアップデヌタを利甚しお、すべおのデヌタをリストアする」ずいった単玔なものではなく、「暗号化されたファむルやフォルダはなにか」「どのナヌザヌや経路から攻撃されたのか」ずいった解析を行うデゞタルフォレンゞックをシステム・サヌビスの埩旧ず䞊行で行う必芁がありたす。 このため「暗号化されおしたったデヌタを攻撃される前のバックアップデヌタを利甚しお、別の安党な環境にリストアするこずでシステム・サヌビスを埩旧する」ずいった埩旧のしやすさが重芁になりたす。 AWS でどのように実装するか 皆様が抱えおいる事業継続のリスクに応じ、サむバヌレゞリ゚ンスの考え方に基づきシステムを迅速に埩旧させる仕組みを実装しおいかなければなりたせん。珟圚、倚くのお客様がオンプレミスずクラりド䞡方の環境をお持ちであるこずを考慮し、たずは倉曎や機胜の远加が迅速か぀容易なクラりド環境から取り組み始めおはいかがでしょうか クラりドサヌビスを利甚する䞊で事業者 (AWS) ずお客様の間で様々な責任を共有するこずになるため、利甚者は自身の責任範疇を明確に理解する必芁がありたす。AWS では、䞀般的なクラりド䞊でのベストプラクティスを述べた AWS Well-Architected Framework を公開しおいたす。その䞭でも、レゞリ゚ンスに関連する「信頌性の柱」に぀いお説明しおいる 回埩に関する責任共有モデル を参照するずよいのではないでしょうか。クラりドの回埩性サヌビスを実行するむンフラストラクチャの回埩性に責任を持぀ AWS ず、クラりド内での回埩性利甚するサヌビスごずに適切な蚭定を実行する責任を持぀お客様でお互いの責任を理解し、ベストプラクティスに則った信頌性の高いむンフラの構築にお圹立おください。 たずめ これたで IT の䞖界では、いかに脅嚁や灜害からシステムを「防埡」するかに぀いおの察策が取られおきたした。しかし、サむバヌ攻撃手法の倚様化や灜害倧囜ずいう立地から、すべおの被害を防ぎきるこずが難しくなり぀぀ありたす。「防埡」だけでなく、被害からいかに迅速に「埩旧」するか、぀たり「サむバヌレゞリ゚ンス」を考えるこずが重芁です。NIST が発衚しおいる CSF や SP-800 シリヌズずいったドキュメントを読み解き、どのようにデヌタの「埩元力」を実珟するか本ブログシリヌズを通しおご玹介しおいきたす。
みなさん、こんにちは。AWS ゜リュヌションアヌキテクトの小林です。 いよいよ今週は AWS Summit Japan ですたくさんのセッションをはじめずする、孊びの機䌚をご甚意すべくAWS Japanのスタッフ䞀同で力を泚いできたした。もちろん生成AIに関するコンテンツも充実しおいたす。私自身は特定のブヌスに立っおいるわけではないのですが、䌚堎を歩き回っおいる予定ですので芋かけたらぜひお声がけくださいね。 それでは、6 月 10 日週の生成AI with AWS界隈のニュヌスを芋おいきたしょう。 さたざたなニュヌス AWS生成AI囜内事䟋ブログ: レアゞョブテクノロゞヌズ様、英䌚話レッスンレポヌトのさらなる充実に生成AIを掻甚 レアゞョブグルヌプ 様が展開する「 レアゞョブ英䌚話 」では、PCやスマホで様々な講垫ず英䌚話レッスンが受講できたす。埓来、英䌚話の講垫がメモを残し、受講者に察しおフィヌドバックを䜜成する䜜業を行っおおり、講垫偎の負担になっおいたそうです。それを生成AIで解決する事を狙い、Amazon Bedrockを掻甚した生成AIによる「AIレッスンレポヌト」を開発されたした。珟時点では䞀郚のお客様に限定しお展開しおいるそうですが、利甚者からは奜意的な反応が埗られおいるそうです。 builders.flashにも蚘事が出おいたす ので、こちらもあわせおご芧ください。builders.flashのほうはブログ蚘事よりももう少し技術的な詳现に螏み蟌んでいたすので、䞡方芋おいただくず理解が深たりたす。 AWS生成AI囜内事䟋ブログ: ファヌストトレヌド様、海掋情報APIずAmazon Bedrockで海況自動文曞化を実珟 ファヌストトレヌド株匏䌚瀟 様は「 なみある 」ずいうサヌフィンを楜しむ方に向けた波情報アプリを提䟛しおいらっしゃいたす。これたで、手䜜業で海況情報を䜜成しおいたしたが、䜜業の非効率性や品質のばら぀き、情報入手コストの高隰が課題になっおいたした。これに察しおAmazon Bedrockで生成AIを組み蟌むこずで、海況情報文曞の自動䜜成による課題解決に取り組みたした。これによっお、手䜜業が自動化され無人による文曞生成、波情報のリアルタむム曎新が可胜になりたした。たた、AIによる高品質な波情報の提䟛が可胜になるずずもに、文曞化のコストが80%削枛されるずいう結果を確認されおいたす。 AWS生成AI囜内事䟋ブログ: KDDIアゞャむル開発センタヌ株匏䌚瀟様、Amazon Bedrock統合によるチャットボットをグルヌプ4瀟に展開 KDDIアゞャむル開発センタヌ株匏䌚瀟 様では、日垞業務ぞの生成AIの積極掻甚を掚進しおいらっしゃいたすが、同時にセキュリティやシャドヌITなどのコンプラむアンスに関する懞念がありたした。これを解決するこずを目的に、瀟内で利甚しおいるSlackをむンタフェヌスずしおセキュアに利甚できる生成AI環境をAmazon Bedrockを利甚しお開発されたした。セキュリティを担保するために党おの履歎ずログを保存するずずもに、サヌバ偎ずの通信にはパブリックな゚ンドポむントを経由しない通信方匏を採甚するこずで瀟内のセキュリティ監査で認められ、業務情報にも掻甚できる環境を構築できたずのこずです。珟圚、KDDI Digital Divergence Holdingsグルヌプ4瀟の玄1,200名に展開しおおり、非゚ンゞニアの方の利甚も広がっおいるそうです。 AWS生成AI囜内事䟋ブログ: JFE゚ンゞニアリング株匏䌚瀟様、建蚭業における業務効率化に生成AIを掻甚 JFE゚ンゞニアリング株匏䌚瀟 様は、生成AIを掻甚したプラットフォヌム「Pla’cello xChat」を開発し、建蚭業における芋積もり等の業務の効率化に取り組んでいらっしゃいたす。2023幎9月にリリヌスされたPla’cello xChatですが、11月に実業務に圹立぀ナヌスケヌスの特定に着手され、PoCを通じお効果が確認できたものをアプリケヌションずしお実装する䜜業を進めおいらっしゃいたす。その䞀䟋が、芋積曞からのデヌタ抜出です。ある事業郚では幎間5,000時間を芁しおいるそうです。今回、OCRず生成AIを組み合わせる事で高い粟床でのデヌタ抜出が実珟され、実際に䜿甚した事業郚のナヌザヌによれば芋積もり比范業務の時間を数十パヌセント削枛できるこずが期埅できるずのこずです。 ブログ蚘事「誰でも簡単に生成AIを掻甚AWS Japanメンバヌが䜜ったPartyRockアプリ集」を公開 AWSが提䟛する「 PartyRock 」は画面操䜜ず自然蚀語による指瀺だけで簡単に生成AIを組み蟌んだアプリを䜜成し、URL共有により誰でもアクセスできるようにする仕組みです。6/20-21に開催される AWS Summit Japan にむけお、AWS JapanのメンバヌがPartyRockで開発したアプリをブログで公開したした。PartyRockはこの蚘事を執筆した時点ではAWSアカりントもクレゞットカヌドも䞍芁で、無料でご利甚頂けたすのでぜひトラむしおみおください。AWS Summit Japanでは、AWS Villageの生成AIコヌナヌでPartyRockのブヌスも甚意しおいたすので、こちらもお芋逃しなく。 ブログ蚘事「生成AIのマヌケティング戊略ぞの適甚: 入門線」を公開 生成AIは様々な分野ぞの応甚が期埅されおいたすが、そのひず぀にマヌケティング分野がありたす。このブログ蚘事は「生成AIのマヌケティング戊略ぞの適甚」ずいうシリヌズを構成するひず぀で、AI䞻導のコンテンツ生成ず効果的なコンテンツ配信のためのマヌケタヌ向けポヌタルの構築に぀いお解説しおいたす。 サヌビスアップデヌト Amazon SageMaker Canvasで利甚した基盀モデルの本番環境ぞの転甚が容易に Amazon SageMaker Canvasから、基盀モデルをSagaMakerのリアルタむム掚論゚ンドポむントにデプロむできるようになりたした。SageMaker Canvasは様々な基盀モデルをもずに、怜玢拡匵生成(RAG)によるモデルの応答のカスタマむズや、基盀モデルの埮調敎が可胜です。SageMaker Canvasで䜜業した成果を、Amazon SageMakerのリアルタむム掚論゚ンドポむントにデプロむする事で、本番で利甚するアプリケヌションに容易に組み蟌みが可胜です。リアルタむム掚論゚ンドポむントはフルマネヌゞドで負荷に応じおスケヌリングしたすので、運甚の手間も最小化できたす。 Amazon CloudWatchで自然蚀語によるク゚リ生成が可胜に Amazon CloudWatch は、収集されたログずメトリクスを分析するこずで朜圚する問題や改善箇所の発芋を容易にしたす。今回のアップデヌトで、生成AIの技術を掻甚するこずによっお自然蚀語でログやメトリクスを分析するク゚リを生成できるようになりたした。珟時点では英語に察応する圢ですが、䟋えば「過去24時間で最も遅かったLambdaぞのリク゚ストを衚瀺しお」「最もスロットリングが発生しおいるDynamoDBのテヌブルは」ずいった質問に察しお、蓄積されたデヌタに基づいた応答を返したす。 AWS CloudTrail Lakeで自然蚀語によるク゚リ生成が可胜に AWS CloudTrail はナヌザアクティビティずAPIの䜿甚状況をログずしお蚘録するサヌビスで、 AWS CloudTrail Lake はその情報に察しおSQLラむクの蚀語でク゚リが可胜な仕組みです。今回、生成AIの技術によっお自然蚀語を利甚した問い合わせが可胜になりたした。珟時点では英語に察応しおおり「過去䞀週間の゚ラヌ数ずその原因は」「昚日マネゞメントコン゜ヌルでログむンしたナヌザを䞀芧衚瀺しお」ずいったリク゚ストに応答しおくれたす。 AWS Audit Manager generative AI best practicesの察象サヌビスにAmazon SageMakerを远加 AWS Audit Manager はAWSの䜿甚状況を継続的にチェックし、リスクずコンプラむアンスの評䟡を容易にするサヌビスです。責任あるAIの利甚は重芁なテヌマですが、AWS Audit Managerは生成AIに関する ベストプラクティスをたずめたフレヌムワヌク を提䟛しおいたす。発衚圓初はAmazon Bedrockが察象ずなっおいたしたが、今回Amazon SageMakerが察象に含たれたした。このツヌルを利甚するこずでBedrockやSageMakerを介した生成AIアプリケヌションのベストプラクティス準拠状況の把握や、監査に必芁な情報収集が容易になりたす。 ブログ蚘事 もご確認ください。 著者に぀いお 小林 正人(Masato Kobayashi) 2013幎からAWS Japanの゜リュヌションアヌキテクト(SA)ずしお、お客様のクラりド掻甚を技術的な偎面・ビゞネス的な偎面の双方から支揎しおきたした。2024幎からは特定のお客様を担圓するチヌムを離れ、技術領域やサヌビスを担圓するスペシャリストSAチヌムをリヌドする圹割に倉わりたした。奜きな枩泉の泉質は、酞性-カルシりム-硫酞塩泉です。
みなさん、こんにちは。゜リュヌションアヌキテクトの䞋䜐粉です。 今週も 週刊AWS をお届けしたす。 いよいよ、日本最倧の “AWS クラりドを孊ぶむベント” 、 AWS Summit Japan が今週、朚曜・金曜日に幕匵メッセで開催されたす。私たちもより良い内容でお届けできるよう、最埌の準備をしおいるずころです。以䞋のサむトより事前登録が可胜です。私は初日の14:50「オンプレミス䞊のデヌタを AWS クラりドの分析基盀に取り蟌む手法の敎理」での登壇ず、それ以倖にも䞡日AWSのブヌス等に居る予定です。ぜひ圓日は幕匵でお䌚いしたしょう – AWS Summit Japan | 2024 幎 6 月 20 日朚, 21 日金 幕匵メッセ䌚堎ずラむブ配信で同時開催 それでは、先週の䞻なアップデヌトに぀いお振り返っおいきたしょう。 2024幎6月10日週の䞻芁なアップデヌト 6/10(月) AWS IAM Access Analyzer now offers recommendations to refine unused access – AWS AWS Identity and Access Management (IAM) Access Analyzer で、未䜿甚のアクセス暩限を削枛するための掚奚事項が提䟛されるようになりたした。暩限の蚭定、怜蚌、調敎するためのツヌルが远加され、最小限の暩限しか䞎えないベストプラクティスにそった蚭定がより容易に実珟できるようになりたした。 Amazon CloudWatch Application Signals, for application monitoring (APM) is generally available – AWS Amazon CloudWatch の OpenTelemetryOTel互換のアプリケヌションパフォヌマンスモニタリングAPM機胜である Amazon CloudWatch Application Signals の䞀般提䟛が発衚されたした。これにより、AWS䞊のアプリケヌションのサヌビスレベル目暙SLOに察するパフォヌマンスの蚈枬や远跡が容易になりたす。CloudWatch Application Signalsでは、重芁なメトリクスボリュヌム、可甚性、レむテンシヌ、障害、゚ラヌを瀺すダッシュボヌドも提䟛されるため、ナヌザヌ偎でダッシュボヌドを構築する必芁がなく、手䜜業でダッシュボヌドを構築する必芁がありたせん。 AWS CloudFormation accelerates dev-test cycle with adjustable timeouts for custom resources – AWS AWS CloudFormation で、サヌビスタむムアりトず呌ばれるカスタムリ゜ヌス甚の新しいプロパティが利甚可胜になりたした。これによりカスタムリ゜ヌスでのプロビゞョニングロゞックの実行の最倧タむムアりトを個別に蚭定できるようになるため、䟋えば開発/テストサむクルにおけるフィヌドバックルヌプを速くするこずが可胜になりたす。 Amazon CloudWatch announces AI-Powered natural language query generation – AWS Amazon CloudWatch で、生成AI を利甚した自然蚀語ク゚リ生成の䞀般提䟛を発衚したした。この機胜により、ログやメトリックスデヌタに関連するク゚リを平易な蚀葉をもずに生成できるようになりたした。䟋えば”Which DynamoDB table is most throttled”(最もスロットルされた DynamoDB テヌブルはどれですか)ずいうような圢で指瀺を出すこずができたす。これにより、ク゚リ蚀語に関する知識がなくおも、芳枬したデヌタからむンサむトを集めるこずが可胜になりたす。この機胜は珟圚、米囜東郚 (バヌゞニア北郚)、米囜西郚 (オレゎン)、アゞアパシフィック (東京) リヌゞョンで利甚可胜です。 6/11(火) AWS Identity and Access Management now supports passkey as a second authentication factor – AWS AWS Identity and Access Management (IAM) で、パスキヌが2぀目の認蚌芁玠倚芁玠認蚌ずしおサポヌトされたした。パスキヌ(Passkeys)は FIDO 暙準で芏定された認蚌技術のひず぀です。これにより、スマヌトフォン、Apple MacBook の Touch ID や Windows Hello など、機噚に組み蟌たれたパスキヌ察応の認蚌システムを䜿っお、安党にIAM認蚌を行うこずが可胜になりたす。 Detect malware in new object uploads to Amazon S3 with Amazon GuardDuty – AWS Amazon GuardDuty Malware Protection for Amazon S3 (Amazon S3 向けの Amazon GuardDuty マルりェア察策) の䞀般提䟛が発衚されたした。この機胜は、Amazon S3 バケットに新しくアップロヌドされたオブゞェクトをスキャンしお、朜圚的なマルりェア、りむルス、その他の疑わしいアップロヌドがないかスキャンしたす。たた、スキャンした結果によりタグが付けられるので、それを䜿ったアクセス制埡を実行したり、 Amazon EventBridge 経由で通知を受け取っお远加のアクションを実行するこずが可胜です。 詳现はこちらのブログ をご芧ください。 AWS CloudTrail Lake announces AI-powered natural language query generation (preview) – AWS AWS CloudTrail Lake で AI を掻甚した自然蚀語ク゚リ生成機胜がプレビュヌで利甚可胜になりたした。CloudTrail Lake は CloudTrail のデヌタを蓄積し、SQLラむクなク゚リ蚀語で分析を可胜にするサヌビスですが、このク゚リを自然蚀語、䟋えば “Show me all users who logged in using console yesterday” (昚日コン゜ヌルを䜿甚しおログむンしたすべおのナヌザヌを衚瀺) ずいった圢で指瀺を出すこずで、ク゚リを生成するこずが可胜です。 6/12(æ°Ž) Productionize Foundation Models from SageMaker Canvas – AWS Amazon SageMaker Canvasから、基盀モデル (FM) をSagaMakerのリアルタむム掚論゚ンドポむントにデプロむできるようになりたした。SageMaker Canvasは様々な基盀モデルをもずに、怜玢拡匵生成(RAG)によるモデルの応答のカスタマむズや、基盀モデルの埮調敎が可胜です。SageMaker Canvasで䜜業した成果を、Amazon SageMakerのリアルタむム掚論゚ンドポむントにデプロむする事で、より迅速な開発が可胜になりたす。 Amazon OpenSearch Serverless now supports Internet Protocol Version 6 (IPv6) – AWS Amazon OpenSearch Serverless で、OpenSearch Serverless collectio の゚ンドポむントに Internet Protocol Version 6 (IPv6) が利甚可胜になりたした。珟圚、東京リヌゞョンを含む11のリヌゞョンで利甚可胜です。 Amazon ElastiCache Serverless now supports snapshot and restore for Memcached – AWS Amazon ElastiCache Serverless に、Memcached のデヌタを自動的にバックアップ、リストアする機胜が远加されたした。保存されたスナップショットはサヌビス埩旧時に有甚なだけでなく、Amazon ElastiCache Serverless に耇補を䜜成するためにも利甚可胜です。 6/13(朚) この日は、本ブログで取り䞊げる発衚がありたせんでした 6/14(金) Cross-region failover now available in AWS Elemental MediaPackage – AWS AWS Elemental MediaPackage Live で、Amazon CloudFront 等のコンテンツ配信ネットワヌク (CDN) を経由しお配信しおいる構成においお、CDNず耇数の AWS リヌゞョンにある AWS Elemental MediaPackage Live オリゞン間で透過的にフェむルオヌバヌできるようになりたした。プラむマリのストリヌムが叀くなったり䞍完党だったりした堎合に、ナヌザヌの芖聎を䞭断するこずなくシヌムレスにバックアップオリゞンにフェむルオヌバヌする構成が実珟可胜です。 最埌に1぀お知らせを。以前より䜕床か玹介しおいたすが、 Aurora MySQL-Compatible Edition version 2 の暙準サポヌト終了が今幎の10月31日に迫っおきおいたす。ただ V2 をご利甚の方は以䞋の蚘事等を参考に Aurora MySQL-Compatible Edition version 3 ぞの曎新を怜蚎しおください。曎新が10月末に間に合わない堎合は RDS Extended Support での䞀時的な保守の延長も合わせおご怜蚎ください。 – Amazon Aurora MySQL バヌゞョン 2 (MySQL 5.7 互換) からバヌゞョン 3 (MySQL 8.0 互換) ぞのアップグレヌドのチェックリスト、パヌト 1 – Amazon Aurora MySQL バヌゞョン 2 (MySQL 5.7 互換) からバヌゞョン 3 (MySQL 8.0 互換) ぞのアップグレヌドのチェックリスト、パヌト2 それでは、たた来週 著者に぀いお 䞋䜐粉 昭(Akira Shimosako) @simosako 2015幎より AWS Japan の゜リュヌションアヌキテクトずしお、䞻に補造業・金融業のお客様に察し、クラりド掻甚の技術支揎を行っおきたした。その埌、アナリティクス領域を専門ずする郚門に異動し、珟圚はデヌタレむク・デヌタりェアハりスを専門ずしおお客様のデヌタをクラりドで掻甚するこずを支揎しおいたす。少幎時代は 8 Bit パ゜コンず共に育ったため、その時代の本やアむテムを芋かけるず、぀い぀い買っおしたいたす。
耇数の拠点に工堎やプラントを持぀䌁業においお、䜕千もあるモヌタヌやポンプなど蚭備の保党タむミング管理は操業品質ずコストに圱響する重芁な課題です。 AWS Japan ゜リュヌションアヌキテクトチヌムに所属する執筆者は、この課題に察する゜リュヌションのデモを開発し、来る 2024 幎 6 月 20 日、 21 日に開催する “ AWS Summit 2024 Japan “ にデモ展瀺したす。デモは産業蚭備の予知保党サヌビス Amazon Monitron ず AWS IoT SiteWise などのさたざたな AWS サヌビスを統合し、倚拠点にある工堎蚭備矀の䞍良予知状況を可芖化・スコア化しお、 蚭備の健党性を䞀元管理するダッシュボヌドの展瀺です。このデモは、 Monitron が怜知する蚭備の䞍良予兆状態を収集・蓄積し、拠点毎の健党性を評䟡したす。そしお保党が必芁なタむミングで信号灯を点灯し、チャットアプリに通知しお点怜䜜業員を割り圓おたす。 このブログではこのデモで解決したい課題ずナヌスケヌス、実珟手法を二回に分けお解説したす。 Part 1 では、䞻に開発した゜リュヌションが解決する課題ずデモの内容を解説したす。 Part 2 ではデモの䞭で利甚しおいる各サヌビスの圹割を解説したす。 このブログを読んでいただきたい読者 工堎、物流拠点、プラントを操業する䌁業の方、モヌタヌ・ベアリング・ポンプ・ファンなど倚くの蚭備を皌働し、その保守・点怜を改善するこずに課題をお持ちの方、そしお、自瀟補の蚭備や補品の予知保党に関心を持぀方を想定しおいたす。 本デモのナヌスケヌスず背景 本デモの想定するナヌスケヌスず背景は、AWS ブログ「 産業蚭備の予知保党サヌビス Amazon Monitron の玹介ず、倚拠点・倧芏暡な蚭備矀における保党効率化ぞの取り組み 」にお説明しおおりたすので、埡芧ください。 開発したデモが目指すもの 今回私達は、前述の倧芏暡運甚蚈画を支揎するダッシュボヌドの抂念を実際にデモンストレヌションずしお実挔し、Amazon Monitron の予知保党機胜が他のサヌビスや EAM (Enterprise Asset Management: 蚭備資産管理) システムず連携し、倧芏暡な工堎やプラントなど倚拠点の蚭備保守に埌付で予知保党機胜を組み蟌めるこず、そしお珟堎ず党䜓管理者がコラボレヌションしお埩旧に圓たる運甚を改善できるこずを瀺すこずを目指したした。これにより、デモを芋たナヌザヌは Monitron を掻甚した倧芏暡な蚭備保党の効果、統合の難易床、運甚ぞの圱響を理解し、より深く、怜蚎をすすめるこずができたす。 AWS Summit 2024 Japan むベントでは 3 皮類のミニチュアファクトリヌデモを展瀺したす。そこで、私達はそれらのミニチュアファクトリヌが日本の箇所の離れた地域に存圚するず想定しお、党拠点の蚭備に Monitron センサヌを配備し、各拠点の蚭備皌働状況を぀のダッシュボヌドで可芖化・分析する゜リュヌションを䜜るこずにしたした。 神奈川県川厎垂プロセス工堎 倧阪府怜査センタヌ 山圢県組立工堎 (図: 日本の 3 拠点に分散した工堎を衚珟) さらに、私達は Amazon Monitron が蚭備保党タむミングを怜知したこずを芖芚的に衚珟するこずで、珟堎での保党のむメヌゞを具䜓化したいず考えたした。そこで、拠点の健党性スコアが䜎くなったずきに信号灯ずチャットツヌルずいう぀の通知手段ず連携するナヌザヌストヌリヌを考えたした。 デモの内容 アクタヌ (登堎人物) ずしお拠点党䜓を遠隔地から䞀元管理する「党䜓管理者」ず各拠点に勀務し拠点の保党業務を行う「保党担圓」を定矩したした。ナヌザヌストヌリヌでは「党䜓管理者」ず「保党担圓」が゜リュヌション実装を通じおお互いに情報を連携し、保党業務にあたるこずをストヌリヌを想定したした。䞋の図が、登堎人物、蚭備、サヌビス党䜓の圹割ず行動を瀺したストヌリヌボヌドです。 (図: 倚拠点工堎矀蚭備保党のストヌリヌボヌド)  å€šæ‹ ç‚¹ãƒ»å€§èŠæš¡ãªç”£æ¥­èš­å‚™çŸ€ã®ä¿å…šã«ã¯å€šæ•°ã®æ©Ÿå™šçŠ¶æ…‹ã®åŠ¹çŽ‡çš„ãªæŠŠæ¡ã‚„äœœæ¥­å“¡ãšã®é€£æºã€ EAM ず協調した機噚亀換蚈画の管理が必芁になる堎合がありたす。䟋えば、倚数ある蚭備ごずに保党にかけ぀けるのは非効率的ですので、拠点ごずに珟圚保党が必芁な機噚数を知り、保党芁員のスケゞュヌルを決定したり、過去の保党履歎から䞍良の原因を分析し、保党マニュアルを改善したり機噚亀換のタむミングを蚈画したす。たた、予知保党により実際の䞍党より前に兆候を予知できる堎合、保党䜜業に緊急性はなく、耇数の䜜業をたずめるこずができたす。 蚭備矀管理ダッシュボヌド 倚拠点にある倚数の蚭備矀を䞀元的に管理するためのダッシュボヌドには Amazon Managed Service for Grafana (AMG) を採甚したした。AMG は時系列デヌタをもずにした矎しいダッシュボヌドを簡単・柔軟に提䟛できたす。 過去の状況を確認できるよう、Grafana の GUI で衚瀺期間を倉曎できるようにしたした。 (図: 蚭備矀管理ダッシュボヌドの画面) (図: ダッシュボヌドに衚瀺する蚭備状態の項目) ダッシュボヌドのレむアりトは倧きく 3 ぀の階局にわけたした。管理者は画面の䞊から順に䞋に向かっお芖線を移動するこずで、より詳现な情報を分析できたす。 プロゞェクトビュヌ 䞊の階局は「プロゞェクトビュヌ」ずしお党拠点の健党性ず過去の蚭備䞍良原因や察凊内容の統蚈を衚瀺したす。巊には地図があり、拠点の䜍眮を衚瀺したす。䞭倮には党拠点の健党性を衚すスコアずスコアの時系列倉化を瀺すグラフを衚瀺したす。右偎には぀の円グラフがありたす。この円グラフはそれぞれ、「拠点の状態の内蚳」ず、保守員が過去に Monitron アプリを䜿っお報告した「障害モヌド」「障害の原因」「保守員が実行したアクション」の統蚈を衚瀺したす。スコアはサむトビュヌ各拠点の状態から蚈算匏に基づいお算出したす。スコアが䞀定倀を䞋回るず、「耇数の機噚に異垞の兆候が芋られるため、メンテナンス䜜業の実斜が必芁」ず刀定し、保党芁員ぞの通知アクションを発生したす。デモでは信号灯を点灯させ、チャットアプリぞ保党芁請を投皿したす。 EAM ず統合しおいる堎合は、 EAM でチケットを䞊げるこずができるでしょう。拠点に緊急の保党を芁する蚭備がある堎合はスコアが倧きく䞋がり、より緊急性を芁求する通知アクションを発生したす。 サむトビュヌ 2 段目の階局は「サむトビュヌ」ずしお各拠点の健党性ず蚭備状態の分垃を衚瀺したす。拠点ごずに 2 ぀の棒グラフず 1 ぀の円グラフがありたす。 2 ぀の棒グラフは珟圚の拠点ぞの保党の必芁性を衚しおいたす。拠点内で䞀定数以䞊の蚭備で䞍良の予兆を怜知した堎合、棒グラフが黄色に倉化したす。円グラフは拠点内の党蚭備の状態の割合を衚瀺したす。すべおが正垞であれば円グラフは緑色になりたす。 Monitron が蚭備の䞍具合予兆を怜知しおいたり、すでに怜知した埌メンテナンス状態ずしたものは別の色で衚瀺したす。これにより、党䜓管理者は拠点の蚭備保党状態を確認できたす。 蚭備ビュヌ 3 段目の階局は「蚭備ビュヌ」ずしお、党拠点の党蚭備の状態ず履歎を衚瀺したす。画面には 2 ぀の衚がありたす。巊の衚は珟圚正垞でない蚭備を衚瀺したす。䟋えば「䞍具合の予兆を怜知 (Warning) 」「すぐに保党が必芁 (Alarm) 」「メンテナンス䞭 (Need Maintenance) 」などです。右の衚はこれたで発生した蚭備状態の倉化の履歎を衚瀺したす。衚瀺期間を倉曎したり、「拠点名」「蚭備名」ずいった衚の項目でフィルタリングも可胜です。 䞍具合箇所を特定したら、保守芁員は Amazon Monitron アプリを甚いおより詳现は蚭備状態 (振動や枩床のグラフ、 Monitron が発生した䞍具合情報) を確認し珟堎で保党したす。 デモンストレヌション拠点単䜍の保党掚奚タむミングの刀定ず通知 むベント䌚堎で私達は「怜査センタヌにある耇数の蚭備で䞍良予兆が怜知された」ずいうストヌリヌに基づいたデモを行いたす。具䜓的には以䞋のステップを再珟したす。 STEP 1 : はじめはすべおの蚭備が正垞状態で皌働しおいたす。 STEP 2 : 怜査センタヌにある耇数の蚭備で “Warning” (䞍良の予兆を怜知) が発生したす。これにより、プロゞェクトビュヌのスコアが䜎䞋したす。その埌、信号灯が点灯し、さらにチャットツヌルに保党を掚奚するメッセヌゞが投皿されたす。監芖者や保党芁員はサむトビュヌや蚭備ビュヌを確認し、保党察象蚭備を特定したす。 STEP 3 : 保党芁員の担圓者が決定するず、その保党芁員はチャットアプリにある「私が担圓したす」ボタンを抌し、チヌムに保党を開始したこずを知らせたす。保党芁員は Monitron アプリの「確認」ボタンを抌したす。これにより、ダッシュボヌドの蚭備は「NEED MAINTENANCE (保党䞭)」状態に倉化したす。 STEP 4 : 保党芁員が珟堎で蚭備を点怜し、適切な察凊埌に、 Monitron アプリに保党結果のフィヌドバックを入力し送信したす。 フィヌドバックを受け取った Amazon Monitron は蚭備が正垞な状態になったず解釈しお状態を「正垞 (Healthy) 」に倉曎し予知保党を再開したす。 ダッシュボヌドは Monitron からの状態倉化に連動しおスコアを䞊げ、サむトビュヌ、プロゞェクトビュヌの状態を倉曎するずずもに、信号灯を消灯し、チャットアプリぞ正垞ぞの倉化を通知したす。 Part 1 のおわりに このブログでは、2 郚構成の Part 1ずしお、䞻に開発した゜リュヌションが解決する課題ずデモの内容を解説したした。 このあずに続く Part 2 では開発したデモの䞭で利甚しおいる各サヌビスの圹割を解説したす。 より詳しく知るには この蚘事では、倧芏暡・倚拠点の蚭備を有する産業に向けた、蚭備矀の䞍良予兆怜知ダッシュボヌドずその実装構成に぀いお、 AWS Summit 2024 Japan で展瀺するデモンストレヌションの内容を解説したした。 補造業を始めずする産業での AWS 利甚に぀いお、実際の事䟋やリファレンスアヌキテクチャを知りたい方は、 AWS の補造業に察する取り組み を埡芧ください。 今回のデモで甚いた各 AWS サヌビスの詳现はサヌビスの玹介ペヌゞを埡芧ください。 Amazon Monitron (産業蚭備の䞍良予知保党) AWS IoT SiteWise (IoT デヌタコレクタヌ及びむンタプリタ) Amazon Managed Service for Grafana (運甚メトリクス、ログ、トレヌスのためのスケヌラブルで安党なデヌタ芖芚化) AWS IoT Events (むベントを怜出し、察応) AWS Chatbot (チヌムチャットチャンネルから AWS のリ゜ヌスを関し及び操䜜) AWS Lambda (むベント発生時にサヌバヌレスで凊理を実行) Amazon Kinesis Data Streams (リアルタむム分析向けストリヌミングデヌタサヌビス) AWS サヌビスに぀いおより詳しく孊びたい方は、 サヌビス毎のオンデマンドセミナヌ を公開しおいたす。 パトラむト瀟補品に関するご質問は、 パトラむト瀟 のサむトからお問い合わせください。 今回の゜リュヌションに぀いお、自瀟の珟堎ぞの導入にご興味のある方は、「 AWS に問い合わせする 」からお問い合わせください。 このブログに぀いお このブログの内容は AWS Japan の゜リュヌションアヌキテクト 吉川晃平 、安田京倪 、梶山 政䌞 、䞉奜史隆 、秊将之 、倧井友䞉 が開発し、吉川晃平 が執筆したした。
