こんにちは！AI/ML スペシャリストソリューションアーキテクトの近藤です。 2025年5月22日に「AI コーディングエージェント with AWS 〜「自律的にコードを書くAI」の AWS での始め方徹底ガイド〜」と題したオンラインセミナーを開催しました。AI によるコーディング技術が急速に発展し、ソフトウェア開発の生産性を劇的に向上させる可能性を秘めたこの革新的技術について、多くの方にご参加いただきました。本ブログでは、そのセッション内容を簡単にご紹介しつつ、発表資料と録画を公開いたします。 セッションの紹介 Keynote : AIエージェント時代のソフトウェア開発 アマゾンウェブサービスジャパン シニアソリューションアーキテクト 高野 賢司 [資料] [動画] 最初のセッションでは、高野より、AIコーディングエージェントの仕組みや背景について解説しました。ソフトウェア開発の歴史を振り返りながら、AIコーディングエージェントがどのように登場し、どのように機能するのかを説明しました。また、AI駆動開発の特徴や、組織への導入方法についても触れ、エンジニアとしてAIと共に開発していくための心構えについても言及しました。 Amazon Q Developer で始めるAIコーディングエージェント アマゾンウェブサービスジャパン ソリューションアーキテクト 国兼 周平 [資料] [動画] 2つ目のセッションでは、国兼より、Amazon Q Developerを使ったAIコーディングエージェントの始め方を解説しました。Amazon Q Developerの概要から、特にCLIでのエージェント型コーディング体験に焦点を当て、実際のデモを交えながら紹介しました。デモでは、カスタマーサーベイアプリケーションの開発を通じて、Amazon Q Developer CLIがどのように自律的にコードを生成し、問題を解決していくかを示しました。また、MCPサーバーを活用したイラスト生成やウェブ検索の機能も紹介され、AIコーディングエージェントの可能性の広さを感じられる内容となりました。 Cline with Amazon Bedrock で始めるAIコーディングエージェント アマゾンウェブサービスジャパン ソリューションアーキテクト 黒澤 蓮 [資料] [動画] 3つ目のセッションでは、黒澤より、Clineと呼ばれるオープンソースのAIコーディングエージェントツールと、Amazon Bedrockを組み合わせた活用方法について解説しました。Clineの特徴として、エージェント主導型の開発が可能であること、既存の統合開発環境に簡単に組み込めること、そして裏側で好きなモデルを利用可能であることなどが挙げられました。デモではVS Code上でClineを使ってテトリスアプリを短時間で作成する様子を紹介し、その効率性を示しました。また、組織でClineを導入する際の課題と対応策についても詳しく解説され、セキュリティとコンプライアンス、トークン消費とAPI制限、コスト管理といった観点からの考慮点が示されました。 お客様事例 LT：合同会社DMM.com「ソフトウェア品質特性、意識してますか？ AIの真の力を引き出す活用事例」 合同会社DMM.com エンジニア ミノ駆動 氏 [資料] [動画] 4つ目のセッションでは、DMM.comのミノ駆動氏より、ソフトウェア品質特性に基づいたAIコーディングエージェントの活用事例が紹介されました。ソフトウェア開発においてAIの力を引き出すには、ソフトウェア品質測定に基づいて指示する必要があるという視点から、変更容易性と機能適合性という2つの品質特性に焦点を当てた活用事例が紹介されました。特に「バグサーチャー」と呼ばれる負債分析用のプロンプトエンジンと、契約による設計を踏まえたテストコード生成の事例が詳細に解説され、AIを活用することで人間の10倍以上の生産性で高品質な分析やテストコードの作成が可能になることが示されました。 お客様事例 LT：株式会社プロトソリューション「Amazon Q Developer 活用事例 in ベトナム」 株式会社プロトソリューション ソリューション開発オフショア 課長 Sankame 氏 [資料] [動画] 5つ目のセッションでは、プロトソリューションのSankame氏より、ベトナムオフショア開発拠点でのAmazon Q Developerの活用事例が紹介されました。従来型のオフショア開発からの脱却を目指し、AIによって少数精鋭の高生産性体制へのシフトを進めている状況が説明されました。Amazon Q Developer IDE版の導入により、炎上気味だったプロジェクトが納期に間に合い、リリース後のバグもほとんど発生しなかった成功事例や、保守プロジェクトでの工数削減効果（約20〜30%）などが紹介されました。また、AIエージェント中心の開発フローの構築や、MCPサーバーを活用したE2Eテストの効率化など、先進的な取り組みについても詳しく解説されました。 AIコーディングエージェントを実際に現場で使うためには？ アマゾンウェブサービスジャパン AI/ML スペシャリストソリューションアーキテクト 近藤 健二郎 [資料] [動画] 最後のセッションでは、近藤より、AIコーディングエージェントを実際に現場で使うための考慮点について解説しました。主に開発チームのプロジェクトマネージャーや意思決定者の視点から、AIコーディングエージェント導入時のリスク管理、コスト管理、ログ管理、権限管理、コード品質管理などの観点について具体的な方法が紹介されました。特に、リスクベースアプローチの考え方に基づき、リスクがあるからといって禁止するのではなく、どう安全に活用していくかという方向性が強調されました。また、組織的な活用に向けた次のステップとして、ツールの選定、用途の明確化、各種管理方法の検討などのポイントが示されました。 まとめ AIコーディングエージェントは、ソフトウェア開発の方法を根本から変える可能性を秘めた技術です。本セミナーを通じて、その仕組みや活用方法、組織への導入方法について多角的に理解を深めていただけたのではないかと思います。 AWSでは、Amazon Q DeveloperやAmazon Bedrockなど、AIコーディングエージェントを安全かつ効率的に活用するためのサービスを提供しています。また、お客様事例からも分かるように、すでに多くの企業がこれらのツールを活用して開発効率の向上を実現しています。今回のセミナーがきっかけとなり、皆様の組織でもAIコーディングエージェントの活用が進むことを願っています。 AWS では、生成AIを活用したビジネス活動創造を支援する 「実用化推進プログラム」 も実施しておりますので、ご興味のある方はぜひご検討ください。 2025年6月25、26日に開催される AWS Summit Japan でもコーディングエージェントに関連したセッションやブースを用意しております。本セミナーのKeynoteで話した高野からは 「AI Agent時代のソフトウェア開発の型 ~ Everything as Code で叡智を伝える ~」 というセッションを予定しております。ぜひご参加ください。 最後に、本セミナーにご参加いただいた皆様に心より感謝申し上げます。今後もAWSは、最新のAI技術を活用したソリューションの提供を通じて、お客様のビジネス成長をサポートしてまいります。 アマゾン ウェブ サービス ジャパン合同会社 AI/ML スペシャリストソリューションアーキテクト 近藤 健二郎

このブログは、 “ Highlights from the 2025 AWS Life Sciences Symposium’s Drug Discovery track ” の翻訳です。 5月6日、ニューヨークで開催された第7回AWS ライフサイエンスシンポジウム には、 400を超える組織から1,000名以上のライフサイエンス業界のリーダー が集いました。「AIがもたらすブレークスルー：製薬バリューチェーンの革新」をメインテーマに掲げ、39名の専門家による26のセッションが開催され、ライフサイエンス分野におけるAI活用の成功事例や課題について、活発な議論が交わされました。シンポジウムを通じて浮かび上がった明確なメッセージ。それは、生成AIがもはや未来の技術ではなく、すでに医薬品の発見から開発、提供方法に至るまで、製薬業界全体を変革する原動力となっているという事実です。特に創薬分野のセッションでは、AIの活用により研究が加速し、科学的精度が向上し、コストが削減され、結果として新しい治療法をより迅速に患者のもとへ届けられるようになっている具体例が次々と紹介されました。 創薬プロセスの抜本的な見直しに向けて 私たちは今、科学、データ、テクノロジーが融合して全く新しい治療法の地平を切り開く、バイオメディカルイノベーションの黄金期にいます。しかし、創薬プロセスは依然として時間がかかり、高コストで、成功の見通しも不確実なままです。医薬品候補の約90%が臨床試験で失敗し、1つの治療薬を市場に送り出すまでに10年以上を要することもあります。