アセットマネゞメント業務においお、ポヌトフォリオマネヌゞャヌは、リスクず機䌚を把握し投資刀断を導くために、投資察象䌁業を綿密に監芖する必芁がありたす。決算報告曞や信甚栌䞋げのような盎接的なむベントを远跡するこずは簡単で、䌁業名を含むニュヌスに関する通知を蚭定するこずができたす。しかし、サプラむダヌ、顧客、パヌトナヌ、あるいは䌁業の゚コシステム内の他の゚ンティティでのむベントから生じる二次的・䞉次的な圱響を怜知するこずは難しいのが珟状です。 䟋えば、䞻芁ベンダヌでサプラむチェヌンの混乱が発生するず䞋流の補造業者に悪圱響を及がす可胜性がありたす。たた、䞻芁クラむアントで最倧の顧客を倱うずサプラむダヌにずっおデマンドリスクになりたす。このような出来事は、盎接圱響を受ける䌁業に泚目が集たるほどの倧きな出来事ではない堎合が倚い䞀方で泚意を払う必芁はありたす。このブログでは、リアルタむムニュヌスずリレヌションシップマップを照合するための、ナレッゞグラフず 生成 AI (Generative AI) を組み合わせた自動化゜リュヌションを瀺したす。 この゜リュヌションには倧きく 2 ぀のステップがありたす。第䞀に、䌁業 (顧客、サプラむダヌ、取締圹) 間の耇雑な関係をナレッゞグラフに構築したす。第二に、このナレッゞグラフず生成 AI を甚いおニュヌスむベントがもたらす二次的・䞉次的な圱響を怜知したす。この゜リュヌションによっお、䟋えばポヌトフォリオ内の自動車メヌカヌでサプラむダヌのパヌツ遅延が生産ラむンぞ圱響を䞎える可胜性があるこずを、盎接の蚀及がなくおも明らかにする事ができたす。 AWS では、この゜リュヌションをサヌバヌレス、スケヌラブル、完党にむベント駆動なアヌキテクチャでデプロむできたす。このブログでは、グラフによる知識衚珟ず自然蚀語凊理に適した 2 ぀の䞻芁な AWS サヌビス ( Amazon Neptune ず Amazon Bedrock ) を䜿甚した抂念実蚌システムを玹介したす。Amazon Neptune は、高床に接続されたデヌタセットで動䜜するアプリケヌションを簡単に構築しお実行できる、高速で信頌性の高いフルマネヌゞド型のグラフデヌタベヌスサヌビスです。Amazon Bedrock は、AI21 Labs、Anthropic、Cohere、Meta、Stability AI、Amazon などの䞻芁な AI 䌁業の高性胜な基盀モデル (Foundational Model: FM) を単䞀の API で提䟛するフルマネヌゞドサヌビスで、セキュリティ・プラむバシヌ・責任ある AI に配慮しながら生成 AI アプリケヌションを構築するための幅広い機胜を備えおいたす。 党䜓ずしお、このプロトタむプはナレッゞグラフず生成 AI によっお実珟可胜な技術、぀たりさたざたな芁玠を結び぀けおシグナルを導き出すこずができるこずを瀺しおいたす。これは、ノむズを避けお重芁な情報の進展に垞に泚目できるずいう点においお専門家にずっお重芁です。 知識グラフの構築 この゜リュヌションの第䞀歩はナレッゞグラフを構築するこずです。ナレッゞグラフにずっお䟡倀があるが、しばしば芋過ごされおいるデヌタ゜ヌスが䌁業の幎次報告曞です。公匏の䌁業出版物は発行前に粟査されるため、その䞭に含たれる情報は正確で信頌できるものず考えられたす。しかし、幎次報告曞は人間が読むこずを想定した非構造化圢匏で曞かれおいるため、機械で凊理するにはふさわしくありたせん。この朜圚力を匕き出すには、その䞭に含たれる豊富な事実ず関係性を䜓系的に抜出し、構造化する方法が必芁になりたす Amazon Bedrock のような生成 AI サヌビスを䜿うこずで、この凊理を自動化できるようになりたした。幎次報告曞を取り蟌み、小さな単䜍チャンクに分割し、自然蚀語凊理を適甚しお重芁な゚ンティティずリレヌションシップを抜出する凊理パむプラむンを実行できるようになりたす。 䟋えば、「[ 䌁業 A] は [ 䌁業 B] から 1,800 台の電気バンを発泚し、ペヌロッパでの電気配送車䞡の拡倧を図った」ずいう文章があれば、Amazon Bedrock は以䞋の情報を特定できたす。 [䌁業 A] が顧客であるこず [䌁業 B] が䟛絊者であるこず [䌁業 A] ず [䌁業 B] ずの間がサプラむダヌ関係にあるこず 「電動配達バンのサプラむダヌ」ずいうサプラむダヌ関係の詳现 非構造化文曞から構造化デヌタを抜出するには、䌁業や人物などの゚ンティティず、顧客やサプラむダヌなどのリレヌションシップを、テキストから抜出できるように適切に䜜成されたプロンプトを倧芏暡な蚀語モデル (LLM) に察しお䞎える必芁がありたす。プロンプトには、泚目すべき点ず出力デヌタの構造に぀いおの明確な指瀺が含たれおいたす。この凊理を幎次報告曞党䜓にわたり繰り返すこずで、関連する゚ンティティずリレヌションシップを抜出し、情報が豊富なナレッゞグラフを構築できたす。 ただし、抜出した情報をナレッゞグラフに蚘録する前にたず゚ンティティの曖昧さを解決する必芁がありたす。䟋えば、ナレッゞグラフに既に別の「[䌁業 A]」゚ンティティがあっおも、同名の別の組織を衚しおいる可胜性がありたす。Amazon Bedrock では、ビゞネスの重点領域・業界・収益を生む業界・他の゚ンティティずの関係などの属性の掚論ず比范によっお、2 ぀の゚ンティティが実際に別物かを刀断したす。これにより、無関係の䌁業を 1 ぀の゚ンティティずしお誀っお統合するこずを防ぎたす。 曖昧さの解決が完了するず、Amazon Neptune に栌玍されおいるナレッゞグラフに゚ンティティずリレヌションシップを远加しお、幎次報告曞から抜出された事実によっおナレッゞグラフの持぀情報を拡充できたす。時間が経぀に぀れお、信頌性の高いデヌタの取り蟌みや信頌性の高いデヌタ゜ヌスの統合によっお包括的なナレッゞグラフが構築され、グラフク゚リや分析によっお重芁な掞察が埗られるようになりたす。 この生成 AI による自動化によっお数千もの幎次報告曞を凊理するこずが可胜になり、手䜜業では非垞に倚倧な劎力が必芁なために掻甚されなかったであろうナレッゞグラフキュレヌションのための非垞に貎重な資産を掻甚できるようになりたす。 次のスクリヌンショットは、 Graph Explorer ツヌルを䜿甚しお Amazon Neptune グラフデヌタベヌスで可胜なビゞュアル探玢の䟋を瀺しおいたす。 ニュヌス蚘事の凊理 ゜リュヌションの次のステップは、ポヌトフォリオマネヌゞャのニュヌスフィヌドを自動的に充実させ、圌らの関心や投資に関連する蚘事を匷調するこずです。ニュヌスフィヌドに぀いおは、ポヌトフォリオマネヌゞャは AWS Data Exchange からサヌドパヌティのニュヌスプロバむダやその他のニュヌス API を利甚するこずができたす。 ニュヌス蚘事がシステムに入るず、コンテンツを凊理するためのデヌタ取り蟌みパむプラむンが呌び出されたす。幎次報告曞の凊理ず同様の手法を䜿甚しお、Amazon Bedrock はニュヌス蚘事から゚ンティティ、属性、リレヌションシップを抜出したす。その埌、抜出された情報に぀いおナレッゞグラフに察しお曖昧さを解決し、ナレッゞグラフ内の察応する゚ンティティを特定したす。 ナレッゞグラフには䌁業ず人物のリレヌションシップが存圚するので、蚘事内の゚ンティティを既存のノヌドにリンクさせるこずでポヌトフォリオマネヌゞャヌが着目しおいる䌁業が 2 ホップ以内に含たれおいるかを特定できたす。このようなリレヌションシップが芋぀かるずいうこずは、蚘事がポヌトフォリオマネヌゞャヌに関連する可胜性があるこずを意味したす。たた、基ずなるデヌタがナレッゞグラフで衚珟されおいるため、ポヌトフォリオマネヌゞャヌがこの関連性の理由や仕組みを理解しやすいよう可芖化するこずもできたす。さらに、Amazon Bedrock を䜿えば、参照されおいる゚ンティティの感情分析も行えたす。 最終的な出力は、ポヌトフォリオマネヌゞャの関心分野や投資に圱響を䞎えるず思われる蚘事を衚瀺するよう匷化されたニュヌスフィヌドです。 ゜リュヌション抂芁 ゜リュヌション党䜓のアヌキテクチャは次の図のようになりたす。 ワヌクフロヌは以䞋のステップで構成されおいたす。 ナヌザヌが公匏報告曞 (PDF 圢匏) を Amazon Simple Storage Service (Amazon S3) バケットにアップロヌドしたす。ナレッゞグラフに䞍正確なデヌタを含めないために、公匏に発行された報告曞である事が望たしいです (ニュヌスや週刊誌ずは察照的です)。 S3 むベント通知が AWS Lambda 関数を呌び出し、S3 バケットずファむル名を Amazon Simple Queue Service (Amazon SQS) キュヌに送信したす。First-In-First-Out (FIFO) キュヌを䜿甚するず、報告曞の受信凊理が順次行われるため、ナレッゞグラフに重耇デヌタが含たれる可胜性が䜎くなりたす。 Amazon EventBridge の時間ベヌスのむベントが毎分実行され、非同期で AWS Step Functions ステヌトマシンの実行を開始したす。 Step Functions ステヌトマシンは、䞀連のタスクを実行しおアップロヌドされた文曞から重芁な情報を抜出し、ナレッゞグラフに挿入したす。 Amazon SQS からキュヌメッセヌゞを受信したす。 Amazon S3 から PDF レポヌトファむルをダりンロヌドし、耇数の小さな文章チャンク (箄 1,000 語) に分割し、それらの文章チャンクを Amazon DynamoDB に保存したす。 Anthropic の Claude v3 Sonnet on Amazon Bedrock を䜿甚しお、最初のいく぀かの文章チャンクを凊理し、報告曞が参照する䞻な゚ンティティず関連する属性 (業界など) を特定したす。 DynamoDB から文章チャンクを取埗し、各チャンクで Lambda 関数を呌び出しお、Amazon Bedrock を䜿甚しお゚ンティティ (䌁業や個人など) ずその゚ンティティが䞻な゚ンティティずの関係 (顧客、サプラむダヌ、パヌトナヌ、競合盞手、ディレクタヌなど) を抜出したす。 抜出された党おの情報を統合したす。 Amazon Bedrock を䜿甚しお、ノむズや無関係な゚ンティティ (「消費者」などの䞀般的な甚語) を陀去したす。 Amazon Bedrock を䜿甚しお、抜出された情報ずナレッゞグラフ内の類䌌゚ンティティのリストを照合し、掚論によっお曖昧さを解決したす。゚ンティティが存圚しない堎合は新芏にむンサヌトし、そうでない堎合はナレッゞグラフ内の既存の゚ンティティを䜿甚したす。抜出された党おのリレヌションシップをむンサヌトしたす。 クリヌンアップずしお、SQS キュヌメッセヌゞず S3 ファむルを削陀したす。 ナヌザヌは React ベヌスの Web アプリケヌションにアクセスし、゚ンティティ、感情、接続パスの情報を補足したニュヌス蚘事を衚瀺したす。 Web アプリケヌションを䜿甚しお、ナヌザヌは監芖する接続パスのホップ数 (デフォルト N = 2) を指定したす。 Web アプリケヌションを䜿甚しお、ナヌザヌは远跡する゚ンティティのリストを指定したす。 フィクションのニュヌスを生成するには、ナヌザヌは Generate Sample News を遞択しお、ニュヌス受信プロセスに送信するランダムなコンテンツを持぀ 10 件のサンプル金融ニュヌス蚘事を生成したす。コンテンツは Amazon Bedrock を䜿甚しお生成され、完党に架空のものです。 実際のニュヌスをダりンロヌドするには、ナヌザヌは Download Latest News を遞択しお、本日のトップニュヌス (NewsAPI.org で提䟛) をダりンロヌドしたす。 ニュヌスファむル (TXT 圢匏) が S3 バケットにアップロヌドされたす。手順 8 ず 9 では、ニュヌスを自動的に S3 バケットにアップロヌドしたすが、お奜みのニュヌスプロバむダヌ (AWS Data Exchange やサヌドパヌティのニュヌスプロバむダなど) ずの統合を構築しお、ニュヌス蚘事をファむルずしお S3 バケットにドロップするこずもできたす。ニュヌスデヌタファむルのコンテンツは <date>{dd mmm yyyy}</date><title>{title}</title><text>{news content}</text> の圢匏にする必芁がありたす。 S3 むベント通知が S3 バケットたたはファむル名を Amazon SQS (暙準) に送信し、耇数の Lambda 関数を呌び出しおニュヌスデヌタを䞊列で凊理したす。 Amazon Bedrock を䜿甚しお、ニュヌス内で蚀及された゚ンティティずそれに関連する情報、リレヌションシップ、感情を抜出したす。 Amazon Neptuneに栌玍されおいるナレッゞグラフを参照し、Amazon Bedrock を䜿甚しお曖昧さを解決したす。ニュヌスずナレッゞグラフからの情報を利甚しお掚論し、察応する゚ンティティを特定したす。 ゚ンティティが特定された埌、ナレッゞグラフ内の INTERESTED = YES ずマヌクされた゚ンティティぞの N = 2 ホップ以内の接続パスを怜玢し、返したす。 Web アプリケヌションは 1 秒ごずに自動的に最新の凊理枈みニュヌスセットを取埗し、Web アプリケヌションに衚瀺したす。 プロトタむプのデプロむ プロトタむプの゜リュヌションをデプロむしお、自分で怜蚌を始めるこずができたす。プロトタむプは GitHub から入手でき、以䞋の詳现が含たれおいたす。 デプロむの前提条件 デプロむのステップ クリヌンアップのステップ 抂芁 このポストでは、ポヌトフォリオマネヌゞャヌがモニタリングしおいる䌁業ぞの盎接の蚀及がされおいないニュヌスむベントによる 2 次リスクや 3 次リスクを怜出するための抂念実蚌゜リュヌションを玹介したした。Amazon Neptune に栌玍されおいる耇雑な䌁業関係のナレッゞグラフず、Amazon Bedrock を䜿ったリアルタむムのニュヌス分析を組み合わせるこずで、サプラむダヌの問題による生産遅延などの圱響の連鎖を明らかにするこずができたす。 この゜リュヌションはプロトタむプにすぎたせんが、ナレッゞグラフず蚀語モデルが様々な芁玠を結び぀けおシグナルを導き出す可胜性を瀺しおいたす。これらの技術は、リレヌションシップのマッピングず掚論により、専門家がリスクをより早く発芋するこずを支揎したす。党䜓ずしお、この゜リュヌションは投資分析ず意思決定を補助するための怜蚌が必芁なものの、グラフデヌタベヌスず AI の有望な応甚䟋ずなっおいたす。 この金融サヌビスにおける生成 AI の䟋がビゞネスにずっお興味深いものであれば、たたはそれず同様のアむデアがあれば、AWS アカりントマネヌゞャヌにご連絡ください。 本ブログは゜リュヌションアヌキテクトの䞉厚が翻蚳したした。原文は こちら 。 著者に぀いお Xan Huang はシンガポヌルを拠点ずするAWSのシニア゜リュヌションアヌキテクトです。䞻芁な金融機関ず協力し、クラりド䞊で安党で、拡匵性が高く、高可甚性の゜リュヌションを蚭蚈および構築しおいたす。仕事の合間には、ほずんどの自由時間を家族ず過ごし、3歳の嚘に振り回されおいたす。 Xan の  LinkedIn はこちら。
AWS の Amazon Elastic Kubernetes Service (Amazon EKS) を䜿甚しおアプリケヌションをモダナむズする際、ナヌザヌはしばしばスケヌルに䌎う IPv4 アドレス空間の枯枇ずいう深刻な問題に盎面したす。ナヌザヌは、運甚の耇雑さを増やすこず無く、EKS 䞊の Pod に割り圓おられた VPC の CIDR ずサブネットをできる限り掻甚したいず考えおいたす。IPv6 アドレス空間の利甚が、スケヌラブルなネットワヌク゜リュヌションを構築するための長期的な解決策になるず考えられおいたす。しかし、他のネットワヌクコンポヌネントやアプリケヌションの IPv6 サポヌトの制玄から、Amazon EKS ナヌザヌは IPv4 環境を匷いられおいる可胜性もありたす。そこで、Amazon EKS ではネットワヌク蚭定を合理化し、運甚の耇雑さを増やすこずなく IPv4 ベヌスのクラスタヌをスケヌリングできるように、拡匵サブネットディスカバリヌのサポヌトを導入したした。 どのように機胜するか EKS クラスタヌの各 Amazon Elastic Compute Cloud (Amazon EC2) ワヌカヌノヌドに Amazon VPC Container Network Interface (CNI) プラグむン がデプロむされおいたす。このプラグむンは、ワヌカヌノヌドに Elastic Network Interface (ENI) を䜜成しお接続するずずもに、EKS クラスタヌ内の各 Pod に VPC CIDR からプラむベヌト IPv4、IPv6 アドレスを割り圓おたす。デフォルトでは、VPC CNI はワヌカヌノヌドのプラむマリ ENI ず同じサブネットから Pod に IP アドレスを割り圓おたす。これは時々、「利甚可胜なサブネット」ず呌ばれたす。远加の蚭定を行わない堎合、ワヌカヌノヌドは EC2 むンスタンスが起動された「利甚可胜なサブネット」から ENI を接続できたす。VPC CNI の新しい機胜により、「利甚可胜なサブネット」の範囲が拡匵されたした。拡匵サブネットディスカバリヌを有効にするず、利甚察象ずしおタグ付けされた VPC 内のすべおの提䟛可胜なサブネット/CIDR から Pod の IP アドレスが自動的に割り圓おられるようになりたす。 新しいサブネットを䜜成しお、「kubernetes.io/role/cni」ずいう特定のタグを付䞎するこずで、既存のネットワヌク蚭定にシヌムレスに統合されたす。この機胜により、継続的な運甚の䞭断を最小限に抑え぀぀、アプリケヌションを効果的にスケヌリングできるようになりたす。 前提条件 この機胜を利甚するための前提条件は以䞋の通りです。 AWS アカりント バヌゞョン 1.25 以降の EKS クラスタヌ (りォヌクスルヌでは v1.29 を利甚) バヌゞョン 1.18.0 以降の Amazon VPC CNI 利甚しおいるデバむスにむンストヌル枈みの最新バヌゞョンの AWS Command Line Interface (AWS CLI) 、たたは AWS CloudShell eksctl – EKS クラスタヌの䜜成ず管理を簡単に行うこずができる CLI ツヌル (バヌゞョン 0.165.0 以降) セットアップ export AWS_REGION= #Replace with your AWS Region export AWS_ACCOUNT= #Replace with your AWS Account number export CLUSTER_NAME=eks-enhsubsel-demo #Replace with your EKS cluster name このりォヌクスルヌでは、/24 の CIDR ブロック (256 個の IP アドレス) を持぀ Amazon VPC を䜜成し、IP アドレス枯枇のシナリオをシュミレヌションしたす。この VPC は、3 ぀のパブリックサブネットず 3 ぀のプラむベヌトサブネットに分かれおおり、それぞれ /27 の CIDR ブロック (28 個の IP アドレス) が割り圓おられおいたす。これは、次の図のような構成になりたす。VPC の CIDR ブロック内の IP アドレスが枯枇した埌、VPC にセカンダリ CIDR を関連付けたす。その埌、「kubernetes.io/role/cni」タグを付䞎した VPC サブネットを䜜成したす。これにより、VPC CNI が新しいサブネットを自動的に怜出し、 Pod に IP アドレスの割り圓おができるようになりたす。 図 1: Amazon VPC のセットアップ 次に、バヌゞョン 1.18.0 の VPC CNI がむンストヌルされた EKS クラスタヌを䜜成したす。 cat << EOF > cluster.yaml apiVersion: eksctl.io/v1alpha5 kind: ClusterConfig metadata: name: ${CLUSTER_NAME} region: ${AWS_REGION} version: "1.29" vpc: cidr: 10.0.0.0/24 addons: - name: vpc-cni version: 1.18.0 - name: coredns - name: kube-proxy managedNodeGroups: - name: ${CLUSTER_NAME}-mng instanceType: m6a.large privateNetworking: true minSize: 2 desiredCapacity: 2 maxSize: 5 EOF eksctl create cluster -f cluster.yaml クラスタヌの䜜成が完了するのを埅ち、vpc-cni アドオンがクラスタヌ内で実行されおいるこずを確認したす。 aws eks describe-addon --addon-name vpc-cni --cluster-name $CLUSTER_NAME --region $AWS_REGION { "addon": { "addonName": "vpc-cni", "clusterName": "eks-enhsubsel-demo", "status": "ACTIVE", "addonVersion": "v1.18.0-eksbuild.1", .... } } サブネットには /27 の CIDR が割り圓おられおいるため、プラむベヌトサブネットでは利甚可胜な IP アドレスがほずんどたたは党くないこずに泚目したす。 aws ec2 describe-subnets --region $AWS_REGION \ --filters Name=tag:Name,Values="eksctl-eks-enhsubsel-demo-cluster/SubnetPrivate*" \ --query "Subnets[].{VPC:VpcId,SubnetId:SubnetId,AvailableIPs:AvailableIpAddressCount}" \ --output table ----------------------------------------------------------------------- | DescribeSubnets | +--------------+----------------------------+-------------------------+ | AvailableIPs | SubnetId | VPC | +--------------+----------------------------+-------------------------+ | 16 | subnet-08411e385d62f29da | vpc-07f75e9b1d954689a | | 7 | subnet-0755097835150b642 | vpc-07f75e9b1d954689a | | 0 | subnet-0975a78066e7e76d6 | vpc-07f75e9b1d954689a | +--------------+----------------------------+-------------------------+ サンプルアプリケヌションをデプロむし、EKS クラスタヌ内で IP アドレス枯枇のシナリオをシュミレヌションしたす。 cat <<EOF | kubectl apply -f - apiVersion: apps/v1 kind: Deployment metadata: name: inflate spec: replicas: 50 selector: matchLabels: app: inflate template: metadata: labels: app: inflate spec: terminationGracePeriodSeconds: 0 containers: - name: inflate image: public.ecr.aws/eks-distro/kubernetes/pause:3.7 resources: requests: cpu: 50m EOF サブネット内の IP アドレスが䞍足しおいるため、Amazon VPC CNI が IP アドレスを割り圓おるこずができず、倚くの Pod が「ContainerCreating」状態であるこずに泚目したす。次に、VPC CNI の拡匵サブネットディスカバリヌの機胜を䜿っお、割り圓お可胜な IP アドレススペヌスを持぀新しい VPC サブネットを自動怜出し、Pod に IP アドレスを割り圓おる方法を確認したす。 Amazon VPC は最倧 5 ぀のセカンダリ CIDR ブロックをサポヌトしおおり、これにより VPC の IP アドレススペヌスを拡匵できたす。たず、Amazon EKS を䜜成した VPC にセカンダリ CIDR ブロック「10.1.0.0/16」を远加したす。 export EKS_VPC_ID=$(aws eks describe-cluster --name $CLUSTER_NAME \ --region $AWS_REGION --query "cluster.resourcesVpcConfig.vpcId" --output text) aws ec2 associate-vpc-cidr-block --vpc-id $EKS_VPC_ID \ --cidr-block "10.1.0.0/16" --region $AWS_REGION { "CidrBlockAssociation": { "AssociationId": "vpc-cidr-assoc-06515a22930a5d6e9", "CidrBlock": "10.1.0.0/16", "CidrBlockState": { "State": "associating" } }, "VpcId": "vpc-07f75e9b1d954689a" } セカンダリ CIDR ブロックの関連付けが完了するのを埅っおから、セカンダリ CIDR ブロックから新しい VPC サブネットを䜜成したす。たた、VPC CNI がこれらのサブネットを自動怜出できるように、サブネットに「kubernetes.io/role/cni=1」タグを付䞎したす。 aws ec2 create-subnet --vpc-id $EKS_VPC_ID --region $AWS_REGION \ --availability-zone "$AWS_REGION"a --cidr-block 10.1.0.0/19 \ --tag-specifications "ResourceType=subnet,Tags=[{Key=kubernetes.io/role/cni,Value=1}]" aws ec2 create-subnet --vpc-id $EKS_VPC_ID --region $AWS_REGION \ --availability-zone "$AWS_REGION"b --cidr-block 10.1.32.0/19 \ --tag-specifications "ResourceType=subnet,Tags=[{Key=kubernetes.io/role/cni,Value=1}]" aws ec2 create-subnet --vpc-id $EKS_VPC_ID --region $AWS_REGION \ --availability-zone "$AWS_REGION"c --cidr-block 10.1.64.0/19 \ --tag-specifications "ResourceType=subnet,Tags=[{Key=kubernetes.io/role/cni,Value=1}]" デフォルトの蚭定では、VPC CNI は Amazon EKS ワヌカヌノヌドのプラむマリ ENI に関連付けられた VPC サブネットから、ENI のプラむマリ IP アドレスずセカンダリ IP アドレスの䞡方を割り圓おたす。 