巨額の投資が行われているにもかかわらず、多くの疾患に対して効果的な治療法が見つかっていないのが現状です。 この課題の根本にあるのは、生物学そのものが持つ驚くべき複雑さです。私たちの体内には数千種類の細胞、2万を超える遺伝子が存在し、それらの間で起こる分子レベルの相互作用は個人によって千差万別です。研究者たちは、10⁶⁰もの低分子と、20³²にも及ぶ治療用抗体の候補という、ほぼ無限とも言える可能性の中から最適な選択を迫られています。さらに、研究に不可欠なデータは、学術誌やデータベース、各社の独自システムに散在し、体系化されていない状態で存在しています。従来のR&amp;Dツールは確かに優れたものですが、このような規模と複雑さ、そしてスピードへの要求に十分に応えられる設計にはなっていません。 経済面での課題も深刻です。製薬会社は今後数年間で、特許切れ（LOE）により推定2,500億ドルもの収益が失われるリスクに直面しています。イノベーションギャップは広がる一方であり、外部からの資産取得は一時的な解決策にはなりますが、長期的な成功のカギは社内での改革にあります。 このような状況を打開するため、製薬業界にはAIを中心に据えた新しいR&amp;D戦略が必要です。これは単に試行回数を増やすだけでなく、個々の取り組みをより迅速に、より正確に、そしてより成功の可能性が高いものにすることを目指しています。 この変革は、段階的な改善ではなく、パラダイムシフトと呼べるものです。そして、シンポジウムの講演者たちが示したように、この変革はすでに現実のものとなっているのです。 Lab in a Loop：GenentechのAI主導型研究ビジョン Genentech の機械学習による創薬部門バイスプレジデント、 Rich Bonneau 氏が同社がAIを研究の中核に据えて、初期段階の研究プロセスを刷新している取り組みについて紹介しました。 その中心となるのが「 lab in a loop 」という概念です。これは、実験データと臨床データで学習したAIモデルが予測を行い、その結果に基づいて実験室での研究が進められるという、緊密に統合された反復サイクルを指します。新たな実験結果はモデルにフィードバックされ、予測の精度が継続的に向上していきます。このサイクルにより、研究者たちはより正確な予測のもと、広大な化学空間を効率的に探索し、複数の治療特性を同時に最適化することが可能になり、発見のプロセスが劇的に加速されています。 このような革新を支えているのは、Genentechが数十年にわたる研究・臨床活動を通じて構築してきた、質の高い大規模データセットです。これらのデータは、かつては対応が困難と考えられていた課題に取り組むAIモデルの重要な基盤となっています。さらに同社は、生成AIを研究ワークフローに直接組み込む取り組みも進めています。 AWSとの協力により開発された gRED Research Agent は、その代表例です。Amazon Bedrock Agents上で動作するAnthropic社のClaude Sonnet 3.5を搭載したこの知的アシスタントは、科学文献や構造化データベースの調査など、時間のかかる作業を自動化することで、科学者たちがより創造的で影響力の高い研究に注力できる環境を実現しています。 その効果は目覚ましく、これまで数週間を要していたプロセスが数分で完了できるようになりました。例えば、バイオマーカーの検証作業だけでも、43,000時間以上の工数削減が見込まれています。 しかし、これは単なる作業の高速化にとどまりません。科学研究そのものを、かつてない規模で展開できる新たな段階へと押し上げているのです。 セッション録画を視聴する | プレゼンテーションにアクセスする BioFMを活用した分子設計：AbbVieの包括的アプローチ 次に議論は、創薬におけるもう一つの重要課題である 低分子設計 に移りました。 AbbVie のR&amp;Dデータ分析部門バイスプレジデントの Jennifer Van Camp 氏と、グローバルリード兼主任機械学習サイエンティストの Abhishek Pandey 氏が、生物学的基盤モデル（BioFMs）を活用した革新的なアプローチについて発表しました。彼らは生物学を優先した大胆な手法で、イノベーションを推進しています。 AbbVieは画期的な成果として、ヒトゲノム全体の薬剤化可能性スコアの算出に成功しました。これは、どのタンパク質が低分子医薬品の標的として適しているかを予測するものです。この網羅的な評価は、従来のように化合物（リガンド）の特性のみに注目するアプローチからの大きな転換点となりました。AbbVieは、 EvolutionaryScale が開発したESM-2などのbioFMモデルを活用し、タンパク質とリガンドの特性、およびそれらの相互作用パターンを包括的に分析する手法を採用しています。 この生物学的な複雑さを予測可能な形に変換するため、AbbVieはESMの埋め込み技術をリガンドデータと組み合わせ、AffinityNetを開発しました。このシステムは、タンパク質、リガンド、それらの相互作用の特性を階層的に分析するグラフアテンションネットワークを用いた深層学習モデルで、結合親和性を極めて高い精度で予測することができます。これにより、生物学的な知見に基づいた、データ駆動型の低分子探索が可能になりました。 AWSのインフラストラクチャ、拡張性の高い計算能力、そして Amazon Bedrock を通じたBioFMsへのアクセスを活用することで、AbbVieは膨大な生物学的データを、かつてないスピードで実用的な知見へと変換できるようになりました。 セッション録画を視聴する | プレゼンテーションにアクセスする AIエージェント：研究者の役割の新たな形 バイオテックスタートアップのOwkinとBioptimusは、AIを活用した科学研究の新しい協働の形を提示し、生物学の理解をさらに深める取り組みを紹介しました。 Owkin のR&amp;D最高責任者の Jean-Philippe Vert 氏と製品部門VPの Thea Backlar 氏、は、生物学者が生物学者のために開発したAI搭載コパイロット「 K Navigator 」を発表しました。このシステムは高度なエージェントシステムを基盤とし、腫瘍学分野で世界最大の空間オミクスデータセットである MOSAIC Window をはじめとする膨大なデータに接続しています。研究者は自然言語での指示により、多様なデータの探索、分析、視覚化が可能になり、科学的直感を増強し、作業の効率を高め、複雑な問いを実用的な知見へと変換できます。これにより、創薬ターゲットの特定、患者グループの特性評価、既存薬の新たな用途発見などが促進されます。 研究者は現在、3,500万件を超える科学論文へのアクセス、臨床試験の設計、患者データの調査を、単一のインターフェースから行うことができます。しかし、K Navigatorは単なる効率化ツール以上の存在です。これは、人間とAIが協力して新たな知見を生み出し、これまで到達できなかった科学的領域を探索するための新しいパラダイムを示しています。すでにアカデミアで利用可能なこのプラットフォームについて、Owkinは 生物学的人工超知能 （BASI）への足がかりとして位置づけています。これは、AIが人間の発見能力を大規模に拡張する協働システムとなることを目指しています。 一方、フランスのスタートアップ Bioptimus は、生物学特有の多面的な性質に着目したアプローチを展開しています。シンポジウムでは、共同創業者兼主任研究員の Zelda Mariet 氏が、数百万枚の病理画像スライドで学習させた基盤モデル「 H-optimus-1 」について発表しました。このモデルは、がんの種類の分類、腫瘍の段階評価、バイオマーカーの検出、デジタルスライドの品質管理など、主要な診断・研究領域で最高水準の性能を実現しています。生物学における異なるスケール間の関係性を学習することで、より深い洞察を可能にしているのです。 現在、AWS Marketplaceで利用可能 となったこのモデルにより、ヘルスケア・ライフサイエンス分野のお客様は、Bioptimusの最先端病理モデルを自社の安全なクラウド環境に素早く導入し、AWSベースのワークフローにシームレスに統合することができます。これにより、病理学や生物医学研究における知見の獲得が迅速化され、業務効率が大幅に向上します。 しかし、これはほんの始まりに過ぎません。Bioptimusは現在、ゲノミクス、分子データ、イメージング、臨床記録を統合した次世代マルチモーダルモデル「 M-optimus 」の開発を進めています。このモデルは、生命現象のあらゆる複雑さを学習対象とするよう設計されています。彼らの野心的な目標は、生物学における世界初の汎用AIファンデーションモデルの創出です。 セッション録画を視聴する | プレゼンテーションにアクセスする 未来のラボの構築 Deloitte のヘルスケアおよびライフサイエンス部門のマネージングディレクターの Raveen Sharma 氏は、「 未来のラボ 」についての斬新なビジョンを提示しました。それは、計算科学と実験科学が完璧に調和したデジタル統合型のAI駆動エコシステムです。このシステムでは、ドライラボとウェットラボがリアルタイムデータと自動化技術によって緊密に連携し、継続的かつインテリジェントなループを形成することで、科学的発見のプロセスを加速させます。 このモデルにおいて、ドライラボはAIモデルの訓練、調整、改良を担当し、計算機上で実験をシミュレートします。一方、ウェットラボは実際の実験を通じて仮説を検証し、高品質な実験データをシステムにフィードバックします。このデータは FAIR 原則（Findable：見つけやすい、Accessible：アクセスしやすい、Interoperable：相互運用可能、Reusable：再利用可能）に基づいて管理されることで、ループ全体の自己改善が促進され、研究のスピードと科学的厳密性の両立が図られます。 DeloitteとAWSは、このビジョンを実現するため、データの取り込み、統合、ガバナンスを自動化するクラウドネイティブなモジュール型ソリューションを開発しました。これにより、従来は断片化していた研究室のデータを FAIR な資産へと転換することが可能になります。DeloitteのLab of the Futureアクセラレータは、物理的な研究機器とデジタルインフラの間のギャップを埋め、 AWS DataSync 、 AWS IoT Greengrass 、 Amazon S3 、 Amazon DataZone など、実績あるAWSサービスを活用しています。そして、これらすべてを AWS Control Tower で一元管理する仕組みを構築しています。 この新しいアプローチがもたらす影響は大きく、科学者たちはデータ管理に費やす時間を大幅に削減し、本質的な研究活動により多くの時間を充てることができるようになります。結果として、より質の高い治療候補の開発が加速され、革新的な治療法をより迅速に患者のもとへ届けることが可能となるのです。 セッション録画を視聴する | プレゼンテーションにアクセスする データの壁を打ち破る：連合学習による安全な協力体制 科学の進歩は協力があってこそ最も加速します。この原則は、特に創薬の分野で顕著です。 現代の創薬におけるAI活用の最大の課題の一つは、効果的なモデルの学習に不可欠な高品質なタンパク質とリガンド構造データへのアクセスです。確かに公共データベースは存在しますが、困難な創薬ターゲットに対する薬剤設計に必要な、構造的な多様性や分子間相互作用に関する深い知見が不足しています。製薬企業は、これらの相互作用を捉えるための独自のデータセット構築に多額の投資を行ってきましたが、データの機密性が企業間の協力を妨げ、結果として個々の進歩を遅らせる要因となってきました。 連合学習は、こうした壁を打ち破りつつあります。活発な議論が交わされたパネルディスカッションでは、 Johnson &amp; Johnson のIn Silico Discovery部門VP Justin Scheer 氏、AbbVieの計算創薬部門長 John Karanicolas 氏、そして Apheris の共同創業者兼CEO Robin Röhm 氏が、 AI Structural Biology（AISB）コンソーシアム の取り組みを紹介しました。このコンソーシアムは、連合学習を活用することで、各社の機密データを公開することなく、分散したデータセット全体でAIモデルを協調的に学習させることに成功しています。この手法により、知的財産を保護しながら、薬剤の特異性向上や分子間相互作用の最適化、より効果的な治療法の開発加速に向けた知見の共有が可能となっています。 AIモデルの構造予測精度がX線結晶構造解析と同等のレベルに達しつつある今、連合学習は安全で協調的な創薬の新時代を切り開いています。これにより、業界全体の知見を結集し、精密医療における画期的な進展を加速することが可能になってきているのです。 セッション録画を視聴する 発見の新時代 わずか10年前、AIが私たちの移動手段、買い物、音楽鑑賞、ニュース消費の方法を根本から変えることになるとは、ほとんど誰も想像していませんでした。 そして今、同様の変革が創薬の現場で起きています。AIはもはや実証実験の段階を超え、研究開発の全工程において実質的な進歩をもたらしています。科学者たちは、AIの支援を受けながら疾病の生物学的メカニズムを解明し、より効果的な治療法をこれまでにないスピードで設計できるようになっています。これにより、長年にわたって治療法の確立が困難とされてきた疾患に対しても、新たな希望がもたらされています。 2025年のAWSライフサイエンスシンポジウムで明らかになったのは、AIがもはや研究の補助的なツールではないということです。基盤モデル、マルチモーダルデータ、AIエージェント、クラウドネイティブインフラストラクチャーを通じて、研究そのものを根本から変革しているのです。創薬の未来は遠い将来の話ではありません。その変革は、まさに今ここで進行しているのです。 AWSは、お客様がより遠くへ、より速く進むことをサポートできることを誇りに思っています。 世界の大手製薬会社トップ10社のうち9社が、生成AIと機械学習戦略の実現にAWSを選択している という事実は、私たちへの信頼の表れだと考えています。 次のステップを加速するための方法について、詳しくはAWSの担当者までお問い合わせください。 参考資料： 第7回AWS Life Sciences Symposium： 基調講演のハイライト | 基調講演のダイジェスト動画を視聴する ライフサイエンスのイノベーションをAWSのAIエージェントで加速 臨床開発セッションのハイライト – 第7回 AWS ライフサイエンス シンポジウム 製造セッションのハイライト – 第7回 AWS ライフサイエンス シンポジウム コマーシャルセッションのハイライト – 第7回 AWS ライフサイエンス シンポジウム <!-- '"` --> Oiendrilla Das Oiendrilla DasはAWSのライフサイエンスおよびゲノミクスマーケティングのカスタマーアドボカシーリードです。ライフサイエンスマーケティングのバックグラウンドを持ち、ライフサイエンスとクラウドコンピューティングを専門としています。マーケティングのMBA学位を取得しており、MBA取得前にはバイオテクノロジーの工学を修了しています。 このブログは、Senior Solutions Architectの松永が翻訳しました。

このブログは、 “ Highlights from the 2025 AWS Life Sciences Symposium’s Clinical Trials track ” の翻訳です。 5月6日、ニューヨークで第7回AWS ライフサイエンスシンポジウム が開催され、 400を超える組織から1,000名以上の業界リーダー が参加しました。「AIがもたらすブレークスルー：製薬バリューチェーンの革新」をテーマに、39名の専門家による26のセッションが行われ、創薬から医薬品提供までの一連のプロセスにおけるAI活用の実践例が紹介されました。 このシンポジウムで明らかになったのは、生成AIがもはや未来の技術ではなく、すでに製薬業界の現場で活用され、新薬の発見から開発、提供方法まで、さまざまな場面で変革をもたらしているという事実です。特に 臨床開発分野 では、治験実施計画書の作成から実施施設の選定、被験者の登録、規制当局へのデータ提出に至るまで、AIによる効率化の効果が顕著に表れています。 臨床試験の変革期 臨床試験を取り巻く環境は、今まさに大きな転換点を迎えています。新薬開発には平均6～7年、費用にして最大26億ドルもの膨大なリソースが必要とされます。特に深刻な課題が被験者の募集で、全体の時間とコストの3分の1を占めているにもかかわらず、8割の試験で目標被験者数を確保できず、85%で参加者の継続的な確保に苦心しています。さらに、試験の複雑化とグローバル化が進む中、従来の手作業中心のプロセスでは、もはや効率的な運営が困難になっています。 このような課題に対し、AIは画期的な解決策を提供します。組織内のデータとリアルワールドエビデンスを効果的に活用することで、臨床試験のあり方そのものを革新できます。試験デザインの最適化や被験者募集の予測から、最適な被験者とのマッチング、さらには自動データ収集や異常検知によるリアルタイムモニタリングまで、データを基盤とした迅速かつ柔軟な試験運営が可能となります。 今こそ、行動を起こすべき時です。FDAをはじめとする規制当局が、臨床開発におけるAI活用のガイドラインを明確化し始めています。この時期に先駆的な取り組みを行う企業には、業界標準の確立と次世代イノベーションをリードする貴重な機会が開かれています。