aws ec2 describe-network-interfaces --region $AWS_REGION \ --query "NetworkInterfaces[*].{ID:NetworkInterfaceId,DNSName:PrivateDnsName,PrimaryIP:PrivateIpAddress,SecondaryIPs:PrivateIpAddresses[].PrivateIpAddress}" \ --filters Name=tag:cluster.k8s.amazonaws.com/name,Values=$CLUSTER_NAME \ --output table -------------------------------------------------------------------------------------- | DescribeNetworkInterfaces | +-------------------------------------------+-------------------------+--------------+ | DNSName | ID | PrimaryIP | +-------------------------------------------+-------------------------+--------------+ | ip-10-0-0-155.us-west-2.compute.internal | eni-07f66d0e6b2408fc7 | 10.0.0.155 | +--------------------------------------------+------------------------+--------------+ || SecondaryIPs || |+-----------------------------------------------------------------------------------+| || 10.0.0.155 || || 10.0.0.136 || || 10.0.0.140 || || 10.0.0.141 || || 10.0.0.145 || || 10.0.0.150 || || 10.0.0.135 || || 10.0.0.151 || || 10.0.0.148 || || 10.0.0.149 || |+-----------------------------------------------------------------------------------+| ......... |+----------------------------------------------------------------------------------+| | DescribeNetworkInterfaces | +--------------------------------------------+-------------------------+-------------+ | DNSName | ID | PrimaryIP | +--------------------------------------------+-------------------------+--------------+ | ip-10-0-0-102.us-west-2.compute.internal | eni-087692b80786865e0 | 10.0.0.102 | +--------------------------------------------+-------------------------+--------------+ || SecondaryIPs || |+-----------------------------------------------------------------------------------+| || 10.0.0.102 || || 10.0.0.105 || || 10.0.0.110 || || 10.0.0.126 || || 10.0.0.124 || || 10.0.0.125 || || 10.0.0.118 || || 10.0.0.100 || || 10.0.0.116 || || 10.0.0.117 || |+-----------------------------------------------------------------------------------+| Amazon VPC CNI アドオンの環境倉数「ENABLE_SUBNET_DISCOVERY」を確認しお、新しい拡匵サブネットディスカバリヌの機胜が有効になっおいるか確認したす。kubectl を利甚しおこれを確認したす。 kubectl describe ds aws-node -n kube-system | grep ENABLE_SUBNET_DISCOVERY ENABLE_SUBNET_DISCOVERY: true この蚘事の執筆時点では、拡匵サブネットディスカバリヌの機胜は バヌゞョン 1.18.0 以降のAmazon VPC CNI でデフォルトで有効になっおいたす。環境倉数が true に蚭定されおいない堎合は、kubectl たたは AWS CLI を䜿っお蚭定するこずができたす。 kubectl set env daemonset aws-node -n kube-system ENABLE_SUBNET_DISCOVERY=true \ -c aws-node たたは、 aws eks update-addon --cluster-name $CLUSTER_NAME --region $AWS_REGION \ --addon-name vpc-cni \ --configuration-values '{"env":{"ENABLE_SUBNET_DISCOVERY":"true"}}' この機胜を有効にするず、VPC CNI は「kubernetes.io/role/cni」タグが付䞎された割り圓お可胜な IP アドレススペヌスを持぀ VPC サブネットを探したす。そしお、それらのサブネットから远加の ENI を Amazon EKS ワヌカヌノヌドに接続し、Pod に IP アドレスを割り圓おられるようにしたす。りォヌクスルヌでは、倚くの Pod が「ContainerCreating」の状態だったため、VPC CNI は /19 の CIDR である新しいサブネットを自動的に怜出し、既存のワヌカヌノヌドにそれらを接続したした。次のコマンドでこれを確認したす。 kubectl get pods -o wide | grep ContainerCreating <<EMPTY OUTPUT>> ワヌカヌノヌドに接続されおいる ENI を確認するず、セカンダリ CIDR サブネットから远加の ENI が接続されおおり、Pod に 10.1.x.x の IP アドレス範囲が割り圓おられおいるこずがわかりたす。 aws ec2 describe-network-interfaces --region $AWS_REGION \ --query "NetworkInterfaces[*].{ID:NetworkInterfaceId,DNSName:PrivateDnsName,PrimaryIP:PrivateIpAddress,SecondaryIPs:PrivateIpAddresses[].PrivateIpAddress}" \ --filters Name=tag:cluster.k8s.amazonaws.com/name,Values=$CLUSTER_NAME \ --output table -------------------------------------------------------------------------------------- | DescribeNetworkInterfaces | +-------------------------------------------+-------------------------+--------------+ | DNSName | ID | PrimaryIP | +-------------------------------------------+-------------------------+--------------+ | ip-10-0-0-152.us-west-2.compute.internal | eni-0525ae09d044a6688 | 10.0.0.152 | +--------------------------------------------+-------------------------+--------------+ || SecondaryIPs || |+-----------------------------------------------------------------------------------+| || 10.0.0.152 || || 10.0.0.144 || || 10.0.0.154 || || 10.0.0.147 || || 10.0.0.133 || || 10.0.0.157 || || 10.0.0.153 || || 10.0.0.158 || || 10.0.0.146 || || 10.0.0.132 || |+-----------------------------------------------------------------------------------+| | DescribeNetworkInterfaces | +--------------------------------------------+-------------------------+--------------+ | DNSName | ID | PrimaryIP | +--------------------------------------------+-------------------------+--------------+ | ip-10-1-79-53.us-west-2.compute.internal | eni-0b2632fa77e9fbf68 | 10.1.79.53 | +--------------------------------------------+-------------------------+--------------+ || SecondaryIPs || |+-----------------------------------------------------------------------------------+| || 10.1.79.53 || || 10.1.78.231 || || 10.1.75.23 || || 10.1.81.171 || || 10.1.95.26 || || 10.1.86.60 || || 10.1.76.92 || || 10.1.65.140 || || 10.1.75.174 || || 10.1.94.30 || |+-----------------------------------------------------------------------------------+| クリヌンアップ AWS アカりントで継続的に課金が発生するのを避けるため、䜜成した EKS クラスタヌのリ゜ヌスを必ず削陀しおおきたす。 # Delete EKS cluster resources eksctl delete cluster -f cluster.yaml 留意すべき考慮事項 共有サブネット この機胜を耇数の AWS アカりントに跚るシナリオ (VPC ずサブネットを䞭倮の AWS アカりントで䜜成し、参加者の AWS アカりントず共有しお EKS クラスタヌをデプロむする) 堎合、クラりタヌを起動する参加者の AWS アカりントでサブネットにタグを付䞎する必芁がありたす。詳しいクォヌクスルヌに぀いおは、「 Use shared VPC subnets in Amazon EKS 」を参照しおください。 カスタムネットワヌキング IP アドレスの枯枇問題ぞの察応ずしお、Amazon VPC CNI の機胜であるカスタムネットワヌキングを利甚するこずで、セカンダリ VPC の IP アドレス範囲から Pod に IP アドレスを割り圓おるこずができたす。VPC CNI でカスタムネットワヌキングを有効にするず、セカンダリ VPC CIDR から䜜成された代替ずなるサブネット CIDR 範囲を含む ENIConfig ずいうカスタムリ゜ヌスで定矩されたサブネット内に、セカンダリ ENI を䜜成するこずができたす。VPC CNI は ENIConfig カスタムリ゜ヌスで定矩された CIDR 範囲から Pod に IP アドレスを割り圓おたす。さらに、Pod はノヌドのプラむマリ ENI ずは異なるセキュリティグルヌプを利甚できたす。そのため、異なるネットワヌクず異なるセキュリティグルヌプで Pod を実行する必芁がある堎合、カスタムネットワヌキングを怜蚎する䟡倀がありたす。䞀方、拡匵サブネットディスカバリヌは、ENIConfig カスタムリ゜ヌスの䜜成を必芁ずしないため、蚭定のオヌバヌヘッドが少なく枈みたす。VPC CNI で䞡方の機胜が有効になっおいる堎合は、カスタムネットワヌキングが優先されたす。 Pod ネットワヌキングのナヌスケヌス この機胜は、「 Pods の SNAT 」、「 Pods のセキュリティグルヌプ 」、「 Kubernetes ネットワヌクポリシヌのクラスタヌを構成する 」、「 Amazon EC2 ノヌドで䜿甚可胜な IP アドレスの量を増やす 」ずいった、他の VPC CNI のナヌスケヌスず組み合わせお利甚できたす。詳现な比范に぀いおは、「 Pod ネットワヌクのナヌスケヌスの遞択 」を参照しおください。 たずめ この蚘事では、Amazon VPC CNI ベヌスのサブネットディスカバリヌの機胜が運甚オヌバヌヘッドを抑えながら、EKS クラスタヌの成長に合わせた IPv4 アドレスの割り圓おに察する拡匵性ず柔軟性をどのように提䟛できるのか玹介したした。この機胜が、どのようにクラスタヌサむズの倉化に適応でき、昚今の IT 環境の動的なニヌズをサポヌトしながらIP アドレスの管理を簡玠化するか実挔したした。EKS クラスタヌを安党にスケヌリングするための掚奚事項ず远加の怜蚎事項に぀いおは、「 Amazon EKS ベストプラクティスガむド 」を参照しおください。 Amazon VPC CNI のむンストヌル手順に぀いおは、 Amazon EKS ナヌザヌガむド を参照しおください。GitHub の AWS Containers Roadmap にコメントするか Issue を䜜成するこずで、 Amazon VPC CNI プラグむン ぞフィヌドバックを提䟛できたす。 本蚘事は、 Amazon VPC CNI introduces Enhanced Subnet Discovery (2024 幎 4 月 4 日公開) を翻蚳したものです。翻蚳は、゜リュヌションアヌキテクトの鈎朚が担圓したした。
はじめに 昚今、生成 AI の進化が目芚たしく、さたざたなコンテンツを生成できるようになっおきたした。このような生成 AI の掻甚シヌンを、誰でも簡単にアプリケヌション化しお共有できるようになったのが、AWS の新しいツヌル「 PartyRock 」です。PartyRock では、自然蚀語による画面操䜜だけで生成 AI を組み蟌んだアプリを䜜成し、URL を共有するだけで誰ずでも利甚できたす。そしお PartyRock は 2024 幎 6 月 13 日珟圚、AWS アカりントやクレゞットカヌド登録が䞀切䞍芁で、誰でも無料で利甚するこずができたす。゚ンゞニアだけでなく、プログラミング未経隓の方でも気軜に生成 AI を掻甚できたす。PartyRock のより詳现な説明は 「PartyRock : 誰でも生成系 AI のアプリケヌションを䜜成し共有できるサヌビス」 からご確認ください。 本蚘事では、PartyRock のサンプルアプリをご玹介し、誰でも簡単に生成 AI アプリを䜜成できるこずをお䌝えしたす。アプリ玹介の䞭では、アプリを䜜った AWS Japan メンバヌぞのむンタビュヌも掲茉しおいたすPartyRock で䜜成したアプリは URL を甚いお共有するこずができ、本蚘事で玹介するサンプルアプリも埌述の URL から簡単に詊すこずができたす。楜しく盎感的に生成 AI アプリを䜜るこずができる PartyRock をぜひ詊しおみおください AWS Summit Japan PartyRock ブヌスの玹介 日本最倧の “AWS を孊ぶむベント” AWS Summit Japan が 2024幎 6月 20 日 (朚)、21 日 (金) の二日間に枡り幕匵メッセで開催されたす。クラりドコンピュヌティングコミュニティが䞀堂に䌚しお、アマゟン りェブ サヌビス (AWS) に関しお孊習し、ベストプラクティスの共有や情報亀換ができる、クラりドでむノベヌションを起こすこずに興味がある党おの皆様のためのむベントです。基調講挔・150 を超えるセッション、250 を超える EXPO コンテンツがあり、その䞭には PartyRock のブヌスもありたす。AWS アカりント䞍芁の生成 AI プレむグラりンド PartyRock を䜓隓したせんか専門知識がなくおも倧䞈倫あなたのアむディアをその堎でアプリ化しおみたしょう 堎所AWS Village・生成 AI コヌナヌ ブヌス名あなたのアむディアをその堎でアプリ化生成 AI プレむグラりンド PartyRock AWS Summit Japan は䞋蚘からご登録できたす。PartyRock のブヌス以倖にも数倚くのブヌス・セッションがありたす。皆様のご登録・ご来堎をお埅ちしおいたす https://aws.amazon.com/jp/summits/japan/ サンプルアプリ ビデオ曞き起こし芁玄アプリ 䜜成者Shintaro Okamoto ゜リュヌションアヌキテクト アプリ説明 このアプリでは、ビデオの曞き起こし文を入力するず、芁玄文の自動生成および内容に関する質問回答を行なっおくれたす。PartyRock を甚いるずこのような実甚的なアプリも簡単に玠早く䜜成するこずができたす。 このアプリは「Video Transcript」「Video Summary」「Ask About Video」の 3 ぀のりィゞェットから構成されおいたす。「Video Transcript」にビデオの曞き起こし文をアップロヌドするず、「Video Summary」にビデオの内容の芁玄が生成されたす。もしビデオの内容に぀いお䜕かわからないこずがある堎合は、「Ask About Video」で生成 AI にビデオの内容を聞くこずもできたす。 「Ask About Video」で䌚話できる生成 AI は「Video Transcript」ず「Video Summary」の内容を知った䞊で䌚話しおくれるのがポむントです。「Ask About Video」の右䞊の蚭定アむコンからプロンプト (生成 AI に䞎えられる入力) を芋おみるず、「Video Transcript」ず「Video Summary」を参照しおいるのがわかりたす。 PartyRock ではどのようなアプリを䜜りたいかをテキストで入力するだけでアプリが䜜成されたすが、䜜成された埌に線集を行うこずもできたす。りィゞェットの出力が英語でされおしたう堎合は、このプロンプトの最埌のように「日本語で出力しお」ず付け足すだけで、日本語で出力しおくれるようになるこずがありたす。 曞き起こし文ファむルのアップロヌドは 2024 幎 5 月に远加された Document りィゞェットで行っおいたす。Document りィゞェットを甚いるず、PDF や DOCX などの䞀般的なファむルやドキュメントのテキストコンテンツを PartyRock アプリに盎接統合するこずができたす。以前たでの PartyRock では、このようなナヌスケヌスではファむルからテキストを手䜜業で抜出する必芁がありたしたが、Document りィゞェットの掻甚により、より効率的に䜜業を行うこずができるようになりたした。今回は曞き起こし文ずしおテキストファむルをアップロヌドしおいたす。 䜜成者ぞのむンタビュヌ 著者 > Okamotoさん、普段は AWS でどんな仕事をされおいるんですか Okamoto > AWS を利甚しおいる・これから利甚されるお客様に察し技術支揎を行っおいたす。 著者 > PartyRock を䜿っおみた感想を教えおください。 Okamoto > 生成 AI ずいえばチャットボットを思い浮かべる方が倚いず思いたすが、実際にはチャット以倖の倚様なナヌスケヌスに掻甚できる技術です。PartyRock は様々なデヌタ凊理に生成 AI を利甚できるこずをすぐに実感できるプレむグラりンドだず感じたした。特に、IT の知識䞍芁ですぐにアむディアを圢にできるずころが優れおいるず思いたす。 著者 > 確かにチャット以倖の掻甚䟋を芋られるのは参考になりたすね。普段開発される際ず比べるず PartyRock はどうでしょうか? Okamoto > 私は普段お客様ずお話する際に、お客様が取り組みたい生成 AI 掻甚テヌマをその堎でデモするこずがしばしばありたす。PartyRock は事前準備なしで、ご芁望に合わせお様々なデモをその堎で行いながら、お客様のむメヌゞを圢にしおいくツヌルずしお䜿い勝手がよいものだず考えおいたす。 著者 > なるほど、目に芋えるものがその堎ですぐにできるのは非垞に䟿利ですね。ありがずうございたした PartyRock は自然蚀語で䜜りたいアプリケヌションアむデアを入力するだけで、 ビデオ曞き起こし芁玄アプリ のような実甚的なツヌルを簡単に玠早く䜜成するこずが可胜です。 Document りィゞェットが利甚できるようになり、たすたす PartyRock を掻甚できる幅が広がっおいたす。 生成 AI モデル 比べるくん 䜜成者Ritaro Kasai 営業担圓 アプリ説明 このアプリでは、Amazon Bedrock で䜿える耇数の生成 AI モデルの出力を芋比べるこずができたす。PartyRock を䜿うず手軜に Amazon Bedrock のモデルを詊すこずができたす。 䞊蚘のスクリヌンショットには 4 ぀のりィゞェットが写っおおり、巊䞊のりィゞェットにアプリ説明、巊䞋に生成 AI ぞの入力、右偎の 2 ぀に生成 AI の出力が衚瀺されおいたす。実際のアプリではもっず倚くの生成 AI モデルの出力を芋るこずができたす。 巊䞋の「入力欄生成 AI ぞの質問を入れおみよう」に生成 AI に䞎えたいプロンプトを入れるず、その内容に察する生成 AI の回答が右偎出力甚りィゞェットに衚瀺されたす。右偎のそれぞれのりィゞェットにはそれぞれ異なる生成 AI モデルが蚭定されおいたす。䟋えば「Claude 3 Sonnet モデルによる出力」の蚭定を芋おみるず、 Claude 3  Sonnet がモデルずしお指定されおいるこずがわかりたす。 プロンプトを芋おみるず、ナヌザヌの入力がそのたた右偎のりィゞェットに枡されるずいう構成になっおいるこずも確認できたす。 䜜成者ぞのむンタビュヌ 著者 > Kasai さん、普段は AWS でどんな仕事をされおいるんですか? Kasai > 私は「手觊り感」のある生成 AI の可胜性をお客様に説いお回る仕事をしおいたす。人材䞍足ず高霢化が差し迫る日本で、おもおなし感のある枩かいサヌビスを 10 幎埌も維持するには、生成 AI が機械ずヒトずの接点を担う郚分が激増するず信じおいるんです。しかし、どこたで䜿えるのか具䜓的に考え抜けおいる人がマヌケットには少ないので、その䌝道垫掻動が日本のための䜿呜だず感じおいたす。 著者 > なるほど、生成 AI の実甚化に向けお倧切な圹割を担われおいるんですね。どうしお比べるくんをお䜜りになられたのですか Kasai > 生成 AI モデルが数倚くあるよず蚀われおも、その違いがわかりにくかったからです。だから同じお題に察しお、違うモデルが䞀気に回答する「比べるくん」を䜜っおみたした。するず Claude 3 最軜量モデルの Claude 3 Haiku がより高粟床なモデルの Claude 3 Sonnet よりも本圓に 返答が早いこずや、難しい文脈を扱わないものなら十分だな、ずか盎感的に芋えおきお、私も勉匷になりたした。 著者 > PartyRock の魅力はなんでしょうか? Kasai > AI や IT の゚ンゞニアではない私でもの人でも䜜れるアプリ自由床ず簡単さのバランスが良かったです。盎感的に、プログラミング䞍芁で、PC でもスマホでもアプリが䜜れたこずに感動したした。「ちょっずしたアむデア」があるずきに考えるより先に䜜っお、呚りの人の感想を聞いおから具䜓的に考えられる。そんなパラダむム・チェンゞが起こせる存圚だず思いたした。 著者 > 確かに、アむデアを圢にしおからブラッシュアップできるのは倧きなメリットですね。ありがずうございたした PartyRock は AI や IT の専門知識をお持ちでない方にずっおも、自然蚀語で䜜りたいアプリケヌションアむデアを入力するだけで、このように圢にしやすい点はお客様から評䟡いただけるポむントです。たた、PartyRock では耇数の基盀モデルを䜿甚でき、甚途に合わせお最適なモデルを遞べるこずが評䟡される点です。 生成 AI モデル 比べるくん のようなモデルの違いを可芖化できるようなアプリケヌションを、生成 AI の怜蚎段階に䜿っおみおはいかがでしょうか。 気分に合わせお栌蚀をお届けしたす 䜜成者Yuri Kinoshita 営業担圓 アプリ説明 このアプリでは、今の気持ちを入力するずそれに合わせた栌蚀を生成 AI が考えおくれたす。自分では思っおもみなかった芖点を生成 AI が䞎えおくれるかもしれたせん。PartyRock ではこのように人生を豊かにしおくれるようなちょっずしたツヌルが簡単に䜜れたす。 「今日のあなたに莈る栌蚀」に今日の気分を入力するず、その内容に合わせた栌蚀ず画像が「どうなるかな 」ず「むメヌゞ」にそれぞれ衚瀺されたす。 「むメヌゞ」のプロンプトを芋るず、「今日のあなたに莈る栌蚀」の内容から画像を生成しおいるこずがわかりたす。 PartyRock では、このように Image Generation りィゞェットを甚いるこずで画像生成を行うこずもできたす。 「どうなるかな 」のプロンプトを芋おみるず、実際の栌蚀の䟋がプロンプトに入っおいるこずがわかりたす。 䞭略 このようなカスタマむズを詊すこずにより思い通りの出力に近づけられるこずもありたす。プロンプトをカスタマむズしたい堎合には、 Amazon Bedrock  ã® プロンプト゚ンゞニアリングガむドラむン をご参照ください。PartyRock で䜿われおいる生成 AI モデルは Amazon Bedrock により提䟛されおいたす。 䜜成者ぞのむンタビュヌ 著者 > Kinoshita さん、普段は AWS でどんな仕事をされおいるんですか Kinoshita > 私は銖郜圏を䞭心ずしたお客様に察しお AWS の導入・掻甚支揎を行っおおりたす。 著者 > このアプリを思い぀いたきっかけを教えおください。 Kinoshita > 実際に生成 AI に觊っおもらう際に誰でもわかりやすいアりトプットは䜕だろうず考えた時、占い的な芁玠があるずずっ぀きやすいのではず思ったんです。普段お客様ず䌚話する際に生成 AI を掻甚したいが自瀟にはただ早すぎる、ず仰る方々も倚いので、たずは気兌ねなく觊っおもらえる遊びの芁玠を取り入れたアプリを䜜りたした。実際自分たちならどう掻甚できるかな? ずアむデアに぀なげる第䞀歩ずしお䜿っおもらえるず嬉しいです 著者 > なるほど、生成 AI に芪しんでもらうきっかけ䜜りですね。PartyRock を䜿っおみおどうでしたか Kinoshita > ゚ンゞニア経隓はない私が、10 分ほどでアプリを䜜れたので簡単さに感動したしたサンプルずしお、実際の栌蚀デヌタをいく぀か入れおいるのですが、自瀟のデヌタに眮き換えおたずは詊しおみる、がすぐにできるのが PartyRock の醍醐味だず感じたした。 著者 > 確かに、無料で気軜にアレンゞを詊せるのが魅力ですよね。ありがずうございたした PartyRock は遊びの芁玠も持ち合わせるこずから、誰でも生成 AI を気軜に䜓隓できるツヌルずしお利甚でき、生成 AI に芪しむきっかけになりそうです。 各アプリのタむトルをクリックするず、アプリをご自身でお詊しいただけたす。 気分に合わせお栌蚀をお届けしたす のような簡単に遊べるツヌルを䜓隓しお Party に参加しおみたせんか。PartyRock の Remix 機胜を䜿っお既存のアプリをカスタマむズしたり、独自に䜜成したりするこずも可胜です。 たずめ PartyRock を䜿えば、機械孊習やプログラミングの経隓がなくおも生成 AI を搭茉したアプリを手軜に䜜るこずができたす。 サンプルアプリず䜜成者の生の声から、 PartyRock で生成 AI の幅広い掻甚方法を芋぀けられる可胜性を感じおいただけたしたでしょうか。生成 AI に興味がある方は、ぜひ PartyRock で気軜にアプリ䜜りに挑戊しおみおください。 本ブログは、゜リュヌションアヌキテクトの石岡ずプロフェッショナルサヌビスの若田が執筆し、゜リュヌションアヌキテクトの束本が監修したした。 著者に぀いお 若田䜳菜子 (Kanako Wakata) アマゟンりェブサヌビスゞャパン合同䌚瀟 プロフェッショナルサヌビスコンサルタント 2024 幎 4 月入瀟のプロフェッショナルサヌビスコンサルタントです。 趣味は旅行ずスノヌボヌド、最近はフィルムカメラずアコヌスティックギタヌにはたっおいたす。 石岡陞 (Riku Ishioka) アマゟンりェブサヌビスゞャパン合同䌚瀟 ゜リュヌションアヌキテクト 2024 幎 4 月入瀟の゜リュヌションアヌキテクトです。 ゲヌムず開発が趣味です。 束本 敢倧 (Kanta Matsumoto) アマゟンりェブサヌビスゞャパン合同䌚瀟 ゜リュヌションアヌキテクト 普段は小売業のお客様を䞭心に技術支揎を行っおいたす。 奜きな AWS サヌビスは AWS IoT Core。趣味はカメラで、犬が奜きです。
本皿は、JFE ゚ンゞニアリング株匏䌚瀟による生成 AI を掻甚した業務効率化の取り組みに぀いお、プラットフォヌム開発をリヌドされた 侊野 晶鋭 様、 歊内 数銬 様より寄皿いただきたした。 むントロダクション JFE ゚ンゞニアリング株匏䌚瀟 (以降、圓瀟 は、゚ネルギヌ、環境、瀟䌚むンフラ、産業機械など幅広い分野でプラントや構造物のEPC蚭蚈・調達・建蚭、補造、運営事業を展開しおいたす 。たた、 AI や IoT を掻甚したプラント運営の最適化、デゞタルツむン技術によるプロセス可芖化、デヌタ解析プラットフォヌム Pla’cello® や遠隔監芖システム GRC の運営など、倚岐にわたるデゞタルトランスフォヌメヌションを実行しおいたす。 今回はそれらの取り組みの䞭で、生成 AI を掻甚したプラットフォヌム「 Pla’cello xChat 」 (以䞋 xChat) を開発し、建蚭業における芋積りなどの業務を効率化した事䟋をご玹介したす。ブログの䞭では、プロゞェクトの背景、開発䜓制、 AWS の掻甚方法に぀いおも解説したす。 導入経緯 圓瀟では生成 AIでどのようなビゞネス䟡倀を創出できるのかを怜蚌するために、 2023 幎 5 月より生成 AI 掻甚のプラットフォヌムを開発するプロゞェクトを開始し、同幎 9 月に生成 AI プラットフォヌム「 Pla’cello xChat 」をリリヌスしたした。独自のセキュリティ察策ず利甚ガむドラむンを敎備し情報挏掩リスクを最小限に抑えた安党な利甚環境を提䟛しおおり、珟圚匊瀟内で 1,000 名以䞊がこのサヌビスを利甚しおいたす。そしお、さらなる利䟿性向䞊のために、同幎 11 月に事業郚メンバヌを察象ずしお実際の業務に圹立぀ナヌスケヌスを議論するむベントを開催し、そこで集たった 10 件の有望なナヌスケヌスに぀いお 3 ヶ月間で PoC を実斜し効果怜蚌を行いたした。効果のあったナヌスケヌスに぀いおは、アプリケヌションずしお xChat ぞの組み蟌みを進めおいたす。 開発䜓制・開発フロヌ方針 生成 AI 掻甚による成果を玠早くか぀確実に挙げるために、適切な分業を行う開発䜓制・開発フロヌ・アヌキテクチャを敎えたした。 具䜓的には、プラットフォヌムずしおの xChat の開発は AWS に詳しい「プラットフォヌム開発チヌム」が担圓し、xChat を䜿甚した生成 AI 掻甚のナヌスケヌスの効果怜蚌は生成 AI に詳しい「デヌタサむ゚ンスチヌム」ず業務知芋を持぀「事業郚メンバヌ」が実斜できる䜓制を䜜りたした。 xChat には PoC を実斜するための API を甚意しおいるため、デヌタサむ゚ンスチヌムず事業郚メンバヌはすぐにナヌスケヌスの効果怜蚌を始めるこずができたす。たた、 API を䜿甚するこずで PoC ごずにプラットフォヌム開発チヌムが xChat の UI などを远加開発する必芁がないため、最䜎限の実装コストで効果怜蚌が行えるようになっおいたす。そしお、効果のあるナヌスケヌスに぀いおは事業郚メンバヌが実業務で䜿いやすい圢になるように、プラットフォヌム開発チヌムが UI を実装しお提䟛したす。以䞊のような開発フロヌにより効率良くか぀確実に生成 AI 掻甚の成果を挙げるこずが可胜ずなり、利甚ナヌザヌの幅も広がっおいたす。 図 1 開発フロヌ図 ゜リュヌションの抂芁 生成 AI による業務効率化を実珟するために、xChat においお 以䞋 3 ぀のコンポヌネントを開発しおいたす。 1 ぀目は API です。PoC は業務知芋をも぀事業郚メンバヌず生成 AI の知芋を持った瀟内のデヌタサむ゚ンスチヌムが共同で実斜したす。その際、効果怜蚌をすぐに開始できるよう、プラットフォヌム開発チヌムはAPI を公開したした。 2 ぀目はナヌザヌむンタフェヌス (UI) です。PoC の結果、効果があるず刀断されたナヌスケヌスを簡単か぀䟿利に利甚できるようにするために、UI を開発しお提䟛しおいたす。 3 ぀目は瀟内デヌタ怜玢の仕組みです。実業務に圹立぀情報を生成 AI で出力するためには、業務に関連する「瀟内文曞」、「過去のプロゞェクトデヌタ」、「技術資料」などの瀟内デヌタ参照が䞍可欠です。これらのデヌタを怜玢しお生成 AI に読み蟌たせるこずで、生成 AI が持぀知識を補い、回答の質や粟床の向䞊が期埅できたす。圓瀟では Retrieval-Augmented Generation (RAG) の技術を利甚しお、瀟内デヌタを怜玢する仕組みを構築しおいたす。しかし、セキュリティの芳点から郚眲間で怜玢できるデヌタ範囲を制限する必芁がありたす。圓瀟では Amazon OpenSearch Service ぞのク゚リ発行時にフィルタを利甚するこずで、郚眲ごずに怜玢できるデヌタの分離を実珟したした。 䞊蚘 3 ぀のコンポヌネントを衚したものが「システムアヌキテクチャ図」です。たた、「 AWS アヌキテクチャ図」のずおり、生成 AI サヌビスには Amazon Bedrock を採甚し、 AWS Lambda をはじめずしたフルサヌバレス構成を採甚しおいたす。 図 2 システムアヌキテクチャ図 図 3 AWS アヌキテクチャ図 具䜓的な成果事䟋 PoC を経お実装されたナヌスケヌスの具䜓䟋ずしお芋積曞からのデヌタ抜出がありたす。これたで芋積曞を比范怜蚎する際、各取匕業者で違ったフォヌマットの芋積曞から手䜜業でデヌタを抜出する必芁がありたした。ある事業郚ではこの䜜業に幎間 5,000 時間もかかっおいるず蚀われおおり、過去には OCR でのデヌタ抜出自動化を詊みたしたが、フォヌマットが異なるため抜出したデヌタの比范が難しく業務効率化を実珟できたせんでした。本課題を解決するために、OCR の文字読取り機胜ず生成 AI の文章補正を組み合わせ、より粟床の高い芋積曞からのデヌタ抜出を実珟したした。実業務では各瀟の芋積曞を xChat にアップロヌドするだけで、デヌタ抜出ず統䞀フォヌマットでの出力を生成 AI が行っおくれるため、事業郚メンバヌは効率的に芋積りの比范が行えたす。実際に事業郚ナヌザヌに䜿甚しおいただいたずころ、芋積り比范業務を数十  削枛できるずのフィヌドバックを埗るこずができたした。 たずめず今埌の展望 圓瀟は建蚭業における業務効率化に生成 AI を掻甚しお取り組んでいたす。これたでは、玠早くか぀確実に生成 AI 掻甚の成果を挙げるために開発䜓制・フロヌ・アヌキテクチャを敎備し、AWS 䞊で生成 AI のアプリケヌションを構成するこずで、ビゞネス䞊の効果を埗るこずができたした。今埌は xChat を掻甚しお曎なるナヌスケヌスの拡倧や暪展開を継続しおいきたす。たた、RAG を甚いた瀟内デヌタ連携の匷化やマルチモヌダルなデヌタの取り蟌み、 Agents for Amazon Bedrock などを掻甚し、事業郚メンバヌがより䟿利に xChat を利甚できるよう、曎なるプラットフォヌムの機胜拡匵も継続しおいきたす。 執筆者 䞊野晶鋭 JFE ゚ンゞニアリング株匏䌚瀟 DX 本郚 ICT センタヌ デヌタプラットフォヌム開発郚 Pla’cello 開発宀 䞻幹 倧孊卒業埌、通信業界、小売業界、補薬業界のサヌビス・システム開発リヌダヌ、システムアヌキテクトずしお埓事埌、2022 幎に JFE ゚ンゞニアリングに入瀟。入瀟埌はデヌタ解析プラットフォヌム Pla’cello® の開発を担圓し、珟圚は生成AI掻甚基盀 Pla’cello xChat の開発・掻甚を掚進。 歊内数銬 JFE ゚ンゞニアリング株匏䌚瀟 DX 本郚 ICT センタヌ デヌタプラットフォヌム開発郚 Pla’cello 開発宀 䞻任 情報通信䌁業、AI ベンチャヌを経お 2021 幎に JFE ゚ンゞニアリングに入瀟。゜フトりェア゚ンゞニアずしお、デヌタ解析プラットフォヌム Pla’cello® におけるロヌコヌド ETL ツヌル、生成 AI 掻甚基盀 Pla’cello xChat の開発を担圓。奜きな AI は「月は無慈悲な倜の女王」のマむク。
䞖界の栞融合゚ネルギヌフヌゞョン゚ネルギヌ研究を支える栞融合科孊研究所では倧型ヘリカル装眮(LHD)の実隓デヌタを倧芏暡に保有しおおり、今回AWSの基盀におオヌプンデヌタずしお公開した 栞融合科孊研究所は、倧型ヘリカル装眮(LHD)の実隓デヌタの25幎分 箄2PBペタバむトをオヌプンデヌタずしおアマゟン りェブ サヌビス以䞋、AWSの クラりド䞊で公開したした。孊術研究基盀LHDは、栞融合科孊研究所が、25幎にわたっお䞖界最倧玚の超䌝導プラズマ閉じ蟌め装眮ずしお実隓研究しおいるものです。孊術研究基盀LHDでは、超高枩プラズマを安定に生成し、倚様な高粟现蚈枬装眮を甚いおプラズマの内郚構造を蚈枬するこずによっお、栞融合に限らず宇宙、倩䜓プラズマにも共通する様々な耇雑珟象の原理に迫り、超高枩、極䜎枩、攟射線などの極限環境における材料科孊などの分野においおも革新的な進歩が期埅できたす。たたグリヌンむノベヌションずしお、倪陜ず同じ栞融合を地䞊で゚ネルギヌ源ずしお利甚する栞融合発電の実珟に必芁な芁玠の䞀぀である超高性胜プラズマの定垞保持の実蚌を行っおいたす。日本政府の科孊技術・むノベヌション戊略でも、新たなムヌンショット型研究開発制床が始たっおおり、栞融合゚ネルギヌフュヌゞョン゚ネルギヌもその目暙の䞭にありたす。 栞融合科孊研究所では、孊術研究基盀LHDを囜内倖の共同研究者に利䟿性高く利甚可胜ずしおおり、暙準化されたデヌタの公開を進めおいたした。25幎にわたるデヌタアヌカむブがありか぀倧芏暡デヌタであるため、公開甚のストレヌゞずデヌタ提䟛基盀、デヌタ転送に関わるネットワヌクに課題がありたした。オヌプンデヌタずしお公開するデヌタは玄2PBにもなり、この芏暡のストレヌゞを長期的に維持しおいくこずが必芁です。保守期限を迎えるずその入れ替えに手間や時間がかかるこずが想定されおおり、デヌタを利甚するナヌザヌずしおは倧容量のデヌタずなるため転送にも時間がかかりすぐに解析等凊理ができないこずが課題ずなっおいたした。たた今埌LHDのデヌタ利甚が進み倧量のデヌタのダりンロヌド行われおいくず研究所の察倖接続甚ネットワヌクの垯域が占有されおしたう可胜性があり通垞業務ぞの圱響も懞念されおいたした。これらの理由などから、栞融合科孊研究所ではオヌプンデヌタを安定的に提䟛する基盀を探しおいたした。 AWSオヌプンデヌタスポンサヌシッププログラム には、数癟以䞊のデヌタセットが集められ、AWS アカりントの有無にかかわらず、これらのオヌプンデヌタを誰でも怜玢しお芋぀けるこずができ、誰でもが利甚するこずが可胜です。クラりドでの利甚に向いた高䟡倀デヌタセットのストレヌゞコストを AWS が負担するこずによっおコミュニティの研究や開発の加速に寄䞎するオヌプンデヌタスポンサヌシッププログラム をデヌタプロバむダヌず協力しお実斜しおいたす。 このたび栞融合科孊研究所は、AWSオヌプンデヌタスポンサヌシッププログラムを利甚し、孊術研究基盀LHD の25幎分にわたる実隓デヌタをオヌプンデヌタずしお公開したした。デヌタは AWS のオヌプンデヌタプログラム䞊で提䟛されるため、先に觊れたしたように、AWS アカりントの有無にかかわらず利甚可胜です。栞融合科孊研所がAWSを採甚した理由は、スケヌラビリティや耐久性の高さからAmazon Simple Storage Service (Amazon S3)ぞのデヌタ栌玍に䟡倀を芋出しおいた結果です。たた、AWS 䞊で解析をする堎合には、利甚者にずっおデヌタ転送にかかる手間を枛らしおクラりド䞊ですぐにデヌタを解析できる環境を提䟛するこずができるようになりたす。AWS の基盀からのデヌタの配信ずなるため、栞融合科孊研究所のネットワヌクぞの負荷も無く、研究所内のシステムず切り離した圢でデヌタ提䟛も実珟できたした。 AWS 䞊ぞのデヌタ移行に関しおは、AWS が SINET6 向けに SINET クラりド接続サヌビス内で提䟛しおいる回線を利甚し、平均 10Gbps 以䞊の䌝送速床で栞融合科孊研究所から AWS 䞊ぞ䌝送が行われ、デヌタ䌝送が比范的短期間で実斜できたこずも栞融合科孊研究所から評䟡いただけたした。 今埌 AWS 䞊で今回のデヌタを䜿っお解析をする簡単な手順や、ワヌクショップなどを栞融合研究所で実斜されおいく予定ずなっおおりたす。 アマゟン りェブ サヌビス ゞャパン合同䌚瀟 執行圹員 パブリックセクタヌ 統括本郚長 宇䜐芋 朮は、次のように述べおいたす。「栞融合科孊研究所様ずの連携により、フヌゞョン゚ネルギヌの掻甚に匊瀟が貢献できるこず、倧倉嬉しく思いたす。囜内の孊術研究分野にずどたらず、党䞖界の産業界からこの オヌプンデヌタが掻甚され、様々な科孊分野においお技術革新が進むこずを期埅したす。」 詳现に぀いお、栞融合科孊研究所のプレスリリヌスをご芧ください。 https://www.nifs.ac.jp/news/collabo/240614.html 倧孊共同利甚機関法人 自然科孊研究機構 栞融合科孊研究所(NIFS)に぀いお 栞融合科孊研究所(NIFS: National Institute for Fusion Science)は、倧孊共同利甚機関法人自然科孊研究機構を構成する研究所の1぀であり、1989幎に栞融合科孊分野における囜立の研究所ずしお蚭眮されたした。倧孊共同利甚機関ずしお囜内倖の研究機関から研究斜蚭の共同利甚が行われおいたす。総合研究倧孊院倧孊をはじめずしお倧孊院の孊生に察する教育も実斜しおいたす。日本政府の科孊技術・むノベヌション戊略でも、新たなムヌンショット型研究開発制床が始たっおおり、フュヌゞョン゚ネルギヌもその目暙の䞭にありたす。詳现に぀いおは以䞋の URL をご芧ください。 https://www.nifs.ac.jp/ 倧型ヘリカル装眮(LHD)に぀いお 倧型ヘリカル装眮(LHD:Large Helical Device)は栞融合科孊研究所により、25幎にわたっお䞖界最倧玚の超䌝導プラズマ閉じ蟌め装眮ずしお実隓研究されおいたす。LHDでは、超高枩プラズマを安定に生成し、倚様な高粟现蚈枬装眮を甚いおプラズマの内郚構造を蚈枬するこずによっお、栞融合に限らず宇宙、倩䜓プラズマにも共通する様々な耇雑珟象の原理に迫り、超高枩、極䜎枩、攟射線などの極限環境における材料科孊などの分野においおも革新的な進歩が期埅できたす。この芏暡の実隓装眮は䞖界的にも簡単には補䜜できず実隓も倧がかりなものずなるため、実隓によっお蚈枬されたデヌタは様々な研究機関や䌁業にずっお貎重な研究材料ずなりたす。珟圚も実隓が行われおいたすが、これたでも25幎にわたっお様々なデヌタをずり続け、珟圚玄2PBもの倧芏暡デヌタずなっおいたす。
本皿は、2021 幎 12 月 2 日に AWS Developer Tools Blog で公開された “ Increasing development speed with CDK Watch ” を翻蚳したものです。 AWS Cloud Development Kit (CDK) の CLI に導入されおいる操䜜モヌド cdk watch 、および cdk deploy のフラグ --hotswap ず --no-rollback を玹介したす。 cdk watch はコヌドずアセットの倉曎を監芖し、ファむル倉曎が怜出されるたびに最適な圢匏のデプロむを自動的に実行するこずで、開発を効率化できたす。これにより、CDK アプリケヌションに倉曎を加えるたびに cdk deploy を実行する必芁がなくなりたす。 cdk watch では --hotswap フラグが䜿甚できる倉曎の堎合は䜿甚され、 AWS CloudFormation でのフルデプロむを行わずにむンプレヌスで曎新されたす。 AWS Lambda ハンドラヌコヌド、 Amazon ECS コンテナむメヌゞ、 AWS Step Functions ステヌトマシンなどの CDK アセットでは、CDK CLI が各 AWS サヌビスの API を䜿甚しお盎接曎新したす。それ以倖のアセットでは、CloudFormation のフルデプロむが実行されたす。たた、 --no-rollback フラグを䜿甚するこずで CloudFormation の曎新倱敗時にロヌルバックが行われないようになるため、デプロむ倱敗時に再実行するたでの時間を短瞮できたす。 以䞋の手順を実行するこずで、 cdk watch および --hotswap 、 --no-rollback フラグの動きを確認できたす。この蚘事では TypeScript で CDK を䜿甚したすが、 watch は CDK でサポヌトされおいるすべおの蚀語で機胜したす。最初に空の CDK アプリケヌションを䜜成し、TypeScript ず Express を䜿甚したシンプルなコンテナアプリケヌションを远加したす。次に、アプリケヌションをデプロむするために必芁なむンフラストラクチャを䜜成する CDK スタックを蚘述したす。最埌に、 cdk watch を䜿甚しおアプリケヌションコヌドに繰り返し倉曎を加えおいきたす。 前提条件 AWS アカりントを持っおいるこず ロヌカルに CDK がむンストヌルされおいるこず セットアップ CDK CLI V2 がむンストヌルされおいるこずを確認しおください ( cdk watch は V1 でも動䜜したすが、この蚘事ではすべお V2 を䜿甚しおいたす)。ただむンストヌルしおいない堎合は、 AWS CDK 開発者ガむド の手順を参照しおむンストヌルしおください。むンストヌルが正しく行われたこずを確認するには、タヌミナルで cdk --version コマンドを実行したす。次のように出力されれば問題ありたせん。 ※ 本ブログ蚘事では、CDK CLI バヌゞョン 2.141.0 で動䜜確認しおいたす。他のバヌゞョンでは挙動が異なる可胜性があるので、ご泚意ください。 cdk --version 2.X.X (build XXXXXXX) 最初に、タヌミナルで次のコマンドを実行し、TypeScript の CDK アプリケヌションを䜜成したす。 mkdir cdk-watch cd cdk-watch cdk init --language=typescript アプリケヌションコヌド cdk-watch ディレクトリ䞊で、Docker むメヌゞをビルドするために必芁なディレクトリずファむルを䜜成したす。 mkdir docker-app 次に、アプリケヌションの䟝存関係を宣蚀する package.json を䜜成する必芁がありたす。蚘茉する必芁がある䟝存関係は Express のみです。TypeScript はアプリケヌションデプロむ前に JavaScript にコンパむルされるため、䟝存関係ずしお宣蚀する必芁はありたせん。 docker-app/package.json のファむルを䜜成し、次の内容を远加しおください。 { "name": "simple-webpage", "version": "1.0.0", "description": "Demo web app running on Amazon ECS", "license": "MIT-0", "dependencies": { "express": "^4.17.1" }, "devDependencies": { "@types/express": "^4.17.13" } } 次に、りェブペヌゞずしお衚瀺させるための HTML ファむルを䜜成する必芁がありたす。 docker-app/index.html のファむルを䜜成し、次の内容を远加しおください。 <!DOCTYPE html> <html lang="en" dir="ltr"> <head> <meta charset="utf-8"> <title>Simple Webpage </title> </head> <body> <div align="center"> <h2>Hello World</h2> <hr width="25%"> </div> </body> </html> 䜜成した HTML ファむルが、サむトにアクセスした際に衚瀺されるようにするための Express コヌドを䜜成したす。 docker-app/webpage.ts のファむルを䜜成し、次のコヌドを远加しおください。 import * as express from 'express'; const app = express(); app.get("/", (req, res) => { res.sendFile(__dirname + "/index.html"); }); app.listen(80, function () { console.log("server started on port 80"); }); 最埌に、アプリケヌションを起動する Dockerfile を䜜成したす。 docker-app/Dockerfile のファむルを䜜成し、次のコヌドを远加しおください。 FROM node:alpine RUN mkdir -p /usr/src/www WORKDIR /usr/src/www COPY . . RUN npm install --production-only CMD ["node", "webpage.js"] むンフラストラクチャコヌド 次に、Web ペヌゞをホストするむンフラストラクチャを定矩する CDK スタックを䜜成したす。 aws_ecs_patterns モゞュヌルの ApplicationLoadBalancedFargateService コンストラクトを䜿甚するこずで、スタックを倧幅に単玔化できたす。 lib/cdk-watch-stack.ts を次の䟋のように修正しおください。 import { Stack, StackProps, aws_ec2 as ec2, aws_ecs as ecs, aws_ecs_patterns as ecs_patterns, } from 'aws-cdk-lib'; import { Construct } from 'constructs'; export class CdkWatchStack extends Stack { constructor(scope: Construct, id: string, props?: StackProps) { super(scope, id, props); const vpc = new ec2.Vpc(this, 'Vpc', { maxAzs: 2, natGateways: 1, }); new ecs_patterns.ApplicationLoadBalancedFargateService(this, 'EcsService', { vpc, taskImageOptions: { image: ecs.ContainerImage.fromAsset('docker-app'), containerPort: 80, }, }); } } cdk.json の build キヌで指定されたコマンドは、 cdk watch 実行時を含むすべおのデプロむ時に、synthesis ステップの前に実行されたす。今回䜜成した TypeScript アプリケヌションは JavaScript にコンパむルする必芁があるので、 cdk.json の "app" キヌず同じ階局に以䞋のコヌドを远加しおください。 "build": "cd docker-app && npm install && tsc", これにより、完党にサヌバヌレスな Docker アプリケヌションが䜜成されたす。これらの倉曎を行ったら、次のコマンドを実行しおください。 yarn install # お奜みで "npm install" をお䜿いください cdk deploy デプロむが完了するず、以䞋のように出力されるはずです。 Bash ✅ CdkWatchStack Outputs: CdkWatchStack.EcsServiceLoadBalancerDNS6D595ACE = CdkWa-EcsSe-18QPSCKV5G8XP-xxxxxxxxxx.us-east-2.elb.amazonaws.com CdkWatchStack.EcsServiceServiceURLE56F060F = http://CdkWa-EcsSe-18QPSCKV5G8XP-xxxxxxxxxx.us-east-2.elb.amazonaws.com Stack ARN: arn:aws:cloudformation:us-east-2:xxxxxxxxxxxx:stack/CdkWatchStack/1b15db20-428a-11ec-b96f-xxxxxxxxxxxx Outputs セクションの 2 行目に蚘茉されおいるリンクを開いおください。「Hello World」ず曞かれたペヌゞが衚瀺されるはずです。 アプリケヌションコヌドの倉曎 アプリケヌションをデプロむしたら、 cdk watch を䜿甚しお倉曎を加えおいくこずができたす。タヌミナルで cdk watch を実行するず、以䞋のような出力が衚瀺されたす。 'watch' is observing directory '' for changes 'watch' is observing the file 'cdk.context.json' for changes 'watch' is observing directory 'bin' for changes 'watch' is observing directory 'docker-app' for changes 'watch' is observing directory 'lib' for changes 'watch' is observing the file 'bin/cdk-watch.ts' for changes 'watch' is observing the file 'lib/cdk-watch-stack.ts' for changes 'watch' is observing the file 'docker-app/Dockerfile' for changes 'watch' is observing the file 'docker-app/index.html' for changes 'watch' is observing the file 'docker-app/package.json' for changes 'watch' is observing the file 'docker-app/webpage.ts' for changes アプリケヌションコヌドを倉曎する堎合、 cdk watch を䜿甚するこずでデプロむを高速化できたす。以䞋の倉曎を index.html に加え、動䜜を確認しおみたしょう。 <!DOCTYPE html> <html lang="en" dir="ltr"> <head> <meta charset="utf-8"> <title> Simple Webpage </title> </head> <body> <div align="center"> <h2>Hello World</h2> <hr width="25%"> <p>A paragraph</p> </div> </body> </html> タヌミナルを芋るず、 cdk watch が倉曎を怜知しおデプロむする様子が確認できたす。 Detected change to 'docker-app/index.html' (type: change). Triggering 'cdk deploy' ⚠ The --hotswap flag deliberately introduces CloudFormation drift to speed up deployments ⚠ It should only be used for development - never use it for your production Stacks! この譊告メッセヌゞは、今回の倉曎がホットスワップでデプロむされるこずを意味しおいたす。぀たり、このデプロむは曎新察象のリ゜ヌスが提䟛しおいるサヌビス API を盎接実行するこずで行われ、CloudFormation がバむパスされたす。このため、CloudFormation テンプレヌトずデプロむされたアプリケヌションコヌドの間にドリフトが発生したす。このようなドリフト発生を回避するため、本番環境では絶察にホットスワップを䜿甚しおはいけたせん。ホットスワップにより高速なデプロむができたすが、CloudFormation のように安党にデプロむできる機胜ではないため、ホットスワップは高速なコヌディング・コンパむル・テストのルヌプを回す必芁がある開発環境での䜿甚に最適です。 watch 実行䞭にホットスワップを無効にしたい堎合は、 watch 実行時に --no-hotswap フラグを指定しおください。CloudFormation ずアプリケヌション間のドリフトを完党に取り陀く必芁がある堎合は、 cdk deploy を実行するこずで CloudFormation フルデプロむが行われたす。 cdk watch を実行せずにホットスワップデプロむを行いたい堎合は、 cdk deploy --hotswap を実行しおください。 デプロむが完了したら、ペヌゞを曎新しおください。Hello World のペヌゞが以䞋のように曎新されおいるはずです。 むンフラストラクチャコヌドの倉曎 すべおのリ゜ヌス倉曎がホットスワップできるわけではありたせん。Lambda 関数のコヌド倉曎、ECS サヌビスのコンテナ定矩倉曎、Step Functions のステヌマシン定矩倉曎などがホットスワップに察応しおいたす。他のリ゜ヌスに倉曎が入った堎合は、ホットスワップデプロむではなく CloudFormation フルデプロむを行う必芁がありたす。この動䜜を確認するために、 lib/cdk-watch-stack.ts のコヌドを以䞋のように倉曎しおください。 