迅速に行動を起こすことで、開発スピードの向上、コストの効率化、データ品質の改善、より幅広い患者層の包含という面で、大きな優位性を確保することができます。 この期待感と変革への意欲は、臨床開発ブレイクアウトトラックでも強く感じられました。先進的な組織各社が、AIを活用した臨床研究の革新的な取り組みを次々と発表。その主な事例をご紹介します。 アストラゼネカの挑戦：AIによる臨床試験の効率化 アストラゼネカ は、画期的なツール 「Development Assistant」 を発表しました。AWS上で稼働するこの生成AI搭載システムは、臨床データの利用効率を大幅に向上させ、意思決定プロセスを迅速化します。同社の患者安全性担当上級ディレクター、 Vaishali Goyal 氏は、このツールを使用することで、臨床開発チームが自然言語で構造化・非構造化データを自由に検索でき、エビデンスに基づく知見をリアルタイムで得られる仕組みを解説しました。 アストラゼネカは、 Amazon Bedrock を基盤としたプラットフォームを開発し、検索拡張生成（RAG）技術とtext-to-SQL機能を組み込みました。この革新的な組み合わせにより、同社の持つ膨大なデータ資産から、必要な情報を瞬時に抽出することが可能になりました。システムが提供する情報には必ず出典が明記され、追跡可能性が確保されています。これにより、被験者募集や治験実施施設の選定といった業界の重要課題に対して、透明性と信頼性を保ちながら、作業の自動化による効率化を実現しています。 Development Assistantの成功を支えているのは、アストラゼネカが築き上げた堅固なデータ基盤です。同社は、電子研究ノート（ELN）やラボ情報管理システム（LIMS）、臨床システムなど、様々なデータソースを厳選して整備し、FAIR原則（検索可能、アクセス可能、相互運用可能、再利用可能）に準拠したデータプロダクトへと転換しました。これらのデータは、拡張性の高いマルチモーダルAIアプリケーションの重要な資源となっています。 2024年半ばに試験的に導入されたDevelopment Assistantは、わずか6ヶ月で厳格なサイバーセキュリティ基準とAIガバナンス要件をクリアし、実用最小限の製品（MVP）として本番環境での運用を開始しました。複数のAIエージェントを組み合わせた設計により、増加し続けるユーザーのニーズやデータの複雑化にも柔軟に対応できる拡張性を備えています。 アストラゼネカは2025年までに、ユーザー数を1,000人以上に拡大し、より豊富なデータソースとの連携を強化するとともに、部門を越えたシームレスな協働を実現する計画を進めています。Development Assistantは、同社における次世代のAI主導型臨床開発の礎となっています。 セッション録画を視聴する | プレゼンテーションにアクセスする Facultyが提唱するAIエージェント導入の実践的アプローチ アストラゼネカの発表に続いて、 Faculty のチーフテクノロジーオフィサー、 Andy Brookes 氏が登壇し、 組織がAIエージェントを効果的に導入・活用するための実践的なフレームワーク を提示しました。Brookes氏は、AIエージェントの成功を支える3つの重要な要素として、「役割の明確な定義」「ビジネスコンテキストの理解」「パフォーマンス管理」を挙げました。 特に強調されたのが、AIエージェントの役割定義です。同氏は、OUDA（観察・理解・決定・行動）モデルを用いてタスクを決定ループとして構造化することを提案しました。この方法により、AIエージェントは単なる汎用アシスタントではなく、特定のビジネスニーズに応える目的特化型のツールとして機能します。複雑性とリスクを抑えながら、確実な成果を上げることが可能になります。 また、AIエージェントを組織の業務環境に効果的に統合する重要性も指摘されました。Faculty社が「プライベートワールドモデル」と呼ぶこのアプローチは、組織固有の方針やプロセス、制約事項をデジタルシミュレーションとして再現します。これにより、AIエージェントは組織の実態に即した判断が可能になり、本格展開前の安全なテストや、誤作動リスクの低減が実現します。 さらに、パフォーマンス評価においては、処理速度や精度だけでなく、信頼性や判断過程の透明性など、定量・定性両面からの総合的な評価の重要性を説きました。 Brookes氏は、AIエージェントの発展段階を以下の4つのレベルで整理しました： スカウト：情報収集と発見 アナリスト：状況分析と提案 オペレーター：人間の監督下での業務実行 オートパイロット：定められた範囲内での自律的な業務遂行 同氏は、組織がこれらのレベルを段階的に導入することで、即座に価値を生み出しながら、より大規模なシステム変革へと着実に歩を進めることができると提言しました。 セッション録画を視聴する | プレゼンテーションにアクセスする ノバルティス：適応型AI戦略による臨床試験の加速 ノバルティスのデジタルイノベーション、戦略、プログラム＆ポートフォリオオペレーション部門ディレクターであるNoah Hoh氏は、同社が医薬品開発の期間短縮を目指し、R&amp;Dパイプライン全体でAIとデータサイエンスを戦略的に活用している取り組みについて説明しました。 ノバルティスは開発期間を短縮するために3つの重要なイニシアチブを展開しています： Fast-to-IND：治療領域全体で治験薬申請までの期間を12ヶ月短縮 Enhanced Operations：効率性の改善と革新的な試験デザインにより1-2年の時間短縮を実現 AI-Enabled R&amp;D：R&amp;Dライフサイクル全体で予測モデリングとAIシミュレーションを活用し、サイクルタイムを6ヶ月以上短縮 これらのイニシアチブを統合的に推進することで、医薬品開発の総期間を最大19ヶ月短縮することが可能となります。 この変革の中核となっているのは、ノバルティスの適応型AI戦略です。画一的なアプローチを避け、各開発段階に最適な機能を適合させる的確なAI戦略を採用しています。臨床試験における主要な活用領域には、プロトコル設計、実施施設の選定、臨床業務の最適化、文書作成の自動化、意思決定支援システムなどが含まれます。 AWS上に構築されたIntelligent Decision System（IDS）は、このアプローチを具現化したものです。IDSはデジタルツインを活用して臨床試験のワークフローをシミュレートし、実施前に様々な戦略のテストや結果予測を可能にします。これによりリスクを最小限に抑えながら、運用効率を大幅に向上させています。 ノバルティスは段階的な実装アプローチを採用し、R&amp;D全体でのAI統合に向けて着実に歩を進めながら、即座に効果を実感できる施策を展開しています。この実践的で段階的なアプローチにより、現場のスタッフが日々の業務でAIの恩恵を実感しながら、将来的なAI活用の基盤を築いています。その戦略は明確です：即座に測定可能な成果を生み出しながら、長期的な変革に向けた取り組みを着実に進めていくことです。 セッション録画を視聴する | プレゼンテーションにアクセスする メルク：スケーラブルな最新の臨床データプラットフォームの構築 生成AIを活用する競争が加速する中で変わらない真実があります。それは、AIの効果はそれを支えるデータの質に大きく依存するということです。現在の臨床試験は、分断されたシステムとサイロ化されたデータという課題に直面しており、これらが複雑なアーキテクチャを生み出し、イノベーションと規制遵守の障壁となっています。 メルク は、VeevaのDevelopment Data Platformを搭載したAWSベースの最新の臨床データプラットフォームを通じて、この課題に取り組んでいます。メルクのエグゼクティブディレクターである Gopi Gopinath 氏と、Clinical and RWE ITのAVPである Marjorie Waters 氏は、この変革が統一されたメタデータ駆動型アーキテクチャを通じて臨床業務を効率化する方法を共有しました。このプラットフォームは、分断された臨床、運用、規制、安全性データを単一の信頼できるソースに統合し、データの整合性を維持しながらより迅速な試験の実施を可能にします。 このプラットフォームは、内部システムと外部パートナー間のデータを1つの統一されたリポジトリに統合し、Study Data Tabulation Model（SDTM）標準化、自動化された第三者データ取り込み、データマスキングとロールベースのアクセスを含む強化されたセキュリティ機能、中央化されたメタデータ管理、セルフサービス分析ツールといった主要な機能を提供します。統合された分析と可視化ツールにより、このプラットフォームは試験計画、患者登録、サイトパフォーマンス、リスクベースのモニタリングに関する重要な洞察を提供し、運用の負荷を軽減し、予防的な意思決定を可能にします。 