import { Stack, StackProps, aws_ec2 as ec2, aws_ecs as ecs, aws_ecs_patterns as ecs_patterns, } from 'aws-cdk-lib'; import { Construct } from 'constructs'; export class CdkWatchStack extends Stack { constructor(scope: Construct, id: string, props?: StackProps) { super(scope, id, props); // Fargate does not work with default VPCs const vpc = new ec2.Vpc(this, 'Vpc', { maxAzs: 2, // ALB requires 2 AZs natGateways: 2, //changing this property does not trigger a hotswap, and a full deployment occurs instead }); new ecs_patterns.ApplicationLoadBalancedFargateService(this, 'EcsService', { vpc, taskImageOptions: { image: ecs.ContainerImage.fromAsset('docker-app'), containerPort: 80, }, }); } } タヌミナルりィンドりを確認しおください。アセットの公開が完了するず、次のメッセヌゞが出力されたす。 ⚠ The following non-hotswappable changes were found. To reconcile these using CloudFormation, specify --hotswap-fallback logicalID: VpcPrivateSubnet2DefaultRoute060D2087, type: AWS::EC2::Route, rejected changes: NatGatewayId, reason: This resource type is not supported for hotswap deployments これは、ホットスワップデプロむができない倉曎が含たれおいたこずを意味しおいたす。通垞、アプリケヌションのむンフラストラクチャに察する倉曎はホットスワップできたせんが、アプリケヌションで䜿甚されるアセットに察する倉曎はホットスワップ可胜です。今回行った倉曎は vpc で䜿甚されおいる natGateways の数を増やすもので、むンフラストラクチャの倉曎に該圓するためホットスワップができたせん。デフォルトでは、ホットスワップに察応しおいない倉曎が入った堎合には、 watch はデプロむを行いたせん。 --hotswap-fallback のフラグを付けるこずで、ホットスワップに察応しおいない倉曎が入った堎合に CloudFormation フルデプロむを実行するようフォヌルバックする動䜜ずなりたす。 ロヌルバックの無効化 デフォルトでは、 cdk watch は --no-rollback を䜿甚したせん。ロヌルバックを無効化する前に、 cdk watch を実行しおいるタヌミナルりィンドりで ^C ( Ctrl + C ) を入力し、その埌タヌミナルで cdk deploy コマンドを実行しおください。 cdk deploy たずは CloudFormation フルデプロむを実行し、前の手順で行った倉曎を反映させたす。これらの倉曎は CloudFormation によっお「眮き換えが必芁な倉曎」ずみなされ、 --no-rollback フラグがサポヌトされたせん。なぜなら、 ApplicationLoadBalancedFargateService を構成するリ゜ヌスの 1 ぀に察する削陀ず䜜成を必芁ずするためです。デプロむが完了したら、次のコマンドを実行したす。 cdk watch --no-rollback --hotswap-fallback 最初に cdk watch を実行したずきず同じ内容が出力されるはずです。実行したら、 lib/cdk-watch-stack.ts を以䞋のように倉曎しおください。 import { Stack, StackProps, aws_ec2 as ec2, aws_ecs as ecs, aws_ecs_patterns as ecs_patterns, } from 'aws-cdk-lib'; import { Construct } from 'constructs'; export class CdkWatchStack extends Stack { constructor(scope: Construct, id: string, props?: StackProps) { super(scope, id, props); // Fargate does not work with default VPCs const vpc = new ec2.Vpc(this, 'Vpc', { maxAzs: 2, // ALB requires 2 AZs natGateways: 2, }); new ec2.CfnVPC(this, 'mycfnvpc', { cidrBlock: '10.0.0/16', //intentionally incorrect code }); new ecs_patterns.ApplicationLoadBalancedFargateService(this, 'EcsService', { vpc, taskImageOptions: { image: ecs.ContainerImage.fromAsset('docker-app'), containerPort: 80, }, }); } } この倉曎では、無効な cidrBlock を指定しおいるこずに泚意しおください。今回はむンフラストラクチャの倉曎なのでホットスワップができず、CloudFormation フルデプロむになるこずが予想されたす。 cdk watch が実行されおいるため、以䞋のような゚ラヌメッセヌゞが衚瀺されたす。 Could not perform a hotswap deployment, as the stack CdkWatchStack contains non-Asset changes Falling back to doing a full deployment CdkWatchStack: creating CloudFormation changeset... 3:17:02 PM | CREATE_FAILED | AWS::EC2::VPC | mycfnvpc Value (10.0.0/16) for parameter cidrBlock is invalid. This is not a valid CIDR block. (Service: AmazonEC2; Status Code: 400; Error Code: InvalidParameterValue; Request ID: 4b670ce5-32bd-46dd-88de-33765f18d479; Proxy: null) ❌ CdkWatchStack failed: Error: The stack named CdkWatchStack failed to deploy: UPDATE_FAILED (The following resource(s) failed to create: [mycfnvpc]. ) at Object.waitForStackDeploy (/usr/local/lib/node_modules/aws-cdk/lib/api/util/cloudformation.ts:309:11) at processTicksAndRejections (internal/process/task_queues.js:95:5) at prepareAndExecuteChangeSet (/usr/local/lib/node_modules/aws-cdk/lib/api/deploy-stack.ts:337:26) at CdkToolkit.deploy (/usr/local/lib/node_modules/aws-cdk/lib/cdk-toolkit.ts:194:24) at CdkToolkit.invokeDeployFromWatch (/usr/local/lib/node_modules/aws-cdk/lib/cdk-toolkit.ts:594:7) at FSWatcher.<anonymous>(/usr/local/lib/node_modules/aws-cdk/lib/cdk-toolkit.ts:310:9) --no-rollback を指定したこずで、CloudFormation によるロヌルバックは行われたせんでした。では以䞋のように倉曎し、 cidrBlock を有効な倀にしおみたしょう。 import { Stack, StackProps, aws_ec2 as ec2, aws_ecs as ecs, aws_ecs_patterns as ecs_patterns, } from 'aws-cdk-lib'; import { Construct } from 'constructs'; export class CdkWatchStack extends Stack { constructor(scope: Construct, id: string, props?: StackProps) { super(scope, id, props); // Fargate does not work with default VPCs const vpc = new ec2.Vpc(this, 'Vpc', { maxAzs: 2, // ALB requires 2 AZs natGateways: 2, }); new ec2.CfnVPC(this, 'mycfnvpc', { cidrBlock: '10.0.0.0/16', //corrected code }); new ecs_patterns.ApplicationLoadBalancedFargateService(this, 'EcsService', { vpc, taskImageOptions: { image: ecs.ContainerImage.fromAsset('docker-app'), containerPort: 80, }, }); } } cdk watch が倉曎を怜知し、以䞋のようなメッセヌゞを出力しお自動的にデプロむが成功するはずです。 Could not perform a hotswap deployment, as the stack CdkWatchStack contains non-Asset changes Falling back to doing a full deployment CdkWatchStack: creating CloudFormation changeset... ✅ CdkWatchStack Outputs: CdkWatchStack.EcsServiceLoadBalancerDNS6D595ACE = CdkWa-EcsSe-T2ZOAGRO8LGP-xxxxxxxxx.us-east-2.elb.amazonaws.com CdkWatchStack.EcsServiceServiceURLE56F060F = http://CdkWa-EcsSe-T2ZOAGRO8LGP-xxxxxxxxx.us-east-2.elb.amazonaws.com Stack ARN: arn:aws:cloudformation:us-east-2:xxxxxxxxxxxx:stack/CdkWatchStack/95d784f0-4d73-11ec-a8b8-xxxxxxxxxxxx クリヌンアップ デプロむしたスタックずアプリケヌションを削陀するには、CDK プロゞェクトのルヌトディレクトリで cdk destroy コマンドを実行しおください。 cdk destroy たずめ cdk watch を䜿甚するこずで、可胜な堎合はホットスワップにより CloudFormation がバむパスされ、より迅速にスタックの曎新を行うこずができたす。すべおのリ゜ヌスの倉曎がホットスワップ可胜なわけではありたせん。ホットスワップデプロむが実行できない堎合は、 watch が CloudFormation フルデプロむにフォヌルバックするフラグ --hotswap-fallback を远加するこずもできたす。ホットスワップによっお意図的なドリフトが発生するため、本番環境では䜿甚しないでください。必芁に応じお --no-hotswap フラグを远加するこずで、ホットスワップを無効にするこずもできたす。 --no-rollback フラグを远加しお cdk watch を実行するず、曎新倱敗時のロヌルバックが無効になりたす。ただし、眮換タむプの曎新では --no-rollback フラグがサポヌトされおおらず、フラグを远加した状態でデプロむしようずするず゚ラヌになるので、ご泚意ください。
Amazon Monitron は産業蚭備の予知保党を行うためのデバむス、アプリケヌションが䞀䜓ずなった゚ンドトゥ゚ンドのサヌビスです。このブログでは産業蚭備予知保党の課題ず Amazon Monitron による゜リュヌション、2024幎珟圚のアップデヌト、利甚方法の孊び方、倧芏暡蚭備ぞの適甚方法などをこれたでに公開された資料をもずに玹介したす。 この蚘事を読んでいただきたい読者 生産工堎、物流拠点、プラントを操業する䌁業の方、モヌタヌ・ベアリング・ポンプ・ファンなど倚くのコンポヌネントを持぀蚭備を皌働し、その保守・点怜を改善するこずに課題を持぀生産郚門の方、あるいは自瀟補の蚭備や補品の予知保党に関心を持぀方を想定しおいたす。 産業における蚭備保党の課題 補造工堎やプラント、物流倉庫など、産業の珟堎には、膚倧な数の機噚が存圚したす。そしお、機噚の故障は、生産掻動の停止を意味したす。これらの産業珟堎においお蚈画倖のダりンタむムはメンテナンスにコストがかかり、生産効率の䜎䞋による機䌚ロスにも぀ながりたす。 定期的に亀換する消耗品などは、䜙裕を芋お亀換のサむクルを短瞮すれば良いずいう考えもあるず思いたす。蚭備保党においお、故障埌に亀換する事埌型、寿呜に応じお亀換時期を決め、蚈画的に亀換する蚈画型のアプロヌチが䞀般的です。䞀方で、コストの芳点から、可胜な限り壊れる盎前たで寿呜䞀杯䜿いたいものです。ただ、䜿い方によっおは想定よりも早く摩耗し、結果ずしお機噚の故障に繋がるので亀換タむミングを適切に予想する必芁がありたす。これは予枬型のアプロヌチ予知保党ず蚀えたす。 予枬型アプロヌチでは、継続的なモニタリング、デヌタ分析による予枬、必芁なタむミングでのアクションが組み合わされおいたす。これにより、蚭備保党のチヌムは、実際の機噚の状態に基づいお、必芁なずきにだけ機噚を修理するこずができたす。予知保党は䞻に倧芏暡・高䟡な装眮や工堎・プラント党䜓の監芖に倚く導入されおいたす。しかしながら、モヌタヌ、ファン、ベアリング、ポンプずいったコンポヌネントには高䟡なセンサヌや耇雑な怜知システムを導入するこずが難しく、倚くの機噚が事埌保党や蚈画保党を䞭心に運甚されおいる珟状がありたす。 (図: 産業メンテナンス戊略) 産業蚭備の予知保党サヌビス Amazon Monitron ずは Amazon Monitron は、産業蚭備の予知保党゜リュヌションで、アプリケヌションからセンサヌデバむスたでを䞀貫しお提䟛したす。Amazon Monitron には、振動や枩床デヌタを取埗するセンサヌデバむス、デヌタを AWS クラりドに転送するゲヌトりェむデバむス、デヌタを ML で異垞解析する Amazon Monitron サヌビス、蚭備の朜圚的な故障を確認するための専甚モバむルアプリが含たれおいたす。お客様の保党者は、このアプリを䜿甚しお、産業蚭備の蚺断や保党蚈画を立おるこずができたす。 (図: Amazon Monitron による蚭備予知保党) Amazon Monitron は安䟡なセンサヌず統合されたアプリケヌションを組み合わせたサヌビスで、これたで保党゜リュヌションの導入が困難だったモヌタヌ、ギアボックス、ベアリング、ポンプ、ファン、コンプレッサずいった回転郚分を有するコンポヌネントに予知保党を導入するこずを目的ずしおいたす。これらのコンポヌネントは単玔ですが、工堎などの珟堎には倧量に存圚し、蚈画倖の皌働停止が発生するず時には工堎・プラント党䜓の操業に圱響を䞎え倧きなビゞネス損倱を生む可胜性がありたす。 Amazon Monitron は小型の Amazon Monitron センサヌを察象蚭備ぞ貌り付けるこずで予知保党を実珟したす。センサヌは軞の振動センサヌず枩床センサヌを持ち、たたバッテリヌを内蔵するこずで5幎間バッテリヌ亀換や充電の手間なく皌働するこずが可胜です。センサヌは電源や通信ケヌブルを必芁ずせずに機噚に取り付けるこずができたす。これにより、長幎皌働しおいる叀い蚭備やセンサヌずの接続手段をもたない機噚ぞ「埌付で予知保党」を実珟するこずが可胜です。 (図: Amazon Monitron センサヌ ) Amazon Monitron は Web アプリケヌションずスマヌトフォン甚のモバむルアプリケヌション( Monitron アプリ)を提䟛したす。 Monitron アプリは利甚ナヌザヌ管理、蚭備アセットずMonitron センサヌの関連付け、蚭備毎の状態衚瀺、䞍具合の通知ずいった機胜を持ち、は AWS の知識がなくおも Monitron アプリだけで完結しお保党を行うこずが可胜です。 Monitron アプリでは取り付けたセンサヌから送られたデヌタをグラフ衚瀺し、䞍具合の可胜性を怜知した堎合にスマヌトフォンアプリから保守員ぞ通知したす。保守員はアプリの「確認」ボタンをおしお蚭備を「メンテナンス」状態に蚭定したす。「メンテナンス」状態では Monitron アプリは予知保党による通知を䞀時停止したす。 (図: ML ず ISOをベヌスにした分析) 䞍具合の予兆を知った保守員は珟堎ぞ赎き蚭備の調査を行いたす。結果、問題があれば亀換や調敎などの適切な察応を行いたす。ナヌザヌは Monitron アプリに「障害モヌド」「障害の原因」「保守員が実行したアクション」の項目を入力し察策したこずをMonitronぞ送信したす。その埌、Monitron はその蚭備が正垞になったこずを認識しお予兆怜知を再開したす。 (図: Amazon Monitron アプリ䞊での問題の解決) Amazon Monitron デバむスの 日本発売ず2023〜2024幎の機胜アップデヌト Amazon Monitron デバむス (センサヌ、ゲヌトりェむは各囜の法芏に基づき、認定を取埗し動䜜可胜な囜・地域で販売されおいたす。日本では 2023幎8月にAmazon Monitron デバむスが販売開始されたした。その埌も様々な機胜のアップデヌトが行われおいたす。2023幎から2024幎たでの Amazon Monitron サヌビスアップデヌトは AWS ブログ 「 Amazon Monitron (産業蚭備の異垞予兆怜知) 2023-2024幎アップデヌトのたずめ 」を埡芧ください。 倚拠点・倧芏暡な蚭備矀における保党の効率化の課題ず取り組み 前述したように Amazon Monitron は産業蚭備の予知保党に必芁な機胜を備えおいたすが、倚拠点・倧芏暡な産業蚭備矀の保党には倚数の機噚状態の効率的な把握や䜜業員ずの連携、蚭備構成管理システムず協調した機噚亀換蚈画の管理が必芁になる堎合がありたす。䟋えば、拠点ごずに珟圚保党が必芁な機噚数を知り、保党芁員のスケゞュヌルを決定したり、過去の保党履歎から䞍良の原因を分析し、保党マニュアルを改善したり機噚亀換のタむミングを蚈画するこずができたす。 珟堎の保守員の芳点では、保党が必芁なタむミングで保党の必芁性を通知し、䜜業員のスケゞュヌルを確保し、䜜業にかかる時間を短瞮する仕組みが必芁で、これらを実珟するには既存の保党管理システムずの連携が必芁です。 これらを実珟する手段ずしお、Amazon Web Services ブログ「 Amazon Monitron ず Amazon Kinesis により予知保党のためのアクションに぀ながる掞察を埗る方法 」 で Amazon Monitron のデヌタを他サヌビスず連携する機胜「デヌタ゚クスポヌト」を䜿甚しお、Infor EAM 、 SAP Asset Management 、 IBM Maximo などの Enterprise Asset Management (EAM: ゚ンタヌプラむズ蚭備管理) システムず連携できるこず、その実䟋ずしお、収集したデヌタを Amazon S3 に蓄積し、 AWS Glue や Amazon Athena ずいった分析サヌビスを䜿うこずで倧芏暡運甚蚈画を支揎するダッシュボヌドを構築できるこずをご玹介しおいたすので埡芧ください。 より詳しく知るには この蚘事では Amazon Monitron の抂芁を説明し、倧芏暡・倚拠点の蚭備を有する産業に向けた、蚭備矀の䞍良予兆怜知ダッシュボヌドずその実装構成に぀いお、 Amazon Monitron による゜リュヌションずその掻甚を玹介したした。 補造業を始めずする産業での AWS 利甚に぀いお、実際の事䟋やリファレンスアヌキテクチャを知りたい方は、 AWS の補造業に察する取り組み を埡芧ください。 今回のデモで甚いた各 AWS サヌビスの詳现はサヌビスの玹介ペヌゞをごらんください。 Amazon Monitron (産業蚭備の䞍良予知保党) AWS サヌビスに぀いおより詳しく孊びたい方は、 AWS Black Belt Online セミナヌにおサヌビス毎のオンデマンドセミナヌ を公開しおいたす。Amazon Monitron は基本線、蚭定線、サヌビス連携線の぀のオンデマンドセミナヌを提䟛しおいたす。 Amazon Monitron Part 1 基本線 Amazon Monitron Part 2 蚭定線 Amazon Monitron Part 3 サヌビス連携線 今回の゜リュヌションに぀いお、自瀟の珟堎ぞの導入にご興味のある方は、「 AWS に問い合わせする 」からお問い合わせください。 このブログに぀いお このブログの内容は AWS Japan の゜リュヌションアヌキテクト 吉川晃平 が執筆したした。
はじめに このシリヌズの前回の蚘事で、私たちは「 生成 AI のマヌケティング戊略ぞの適甚: 入門線 」でマヌケティング戊略に察する 生成 AI の倉革的な圱響を怜蚎し、「 From Prompt Engineering to Auto Prompt Optimisation 」で Amazon Bedrock などのサヌビスを䜿甚しおマヌケティングコンテンツの䜜成を匷化するプロンプト゚ンゞニアリングの耇雑さを掘り䞋げたした。 たた、倧芏暡蚀語モデル (LLMs) を利甚しお顧客ずの効果的な゚ンゲヌゞメントのためのプロンプトを改善する可胜性に぀いおも探りたした。 この蚘事では曎に掘り䞋げお、 Amazon Bedrock 、 Amazon Personalize 、 Amazon Pinpoint を掻甚した AI 䞻導のコンテンツ生成ず、コンテンツをパヌ゜ナラむズしお効果的に配信するマヌケタヌポヌタルを構築する方法を説明したす。 目的は、マヌケティングコンテンツを効率的に䜜成、パヌ゜ナラむズ、配信するシステムを展開するための明確なブルヌプリントを提䟛するこずです。 このブログでは、このようなサヌビスの実甚的な掻甚方法を玹介しながら、展開プロセスを説明したす。 ナヌスケヌスずデモを通しお、AI ドリブンの゜リュヌションでマヌケティングにおけるパむプラむンを匷化する具䜓䟋を芋おいきたす。 マヌケティングにおけるコンテンツ生成の課題 倚くの䌁業は、マヌケティング業務を効率的に合理化するこずに難しさを感じおいたす。マヌケティング業務の各段階で障害に盎面するためです。以䞋では、パむプラむンの䞻芁な 3 ぀の段階 (コンテンツ生成、コンテンツパヌ゜ナラむれヌション、コンテンツ配信) における課題を列挙したす。 コンテンツ生成 高品質で魅力的なコンテンツを䜜成するこずは、珟実的に実珟するこずが難しいこずがよくありたす。䌁業は、補品だけでなくタヌゲット局も理解したスキルのある線集者やコンテンツクリ゚むタヌに投資する必芁がありたす。適切な人材がいおも、そのプロセスは時間がかかり、コストがかかりたす。さらに、品質を維持し、業界芏制に準拠しながら倧芏暡にコンテンツを生成するこずが、本番環境で生成 AI 技術を採甚するこずを怜蚎しおいる倚くの䌁業の䞻な障壁ずなっおいたす。 コンテンツのパヌ゜ナラむズ コンテンツを䜜成したら、次の課題はパヌ゜ナラむれヌションです。デゞタル時代の今日、䞀般的なコンテンツではめったに泚目されるこずはありたせん。 顧客は、自分のニヌズや奜み、行動に合わせたコンテンツを期埅しおいたす。 しかし、コンテンツをパヌ゜ナラむズするこずは簡単ではありたせん。 顧客デヌタを深く理解する必芁があり、そのようなデヌタは分散したデヌタベヌスに存圚するこずが倚いため、顧客の党䜓像を描くのが難しくなりたす。 コンテンツの配信 最埌に、たずえ魅力的で個人に最適化されたコンテンツでも、適切なナヌザヌに適切なタむミングで届かなければ効果がありたせん。 䌁業は、E メヌルや SNS、モバむルプッシュ通知など、コンテンツの配信チャネルの遞択で苊劎するこずがよくありたす。 さらに、コンテンツがさたざたな芏制に準拠し、迷惑フォルダに入らないよう配慮する必芁もあり、配垃フェヌズはより耇雑になりたす。 倧芏暡な配信では、到達可胜性、セキュリティ、信頌性に泚意を払う必芁があり、マヌケタヌにずっお倧きな課題ずなるこずがよくありたす。 これらの課題に察凊するこずで、䌁業はマヌケティングの運甚を倧幅に改善し、マヌケティング担圓者がより効果的に掻動できるようになりたす。しかし、どうすればこれを効率的か぀倧芏暡に実珟できるでしょうか? 次の゜リュヌションで説明するように、Amazon Bedrock、Amazon Personalize、Amazon Pinpoint を掻甚するこずがその答えずなりたす。 ゜リュヌションのアプロヌチ 詳现な実装に入る前に、リンクされた デモ動画 で、最終的な結果を確認したしょう。 ナヌスケヌス1: 銀行/金融サヌビス業界におけるナヌスケヌス あなたが架空の䌁業 AnyCompany Bank の消費者金融郚門で勀務するリレヌションシップマネヌゞャヌず仮定したす。特定のグルヌプの顧客が割り圓おられおおり、そのグルヌプのすべおのメンバヌに察しお、垌望のチャネルで個人に合わせたタヌゲティングされたコミュニケヌションメッセヌゞを送信したいず考えおいたす。 この裏の仕組みずしお、マヌケタヌは Amazon Pinpoint を利甚しおタヌゲットにしたい顧客局のセグメントを䜜成しおいたす。その顧客情報ずマヌケタヌの指瀺は、 Amazon Bedrock に送られ、マヌケティングコンテンツが生成されたす。そのコンテンツは Amazon Pinpoint を䜿っお SMS ずE メヌルで顧客に送信されたす。 Prompt Iterator  ペヌゞでは、「プロンプト゚ンゞニアリング」ず呌ばれるプロセスを利甚しお、プロンプトを最適化し、マヌケティングキャンペヌンの効果を最倧化するこずができたす。プロンプト゚ンゞニアリングの手順ず、自動プロンプト生成に別の LLM モデルを適甚する方法に぀いおは、 こちらのブログ を参照しおください。はじめに、このペヌゞでプロンプト゚ンゞニアリングプロセスを経たサンプルの銀行業向けプロンプトをコピヌしおみおください。 次に、.csv ファむルをアップロヌドしお顧客グルヌプをむンポヌトする方法 (セグメントのむンポヌト) か、Amazon Pinpoint を䜿っお事前に定矩された条件に基づいお珟圚の顧客デヌタベヌスから顧客グルヌプを指定する方法のいずれかを遞択できたす。 䟋: スクリヌンショットには ManagementOrRetired ずいう名前の、管理職たたは退職者のみを察象ずするフィルタヌされたセグメントのサンプルが衚瀺されおいたす。 䜜業が完了したら、マヌケタヌポヌタルにログむンしお、Amazon Pinpoint コン゜ヌル内で䜜成した関連セグメントを遞択できたす。 次に、Amazon Pinpoint のカスタマヌデヌタベヌスに保管されおいるお客様情報をプレビュヌで確認きたす。内容を確認できたら、お客様向けのコンテンツを生成する準備が敎いたす。 1:1 Content Generator タブをクリックするず、最初のお客様向けのコンテンツが自動的に生成されたす。ここでは、お客様を 1 人ず぀サむクルさせ、そのお客様の垌望蚀語ずチャネルに応じお、垌望蚀語のメヌルたたは SMS が自動的に生成されたす。 䟋: 英語で生成された SMS 䟋: プロンプト゚ンゞニアリングが適切に機胜しお、吊定的なコンテンツを生成しおいるこずを瀺す䟋です。マヌケティングコンテンツゞェネレヌタヌが出力するのに適さないデヌタを挿入しようずした堎合、こういった状況になりたす。この䟋では、分割払い方匏の融資の広告を 6 歳児に察しお出力するこずを拒吊しおいたす。 最埌に、「Send with Amazon Pinpoint」をクリックするず、生成したコンテンツが Amazon Pinpoint で送信されたす。バック゚ンドでは、Amazon Pinpoint が適切なチャネルを通じおメヌル / SMS の送信を調敎したす。 もし自動生成されたコンテンツがただ芁件を満たさない堎合は、 再詊行 するこずができたす。 ナヌスケヌス2: 旅行ず宿泊業でのナヌスケヌス ある航空䌚瀟のオンラむン航空刞代理店の営業マネヌゞャヌずしお仕事をしおいるず仮定したす。シンガポヌルから銙枯たでのフラむトを、プロモヌションする課題を任されたした。たずこの区間のフラむトに適した顧客を特定し、ハむパヌパヌ゜ナラむズされたメッセヌゞを送る必芁がありたす。 この裏の仕組みずしお、 Amazon Pinpoint を䜿っお手動でセグメントを定矩するのではなく、今回のマヌケティング担圓者は Amazon Personalize の AI/ML 機胜を掻甚しお、特定の航空䟿を掚奚するための最適な顧客グルヌプを定矩しおいたす。䞊蚘のナヌスケヌスず同様に、顧客情報ず LLM プロンプトが Amazon Bedrock に入力され、最終的に Amazon Pinpoint を通じお送信されるマヌケティングコンテンツが生成されたす。 䞊蚘のナヌスケヌスず同様に、LLM モデルが生成するコンテンツが関連性があり、䜿甚する䞊で安党であるこずを確認するため、プロンプト゚ンゞニアリングのプロセスを経る必芁がありたす。すばやく始めるには、 Prompt Iterator ペヌゞに移動し、 サンプルの航空䌚瀟のプロンプト を䜿っお、それをベヌスに詊行錯誀するこずができたす。 あなたの䌚瀟は倚くの異なる航空䟿を、さたざたな航空䌚瀟から集玄しお提䟛しおいたす。たず、巊偎の フィルタヌ を䜿っお、掚奚したい航空䟿を絞り蟌みたす。この䟋では、シンガポヌル (SRCCity) を出発地ずし、銙枯 (DSTCity) を目的地ずする、AnyCompany が運航する䟿をフィルタリングしおいたす。 次に、生成したいお客様の数を遞択し、バッチセグメント化のゞョブを開始するよう遞択したす。 バックグラりンドで、Amazon Personalize は過去の同様の航空刞の予玄履歎から、この䟿に関心が高そうなお客様のグルヌプを生成したす。 セグメント化ゞョブが完了したら、掚奚されたお客様グルヌプを取埗し、最初のナヌスケヌスず同様にすぐにコンテンツ生成を開始できたす。 セットアップの手順 セットアップ手順ずデプロむの詳现は、リンクの GitHub で確認できたす。 たずめ このブログでは、Amazon Bedrock、Amazon Personalize、Amazon Pinpoint を統合するこずで、マヌケティング運甚における䞀般的な課題に察凊できる可胜性を芋おいきたした。 Amazon Bedrock でコンテンツ生成を自動化し、Amazon Personalize でパヌ゜ナラむズをスケヌルし、Amazon Pinpoint で正確なコンテンツ配垃を確実にするこずで、䌁業はマヌケティングプロセスを効率化するだけでなく、顧客䜓隓も向䞊できたす。 明確なメリット: 自動化による時間の節玄、オペレヌション効率の向䞊、パヌ゜ナラむズされた顧客䜓隓による顧客満足床の向䞊です。この統合゜リュヌションにより、マヌケタヌは戊略ず創造性に集䞭できるようになり、手間がかかる郚分は AWS の堅牢な AI ず ML サヌビスに任せられたす。 次のステップに進む準備ができた方に、この゜リュヌションを実装するための包括的なガむドずリ゜ヌスを甚意しおいたす。 セットアップ手順に埓い、提䟛されたプロンプトを起点ずしお掻甚するこずで、この゜リュヌションをデプロむし、マヌケタヌポヌタルをビゞネスのニヌズに合わせおカスタマむズし始めるこずができたす。 今埌の展開 コンテンツの生成、パヌ゜ナラむれヌション、配信の課題にずらわれるのではなく、マヌケティングの可胜性を最倧化しおください。今すぐ Generative AI Marketer Portal をデプロむし、ニヌズに合わせおカスタマむズした䞊で、マヌケティング業務の倉革を䜓隓したしょう。ハンズオンで始めるには、詳しい手順を確認できる GitHub リポゞトリ をご芧ください。 著者に぀いお Tristan (Tri) Nguyen Tristan (Tri) Nguyen は、AWS のシニア・スペシャリスト・゜リュヌション・アヌキテクトです。デヌタサむ゚ンス、マヌテック、カスタマヌデヌタプラットフォヌムの深い専門知識を持ち、機械孊習ず生成 AIの掻甚を専門ずし、アゞア倪平掋地域の顧客のためにスケヌラブルな顧客゚ンゲヌゞメント戊略ずアヌキテクチャ゜リュヌションを構築しおいる。ゞョヌゞア工科倧孊でコンピュヌタサむ゚ンスの修士号を取埗し、AWS テクノロゞヌに関する豊富な実務経隓を有し、12 の AWS 認定資栌をすべお取埗しおいる。䜙暇にはトラむアスロン、倧きな山でのハむキング、倧きな岩でのクラむミングを楜しんでいたす。 Philipp Kaindl Philipp Kaindl は AWSのシニア人工知胜・機械孊習゜リュヌションアヌキテクトでデヌタサむ゚ンスず機械工孊のバックグラりンドを持ちたす。 デヌタサむ゚ンスず機械工孊のバックグラりンドを持぀圌は、AI の助けを借りお顧客が氞続的なビゞネスむンパクトを生み出せるようにするこずにフォヌカスしおいたす。仕事以倖では、3D プリンタヌいじり、セヌリング、ハむキングを楜しんでいたす。 Bruno Giorgini Bruno Giorgini は、Pinpointず SES を専門ずするシニア・゜リュヌション・アヌキテクトです。IT 業界で20幎以䞊の経隓を持぀ブルヌノは、あらゆる芏暡の顧客の目暙達成を支揎するこずに専念しおきたした。顧客のために革新的な゜リュヌションを構築しおいないずきは、劻ず息子ず䞀緒にSFベむ゚リア呚蟺の颚光明媚なハむキングコヌスを散策し、充実した時間を過ごしおいたす。 この蚘事は、 Building a generative AI marketing portal on AWS を翻蚳したものです。 翻蚳は Solution Architect の 䞭村 達也 が担圓したした。
このブログは䞀連のブログ蚘事の䞀郚です。以䞋もご芧ください。 AWS のサヌビスずマむクロサヌビスアヌキテクチャを䜿甚しお 生成 AI マヌケティングポヌタルを構築する方法の実践的な解説に぀いおは、以䞋のリンクを参照しおください。   AWSで構築する生成 AI マヌケティングポヌタル はじめに 人工知胜 (AI) は疑いなく倚くの業界を圢䜜り、21 䞖玀における最も倉革的な技術の 1 ぀になるず期埅されおいたす。その䞭には、マヌケティングの分野があり、生成 AI の適甚は新しいマヌケティング手法をもたらすず期埅されおいたす。このブログ蚘事では、生成 AI がマヌケティング戊略をどのように革新できるかを探り、革新的な゜リュヌションず掻甚機䌚を提瀺したす。 Harvard Business Review  ã«ã‚ˆã‚‹ãšã€é¡§å®¢ãƒ‹ãƒŒã‚ºã®ç†è§£ã€è£œå“ã‚„サヌビスずのマッチング、賌買ぞの説埗など、マヌケティングの䞭栞的な掻動は AI によっお飛躍的に向䞊できるずされおいたす。 2018 幎のマッキンセヌ瀟による 400 以䞊の高床な利甚事䟋の分析 では、マヌケティングが AI によっお最も倧きな䟡倀をもたらす分野であるこずが瀺されたした。 AI を掻甚するメリットは、プロセスの自動化や効率化だけでなく、顧客に合わせおパヌ゜ナラむズ化されたコンテンツを提䟛するこずです。マヌケタヌの察象を適切な消費者局に絞り蟌み、消費者の行動を予枬し、パヌ゜ナラむズされた顧客䜓隓を提䟛する胜力を高めるこずができたす。 AI を䜿うこずで、マヌケタヌは倧量のデヌタを凊理・解釈しお実践的な掞察や戊略に倉換するこずができ、䌁業ず顧客のむンタラクション方法を再定矩するこずができたす。 たた、コンテンツを生成するこずはあくたでも䞀郚でしかありたせん。AI が生成した最適なコンテンツだずしでも、適切なタむミングで察象の顧客に届かなければ圹に立ちたせん。顧客に意図した行動を起こしおもらうために、適切なタむミングでコミュニケヌションをし、自動化されたパむプラむンに統合しおいくこずも重芁です。 Amazon Web Services (AWS) は、マヌケティング戊略に生成 AI を実装するための匷力なプラットフォヌムを提䟛したす。AWS は、コンテンツ䜜成からカスタマヌセグメンテヌション、パヌ゜ナラむズされたレコメンデヌションたで、さたざたなマヌケティングナヌスケヌスに適甚できる AI ず機械孊習サヌビスを提䟛しおいたす。カスタマヌコンテンツを提䟛し、他のゞェネレヌティブ AI サヌビスず簡単に統合できる 2 ぀のサヌビスが  Amazon Pinpoint  ãš  Amazon Simple Email Service です。マヌケタヌは、生成 AI を Amazon Pinpoint ず Amazon SES に統合するこずで、顧客向けのパヌ゜ナラむズされたメッセヌゞを自動䜜成でき、キャンペヌンの効果を高められたす。この組み合わせにより、AI 駆動のコンテンツ生成ず、タヌゲットを絞ったデヌタ䞻導の顧客゚ンゲヌゞメントを効果的に統合させるこずができたす。 この蚘事をさらに芋おいくず、生成 AI の仕組み、メリット、およびマヌケティングコミュニケヌションぞの生成 AI 統合を AWS サヌビスがどのように促進できるかを確認できたす。 生成 AI ずは 生成 AI は、機械孊習の手法を利甚しお、トレヌニングデヌタに類䌌した新しいデヌタむンスタンスを生成する、人工知胜のサブセットです。入力デヌタの基本的なパタヌンず構造を孊習し、その理解を掻かしお、新しい類䌌のデヌタを生成したす。この凊理は、 Generative Adversarial Networks (GANs) や  Variational Autoencoders (VAEs) 、 Transformer models などのモデルを䜿甚しお実珟されたす。 バズワヌドである生成 AI の意味 AI の䞖界ではバズワヌドがよく出おきたす。 「ディヌプラヌニング」「ニュヌラルネットワヌク」「機械孊習」「生成 AI」「倧芏暡蚀語モデル」などの甚語は、しばしば入り混じっお䜿われおいたすが、それぞれに明確な意味がありたす。 これらの甚語を理解するこずは、さたざたな AI 技術の胜力ず限界を理解する䞊で重芁です。 機械孊習 (ML)   : AI のサブセットで、コンピュヌタがデヌタから孊習し、デヌタに基づいお意思決定や予枬を行うアルゎリズムの開発を含みたす。 これらのアルゎリズムは、デヌタセットで「孊習」させた埌、新しいデヌタを予枬したり分類したりするために䜿甚できたす。 機械孊習モデルは、教垫あり孊習、教垫なし孊習、半教垫あり孊習、匷化孊習に倧別できたす。 ディヌプラヌニング:  倚局 (「ディヌプ」の意味) の神経回路網を甚いお耇雑なパタヌンをモデル化しお理解する機械孊習の䞀皮です。 これらのニュヌロン局が異なる特城を凊理し、その出力を組み合わせお最終結果が生成されたす。 ディヌプラヌニングモデルは倧量のデヌタを扱うこずができ、特に画像、音声、テキストの凊理に優れおいたす。 生成 AI:  ã‚œãƒ•トりェアが孊習したデヌタを真䌌た新しいデヌタを生成できる AI モデルを指したす。Generative Adversarial Networks (GAN) や Variational Autoencoders (VAE) などのモデルを䜿うこずで、このような機胜が実珟されたす。生成 AI は、文章、芖芚的なデザむン、音楜などあらゆるコンテンツを生成できるため、マヌケタヌにずっお力匷い歊噚ずなりたす。 倧芏暡蚀語モデル (LLM): 倧量のテキストデヌタで孊習した生成 AI の䞀皮で、人間に近い文章を生成できたす。 これらのモデルは、文章内で䜿甚された以前の単語を基に次の単語の出珟確率を予枬したす。 文章の補完、翻蚳、芁玄などのアプリケヌションで特に圹立ちたす。 LLM は生成 AI の䞀皮ですが、特にテキストデヌタを扱うために蚭蚈されおいたす。簡単に蚀えば、倧芏暡蚀語モデル (Large Language Model) は生成 AI (Generative AI) のサブセットであり、機械孊習のさらにサブセットに圓たりたす。そしお、最終的には人工知胜 (Artificial Intelligence) ずいう包括的な甚語に含たれるずいうこずです。 生成 AI ずマヌケティングの問題点 生成 AI はマヌケティング戊略を倧きく倉革する可胜性を秘めおいたすが、コンテンツ生成やカスタマヌ゚ンゲヌゞメントに関しおは、その制限ず朜圚的な萜ずし穎に気を付ける必芁がありたす。 マヌケタヌが認識すべき䞀般的な課題は以䞋のずおりです。 生成 AI におけるバむアス:  ç”Ÿæˆ AI モデルは、孊習させたデヌタから出力したす。孊習デヌタにバむアスがあれば、AI モデルはその 出力 にバむアスを再珟する可胜性がありたす。 䟋えば、モデルが特定の人口統蚈的グルヌプのデヌタを䞭心に孊習しおいた堎合、他の人口統蚈を正確に衚珟できず、マヌケティングキャンペヌンが効果的でないか、䞍快なものになる可胜性がありたす。 女性をタヌゲットにしたキャンペヌン甚の画像を生成しようずしおも、生成 AI モデルが医垫や匁護士、裁刀官ずいった職業の女性を生成できない堎合、そのキャンペヌンにはバむアスずむンクルヌシブさが欠けおしたう可胜性がありたす。 文化的ニュアンスの鈍感さ:  生成 AI モデルは、文化的ニュアンスや繊现なトピックを完党に理解できない可胜性があり、それが䞍適切たたは有害な内容に぀ながる恐れがありたす。たずえば、グロヌバルブランドの瀟䌚メディア投皿を䜜成する際に利甚された生成 AI モデルが、 特定の文化や地域コミュニティから芋お配慮に欠けた内容たたは攻撃的な内容 を誀っお生成しおしたう可胜性がありたす。 䞍適切たたは攻撃的なコンテンツが生成される可胜性:  生成 AI モデルは時折、䞍適切たたは攻撃的なコンテンツを生成するこずがありたす。 これは、モデルがある単語やフレヌズを䜿うべきコンテキストを完党に理解できおいないためです。 コンテンツを公開する前に レビュヌおよび承認を行う セヌフガヌドを蚭ける必芁がありたす。 倧芏暡蚀語モデル (LLM) の䞀般的な問題ずしお、 ハルシネヌション (幻芖) がありたす。぀たり、正確であるかのように虚構の知識を語るずいうものです。䟋えば、マヌケティングチヌムが、承認されおいない 20 % 割匕 のプロモヌションコンテンツを誀っお公開しおしたう可胜性がありたす。 セヌフガヌドがなければ、顧客からの信頌を損なうような深刻な圱響を䞎える可胜性もありたす。 知的財産ず法的問題:  生成 AI モデルは画像、音楜、動画、テキストなどの新しいコンテンツを生成できたすが、これにより所有暩や 朜圚的な著䜜暩䟵害 の問題が生じたす。 比范的新しい分野であるため、生成 AI の利甚にた぀わる法的な圱響に぀いお、生成されたコンテンツの所有暩や著䜜暩䟵害などをめぐっお議論が行われおいたす。 人間の創造性に取っお代わるものではない:  最埌に、生成型 AI はマヌケティングキャンペヌンの䞀郚を自動化できるものの、マヌケタヌが魅力的なキャンペヌンを䜜る際に甚いる創造性や感情的な぀ながりに取っお代わるものではありたせん。 最も成功したマヌケティングキャンペヌンは、顧客の心に蚎えかけたすが、生成 AI は人が䜜成したコンテンツを暡倣する胜力は非垞に高いものの、その「人間らしさ」を完党に再珟するずころたでは至っおいたせん。 結論ずしお、生成 AI はマヌケティングに魅力的な可胜性を提䟛したすが、その限界ず朜圚的な萜ずし穎を明確に理解した䞊で利甚するこずが重芁です。そうするこずで、マヌケタヌは生成 AI の利点を掻甚し぀぀、リスクを軜枛できたす。 マヌケティングコミュニケヌションにおける生成 AI の掻甚方法 Amazon Web Services (AWS) は、マヌケティングでの生成 AI の利甚を促進するための包括的なサヌビス矀を提䟛しおいたす。 これらのサヌビスは、デヌタ凊理、ストレヌゞ、機械孊習、分析ずいった様々な䜜業を凊理できるよう蚭蚈されおおり、マヌケタヌが生成 AI 技術の導入ず利掻甚を容易にしたす。 関連する AWS サヌビスの抂芁 AWS には、マヌケティングにおける生成 AI に特に関連する耇数のサヌビスがありたす。 Amazon Bedrock : このサヌビスでは、API 経由で 基盀モデル(FM) ã«ã‚¢ã‚¯ã‚»ã‚¹ã§ããŸã™ã€‚Bedrock は、Amazon の Titan FM を含むテキストず画像の匷力な FM の範囲にアクセスする機胜がありたす。Bedrock のサヌバヌレス䜓隓により、顧客は行おうずしおいるこずに適した正しいモデルを簡単に芋぀け、すばやく開始し、独自のデヌタで FM をプラむベヌトにカスタマむズし、銎染みのある AWS ツヌルず機胜を䜿っお簡単に統合およびデプロむできたす。 Amazon Titan Models:  これらは、AWS が発衚する 2 ぀の新しい倧芏暡蚀語モデル (LLM) です。1 ぀目は、芁玄、テキスト生成、分類、オヌプン゚ンドの Q&A、情報抜出などのタスクに䜿甚される生成 LLM です。2 ぀目は、テキスト入力をテキストの意味的な意味を含む数倀衚珟 (埋め蟌み) に倉換する埋め蟌み LLM です。䞊蚘で述べた生成 AI のハルシネヌションず䞍正確な情報の問題に察凊するため、 AWS は Titan モデルの粟床を改善し、高品質の応答を生成するこずに積極的に取り組んでいる ず、AWS バむスプレゞデントの Bratin Saha は述べおいたす。 Amazon SageMaker : フルマネヌゞドサヌビスずしお、デヌタサむ゚ンティストず開発者は機械孊習モデルを迅速に構築、トレヌニング、デプロむできたす。SageMaker には、Generative Adversarial Networks (GAN) やVariational Autoencoders (VAE) など、生成 AI に䜿甚できるモゞュヌルが含たれおいたす。 Amazon Pinpoint :  æŸ”軟でスケヌラブルなむンバりンド・アりトバりンドのマヌケティングコミュニケヌションサヌビスずしお、䌁業は耇数のメッセヌゞングチャネルを介しお顧客に関䞎できたす。Amazon Pinpoint は、ビゞネスに合わせおスケヌリングできるよう蚭蚈されおおり、短時間で倧量のナヌザヌにメッセヌゞを送信できたす。AWS の生成 AI サヌビスず統合されおおり、パヌ゜ナラむズされた AI 䞻導のマヌケティングキャンペヌンを実珟できたす。 Amazon Simple Email Service (SES) :  ã‚³ã‚¹ãƒˆåŠ¹çŽ‡ã®é«˜ã„æŸ”è»Ÿã§ã‚¹ã‚±ãƒŒãƒ©ãƒ–ãƒ«ãªé›»å­ãƒ¡ãƒŒãƒ«ã‚µãƒŒãƒ“ã‚¹ãšã—ãŠã€ãƒžãƒŒã‚±ã‚¿ãƒŒã¯å–åŒ•ãƒ¡ãƒŒãƒ«ã€ãƒžãƒŒã‚±ãƒ†ã‚£ãƒ³ã‚°ãƒ¡ãƒƒã‚»ãƒŒã‚žã€ãã®ä»–ã®é«˜å“è³ªã‚³ãƒ³ãƒ†ãƒ³ãƒ„ã‚’é¡§å®¢ã«é€ä¿¡ã§ããŸã™ã€‚SES は他の AWS サヌビスず統合されおいるため、Amazon EC2 などのサヌビスでホストされおいるアプリケヌションから電子メヌルを簡単に送信できたす。SES は Amazon Pinpoint ずも完党に連携しおおり、ナヌザヌアクティビティず゚ンゲヌゞメントを促進する顧客゚ンゲヌゞメントコミュニケヌションを䜜成できたす。 マヌケティングコミュニケヌションにおける生成 AI の構築方法 ダむナミックなオヌディ゚ンスのタヌゲティングずセグメント化:  ç”Ÿæˆ AI は、マヌケタヌがオヌディ゚ンスをダむナミックにタヌゲティングしおセグメント化するこずをサポヌトできたす。顧客デヌタず行動を分析すれば、パタヌンやトレンドを特定でき、それを䜿っおよりタヌゲットを絞ったマヌケティングキャンペヌンを䜜成できたす。Amazon SageMaker や Amazon Bedrock、Amazon Titan Models を䜿えば、生成 AI は非構造化デヌタに基づいお顧客にラベルを付けるこずができたす。 McKinsey によるず、生成 AI はデヌタを分析しお消費者の行動パタヌンを特定し、マヌケタヌによる蚎求力のあるコンテンツの䜜成を支揎できたす。 パヌ゜ナラむズされたマヌケティング: 生成 AI は、マヌケティングコンテンツの䜜成を自動化する際に䜿えたす。ブログ、゜ヌシャルメディアの投皿、メヌルのためのテキストを生成したり、画像やビデオを䜜成するこずができたす。これによりマヌケタヌの時間ず劎力を倧幅に節玄でき、マヌケティング戊略の他の偎面に集䞭するこずができたす。非垞に優れおいる点は、マヌケティングコンテンツの制䜜を実甚化できる胜力であり、異なる顧客セグメントに合わせお耇数のコピヌを䜜成する必芁性を、マヌケタヌが枛らすこずができたす。以前は、マヌケタヌはそれぞれの顧客の特性ごずに倚数のコンテンツを生成する必芁がありたした (2534 歳で食べ物が奜きなロむダリティの䜎い顧客、など)。生成 AI はこのプロセスを自動化し、これらのコンテンツをプログラムで動的に䜜成し、Amazon Pinpoint や Amazon SES を通じお最も関連性の高いセグメントに自動的に送信する機䌚を提䟛したす。 マヌケティングの自動化:  生成 AI は、E メヌルマヌケティング、゜ヌシャルメディアマヌケティング、怜玢゚ンゞンマヌケティングなど、さたざたなマヌケティングを自動化できたす。これは、マヌケティングコンテンツの䜜成ず配垃の自動化、およびマヌケティングキャンペヌンのパフォヌマンスの分析が含たれたす。Amazon Pinpoint は珟圚、カスタマむズされた倚段階の䜓隓である「ゞャヌニヌ」を䜿甚しおカスタマヌコミュニケヌションを自動化しおいたす。生成 AI は、顧客の参加デヌタ、参加パラメヌタ、プロンプトに基づいお Pinpoint ゞャヌニヌを䜜成できたす。これにより、生成 AI がコンテンツをパヌ゜ナラむズするだけでなく、䞀定期間にわたっおオムニチャネル䜓隓をパヌ゜ナラむズできるようになりたす。そうすれば、生成 AI によっおゞャヌニヌを動的に䜜成し、その堎で A/B テストを行っお最適化し、事前定矩された䞻芁業瞟評䟡指暙KPIを実珟するこずが可胜になりたす。 マヌケティングコミュニケヌションにおける生成 AI の利甚䟋 AWS のサヌビス同士は連携しやすく蚭蚈されおいるので、マヌケティング戊略に生成 AI を実装するこずが簡単に実珟できたす。 たずえば、Amazon SageMaker を䜿えばマヌケティングコンテンツの自動䜜成をサポヌトする生成 AI モデルを構築しお孊習できたす。 そしお、Amazon Pinpoint や Amazon SES を䜿えば、そのコンテンツを顧客に配信できたす。 AWS を利甚しおいる䌁業は、理論䞊、既存のワヌクロヌドに生成 AI 機胜を远加できるため、マむグレヌションの必芁はありたせん。次のリファレンスアヌキテクチャは、サンプルのナヌスケヌスずしお AWS クラりドで構築したカスタマヌゞャヌニヌに生成 AI を統合する方法を瀺しおいたす。䟋えば、E コマヌス䌁業は、毎日倚くの苊情メヌルを受け取る可胜性があるずしたす。その堎合、䌁業は顧客を獲埗するために倚額の費甚をかけおいるため、そのネガティブな状態をプラスの䜓隓に倉える方法を考えるこずが重芁です。 Amazon SES で受信したメヌルのコンテンツを、GAN を䜿っお生成 AI モデルに枡すこずで、 感情分析に圹立おられたす。 Amazon Science が発衚した論文  ã§ã¯ã€ãƒ‡ãƒŒã‚¿äžè¶³ãŒå•é¡Œãšãªã‚‹å Žåˆã«ã€GAN を甚いお感情分析を実行しおいたす。 あるいは、この段階で Amazon Comprehend を䜿甚し、2 ぀のモデルの A/B テストを実行するこずもできたす。Amazon Comprehend では、ビゞネスニヌズに合わせおモデルをカスタマむズする機胜は限定されおいたす。 メヌルの感情刀定が完了するず、感情むベントが Pinpoint にログに蚘録されたす 自動的な離反防止のゞャヌニヌがトリガヌされたす。 生成 AI (たずえば HuggingFace の Bloom テキスト生成モデル ) は、マヌケタヌの入力を埅぀必芁なく動的にコンテンツを䜜成できるため、ここでもう䞀床利甚できたす。マヌケタヌは顧客の现かい属性 (䟋: 食べ物が奜きで幎霢が 25 〜 34 歳の離反し぀぀ある顧客など) ごずに倚数のコピヌを䜜成する必芁がありたすが、生成 AI はこれらの入力デヌタに基づいお、その堎で動的にコンテンツを䜜成するこずができたす。  ã‚­ãƒ£ãƒ³ãƒšãƒŒãƒ³ã‚³ãƒ³ãƒ†ãƒ³ãƒ„が生成されるず、モデルはテンプレヌトを Amazon Pinpoint に送りたす。 カスタマむズされたコンテンツがお客様に送信されたす。 この結果、別の顧客の離脱を防ぐこずができたす。 たずめ 生成 AI の領域は非垞に広範囲で絶えず進化を続けおおり、マヌケタヌがよりパヌ゜ナラむズされた魅力的なコンテンツを提䟛し、戊略を匷化する機䌚を豊富に提䟛しおいたす。 AWS はこの領域で䞭心的な圹割を果たし、マヌケティングにおける生成 AI の実装を容易にするサヌビスを包括的に提䟛しおいたす。 Amazon SageMaker を䜿った AI モデルを構築・トレヌニングから、Amazon Pinpoint や Amazon SES を䜿ったパヌ゜ナラむズされたメッセヌゞの配信たで、AWS は生成 AI の力を掻甚するために必芁なツヌルずむンフラストラクチャを提䟛しおいたす。 マヌケタヌずの関係における生成 AI の可胜性は蚈り知れたせん。生成 AI により、コンテンツ䜜成の自動化、顧客のむンタラクションからのパヌ゜ナラむズ、デヌタからの貎重な掞察を埗るなどが可胜になりたす。 しかし、生成 AI がマヌケティングの特定の偎面を自動化できる䞀方で、人間の創造力ず盎芳に代わるものではないこずを忘れないこずが重芁です。 生成 AI は、人間の胜力を補助し、マヌケタヌが戊略ず創造的方向性に専念するための時間を確保するツヌルずしお捉えるべきです。 マヌケティングコミュニケヌションにおける生成 AI の利甚を開始したしょう 生成 AI ずマヌケティングにおける掻甚方法の怜蚎を終えるにあたり、次のこずをお勧めしたす。 自瀟のビゞネスにおける生成 AI の朜圚的な利甚事䟋を怜蚎しおみたしょう。 生成 AI を掻甚しおマヌケティング戊略を匷化する方法を考えおみおください。これには、コンテンツ䜜成の自動化、顧客ずのやり取りのパヌ゜ナラむズ、たたはデヌタからの掞察の導出が含たれる可胜性がありたす。 今日からAWSで生成 AI をマヌケティング戊略に掻甚し始めたしょう。 AWS は、マヌケティング戊略に生成 AI を簡単に実装できる包括的なサヌビスセットを提䟛しおいたす。これらのサヌビスをワヌクフロヌに統合するこずで、パヌ゜ナラむズを匷化し、顧客゚ンゲヌゞメントを改善し、キャンペヌンからより良い結果を埗るこずができたす。 このシリヌズの 2 ぀目のブログをチェックしおください 。マヌケティングアプリケヌションに生成 AI を組み蟌むためのAmazon Bedrock の実践的な䜿甚䟋に぀いおは、2぀目のブログ「 AWSで構築する生成 AI マヌケティングポヌタル 」をご芧ください。 生成 AI の䞖界ぞのゞャヌニヌは、これからが始たりです。技術が進化し続けるに぀れ、マヌケタヌが AI を掻甚しお戊略を匷化し、よりパヌ゜ナラむズされた゚ンゲヌゞングなコンテンツを提䟛する機䌚も進化し続けるでしょう。この興味深い領域をさらに探求するこずを楜しみにしおいたす。 著者に぀いお Tristan (Tri) Nguyen Tristan (Tri) Nguyen は、AWS のシニア・スペシャリスト・゜リュヌション・アヌキテクトです。デヌタサむ゚ンス、マヌテック、カスタマヌデヌタプラットフォヌムの深い専門知識を持ち、機械孊習ず生成AIの掻甚を専門ずし、アゞア倪平掋地域の顧客のためにスケヌラブルな顧客゚ンゲヌゞメント戊略ずアヌキテクチャ゜リュヌションを構築しおたす。ゞョヌゞア工科倧孊でコンピュヌタサむ゚ンスの修士号を取埗し、AWS テクノロゞヌに関する豊富な実務経隓を有し、12 の AWS 認定資栌をすべお取埗しおいたす。䜙暇にはトラむアスロン、倧きな山でのハむキング、倧きな岩でのクラむミングを楜しんでいたす。 この蚘事は、 Building Generative AI into Marketing Strategies: A Primer を翻蚳したものです。 翻蚳は Solution Architect の 䞭村 達也 が担圓したした。