新しいアーキテクチャはまた、プロトコルとレポートの作成のための生成AI活用、試験成功のための予測モデリングの実装、プロトコル最適化のためのシミュレーションツールの開発、合成対照群の作成など、高度なAIアプリケーションの基盤を確立します。 クラウドネイティブでプラットフォームベースのアプローチを採用することで、メルクは試験インフラを近代化するだけでなく、臨床開発における生成AIの可能性を完全に実現するために必要なデジタル基盤を構築しています。 セッション録画を視聴する | プレゼンテーションにアクセスする より迅速なデータ駆動型臨床試験の洞察のためのリアルワールドデータとエビデンスの活用 リアルワールドデータ（RWD）は現代のヘルスケアにおける意思決定を推進しています：2019-2021年のFDA承認の85%が実世界エビデンス（RWE）に依存していました。しかし、この貴重なデータは医療提供者、保険会社、医療レジストリ間に散在したままです。研究者たちは分析を開始する前にデータの収集と整理に数ヶ月を費やすことがよくあります。現在のデータサイロ、プライバシー要件、複雑なデータベースクエリは、この貴重な情報源に対するAIツールの潜在的な活用を制限しています。 AWSのWorldWide Real World Dataリードである Praveen Haridas 氏と、 Datavant のプレジデントおよびGMである Arnaub Chatterjee 氏は、この課題に対する解決策を提示しました。 AWS Clean Rooms 上に構築された新しいプラットフォーム、 Datavant Connect は、保護された健康情報（PHI）を公開することなく、研究者がリンクされた患者データを分析することを可能にします。このプラットフォームは、従来4ヶ月かかっていた発見プロセスを2週間に短縮し、同時にデータ所有者のコントロールを維持します。これには医療保険の相互運用性と説明責任に関する法律（HIPAA）準拠とガバナンス機能が組み込まれています。つまり、スピードのためにプライバシーが犠牲にされることはありません。 製薬業界のリーダーたちは、すでにこれらの機能を活用しています。 ベーリンガーインゲルハイム のRWEセンター・オブ・エクセレンスのエグゼクティブディレクター兼グローバルヘッドである Paul Petraro 氏は、ベータブロッカーの有効性評価を例に挙げ、治療効果と経済的アウトカムをより良く理解するために、 組織がこのプラットフォームを使用してRWE戦略をスケールアップする方法 を共有しました。 さらにAWSは、データから得られる知見をより活用しやすくするため、新たなインテリジェントエージェントを導入しました。これにより、研究者はプログラミングの専門知識がなくても、自然な言葉で複雑なデータセットを検索・分析できるようになり、実世界データ（RWD）の利用がより身近なものとなりました。このエージェントは、医学文献、臨床データ、規制文書との連携機能を備えており、ユーザーの役割に応じた適切なアクセス権限の管理や、操作履歴の追跡も可能です。さらに、厳格なコンプライアンスとデータセキュリティも確保されているため、安心して利用することができます。 リリー のRWD担当シニアディレクター、 Greg Cunningham 氏は、AWS上に構築された Real World Data（RWD）Insights Agent を紹介しました。このシステムは、データ分析にかかる時間を劇的に短縮し、従来は日単位で行われていた洞察の抽出を分単位で可能にしています。この「仮想アナリスト」の特筆すべき点は、技術的な専門知識を持たないユーザーでも、SQLのような専門的なクエリ言語を使わずに、自然言語で複雑なデータセットを探索できることです。 Amazon Bedrock を基盤に構築されたこのシステムは、複数のAIエージェントを駆使してメタデータの発見やコホートの定義を管理し、同時に厳格な監査証跡とコンプライアンスの維持を実現しています。さらに、人間の監督を適切に組み込んだ責任あるフレームワークの中で、新たなデータソースの迅速な統合や組織のニーズに応じた柔軟な拡張が可能となっています。 このプレゼンテーションは、AWSが業界のリーダー企業とのコラボレーションを通じて、医療データ分析の変革に真摯に取り組んでいることを如実に示しました。より迅速なエビデンスの生成と、それに基づく患者アウトカムの改善を目指す同社の姿勢が明確に伝わってきました。 参加者たちは、AWSがDatavantのようなパートナー企業と協力し、多様なデータ提供者のネットワークからRWDを容易に発見、評価、購読できるプラットフォームを構築している様子を目の当たりにしました。さらに、購読したRWDから有意義な洞察を導き出すための、ユーザー中心の革新的なツールについても紹介されました。特に注目を集めたのは、技術的な専門知識を持たないユーザーでも、自然言語のクエリを使って複雑な医療データを分析できる、クラウドネイティブなエージェント型AIアプリケーションでした。 セッション録画を視聴する | プレゼンテーションにアクセスする | 詳細を読む 未来を見据えた今日の取り組み 生命科学分野における生成AI投資の約70%が臨床試験に向けられている現在、スピード、精度、拡張性への要求はかつてないほど高まっています。 臨床試験の分野で次々と新たなAI活用事例が登場する中、一つだけ変わらないものがあります。それは、スケーラブルで安全なデータ基盤の必要性です。この基盤があってこそ、組織は将来のどのような技術革新にも柔軟に適応し、進化し、さらなる発展を遂げることができるのです。 私たちは、この革新的な取り組みに参加してくださったすべてのパートナー、顧客、そして参加者の皆様に心からの感謝を申し上げます。これまでの成果を誇りに思うと同時に、さらなる飛躍が期待される未来に大きな期待を寄せています。 AWSの担当者に連絡する か、ライフサイエンス分野におけるイノベーションの新時代を切り開くためにAWSパートナーネットワークをぜひご活用ください。私たちと共に、医療の未来を築いていきましょう。 参考資料： 第7回AWS Life Sciences Symposium： 基調講演のハイライト | 基調講演のダイジェスト動画を視聴する ライフサイエンスのイノベーションをAWSのAIエージェントで加速 創薬研究セッションのハイライト – 第7回 AWS ライフサイエンス シンポジウム 製造セッションのハイライト – 第7回 AWS ライフサイエンス シンポジウム コマーシャルセッションのハイライト – 第7回 AWS ライフサイエンス シンポジウム <!-- '"` --> Oiendrilla Das Oiendrilla DasはAWSのライフサイエンスおよびゲノミクスマーケティングのカスタマーアドボカシーリードです。ライフサイエンスマーケティングのバックグラウンドを持ち、ライフサイエンスとクラウドコンピューティングを専門としています。マーケティングのMBA学位を取得しており、MBA取得前にはバイオテクノロジーの工学を修了しています。 このブログは、Senior Solutions Architectの松永が翻訳しました。

このブログは、 “ Highlights from the 2025 AWS Life Sciences Symposium’s Manufacturing Track ” の翻訳です。 2025年5月6日、ニューヨーク市で開催された第7回 AWS ライフサイエンスシンポジウム には、 400 以上の組織から 1,000 人を超える ライフサイエンス業界のリーダー が参加しました。「ブレークスルーの構築 – 製薬バリューチェーンを変革するAI駆動型イノベーション」という意欲的なテーマのもと、39名の業界のパイオニアによる26のセッションが開催されました。セッションでは、先進的なAIがもたらす革新的な変化により、生命を救う治療法の開発が加速され、コストが削減され、そしてこれらすべてがセキュリティとコンプライアンスを核として実現されていることが紹介されました。 基調講演のハイライト と、 ライフサイエンスのイノベーションをAWSのAIエージェントで加速 に関する主要な発表もぜひご覧ください。 世界では 20億人以上 が慢性疾患を抱え、 3億人以上 が希少疾患の影響を受けています。このような状況下で、バリューチェーン全体における製薬イノベーションの重要性は、かつてないほど高まっています。さらに、 米国インフレ削減法 などの規制圧力の高まりにより、医薬品製造とサプライチェーンの抜本的な変革が求められています。そこで今年の 製造トラック では、世界をリードする製薬企業のリーダーたちに向けて、実践的な革新的取り組みを紹介しました。これらの近代化は、業界の最も差し迫った課題に取り組むため、AWSを活用する先見性のある組織によって実現されています。目標はシンプルでした：リーダーたちが知見を共有し、学び合い、生命を救う治療法をより迅速かつ確実に提供するための具体的な進歩を持ち帰ることができる協働のプラットフォームを作ることです。