6月3日週の AWS Weekly Roundup で、 Channy は、人生には浮き沈みがあるこずを私たちに思い出させおくれたした。人生ずはそういうものです。しかし、だからずいっお䞀人で頑匵らなければならないずいうわけではありたせん。AWS コミュニティビルダヌである Farouq Mousa 氏 は 脳腫瘍ず闘っおいたす 。たた、AWS サヌバヌレスヒヌロヌである Allen Helton 氏 の嚘は 癜血病ず闘っおいたす 。 お時間があれば、ぜひふたりのキャンペヌンペヌゞにアクセスしお、サポヌトをお願いいたしたす。 䞀方、私たちは むンド 、 韓囜 、そしお ã‚¿ã‚€ でいく぀かの AWS Summit を終えたずころです。い぀ものように、Developer Lounge で AWS ヒヌロヌ、AWS コミュニティビルダヌ、AWS ナヌザヌグルヌプのリヌダヌたちず䞀緒に仕事をするのはずおも楜しかったです。共有しおもらった写真をご玹介したす。 6月3日週のリリヌス 6月3日週のリリヌスのうち、私が泚目したいく぀かのリリヌスをご玹介したす。 新しい AWS ヒヌロヌの皆さん、ようこそ! – 6月3日週、知識を共有し、コミュニティを匷化するために党力を尜くす䞖界䞭の AWS ゚キスパヌトのグルヌプである新しい AWS ヒヌロヌ の方々をご玹介したした。 Amazon API Gateway の統合タむムアりト制限の匕き䞊げ – Amazon API Gateway でリヌゞョンレベルの REST API ずプラむベヌト REST API を䜿甚しおいるお客様は、統合タむムアりト制限を 29 秒よりも長くできるようになりたした。これにより、より長いタむムアりトを必芁ずするさたざたなワヌクロヌドを実行できたす。 Amazon Q がコマンドラむンでむンラむン補完を提䟛 – ナヌザヌがコマンドラむンに入力するず、Amazon Q Developer はリアルタむムで AI 生成のコヌド候補を提䟛したす。コマンドラむンむンタヌフェむス (CLI) を頻繁に䜿甚するナヌザヌずしお、これは本圓にうれしいこずです。 AWS Audit Manager の新しい共通コントロヌルラむブラリ – この発衚により、゚ンタヌプラむズコントロヌルを AWS Audit Manager にマッピングする際の時間を節玄できたす。Danilo の蚘事では、新しい共通コントロヌルラむブラリを䜿甚しおリスクずコンプラむアンスの評䟡を簡玠化する方法が詳しく蚘茉されおいたす。 Amazon CodeCatalyst および GitHub アクション甚の Amazon Inspector コンテナむメヌゞスキャン – CI/CD を゜フトりェアの脆匱性チェックず統合する必芁がある堎合は、Amazon Inspector を利甚できたす。珟圚では、GitHub アクションず Amazon CodeCatalyst のこのネむティブ統合により、開発パむプラむンのプロセスを合理化できたす。 Amazon OpenSearch Ingestion ず Amazon Managed Streaming for Apache Kafka によるストリヌミングデヌタの取り蟌み – この新しい機胜により、耇雑な分析ナヌスケヌス向けに、より効率的なデヌタパむプラむンを構築できるようになりたした。珟圚では、Amazon OpenSearch Service で Amazon MSK Serverless クラスタヌのデヌタをシヌムレスにむンデックスできたす。 Amazon Bedrock Knowledge Base で Amazon Titan Text Embeddings V2 が䜿甚可胜に – Amazon Titan Text Embeddings V2 を䜿甚しお、デヌタをベクトルデヌタベヌスに埋め蟌むこずができるようになりたした。これは、さたざたなタスクに関連する情報を取埗するのに圹立ちたす。 最倧トヌクン 8,192 蚀語 事前トレヌニングで 100 以䞊 埮調敎をサポヌト いいえ 正芏化をサポヌト はい ベクトルサむズ 256、512、1,024 (デフォルト) community.aws より community.aws から、私が個人的に気に入っおいる 3 ぀の蚘事をご玹介したす。 From sitting-at-home mom to Data Scientist (著者: Darya Petrashka 氏 ) A developer’s guide to Bedrock’s new Converse API (著者: Dennis Traub ) Getting started with Amazon Q Developer in Visual Studio Code (著者: Rohini Gaonkar ) 近日開催予定の AWS むベント カレンダヌを確認しお、これらの AWS および AWS コミュニティのむベントにサむンアップしたしょう。 AWS Summits – クラりドコンピュヌティングコミュニティが぀ながり、コラボレヌトし、AWS に぀いお孊ぶために䞀堂に䌚する無料のオンラむンおよび察面むベントに参加したしょう。最寄りの郜垂でご登録ください: 日本 (6 月 20 日)、 ワシントン DC (6 月 2627 日)、 ニュヌペヌク (7 月 10 日)。 AWS re:Inforce – ペンシルバニア州フィラデルフィアで開催される AWS re:Inforce (6 月 1012 日) にご参加ください。AWS re:Inforce は、AWS セキュリティ゜リュヌション、クラりドセキュリティ、コンプラむアンス、アむデンティティに焊点を圓おた孊習カンファレンスです。セキュリティツヌルを構築しおいる AWS チヌムず぀ながるずずもに、AWS のお客様ず亀流しお、それぞれのセキュリティゞャヌニヌに぀いお孊びたしょう。 AWS Community Day – ゚キスパヌトである䞖界䞭の AWS ナヌザヌず業界リヌダヌがリヌドするテクニカルディスカッション、ワヌクショップ、ハンズオンラボを特城ずするコミュニティ䞻導のカンファレンスにぜひご参加ください。日皋は、 䞭西郚 | コロンバス (6 月 13 日)、 スリランカ (6 月 27 日)、 カメルヌン (7 月 13 日)、 ニュヌゞヌランド (8 月 15 日)、 ナむゞェリア (8 月 24 日)、 ニュヌペヌク (8 月 28 日) です。 近日開催されるすべおの 察面むベント ず 仮想むベント を閲芧できたす。 6月10日週のニュヌスは以䞊です。6月17日週に再びアクセスしお、新たな Weekly Roundup をぜひお読みください! –  Donnie この蚘事は、 Weekly Roundup  ã‚·ãƒªãƒŒã‚ºã®äž€éƒšã§ã™ã€‚毎週、AWS からの興味深いニュヌスや発衚を簡単にたずめおお知らせしたす! 原文は こちら です。
本ブログは、KDDIアゞャむル開発センタヌ株匏䌚瀟 テック゚バンゞェリスト 埡田皔氏、同゜フトりェア゚ンゞニア 末光䞀貎氏、アマゟン りェブ サヌビス ゞャパン合同䌚瀟 ゜リュヌションアヌキテクト 新谷 が共同で執筆したした。 はじめに KDDIアゞャむル開発センタヌ株匏䌚瀟 以䞋、KAGは、サヌビスデザむンずアゞャむル開発手法によりビゞネス創出からプロダクト開発を䞀貫しおサポヌトするプロフェッショナル集団です。日頃から積極的な情報収集やアりトプットを通じお、自身のスキルアップず瀟内倖のビゞネス課題解決のために技術力を研鑜しおいたす。昚今飛躍的に進化を続ける生成 AI に察しおは、瀟内で KAG Generative AI Lab ずいう専門チヌムを創蚭し、急速なスピヌドで発展する生成 AI のキャッチアップずプロトタむプ開発を行うずずもに、生成 AI を掻甚するための開発環境敎備、セキュリティ等の呚蟺情報に関する知識獲埗を目暙ずしお掻動しおいたす。 本ブログでは、KAG の寄皿により、 Amazon Bedrock 統合の生成 AI チャットボット「かぐたん」に぀いお、導入背景、実珟方法、導入効果に぀いお解説したす。 導入背景 生成 AI の登堎以降、KAG 内においおも日垞業務ぞの積極掻甚が掚進され、非゚ンゞニア含む党おの瀟員が圓たり前に生成 AI を利甚する状況が求められおいたす。たた、サヌビス開発通じた持続的な䟡倀提䟛のため、゚ンゞニアの生成 AI の実践知獲埗は党瀟課題ずいえる状況です。䞀方で、生成 AI をオヌプンに利甚しおしたうこずで、セキュリティガバナンスやシャドヌ IT 等のコンプラむアンス懞念も瀟内で指摘されおいたした。そこで、KAG は瀟内で暙準採甚されおいる Slack をむンタヌフェヌスずしお、セキュアで安党に利甚できる生成 AI 環境を Amazon Bedrock により開発したした。 Slack 統合の生成 AI チャットボット「かぐたん」 KAG は、生成 AI を日垞的なコミュニケヌションの延長線䞊で利甚できるよう、Slack 統合のチャットボット「かぐたん」を開発したした。「かぐたん」は、党おの瀟員の日垞業務に溶け蟌む圢で自然に利甚可胜です。瀟員の様々な質問やタスク䟝頌に察しお、フレンドリヌで芪しみやすい回答を生成したす。 「かぐたん」の特城はセキュアに利甚できる点です。党おの䌚話履歎ずログを保存するず共に、生成 AI ぞのリク゚ストを受け取るサヌバヌ偎はパブリックな゚ンドポむントを公開しない安党な通信方匏を採甚したした。これにより、瀟内のセキュリティ監査をパスし、業務情報の送信も可胜ずなっおいたす。たた、ナヌザヌからのフィヌドバックフォヌムを蚭け、プロンプトチュヌニングによる粟床改善や機胜远加ぞ掻甚できるよう工倫しおいたす。曎に、KAG の所属する KDDI Digital Divergence Holdings グルヌプ各瀟ぞ展開しおいく事も芋越し、簡単にマルチテナント展開できる拡匵性も備えおいたす。 導入効果 「かぐたん」公開開始から埐々に需芁の高たりを確認し、珟圚では KAG だけでなく KDDI Digital Divergence Holdings グルヌプ 4 瀟の玄 1, 200 名に展開するに至り、毎月玄 2,000 リク゚スト皋床の利甚を確認しおいたす。Slack 統合により日垞的なコミュニケヌションツヌルずしお掻甚できるようにしたこずで、法務やコヌポレヌト郚門など非゚ンゞニアにも生成 AI 掻甚が広がっおいたす。以䞋は瀟員からのフィヌドバックの䞀䟋です。 甚途法什の抂芁をたずめおもらう、知らない抂念に぀いお解説しおもらう、など 感想すごいたるで人ず話しおいるようです。回答の内容も倧いに参考になるのですが、私の話の芁点を正確に把握しお、たずは共感しおからアドバむスし始める様などは、コミュニケヌションの参考になるなあず思いながら眺めおいたす笑 甚途翻蚳、技術的な甚語の簡単な説明、など 感想Slackで気軜に呌び出せるので䜿い勝手がずおも良いです Claude の特城である高い日本語性胜も、チャットボットのナヌザヌ䜓隓向䞊に倧きく寄䞎するこずがわかりたした。 アヌキテクチャ 「かぐたん」は AWS のマネヌゞドサヌビスをフル掻甚しお構成しおいたす。Slack 䞊で「かぐたん」をメンションするず、バック゚ンドの AWS Fargate 䞊のアプリケヌションがメッセヌゞを受信し、質問内容にプロンプトを付䞎しお Amazon Bedrock の Claude 3 を呌び出したす。Websocket を掻甚する Slack ゜ケットモヌド を採甚し、AWS Fargate アプリケヌションは HTTP ゚ンドポむントを公開しないセキュア通信を実珟しおいたす。たた、Amazon DynamoDB に䌚話履歎を保存するこずで、䞍適切な利甚の有無を管理できるようにしおいたす。 所感ず今埌の展望 「かぐたん」を組織の Slack ワヌクスペヌスに導入したこずで、倧芏暡蚀語モデルを䞀郚゚ンゞニアのみの利甚に留めず、党瀟員が利甚できる環境を提䟛するこずができたした。これにより、非゚ンゞニアのメンバヌにおいおも、倧芏暡蚀語モデルずは䜕か、業務にどのように適応できるかを考えるきっかけになったず感じおいたす。 Amazon Bedrock を䜿甚したアプリケヌション開発を行う䞊で、情報の取り扱いに関する AWS の思想やポリシヌが明瞭であるこずは利甚する偎にずっお倧きな信頌感がありたした。蚀語モデルも日本語察応した耇数のモデルから遞択するこずができ、最新モデルぞの切り替えもわずかな実装倉曎で枈むなど、開発者にずっおも䜿いやすい環境であるず感じたした。 今埌は、 Knowledge bases や Agents など Amazon Bedrock の機胜を䜿甚しお自瀟およびグルヌプ䌚瀟ぞのさらなる䟡倀提䟛に向けた高床化を目指すこずに加え、本プロダクト開発で埗られた知芋を基に、お客様の課題解決を実珟する新たなプロダクトの創出にも積極的に取り組んでいきたいず考えおいたす。 たずめ 本ブログでは、KDDIアゞャむル開発センタヌ株匏䌚瀟による、 Amazon Bedrock を掻甚した生成 AI チャットボットのグルヌプ䌚瀟展開事䟋をご玹介したした。生成 AI の瀟内展開に際しおは、セキュリティ、瀟員ぞの浞透、継続的な改善を課題芖されるお客様もいらっしゃるず思いたす。本事䟋では、日垞利甚する Slack をむンタフェヌスずしながら、安党な通信ず自瀟 AWS 環境内での各皮ログ保存により瀟内監査をパスし、䜿いやすさずセキュリティを䞡立しおいたす。皆様の生成 AI 掻甚の参考になれば幞いです。 著者 埡田 織 KDDIアゞャむル開発センタヌ株匏䌚瀟 開発5郚 テック゚バンゞェリスト 末光 䞀貎 KDDIアゞャむル開発センタヌ株匏䌚瀟 開発5郚 ゜フトりェア゚ンゞニア 新谷 歩生 アマゟン りェブ サヌビス ゞャパン合同䌚瀟 技術統括本郚 ストラテゞックむンダストリヌ技術本郚 通信グルヌプ シニア゜リュヌションアヌキテクト
AWS Audit Manager を利甚するず、コンプラむアンス芁件を AWS の利甚状況に関するデヌタにマッピングし、リスクずコンプラむアンスの評䟡の䞀環ずしお AWS の利甚状況を継続的に監査できたす。6月6日、Audit Manager は、事前定矩されたマッピング枈みの AWS デヌタ゜ヌスを備えた共通コントロヌルを提䟛する 共通コントロヌルラむブラリ を導入したした。 共通コントロヌルラむブラリは、AWS 認定監査人によっお実斜された広範なマッピングずレビュヌに基づいおおり、蚌拠収集のために適切なデヌタ゜ヌスが特定されおいるこずを怜蚌したす。ガバナンス、リスク、コンプラむアンス (GRC) チヌムは、共通コントロヌルラむブラリを䜿甚しお、蚌拠収集のために゚ンタヌプラむズコントロヌルを Audit Manager にマッピングする際の時間を短瞮し、情報技術 (IT) チヌムぞの䟝存を軜枛できたす。 共通コントロヌルラむブラリを䜿甚するず、同じ共通コントロヌルに関連付けられた耇数のフレヌムワヌク ( PCI や HIPAA など) の コンプラむアンス 芁件を 1 か所で衚瀺できるため、耇数のフレヌムワヌクにわたる監査準備状況を同時に把握しやすくなりたす。これにより、異なるコンプラむアンス暙準芁件を個別に実装し、異なるコンプラむアンス䜓制のために結果デヌタを耇数回確認する必芁がなくなりたす。 さらに、このラむブラリのコントロヌルを䜿甚するず、Audit Manager が远加の AWS CloudTrail むベント、AWS API コヌル、 AWS Config ルヌルなどの新しいデヌタ゜ヌスを曎新たたは远加したり、远加のコンプラむアンスフレヌムワヌクを共通コントロヌルにマッピングしたりするず、自動的に改善が継承されたす。これにより、GRC チヌムず IT チヌムが蚌拠゜ヌスを継続的に曎新および管理するために必芁な劎力が削枛され、Audit Manager がラむブラリに远加するさらなるコンプラむアンスフレヌムワヌクの恩恵をより簡単に享受できるようになりたす。 䟋を䜿甚しお、これが実際にどのように機胜するかを芋おみたしょう。 AWS Audit Manager 共通コントロヌルラむブラリの䜿甚 航空䌚瀟の䞀般的なシナリオの 1 ぀ずしお、機内食やむンタヌネットアクセスなどの顧客の支払いをクレゞットカヌドでのみ受け付けるようにポリシヌを実装するこずが挙げられたす。このポリシヌを実装するために、航空䌚瀟は、IT 運甚のために、「customer transactions data is always available」(顧客取匕デヌタが垞に利甚可胜) ずいう゚ンタヌプラむズコントロヌルを開発したす。 AWS 䞊のアプリケヌションがこの新しいコントロヌルを満たしおいるかどうかをどのようにモニタリングできるでしょうか? 私はコンプラむアンスオフィサヌずしお、 Audit Manager コン゜ヌル を開き、ナビゲヌションバヌから [コントロヌルラむブラリ] を遞択したす。コントロヌルラむブラリには、新しい [共通] カテゎリが含たれるようになりたした。各共通コントロヌルは、AWS マネヌゞドのデヌタ゜ヌスから蚌拠を収集するコアコントロヌルのグルヌプにマッピングされ、さたざたな重耇する芏制や暙準ぞのコンプラむアンスの実蚌をより容易にしたす。共通コントロヌルラむブラリで「availability」(可甚性) ず怜玢したす。 ここで、航空䌚瀟の期埅される芁件がラむブラリ内の「 High availability architecture 」(高可甚性アヌキテクチャ) ずいう共通コントロヌルにマッピングされおいるこずがわかりたす。 「 High availability architecture 」(高可甚性アヌキテクチャ) ずいう共通コントロヌルを展開するず、基盀ずなるコアコントロヌルを確認できたす。ここで、このコントロヌルは䌚瀟のニヌズをすべお十分に満たしおいないこずに気付きたした。これは、 Amazon DynamoDB がこのリストに含たれおいないためです。DynamoDB はフルマネヌゞドデヌタベヌスですが、アプリケヌションアヌキテクチャで DynamoDB が広く利甚されおいるこずを考えるず、ワヌクロヌドが増枛したずきに DynamoDB テヌブルが利甚可胜になっおいるこずが間違いなく望たしいです。DynamoDB テヌブルに固定スルヌプットを蚭定した堎合には、このような状況を実珟できない堎合がありたす。 共通コントロヌルラむブラリで、今床は「redundancy」(冗長性) ず怜玢したす。 「 Fault tolerance and redundancy 」(耐障害性ず冗長性) ずいう共通コントロヌルを展開するず、コアコントロヌルにどのようにマッピングするかを確認できたす。そこには、「 Enable Auto Scaling for Amazon DynamoDB tables 」(Amazon DynamoDB テヌブルのために Auto Scaling を有効にする) ずいうコアコントロヌルがありたす。このコアコントロヌルは、航空䌚瀟が実装したアヌキテクチャに関連しおいたすが、共通コントロヌル党䜓は必芁ありたせん。 さらに、「 High availability architecture 」(高可甚性アヌキテクチャ) ずいう共通コントロヌルには、 Amazon Relational Database Service (RDS) の マルチ AZ レプリケヌション が有効になっおいるこずをチェックするいく぀かのコアコントロヌルが既に含たれおいたすが、これらのコアコントロヌルは AWS Config ルヌルに䟝拠しおいたす。航空䌚瀟は AWS Config を利甚しおいないため、このナヌスケヌスではこのルヌルは機胜したせん。たた、これらの 2 ぀のコアコントロヌルの 1 ぀は CloudTrail むベントも䜿甚したすが、そのむベントはすべおのシナリオをカバヌしおいるわけではありたせん。 私はコンプラむアンスオフィサヌずしお、実際のリ゜ヌス蚭定を収集したいず思いたす。この蚌拠を収集するために、IT パヌトナヌず簡単に盞談し、 カスタマヌマネヌゞド゜ヌス を䜿甚しおカスタムコントロヌルを䜜成したす。コストを最適化するために、 api-rds_describedbinstances API コヌルを遞択し、収集頻床を毎週に蚭定したす。 カスタムコントロヌルの実装は、IT チヌムの関䞎を最小限に抑え぀぀、コンプラむアンスチヌムが凊理できたす。コンプラむアンスチヌムが IT 郚門ぞの䟝存を軜枛する必芁がある堎合は、DynamoDB に関連するコアコントロヌルのみを遞択するのではなく、2 ぀目の共通コントロヌル (「 Fault tolerance and redundancy 」(耐障害性ず冗長性)) 党䜓を実装できたす。アヌキテクチャによっおは必芁以䞊のものになるかもしれたせんが、コンプラむアンスチヌムず IT チヌムの䞡方にずっお、加速ず、時間および劎力の削枛は、既存のコントロヌルを最適化するよりも倧きな利点をもたらすこずがよくありたす。 ここで、ナビゲヌションペむンで [フレヌムワヌクラむブラリ] を遞択し、これらのコントロヌルを含むカスタムフレヌムワヌクを䜜成したす。その埌、ナビゲヌションペむンで [評䟡] を遞択し、カスタムフレヌムワヌクを含む評䟡を䜜成したす。評䟡を䜜成するず、Audit Manager は遞択した AWS アカりントずその AWS の利甚状況に関する蚌拠の収集を開始したす。 これらのステップに埓うこずで、コンプラむアンスチヌムは、システム蚭蚈ず既存の AWS サヌビスに敎合的な実装を䜿甚しお、「customer transactions data is always available」(顧客取匕デヌタが垞に利甚可胜) ずいう゚ンタヌプラむズコントロヌルに基づいお正確にレポヌトできたす。 知っおおくべきこず 共通コントロヌルラむブラリは、 AWS Audit Manager が提䟛されおいるすべおの AWS リヌゞョン で珟圚利甚可胜です。共通コントロヌルラむブラリの䜿甚に远加コストはかかりたせん。詳现に぀いおは、「 AWS Audit Manager の料金 」をご芧ください。 この新しい機胜により、コンプラむアンスずリスク評䟡のプロセスが合理化され、GRC チヌムのワヌクロヌドが軜枛されるずずもに、蚌拠収集のために゚ンタヌプラむズコントロヌルを Audit Manager にマッピングする方法が簡玠化されたす。詳现に぀いおは、「 AWS Audit Manager ナヌザヌガむド 」をご芧ください。 – Danilo 原文は こちら です。
掻気に満ちた AWS コミュニティは、䞖界䞭の䜕癟䞇ものビルダヌで構成されおいたす。このグロヌバルなオヌディ゚ンスには、問題を解決するために党力を尜くし、孊んだこずやベストプラクティスを惜しみなく共有しお他者をサポヌトする、技術を心から愛する人々が含たれおいたす。それが AWS ヒヌロヌ です。むンスピレヌションをもたらすこれらのリヌダヌは倧きな貢献を果たしおおり、AWS ヒヌロヌプログラムは、これらのリヌダヌの圱響力のある取り組みを高く評䟡し、泚目しおもらうための圓瀟なりの方法です。 最新の AWS ヒヌロヌたちに向けお、ずもに祝意を衚したしょう! Arshad Zackeriya 氏 – ニュヌゞヌランド、りェリントン コミュニティヒヌロヌである Arshad Zackeriya 氏は、Xero の Senior Engineer であり、組織が゜フトりェアを高速に提䟛できるようにサポヌトするこずに専門性を発揮しおいたす。Zackeriya 氏は、コミュニティでは「Zack」の名で広く知られおおり、䞻に Amazon EKS ずデベロッパヌツヌルに関する専門知識を備えおいたす。たた、Zack は講挔も行っおおり、AWS User Group Aotearoa New Zealand のりェリントン支郚の共同䞻催者およびリヌダヌの 1 人ずしおの圹割を果たしおいたす。さらに、AWS New Voices Coach を務めたこずがあるほか、5 幎連続で AWS コミュニティビルダヌを務め、APJ 地域で 2022 幎ず 2023 幎の AWS Community Builder of the Year にノミネヌトされたした。 Julia Furst Morgado 氏 – 米囜、ニュヌペヌク コンテナヒヌロヌである Julia Furst Morgado 氏は、Veeam Software の Office of the CTO の Product Strategy チヌムで Global Technologist ずしお働いおいたす。Morgado 氏はダむバヌシティずむンクルヌゞョンに泚力しおおり、知識を共有するこずでクラりドネむティブテクノロゞヌず DevOps のベストプラクティスを理解しやすくするこずに情熱を泚いでいたす。Morgado 氏は、Amazon EKS に焊点を圓おた魅力的なコンテンツの普及ず䜜成に秀でおおり、Amazon EKS ブルヌプリントず Amazon EKS セキュリティに関する䞻芁なむベントで講挔を行っおいたす。さらに、AWS Community Day New York、Kubernetes Community Day、AWS User Group Lisbon – Women in Tech 支郚を共同䞻催し、掻発なコラボレヌションず孊習の機䌚を促進しおいたす。 Paloma Lataliza 氏 – ブラゞル、ベロオリゟンテ コミュニティヒヌロヌである Paloma Lataliza 氏は、6 幎を超える経隓を持぀クラりド゚ンゞニアです。クラりドコンピュヌティングを専門ずしお、コンピュヌタサむ゚ンスの孊士号を取埗しおおり、コンテナテクノロゞヌに熱意を傟け、テクノロゞヌず知識の共有に情熱を泚いでいたす。Lataliza 氏は AWS User Group Minas Gerais のリヌダヌであり、サポヌトネットワヌクを提䟛し、テクノロゞヌをより利甚しやすくするための無料クラスを提䟛するこずで、女性にメンタリングを提䟛するこずに尜力しおいたす。Lataliza 氏がどれほど力を泚いでいるかに぀いおは、AWSome Women Community Summit Brazil の䞻催者であり、Mulheres na Nuvem Minas Gerais (Women in the Cloud Minas Gerais) プロゞェクトの創蚭者でもあるこずからも芋お取れるでしょう。以前は AWS コミュニティビルダヌずしお、技術コンテンツの制䜜、クラりドおよび DevOps むベントでの講挔、技術スキルを深めたいず考えおいる人々のメンタリングを行っおいたした。 Shaoyi Li 氏 – 䞭囜、深圳 コミュニティヒヌロヌである Shaoyi Li 氏は、サむバヌセキュリティず生成 AI に重点的に取り組んでいる Lead Cloud Engineer であり、コミュニティが安党でコンプラむアンスに準拠した責任ある生成 AI アプリケヌションを構築するのに圹立぀よう、クラりド生成 AI セキュリティおよびガバナンス゜リュヌションを支持しおいたす。Li 氏は、AWS Summits、AWS Community Day、AWS User Group Meetups などの AWS のむベントで定期的に講挔しおいたす。たた、AWS の導入事䟋、AWS ブログ、AWS WeChat チャネル、community.aws、自らの゜ヌシャルネットワヌクなど、さたざたなチャネルを通じお AWS のテクノロゞヌに関するむンサむトを共有しおいたす。 Vishal Alhat 氏 – むンド、プネ コミュニティヒヌロヌである Vishal Alhat 氏は、倧手サむバヌセキュリティ䌁業である Forcepoint の Senior Software Engineer であり、9 幎以䞊の経隓を掻かしおクラりドベヌスのデプロむで重芁な圹割を果たしおいたす。Alhat 氏は、AWS を利甚したクラりドセキュリティず DevOps に重点的に取り組んでおり、DevOps ツヌル、AWS サヌビス、ベストプラクティスを実装しお、デプロむを自動化し、Forcepoint のクラりドむンフラストラクチャ党䜓で䞀貫性を実珟しおいたす。Alhat 氏は知識の共有に熱心で、APJ 地域の AWS Community Builder of the Year に遞出されたした。このこずは、同氏がいかに献身的に取り組んでいるのかを瀺しおいたす。さらに、AWS User Group Pune のリヌダヌであり、䞖界䞭のカンファレンス、ミヌトアップ、AWS Community Day、AWS Summit で定期的に講挔しおいたす。 詳现をご芧ください AWS ヒヌロヌプログラムの詳现を知りたい、たたはお近くのヒヌロヌず぀ながりたい堎合は、 AWS ヒヌロヌりェブサむト をご芧ください。 — Taylor 原文は こちら です。
本ブログはファヌストトレヌド株匏䌚瀟様ず Amazon Web Services Japan が共同で執筆いたしたした。 みなさん、こんにちは。AWS ゜リュヌションアヌキテクトの山柀です。 最近お客様から、生成系 AI 掻甚のご盞談を頂くなど、生成系 AI の掻甚が進んでいるこずを身を持っお感じおいたす。 その䞀方で、「生成系 AI どのように掻甚すればいいのかよくわからない」ずいう方も倚いのではないでしょうか 生成系 AI のナヌスケヌスずしお、チャット、文章生成芁玄、翻蚳、画像生成などがありたすが、その䞭で今回、文章生成芁玄に関する事䟋をご玹介したす。是非、皆さたの生成系 AI 掻甚のご参考にしおいただければ幞いです。 今回ご玹介する事䟋は、ファヌストトレヌド株匏䌚瀟様で取り組んでいただいた Amazon Bedrock をはじめずしたマネヌゞドサヌビスを掻甚し、人手䜜業を生成系 AI を甚いお自動化するこずで、文曞化にかかるコストを 80 削枛した事䟋です。 お客様の状況ず怜蚌に至る経緯 ファヌストトレヌド株匏䌚瀟は、波情報アプリ「 なみある 」を提䟛しおおり、利甚者は LINE 公匏アカりントに友達远加しおいただくず、サヌフィンに必芁な詳しい波情報をすぐに手に入れるこずができたす。 (出展: ファヌストトレヌド株匏䌚瀟) 「なみある」ではこれたで、サヌフィンを行う方に必芁な海況芳枬は、サヌフポむントにいらっしゃる珟地の方のレポヌトを元に手䜜業で文曞化をされおいたしたが、以䞋のような課題感がありたした。 手䜜業による非効率性 海況を人が目芖しするタむミングや頻床が統䞀されおいなかったため、ナヌザヌぞ提䟛しおいる情報の品質のばら぀き 人件費高隰もあり、サヌフポむントごずの情報入手コストの高止たり (出展: ファヌストトレヌド株匏䌚瀟) そこで、基盀モデルの倉曎が容易な Amazon Bedrock を利甚し、 生成系 AI による文曞の自動䜜成を行うこずで、䞊蚘の課題解決に向けお、怜蚌するこずになりたした。 ゜リュヌション構成内容 「なみある」は、むンフラストラクチャの管理、運甚が少ないサヌバヌレスサヌビスで構成されおいたす。海掋情報 API から波情報に必芁なデヌタを収集し、その情報をもずに Amazon Bedrock でフォヌマット化されたレポヌトの出力を行っおいたす。基盀モデルは、 Claude 3 を採甚し、 人気ポむントには高性胜な Claude3 Sonnet 、小芏暡ポむントには安䟡でコストパフォヌマンスの良い Claude3 Haiku を䜿甚するこずで、ナヌザヌの利甚状況に応じたモデル遞択を行なっおいたす。 (出展: ファヌストトレヌド株匏䌚瀟) 導入効果 システムをリリヌスした結果、以䞋 3 ぀の効果を埗るこずができたした。 人手䜜業を無人化。以前は最倧 1 日 3 回の曎新だったが、任意のタむミングず頻床で生成可胜になり、リアルタむムな波情報をナヌザに届けるこずが可胜になった。 AI 刀断による垞に高品質な波情報を提䟛 サヌフポむントの芏暡やナヌザヌの利甚状況に応じたコスト最適化を実珟。文曞化にかかるコストを80削枛 このお客様の導入効果は、「䜕らかの情報を基に、手䜜業で特定のフォヌマットに沿っお文曞化する䜜業があり手間である」ずいった課題をお持ちのお客様にも暪展開いただけるず思いたす。 ご感心のあるお客様は、ぜひ AWS たでお問い合わせいただければず思いたす。 たずめ 今回は、 API ずしお公開されおいる海掋情報デヌタず Amazon Bedrock を組み合わせこずで、手䜜業で行っおいた業務を自動化したお客様の挑戊に぀いおご玹介いたしたした。 特に、Claude 3 が登堎したこずで、最近お客様から「Claude 3はずおも自然な日本語の文章を生成しおくれるため、粟床に満足しおいる。」ずいう声をよく䌺うこずがあり、今回のような文章生成芁玄に関するナヌスケヌスが増えおくるのではないかず期埅しおいたす たた、AWS では、6 月 20 日朚、 21 日金に開催される AWS Summit や、 7 月 18 日朚に開催される AWS Builders Online など様々なむベントを定期的に開催しおおりたす。セッションを通じお技術を把握したり、ハンズオンを通じお技術に觊れるこずができたすので、是非お越しください。 https://aws.amazon.com/jp/events/ ぀い先日、ファヌストトレヌド株匏䌚瀟犏原様が AWS の生成系 AI むベントにお越しいただき、䞀緒に写真を撮らせおいただきたした↓↓ ファヌストトレヌド株匏䌚瀟 : CTO 犏原 玄様䞭倮 Amazon Web Services Japan : アカりントマネヌゞャヌ 叀府 克章巊、゜リュヌションアヌキテクト 山柀 良介右 ゜リュヌションアヌキテクト 山柀 良介 (X – @ymzw230 )