これらの取り組みは、スケーラビリティの向上、コストの削減、そしてバリューチェーン全体でのレジリエンス強化を同時に実現します。 以下が主要なポイントです。 AIエージェントによる生産とサプライチェーンのブレークスルーの実現 2023年に生成AIが注目を集めて以来、製薬生産ライフサイクルのあらゆる段階—バッチプロセスの最適化、ダウンタイムの削減、SOPの自動化、手動のワークフローを俊敏な自己学習システムへの転換など—における変革への期待が高まっています。しかし、この期待に反して、組織全体での本格的な導入はまだ道半ばです。この課題を克服するには、多くの場合、視点の転換が必要です。それこそが、オープニングセッション「 Amazonから学ぶ 」が提供した価値でした。AI、ロボティクス、デジタルインフラストラクチャを大規模に適用した場合の可能性について、新鮮な視点と強力なインスピレーションを参加者に提供しました。 小売とフルフィルメントにおける数十年の運営実績を活かし、Amazon Retailのセッションでは、リアルタイムの需要予測、在庫の最適化から、ベンダー管理、コンピュータビジョンによる品質管理、ラストマイル配送に至るまで、AmazonがAIをどのように活用しているかの舞台裏を紹介しました。このセッションでは、ライフサイエンス分野のリーダーたちが直面する様々な課題に対して、具体的な解決方法を段階的に示すとともに、実際に成果を上げているテクノロジーを活用した戦略について説明しました。 セッションの後半では、製造現場に焦点が移り、 AIエージェント がすでに生産性の向上、欠陥検出の強化、トレーニング時間の短縮を実現し、保守ワークフローからMES（Manufacturing Execution Systems：製造実行システム）、さらには生産会議そのものまで、中核的な業務を再構築していることが紹介されました。 メッセージは明確でした：適切なツールとマインドセットがあれば、変革は単なる可能性ではなく、手の届くところにあるのです。 最先端のデジタル技術による自律型医薬品製造の再定義 次に、 医薬品製造イノベーションセンター のマネージングディレクターである Dave Tudor 氏が登壇し、AI、最先端のデジタル技術、持続可能な実践、そして深い分野横断的な協力によって実現される医薬品製造の未来への変革的なロードマップを示しました。Tudor氏は、生産の4つの重要な領域を再考することで、業界の最も困難な課題にどのように取り組んでいるかを共有しました： より迅速で省エネルギーな経口固形製剤製造を実現するデジタルツイン化された連続直接圧縮（CDC）プラットフォームの開発 遅延と無駄を排除するジャストインタイム、自動化された治験薬生産の実現 現在治療法のない疾患に対する治療法を可能にする、持続可能でスケーラブルなオリゴヌクレオチド生産方法の開発 医薬品製造4.0を推進する機械学習、AI、ロボティクスの導入加速 このビジョンの核となるのは、AWS上に構築された統合データ基盤を活用した、各工場が独立して運営できる新しい製造モデルです。この基盤では、工場設備、製造拠点、作業者からのデータを一元管理し、それらのデータの整理と統合を効率的に行うシステムを構築しています。さらに、誰でも簡単にデータを活用・再利用できる環境を実現しています。この強固な基盤により、製薬企業は新薬開発のリスクを抑制し、製品の市場投入までの期間を短縮することができます。また、より効率的で正確な製造プロセスが実現可能となり、人手に頼らないスマートな製造の新時代への道を開いています。 プレゼンテーションはこちら AIによる医薬品製造品質管理の革新 すべての医薬品の背後には、その安全性と有効性に依存している人々—親、医療従事者、友人、子供たち—がいます。 Pfizer のAI/ML、データ＆アナリティクスのプラットフォーム＆プロダクト担当バイスプレジデントである Michael Morelli 氏のセッションでは、この責任がPfizerの製造におけるイノベーションの規模拡大をどのように推進しているかが語られました。同氏は、Pfizerの品質管理（QC）ラボにおける品質と安全性を向上させるために設計された生成AI搭載のコンパニオンアプリ「 QC Sidekick 」を紹介しました。 QC Sidekickは、AWSの信頼性の高いデータ基盤上に構築され、 Amazon Bedrock の生成AI技術を活用することで、ラボインシデントレポートの削減と問題の原因究明をサポートしています。さらに、データを見やすく表示し、傾向を分析し、作業手順書や実験方法にすぐにアクセスできる機能により、同じ問題が繰り返し起きることを防いでいます。この取り組みにより、実験ミスの減少、より迅速な判断、そして安全で効率的なラボ運営が実現しています。また、製品の不良や高額な製造ロットの不合格を減らすことで、Pfizerの収益性向上という会社全体の目標達成に貢献しています。QC Sidekickは現在、世界中の英語を使用するPfizerの製造拠点で導入されており、175年近い同社の製造における優れた実績をさらに発展させ、 最新の生成AI技術 によって進化を続けています。 プレゼンテーションはこちら 製造現場から経営層までの可視性の実現 「測定されるものは改善される」。この原則が Merck のセッションで見事に実証されました。Merck製造部門のデジタルサービス組織のAVPである Wincy Fung 氏と、データプラットフォーム＆プロダクトのエグゼクティブディレクターである Ram Silai 氏が主導したセッションでは、MerckのVisual Factory（ビジュアルファクトリー）イニシアチブが紹介されました。同社がPSQDC（People：人材、Safety：安全性、Quality：品質、Delivery：納期、Cost：コスト）フレームワークを通じて、製造業務全体で作業を標準化し、説明責任を推進する方法が示され、製造現場から経営層までのリアルタイムの可視性が実現されています。 Mantis は、120を超えるシステムのデータを一元管理するGMP基準に準拠したデータプラットフォームで、AWS上に構築されています。このプラットフォームでは、ユーザーごとに最適化された分析、ダッシュボード、データに基づく知見を提供しています。製造現場のスタッフは、設備の総合的な稼働効率（OEE）などの重要な指標をリアルタイムで確認できます。また、各拠点の責任者は日々の業務の全体像を把握でき、経営陣は世界中の拠点のサプライチェーンの状況を統一された形式で確認することができます。この取り組みにより、Merckの世界規模の事業運営において、すべての情報が見える化され、より素早い意思決定が可能となり、データを重視する企業文化への大きな変革が実現しています。 今後、Merckはこれらのソリューションを全社的に展開し、すべてのレベルでKPIを完全に標準化し、生成AIを活用して根本原因分析とよりスマートで迅速な意思決定の実現を目指しています。 プレゼンテーションはこちら 対応型から予測型へ：AIによる製品苦情報告の変革 厳格な品質管理とKPIの追跡にもかかわらず、医薬品および医療機器企業は依然として高額な製品苦情と逸脱の課題に直面しています。企業は年間平均1,500万ドルを費やし、苦情の解決には最大20日、根本原因の特定には30日を要し、さらにそれらの原因を正確に特定する際のエラー率は89%にも上ります。この非効率性は、主に手作業で人的リソースを多く必要とするプロセスと、過去のデータの可視性の欠如に起因しています。 この課題に対処するため、 PwC は、Amazon Bedrock上に構築された、苦情と逸脱の検出、分類、解決を自動化するAI駆動型の 品質管理システム（QMS）ツールキット を紹介しました。このツールキットはあらゆる医薬品品質管理システムとシームレスに統合され、説明文からの苦情検出、AIによる調査概要の生成、逸脱報告書の自動評価、そして生成AIチャットボットを活用したグローバルな傾向分析ダッシュボードなどの機能を提供します。 その効果は顕著です：ある大手製薬企業では、このツールキットにより苦情解決時間が20日から1日に短縮され、根本原因の特定が30日から数分に短縮されました。年間100人分以上のフルタイム担当者（FTE）の工数を削減し、大幅なコスト削減と運営効率の向上を実現しています。 プレゼンテーションはこちら ライフサイエンスの新時代の到来 生成AIとAIエージェントが可能性を再形成し続ける中、ライフサイエンスのイノベーションの新時代が確実に到来しています。 組織が実験段階を超えて実世界での本格展開へと移行する中、長期的な成功の鍵は技術だけではありません—それは 人材、プロセス、データの融合 にあります。創薬研究、臨床開発、製造、コマーシャルのいずれの分野でイノベーションを推進する場合でも、AWSは効果的な取り組みの規模拡大を支援し、次のステップに向けて確実に前進できるようサポートします。 AWS担当者に今すぐ連絡 して、 世界のトップ10製薬企業のうち9社が生成AIと機械学習にAWSを選択している 理由をご確認ください。未来は今日から始まっています—共に創造していきましょう。 参考資料 第7回AWS Life Sciences Symposium： 基調講演のハイライト | 基調講演のダイジェスト動画を視聴する ライフサイエンスのイノベーションをAWSのAIエージェントで加速 創薬研究セッションのハイライト – 第7回 AWS ライフサイエンス シンポジウム 臨床開発セッションのハイライト – 第7回 AWS ライフサイエンス シンポジウム コマーシャルセッションのハイライト – 第7回 AWS ライフサイエンス シンポジウム Oiendrilla Das Oiendrilla Dasは、AWSのライフサイエンスおよびゲノミクスマーケティングのカスタマーアドボカシーリードです。ライフサイエンスマーケティングのバックグラウンドを持ち、ライフサイエンスとクラウドコンピューティングを専門としています。マーケティングのMBA学位を取得し、MBA取得前にバイオテクノロジーの工学を修了しています。 このブログは、Senior Solutions Architectの松永が翻訳しました。