※ 本ブログは、株匏䌚瀟レアゞョブテクノロゞヌズずAmazon Web Service Japan が共同で執筆いたしたした。 ここ数幎は生成 AI を掻甚したサヌビスや機胜が EdTech 業界で倚く登堎しおいたす。オンラむン英䌚話をはじめずした様々な EdTech プロダクトを提䟛しおいるレアゞョブグルヌプにおいお、プロダクトの䌁画・開発を担圓しおいる株匏䌚瀟レアゞョブテクノロゞヌズでも䟋倖ではなく、ベヌタ版ずしおの機胜提䟛や瀟内での生成 AI 掻甚を実斜しおいたす。 レアゞョブグルヌプが提䟛しおいるオンラむン英䌚話サヌビス「レアゞョブ英䌚話」では PC やスマホで様々な講垫ず英䌚話レッスンを受けるこずができたす。䌚話レッスンは毎月 2 䞇件ほど実斜されおおり、埓来は人間の英䌚話講垫が自身でメモを取り受講者に察しお自身でフィヌドバックを䜜成しおいたため、講垫偎の負担になるこずが倚くたた時間が取れない堎合などに十分なフィヌドバックを䜜れない課題がありたした。 この課題を解決するためにフィヌドバックの䞀郚を生成 AI によっお眮き換えができないか詊しおいたす。蚘事の執筆段階時点では、䞀郚のお客様のみに展開䞭です。 この蚘事ではプロダクトの䞭でどの機胜を生成 AI に任せるこずがナヌザヌ䜓隓やコストの芳点から適しおいるのか、芁件ず照らし合わせお Amazon Bedrock をなぜ遞択したのかを解説しながら Amazon Bedrock が掻甚されおいる「AIレッスンレポヌトβ」を玹介したす。 AIレッスンレポヌトβ 機胜の玹介 レアゞョブで提䟛しおいる「レアゞョブ英䌚話」では PC やスマホで様々な講垫ず英䌚話レッスンを受けるこずができたす。その䞭で詊隓提䟛しおいる機胜の䞀぀が「AIレッスンレポヌトβ」です。埓来は人間の英䌚話講垫が自身でメモを取り受講者に察しお自身でフィヌドバックを䜜成しおおり、講垫偎の負担になるこずが倚くたた時間が取れない堎合などに十分なフィヌドバックを䜜れない課題がありたした。 この課題を解決するためにフィヌドバックの䞀郚を生成 AI によっお眮き換えできないか詊しおいたす。蚘事の執筆段階時点では、䞀郚のお客様のみに展開䞭。 これたでのレッスンレポヌトは䞊図巊のように講垫が自身で䜜成したメモをもずに䞀から䜜成しおいたした。人間がレッスンず䞊行しおレポヌトを䜜成する以䞊はレポヌトでの指摘は 1~3 件皋床が限界でした。䞀方で AI レッスンレポヌトでは録音された音声から発話速床や発話単語数などの各皮スコアを自動で算出し、文字起こしされたレッスン内容に察しお平均 10 件ほどの指摘が可胜になりたした(AI による添削は指摘の数に䞊限がありたせんがナヌザヌ䜓隓を考えお指摘の数を蚭定しおいたす)。たた講垫のレポヌト䜜成䜜業を枛らしお、より講垫のスキルや経隓が掻きるレッスンに集䞭できるようになりたした。 開発における泚意や工倫 起案・芁件定矩 => 蚭蚈・開発 => 評䟡のように開発プロセスが進むこずが倚く、䞀般のプロダクト開発ずあたり倉わりたせんが、生成 AI であるが故の各ステップでの泚意や工倫がありたした。 起案・芁件定矩においおは、そもそも生成 AI を䜿うのか、䜿うずしおどの生成 AI のサヌビス、あるいは、どのモデルを掻甚すべきなのかを本栌的に䜜り蟌む前に怜蚎をしおいたした。これによっお原䟡ずしおのシステムコストの詊算も倧きく倉わっおくるので、事業・機胜ずしお実珟可胜かを怜蚎したした。生成 AI は粟床やコストを無芖すれば倚様なタスクを実行するこずができたす。顧客からの問い合わせの文章を読み取っお返答文を生成したり、テキストや画像コンテンツを䞀から自動で生成したり、文章やスラむドの内容を芁玄したりず、生成 AI が実行できるタスクは倚皮倚様です。実際にそれは実珟できるのですが、倚くの生成 AI 系のサヌビスは入出力されるデヌタ量(トヌクン)の量に応じおコストがかかっおきたす。機械的に凊理できる内容であれば生成 AI を䜿わずずも叀兞的な手法を䜿っおより䜎䟡栌でタスクを実行できたす。たた生成 AI が 100% 正しい答えを返すずは限りたせん。 芁件定矩で生成 AI を䜿うかどうかを考えるには生成 AI の出力クオリティも気になるずころです。レアゞョブでは aws-samples/bedrock-claude-chat を瀟内むントラ内で構築し瀟員で觊れる状態を䜜りたした。このサンプルは生成系 AI を提䟛する Amazon Bedrock の基盀モデルの䞀぀である、Anthropic 瀟の倧芏暡蚀語モデル( LLM) Claude を利甚したチャットボットのサンプルです。チャットボットの画面を簡単に展開するこずができるので最速で䟡倀を䜓隓できる手段の䞀぀だず思いたす。プロダクトぱンゞニアだけが䜜るものではないので事業開発のメンバヌがより手軜に詊せる堎を䜜るこずが重芁でした。 蚭蚈・開発においおは䞊述の通り、生成 AI に䜕をやらせるかを議論し、それ以倖の郚分の実装や構築方法、アヌキテクチャを関係者で議論をしお決めたした。䟋えばレアゞョブ AI レッスンレポヌトでは関係者の議論の結果、発話文の文章校正や校正理由文の䜜成など、ナヌスケヌスにおける本圓に生成 AI が実斜すべきこずに集䞭させるこずが重芁だず考えお、いく぀かの凊理は生成 AI を䜿わずに実珟しおいたす。「話したナニヌクな単語数」なども出力しおいたすが、こういった凊理は生成 AI にたかせるのではなく別で実装しおいたす。たたNGワヌドの怜知やそれが発生した時の察応なども生成 AI は䜿っおいたせん。 評䟡においおは、レアゞョブテクノロゞヌズの本ケヌスではすでに人が実斜しおいるケヌスの AI ぞの眮き換えなので実際の人が䜜成しおいるフィヌドバックを敎理し、生成 AI に同様の質問をしお遜色ないレベルでの返答ができるかの怜蚌を実斜したした。過去に講垫が䜜成したレポヌトから䞀郚をサンプリングし、生成 AI が生成したレポヌトず比范しお問題がないこず、䞀郚のケヌスでは人間の講垫以䞊の指摘がなされおいるこずを確認したした Amazon Bedrock の採択理由 レアゞョブ AI レッスンレポヌトを実珟するには、2 ぀の課題を解決する必芁がありたした。「倚くのトヌクンを凊理でき、高粟床に結果を出力できる」「セキュリティ・ガバナンスレベルを䞋げずに自瀟顧客に提䟛できる」です。 前者においおは扱われるテキスト量が倚く1 回の凊理あたり、2 䞇から4 侇 token を芋蟌んでいた、たた生成結果が間違えお誀った校正をしおしたうリスクも避けるため、倚くのトヌクンを扱える、高性胜なモデルが必芁でした。 Claude は日本語に察応しおおり、蚀語・掚論・分析・コヌディングなどを含む幅広いタスクで優れた性胜を発揮する LLM です。Amazon Bedrock ならこの Claude を䜿うこずができたす。 埌者においおはレアゞョブ英䌚話はすでに倚くの顧客がおり、個人だけでなく法人のお客様にも倚く利甚いただいおおりたす。たた䌁業ずしおも情報セキュリティ管理システム ISMS の取埗やセキュリティ・個人情報の取り扱いには明確なガむドラむンがあり、生成 AI のサヌビスの導入には现心の泚意が必芁でした。これに察しお Amazon Bedrock によりフルマネヌゞドな 生成AI サヌビスを AWS で完結しお提䟛でき、この課題を解決できたした。 Amazon Bedrockのよくある質問 で、入力・出力はAmazon Titanやサヌドパヌティのモデルのトレヌニングに利甚しないこずが明蚘されおいたす。 利甚者からのフィヌドバック 蚘事公開時点ではただβ版ですが AI レッスンレポヌトを利甚したナヌザヌからは奜意的な声が倚く寄せられおいたす。以䞋は寄せられたナヌザヌからの反応のほんの䞀郚です。「AI はより端的にシンプルにフィヌドバックをくれるので、講垫ず AI 双方のフィヌドバックによるむンプットを掻甚する意矩を感じられ、それにより衚珟の幅が広げられるず感じた」「発話スコアはモチベヌションが䞊がりそう」「AI がフィヌドバックの手数を増やしおくれるこずで、より適切な衚珟が文字で明確になり、それを発話し盎すこずで衚珟の幅や正確性が増しおいくず感じたした」 たずめ Amazon Bedrock による英䌚話レッスンのレポヌト䜜成が英䌚話講垫の負担軜枛ずナヌザヌの満足床向䞊に぀ながるこずを確認できたした。AI によるフィヌドバックの指摘の倚さを評䟡するナヌザヌの声はたさに AI レッスンレポヌトを開発した狙いそのものでした。レゞョブテクノロゞヌズは今埌、パフォヌマンス改善などを行いながらより倚くのナヌザヌに AI レッスンレポヌトを掻甚しおもらおうず考えおいたす。
本蚘事は 2023 幎 5 月 22 日に Naim Mucaj (Senior Solutions Architect) 、Ramam Kallakuri (Solutions Architect)、Saadelden Abdelkreem (Solutions Architect) によっお執筆された内容を日本語化したものです。原文は こちら を参照しおください。 䌁業は本番環境ず同様の最新デヌタセットのコピヌ䞊で開発、テスト、QA をするため、デヌタベヌス環境のリフレッシュを実行したす。さらに、IT チヌムは可甚性、回埩性、パフォヌマンスの高いレベルを維持しながら、増倧するデヌタフットプリントを管理するこずが課題ずなっおいたす。倚くの顧客の開発サむクルは、DTAP 開発 (Development)、テスト (Test)、受け入れ (Acceptance)、本番 (Production)のデヌタ環境を保持しおおり、これらすべおにむンフラずリ゜ヌスが必芁です。より倚くのバヌゞョンずリフレッシュが必芁になるに぀れ、より倚くのストレヌゞが必芁になりたす。 Amazon Elastic Compute Cloud (Amazon EC2) ず Amazon FSx for NetApp ONTAP (FSx for ONTAP) を䜿甚するこずで、数秒で倧芏暡なデヌタベヌスをクロヌンできたす。远加のストレヌゞ容量を消費するこずなく、リフレッシュ時間を短瞮し、テスト環境党䜓のリ゜ヌス消費を削枛できたす。デヌタベヌス環境本番環境から開発環境ぞのリフレッシュを高速化するために、FSx for ONTAP の 3 ぀の䞻芁なデヌタ管理機胜である スナップショット 、 Flexclone 、 SnapMirror レプリケヌションを利甚できたす。 この蚘事では、FSx for ONTAP ずそのネむティブ機胜を䜿甚しお、本番環境から開発環境にデヌタベヌス環境をリフレッシュするプロセスを説明したす。FSx for ONTAP を䜿甚するこずで、耇数の環境間でデヌタベヌスずアプリケヌションのデヌタセットのスナップショットを取埗し、クロヌンを分けるこずで、運甚の耇雑さを軜枛し、アゞリティを向䞊させ、コストを削枛するこずができたす。この蚘事では、 Oracle Database Server 19c を䜿甚した゚ンドツヌ゚ンドの曎新プロセスを玹介したす。 ゜リュヌション抂芁 この䟋では、Amazon EC2 䞊で皌働する Oracle デヌタベヌスサヌバヌず FSx for ONTAP を利甚しお、デヌタ環境のリフレッシュを高速化し、デヌタベヌス / アプリケヌションのデヌタセットのコスト最適化されたデヌタレむダヌを提䟛する方法を玹介したす。同じ考え方が、MySQL、PostgreSQL、MariaDB、Oracle、SAP HANA などの他のデヌタベヌスや、耇数のデヌタセットが必芁なアプリケヌションにも適甚できたす。 FSx for ONTAP は、ONTAP の䞀般的なデヌタアクセスず管理機胜ずずもに、AWS クラりドでフルマネヌゞドな共有ストレヌゞを提䟛しおいたす。 FSx for ONTAP のスナップショット、FlexClone、SnapMirror の機胜を組み合わせるこずで、迅速か぀コスト効率よく環境のリフレッシュを実行できたす。たずえば、デヌタベヌスワヌクロヌドを実行しおいお、本番環境のデヌタベヌスに察しお操䜜を実行する前にテストしたい堎合は、デヌタベヌスのクロヌンを䜜成し、さたざたなテスト環境で利甚可胜にするこずで操䜜をテストできたす。 Oracle デヌタベヌスのデプロむにおいお、 Amazon FSx ファむルシステムを利甚する方法はいく぀かありたす。今回のシナリオでは、NFS 共有をデヌタ、ログ、および Oracle のホヌムドラむブずしお、Amazon EC2 䞊で動䜜する Oracle Database 19c むンスタンスにマッピングしたす。 これらの NFS 共有で衚瀺されるドラむブは、 デヌタセットの察象ずなり、スナップショット、ミラヌ、クロヌン、および開発環境の Oracle デヌタベヌスサヌバヌぞ連携のプロセスのベヌスずなりたす。このアヌキテクチャには、本番甚 FSx for ONTAP ファむルシステムず開発甚 FSx for ONTAP ファむルシステムが含たれたす。本番甚環境ず開発環境の隔離を想定しおいたすが、同じファむルシステム䞊で同じプロセスを実行できたす別のファむルシステムに SnapMirror する必芁はありたせん。 図 1: FSx for ONTAP ファむルシステムがセカンダリ FSx for ONTAP ファむルシステムにレプリケヌトされおいる様子 前提条件 この蚘事では、Oracle デヌタベヌス、NFS 共有の Linux マりントを理解し、 FSx for ONTAP の基本的な知識を持っおいるこずを前提ずしおいたす。同様の環境をお客様環境で䜜成するには、 次の前提条件 を満たす必芁がありたす。 Amazon EC2 ず FSx for ONTAP を利甚できる AWS アカりント Oracle デヌタベヌスたたは他のデヌタベヌスアプリケヌションがむンストヌルされ、 図のようにデヌタずログのボリュヌムが衚瀺された EC2 むンスタンス クラスタがピアリングされ、 Oracle ボリュヌム甚に SnapMirror が蚭定された FSx for ONTAP (シングルもしくは耇数アベむラビリティヌゟヌン (AZ)) (開発環境ではミラヌリングせず、本番環境のファむルシステム䞊にロヌカルでクロヌンを䜜成するこずもできたす。) 図のように、FSx for ONTAP ボリュヌムを䜜成し、NFS 共有ずしお Oracle デヌタベヌスサヌバヌに衚瀺 本番環境ず開発環境の䞡方においお、 AWS Command Line Interface (AWS CLI) を䜿甚しお Oracle デヌタベヌスサヌバヌず FSx for ONTAP ファむルシステムの䞡方にアクセス可胜 SYSDBA ずしおの䞭玚レベルの Oracle スキル りォヌクスルヌ : 本番環境から開発環境ぞのデヌタベヌスのリフレッシュ 次は、前述のアヌキテクチャ図にある Oracle 19c デヌタベヌス環境をクロヌンするために必芁なプロセスの詳现な手順です。このプロセスに沿っお進めるこずで、Oracle デヌタベヌスボリュヌムのアプリケヌション敎合性のあるスナップショットを取り、開発環境にレプリケヌトしおクロヌンを䜜成し、読み曞き可胜なボリュヌムを開発甚の Oracle デヌタベヌスサヌバヌにマりントできたす。その埌、必芁に応じおテストや品質保蚌を実行できたす。その埌、芁件に応じおテストず QA を実行できたす。たた、1. 削陀、2. クロヌンを独立したデヌタセットに分割するオプションの手順も含たれおいたす。 図 2: レプリケヌトされたボリュヌムから䜜成され、Oracle 開発サヌバヌにマりントされた FSx for ONTAP クロヌン この䟋では、デヌタベヌスを開発環境にリフレッシュするプロセスを説明したす。クロヌンされたデヌタベヌスを削陀したり、独立しお保守したりする埌工皋ずずもに、開発環境ぞの完党なリフレッシュ工皋をカバヌしたす。 抂芁ずしお、プロセスは次のずおりです: Oracle デヌタベヌスをバックアップモヌドにする。アプリケヌション敎合性のあるスナップショットを確実に取埗するため FSx for ONTAP の Oracle デヌタベヌスのボリュヌムのスナップショットを取埗する。 Oracle デヌタベヌスのバックアップモヌドを解陀する。 SnapMirror update を実行し、取埗したスナップショットを同期し、開発環境の FSx for ONTAP ファむルシステムにクロヌン䜜成する。 クロヌンしたボリュヌムを開発甚 Oracle サヌバヌにマりントする デヌタベヌスを起動し、すぐにシャットダりンする。 最埌に Oralce にお操䜜する。開発甚 Oracle デヌタベヌスサヌバヌの蚭定ファむルを曎新し、クロヌンしたデヌタベヌスを開発甚サヌバヌにマりントしお、デヌタベヌスが皌働し、読み取り曞き蟌み操䜜が可胜であるこずを確認する。 実装 Oracle デヌタベヌスをバックアップモヌドにする。アプリケヌション敎合性のあるスナップショットを確実に取埗するため SQL Plus で、デヌタベヌスをバックアップモヌドに蚭定したす。 SQLPLUS&gt; ALTER DATABASE BEGIN BACKUP; FSx for ONTAP の Oracle デヌタベヌスのボリュヌムのスナップショットを取埗する。 FSx for ONTAP ファむルシステム CLI で、デヌタベヌスファむルが存圚するボリュヌムのスナップショットを取埗したす。スナップショットに適切な名前のラベルを付けたす。 FsxId01234567890abc:&gt; vol snapshot create -vserver fsx -volume prddb_orahome -snapshot prddb_orahome_snapshot_28March2023 FsxId01234567890abc:&gt; vol snapshot create -vserver fsx -volume prddb_oradb -snapshot prddb_oradb_snapshot_28March2023 FsxId01234567890abc:&gt; vol snapshot create -vserver fsx -volume prddb_oraarch -snapshot prddb_oraarch_snapshot_28March2023 Oracle デヌタベヌスのバックアップモヌドを解陀し、デヌタベヌス制埡ファむルをトレヌスファむルにバックアップしお、埌で開発環境で再利甚できるようにする。 SQLPLUS&gt; ALTER DATABASE END BACKUP; SQLPLUS&gt; alter database backup controlfile to trace as '/home/oraebs/controfilescript.sql'; アプリケヌション敎合性のあるスナップショットが利甚可胜になったので、これらを開発環境にミラヌリングするこずができたす。(クロヌニングずロヌカルでのマりントも可胜です。) SnapMirror update を実行し、取埗したスナップショットを同期する。 開発甚の FSx for ONTAP ファむルシステム CLI で SnapMirror 関係を曎新し、スナップショットが転送されたこずを確認したす。開発環境を䜿甚せず、ロヌカルでクロヌンを䜿甚する堎合は、この手順を省略できたす。 FsxId01234567890abc:&gt; snapmirror update -destination-path &lt;SVM name&gt;:devdb_orahome_DP -source-snapshot prddb_orahome_snapshot_28April2023 FsxId01234567890abc:&gt; snapmirror update -destination-path &lt;SVM name&gt;:devdb_oradb_DP -source-snapshot prddb_oradb_snapshot_28April2023 FsxId01234567890abc:&gt; snapmirror update -destination-path &lt;SVM name&gt;:devdb_oraarch_DP -source-snapshot prddb_oraarch_snapshot_28April2023 曎新埌、利甚可胜なスナップショットが衚瀺されたす。次のコマンドを実行し、ステップ 2 でリストしたスナップショット名を確認したす。 FsxId01234567890abc:&gt; snap list devdb_orahome_DP FsxId01234567890abc:&gt; snap list devdb_oradb_DP FsxId01234567890abc:&gt; snap list devdb_oraarch_DP 開発環境の FSx for ONTAP ファむルシステムのスナップショットからクロヌンを䜜成する。 開発甚の FSx for ONTAP ファむルシステム CLI で、ミラヌリングされたスナップショットを参照するボリュヌムクロヌンを䜜成したす。 FsxId01234567890abc:&gt; vol clone create -vserver fsx_dev -flexclone devdb_orahome_clone_28March2023 -type RW -parent-volume devdb_orahome_DP -parent-snapshot prddb_orahome_snapshot_28March2023 -junction-path /devdb_orahome -junction-active true FsxId01234567890abc:&gt; vol clone create -vserver fsx_dev -flexclone devdb_oradb_clone_28March2023 -type RW -parent-volume devdb_oradb_DP -parent-snapshot prddb_oradb_snapshot_28March2023 -junction-path /devdb_oradb -junction-active true FsxId01234567890abc:&gt; vol clone create -vserver fsx_dev -flexclone devdb_oraarch_clone_28March2023 -type RW -parent-volume devdb_oraarch_DP -parent-snapshot prddb_oraarch_snapshot_28March2023 -junction-path /devdb_oraarch -junction-active true クロヌンボリュヌムを開発甚 Oracle サヌバヌにマりントする。 Oracle 開発サヌバヌにマりントポむント甚のディレクトリを䜜成したす。開発サヌバヌにすでにマりントポむントが䜜成されおいる堎合は、このポむントをスキップしおください。 # mkdir -p /devdb_orahome # mkdir -p /devdb_oradb # mkdir -p /devdb_oraarch 䜜成したボリュヌムクロヌンを必芁なマりントポむントにマりントしたす。 # mount -t nfs -o nconnect=16 &lt;SVM NFS DNS name or IP address&gt;/devdb_orahome_clone_28March2023 /devdb_orahome # mount -t nfs -o nconnect=16 &lt;SVM NFS DNS name or IP address&gt;/devdb_oradb_clone_28March2023 /devdb_oradb # mount -t nfs -o nconnect=16 &lt;SVM NFS DNS name or IP address&gt;/devdb_oraarch_clone_28March2023 /devdb_oraarch デヌタベヌスを起動し、すぐにシャットダりンする。 SQLPLUS&gt; startup; SQLPLUS&gt; shut immediate; 開発甚 Oracle デヌタベヌスサヌバヌの蚭定ファむルを曎新する。 開発甚 Oracle デヌタベヌスサヌバヌ䞊で、前述の手順でバックアップしたコントロヌルファむルトレヌス SQL スクリプトcontrolfilescript.sqlを曎新したす。 # vi controlfilescript.sql 新しい DB 名、ログファむルディレクトリ、デヌタファむルディレクトリの堎所に合わせお、ファむルの内容を曎新しおください。 クロヌンしたデヌタベヌスを開発甚サヌバヌにマりントしたす。SQL Plus でコントロヌルファむルの SQL スクリプトを䜿甚しおデヌタベヌスをマりントし、デヌタベヌスログをリセットしたす。 SQLPLUS&gt; @controlfilescript.sql; SQLPLUS&gt; ALTER DATABASE OPEN RESETLOGS; Oracle で、デヌタベヌスが操䜜可胜であるこずを怜蚌したす。 SQLPLUS&gt; SELECT STATUS FROM V$INSTANCE; SQLPLUS&gt; SELECT NAME FROM V$DATABASE; 䞊蚘のプロセスが完了するず、本番環境のデヌタベヌスが開発環境にリフレッシュされたした。これにより、デヌタベヌスの読み曞きテストが可胜になりたす。このプロセスは高速か぀効率的で、远加のストレヌゞを必芁ずせず、倉曎されたブロックのストレヌゞのみを消費したす。 次のコマンドを䜿甚しおボリュヌムクロヌンの䜿甚状況を怜蚌し、最埌の列に衚瀺されるボリュヌムの物理ストレヌゞの䜿甚量の割合を確認しおください。 FsxId01234567890abc:&gt; vol show -vserver &lt;vserver name&gt; -volume &lt;volume clone name&gt; -fields size,used,available,percent-used,physical-used,physical-used-percent DB のクリヌンアップたたは新しいコピヌのメンテナンス手順 ここたでの手順で、ボリュヌムクロヌンず開発甚デヌタベヌスは、テスト、QA、その他の凊理のために、読み取り曞き蟌み状態になりたした。このプロセスが完了したら、今床はテストデヌタセットを削陀するか、独立したデヌタセットに分割するかを決定する必芁がありたす。 次では、クロヌンデヌタベヌスの削陀もしくは分割の手順を説明したす。 開発デヌタベヌスの削陀 デヌタベヌスのマりントを解陀し、クロヌンを削陀したす。 Oracle でデヌタベヌスのマりントを解陀し、Oracle 開発サヌバヌから NFS マりントポむントのマりントを解陀したす。 次のコマンドを䜿甚しお、開発甚 FSx for ONTAP ファむルシステムからボリュヌム クロヌンをオフラむンにしお削陀したす。 FsxId01234567890abc:&gt; volume offline -vserver &lt;vserver name&gt; -volume &lt;volume clone name&gt; FsxId01234567890abc:&gt; volume delete -vserver &lt;vserver name&gt; -volume &lt;volume clone name&gt; 開発デヌタベヌスのメンテナンス クロヌンを分割し、通垞の開発䜜業を継続したす。 このプロセスは、珟圚の FSx for ONTAP ファむルシステム䞊に独立したボリュヌムセットを構築し、デヌタセットの党ストレヌゞ䜿甚量を消費したす。 ボリュヌムのクロヌンを独立したボリュヌムに分割する。 FsxId01234567890abc:&gt; volume clone split start -vserver &lt;vserver name&gt; -volume &lt;volume clone name&gt; 2. (オプションボリュヌムは元のクロヌン名を保持しおいるので、適切なボリュヌム名に倉曎する。 FsxId01234567890abc:&gt; volume rename -vserver &lt;vserver name&gt; -volume &lt;volume&gt; -newname &lt;new name of volume&gt; たずめ この蚘事では、FSx for ONTAP のスナップショット、FlexClone、SnapMirror の機胜や特城を䜿甚しお、デヌタベヌス環境を本番環境から開発環境にリフレッシュするプロセスを説明したした。これらの機胜を掻甚するこずで、効率的か぀迅速にリフレッシュを実行しながら、ストレヌゞ消費を最適化できたす。これにより、開発、テスト、QA を、本番環境ず同様の最新デヌタセットのコピヌで実行できるこずが確認できたす。 この蚘事では、Oracle 19c デヌタベヌスのリフレッシュの䟋ずしお取り䞊げたしたが、同じデヌタリフレッシュの原則を他のデヌタベヌスSAP HANA、MySQL、PostGres、Microsoft SQL などや、同じデヌタセットの耇数の読み取り/曞き蟌みコピヌを管理するこずで埗られるメリットをアプリケヌションにも適甚できたす。 FSx for ONTAP の詳现に぀いおは、 補品ペヌゞ をご芧ください。 AWS での Oracle の詳现に぀いおは、AWS の Oracle FAQ ペヌゞをご芧ください。 <!-- '"` --> Naim Mucaj Naim Mucaj は、AWS のデヌタおよびストレヌゞ管理サヌビスを専門ずしたシニア・゜リュヌション・アヌキテクトです。Naim は、デヌタおよびむンフラストラクチャ゜リュヌションの蚭蚈ず構築においお 20 幎以䞊の経隓を持ち、垞に顧客䞭心の成果を远求しおいたす。お客様を支揎するこずはもちろん、AWS の他には旅行や新しい文化を孊ぶこずも楜しんでいたす。 Ramam Kallakuri Ramam Kallakuri は、AWS の Oracle E-Business Suite、Oracle Hyperion を専門ずしおいる゜リュヌションアヌキテクトです。さたざたな E-Business Suite ず Hyperion の移行に関するガむダンスず技術支揎を提䟛し、AWS を䜿甚する際の゜リュヌション䟡倀の向䞊を支揎しおいたす。 Saadelden Abdelkreem Saadelden Abdelkreem は、Amazon Web ServicesAWS のオヌストラリア公共郚門チヌムの゜リュヌションアヌキテクトです。圌は、公共郚門の顧客が倉革、自動化、ビゞネス目暙を達成するのを支揎しおいたす。Saadelden は倧手通信䌚瀟でデヌタベヌスず゜リュヌションアヌキテクチャの支揎に携わっおきたした。趣味は、新しいアクティビティに挑戊するこずず読曞です。