このブログは、 “ Highlights from the 2025 AWS Life Sciences Symposium’s Commercialization track ” の翻訳です。 5月6日、 400以上の組織 から 1,000人以上 のライフサイエンスのリーダーたちがニューヨーク市に集まり、第7回 AWS ライフサイエンスシンポジウム が開催されました。「 ブレークスルーの構築 – 製薬バリューチェーンを変革するAI駆動型イノベーション 」をテーマに、生成AIがどのようにしてハイプを超え、製薬業界の実用的な変革の触媒となったかを紹介しました。39名の専門家が登壇した26のセッションを通じて、参加者たちは先進的なAIがイノベーションの加速、コスト削減、そしてコンプライアンスの大規模なサポートにおいて、どのように測定可能なインパクトを生み出しているかを探求しました。（基調講演の 動画 と ハイライト はこちら） コマーシャルトラックでは、業界のリーダーたちが製薬業界の最も緊急かつ複雑な商業的課題に対してAIがどのように適用されているかについて議論し、その実際の影響が明らかになりました。 製薬の営業活動の岐路：新しいプレイブックの必要性 製薬業界の営業活動は現在、大きな転換期を迎えています。各企業は営業・マーケティング活動に多額の投資を行っているものの、複雑化する医療業界において、その投資に見合う成果を上げることに苦戦しています。実際、医師の半数は営業担当者との面会機会がなく、面会できる医師でも、勤務時間内での接点は平均1.4回程度に限られています。さらに、2031年までに830を超える新薬が市場に出てくると予測されており、競争は一層激しさを増しています。このような状況の中、営業部門は他社との差別化と目標達成に向けて大きな課題を抱えています。 これらの課題は、業界を取り巻く環境の大きな変化によってさらに複雑になっています。保険制度の仕組みが変わり、規制が厳しくなり、医療提供体制が分散化し、患者からの要求も高まっています。特に医師からは、より質の高い臨床判断ができるよう、科学的根拠に基づいた、より適切な情報提供が求められています。さらに、営業部門、メディカル部門、マーケティング部門の連携が十分でないため、医師に届く情報に一貫性が欠け、それぞれの部門との関わりが断片的なものになってしまっています。 今日の組織が成功を収めるには、データを最大限に活用した包括的で先進的な事業運営が不可欠です。これは単なる従来型の業務のデジタル化ではなく、AIを駆使した全く新しい運営方式への転換を意味します。この新しい運営方式では、地域ごとの特徴、健康に関わる社会環境、地域特有の市場状況といった多様な要因を分析します。そしてその分析に基づいて、医師や患者一人一人の行動パターンを深く理解し、それぞれに最適な対応を効率的に提供していきます。このような変革を実現するためには、最新のデータ基盤やクラウド技術を導入するだけでなく、営業部門の仕事の進め方そのものを抜本的に改革する必要があります。 コマーシャルトラックでは、すでにこの飛躍を遂げている組織が、実際のユースケース、洞察、推奨事項を共有し、ビジョンを行動に移しました。以下が主要なポイントです。 Gilead：強力なデータ基盤に基づくAI駆動型の営業エクセレンス トラックは Gilead のG&amp;A、コマーシャルアナリティクス、クラウドのグローバルヘッドである Pradeep Yathira 氏と、 ZS のプリンシパルである Faiz Merchant 氏のセッションで幕を開けました。彼らは、接続された、コンプライアンスを遵守した、クラウドファーストのデータ戦略が、AI駆動型コマーシャライゼーションの基盤であることを共有しました。 Gileadは、これまでの分散したクラウド環境から移行を進め、現在では システムの60%をAWSで運用 しています。さらに2025年までには、その割合を90%まで引き上げることを目指しています。この変革の要となっているのが、AWS上に構築されたAIを活用した全社プラットフォームです。このプラットフォームは、データメッシュと呼ばれる設計手法を採用しており、ユーザー自身による分析、データ取り込みの標準的な仕組み、対話型AI、ディープラーニングまで、幅広い機能をサポートしています。この基盤により、データの全社的な活用促進、業務の自動化、柔軟な運営体制の構築、そして適切なデータ管理といった重要な経営課題の解決を進めています。この強固な基盤を整備したことで、Gileadは様々な分野でAI活用を推進しています。例えば、規制関連文書の審査プロセスの効率化、営業活動における最適なアプローチの提案、患者向けの警告システムなど、ビジネスの様々な場面でAIのPoCを行い、効果が確認されたものから本格的な展開を進めています。 特に大きな変革が見られるのは営業担当者の働き方です。これまでの受け身の手作業中心の業務から、AIを活用したスマートで先を見据えた顧客対応へと進化しています。AIアシスタントは、営業担当者に対して有益な情報を提供し、次の行動を提案します。また、規制対応やプロモーション活動における法令順守も、わずか数回のクリックで確認できます。これにより営業担当者は、定められたガイドラインの範囲内で、医師との価値ある関係づくりにより多くの時間を費やすことができるようになっています。企業の販売費および一般管理費（SG&amp;A）の30～50%が営業現場に関連する支出であることを考えると、この業務改善は企業の業績に直接的な好影響をもたらします。 スマートなチャットボットを活用した顧客対応、AIによるコンテンツの自動作成、そして医療・法務審査の効率化まで、AIを活用したこの新しい営業アプローチは、基礎となる仕組みづくりへの強い取り組みを表しています。彼らの経験から得られた最も重要な教訓は、AIの成功には単に新しいツールを導入すればよいのではなく、整理された、つながりのある、適切に管理されたデータを最初から用意することが不可欠だということです。 プレゼンテーションはこちら Johnson &amp; Johnson：静的な計画から動的なパーソナライゼーションへ Johnson &amp; Johnson Innovative Medicine のコマーシャルオペレーション、データ＆アナリティクスのテクノロジー＆プロダクトグループリーダーである Dharmesh Thakkar 氏と、データ＆インサイトのITディレクターである Shyam Mohapatra 氏が主導したセッションでは、 製薬マーケティングにおける大規模なパーソナライゼーション に関する議論を深めました。 Johnson &amp; Johnsonの製品ポートフォリオが今後3年間で進化する中、同社は患者、医療提供者、ステークホルダーの変化するニーズに応えるため、コマーシャル戦略を積極的に再構築しています。同社のアプローチの中核にあるのは、大規模なインサイト生成を可能にするように設計された包括的なデータ戦略です。 その中心となるのは、AWSに構築された セルフサービスデータマーケットプレイス で、ビジネスドメイン全体の高品質で分析準備の整ったデータを統合し、直感的なローコードまたはノーコードインターフェースを通じてユーザーに提供します。このプラットフォームは、ブランドやアカウント全体でアクショナブルなインサイトを提供する単一の情報源として機能します。また、強力なガバナンス、データの系統、コンプライアンスを確保しながら、チーム間でのデータの再利用性を促進します。 結果は印象的です：立ち上げ時間の50%削減、自動化による18-20時間の節約、そして分析効率の2倍向上。この変化は、画一的な戦略から適応的でデータに基づく計画立案への移行を示しており、チームが今日の市場の複雑さに対応し、明日のイノベーションに備えることを可能にしています。 プレゼンテーションはこちら EVERSANA：生成AIによるMLRの加速 基盤となるデータは不可欠ですが、スピードも同様に重要です。特にマーケティングコンテンツの運用において。しかし、新しいコンテンツ生成のための医療、法務、規制（MLR）レビュープロセスは、各アセットに24-45日かかる最も持続的なボトルネックの一つであり続けています。 EVERSANA のチーフイノベーションオフィサーである Faruk Capan 氏と、シニアVPの Abid Rahman 氏は、この課題に正面から取り組み、 MLRワークフローを合理化し加速する ために特別に構築されたAI駆動型ソリューション、 EVERSANA ORCHESTRATE MLR を発表しました。 AWSに構築 され（ Amazon Bedrock 、 Amazon Cognito 、 Amazon Textract などのサービスを使用）、 Veeva と統合されたこのプラットフォームは、生成AIを使用してメッセージの抽出、相互参照、注釈付け、メッセージマッチングを自動化します。人間によるレビューを組み込むことで規制の正確性を確保しながら、レビュー時間を週単位から日単位へと大幅に短縮します。 AWS Marketplaceで提供されているORCHESTRATE MLRは、営業部門が規制に準拠したコンテンツを素早く作成し、マーケティングキャンペーンのスピードを上げながら、コンプライアンス上のリスクを抑えることができるツールです。また、AIを活用した審査プロセスにより、個々の顧客に合わせたコンテンツの作成や、コンテンツの部品化を効率的に行うことができます。これは、AIによる業務の自動化が製薬業界での競争優位性につながる好例であり、めまぐるしく変化する市場において、顧客とのより良いコミュニケーションと迅速な対応を可能にしています。 Lilly：一次データによる患者エンゲージメントの再構築 HCPを超えて、患者もまた、生活の他の分野（小売、銀行、ストリーミングサービスなど）で受けているのと同様の、よりシームレスでパーソナライズされた体験を求めています。これらの期待に応えるには、優れた製品以上のものが必要です。製薬企業が医療の旅全体を通じて患者とどのように関わるかについての完全な再考が必要です。 Lilly は、グローバルVPの Steve Rommeney 氏が発表したように、患者の同意とプライバシーを中心に据えた 一次データエコシステム を構築することで対応しており、肥満治療ポートフォリオなどの対象治療領域で注目すべき実装を行っています。患者から直接データを責任を持って収集し活用することで、Lillyは 患者体験を再形成 し、従来のキャンペーンを超えて、アドヒアランスをサポートし、結果を改善し、信頼を構築する関連性の高い、タイムリーで意味のあるインタラクションを提供しています。 このクラウドベースのデータプラットフォームは、 Red Hat OpenShiftサービス を使用してAWS上に構築され、基盤からガバナンス、プライバシー、権限管理を組み込んでいます。アーキテクチャには、統合された同意機能、クロスドメイントラッキング、広告抑制メカニズム、クロスプラットフォーム認証など、大規模でコンプライアンスを遵守したパーソナライズされた体験を提供するために不可欠な主要な構成要素が組み込まれています。 フロントエンドでは、この統合されたデジタルプラットフォームがLilly.comと LillyDirect 全体で患者向けの体験を提供し、調査やブラウジングから、フルフィルメント、オンボーディング、継続的なサポートまでをカバーしています。バックエンドでは、中央集中型の運営とリアルタイム分析により、Lillyはチャネル全体でのエンゲージメントを合理化し、サービス提供を改善し、関連性とインパクトを継続的に最適化することができます。 Lillyのアプローチは、異なる治療領域には異なるエンゲージメントモデルが必要であることを認識しており、彼らの対象を絞ったイニシアチブは、一次データが適切に実装された場合に患者の旅をどのように変革できるかを示す実証の場として機能しています。これはデジタルアップグレード以上のもの、つまり患者エンゲージメントの戦略的な再構築です。 プレゼンテーションはこちら Salesforce：人間とAIエージェントの能力の組み合わせ コマーシャルトラックの締めくくりとして、AWSパートナーである Salesforce のライフサイエンスクラウド戦略VPの Tara Helm 氏が、 Salesforce Life Sciences Cloud が製薬企業の顧客がバリューチェーン全体にAIを組み込むのをどのように支援しているかを紹介しました。その中核にあるのは、HCPのインタラクション、処方データ、電子カルテ（EHR）などの多様なソースからのデータを統合し、患者サービス、医療業務、営業全体でリアルタイムのエンゲージメントを促進する動的でアクショナブルなプロファイルを作成する強力なデータエンジンです。重要なワークフローにAIを統合することで、このプラットフォームは患者と医療提供者のインタラクションを合理化し、コンプライアンスを簡素化し、運用の俊敏性を向上させるのに役立ちます。 このビジョンの中心にあるのは Agentforce for Life Sciences で、これは AIエージェント と人間の専門知識を組み合わせて管理業務の負担を軽減するシステムです。強力な例：営業担当者の事前コール計画です。Agentforceを使用することで、営業担当者は医療提供者との面談の準備に12-15のツールを使用する必要がなくなりました。代わりに、AIによってキュレーションされたインサイトを受け取り、価値を付加する活動と高いインパクトのあるエンゲージメントに集中できます。 SalesforceとAWSの戦略的パートナーシップは、これらのイノベーションのための強固な技術基盤を作り出しています。これには、企業の情報をAI対応にするデータ変換ソリューションや、エンタープライズグレードのガバナンスで責任あるAI使用を確保しながら、基盤モデルを安全にデプロイするためのAmazon Bedrockとの統合が含まれます。その影響は、製薬企業の顧客は、すべてを一から構築する必要なく、商業的変革のための生成AIソリューションを自信を持って責任を持ってデプロイできます。 プレゼンテーションはこちら コマーシャライゼーションの再構築—生成AI、戦略、スピードを活用して 企業を取り巻く関係者の範囲は現場のチームだけでは対応しきれないほど広がっています。また、科学的な情報が急増し、法令順守の要求も厳しさを増しています。このような状況の中で、一つのことが明確になってきました。それは、個々の相手に合わせた対応を大規模に展開することが、もはや選択肢の一つではなく、ビジネスを進める上で欠かせないものになったということです。さらに、データを活用した他社との差別化された顧客体験の提供は、単なる競争優位性を超えて、ビジネスを継続していく上での必須条件となっています。 ライフサイエンス業界をリードする企業は、営業活動の方法、コミュニケーションの取り方、価値の生み出し方を根本から見直しています。これらの企業は、この見直しを全社的な変革の原動力として捉え、データ基盤、業務運営、顧客とのやり取りの方法を同時に再検討しています。その結果、目に見える成果が表れています。新製品の市場投入が早くなり、コストが削減され、より深い洞察が得られるようになっています。さらに、医療従事者や患者との関係がより強固になるなど、データを活用した新しいアプローチが、ビジネスの様々な面で具体的な改善をもたらしています。 AWSは、お客様のビジネスの発展とスピードアップをサポートしています。AIを活用したコンテンツの自動作成、学会発表や研究論文からの重要な知見の発見、さらには規制対応の業務プロセス改革など、様々な場面でお客様の課題解決を支援します。 そのため、 世界のトップ10製薬企業のうち9社が生成AIと機械学習にAWSを使用しています。 AWS担当者に今すぐ連絡 して、組織の商業的変革を加速する方法をご相談ください。 参考資料 第7回AWS Life Sciences Symposium： 基調講演のハイライト | 基調講演のダイジェスト動画を視聴する ライフサイエンスのイノベーションをAWSのAIエージェントで加速 創薬研究セッションのハイライト – 第7回 AWS ライフサイエンス シンポジウム 臨床開発セッションのハイライト – 第7回 AWS ライフサイエンス シンポジウム 製造セッションのハイライト – 第7回 AWS ライフサイエンス シンポジウム Oiendrilla Das Oiendrilla Dasは、AWSのライフサイエンスおよびゲノミクスマーケティングのカスタマーアドボカシーリードです。ライフサイエンスマーケティングのバックグラウンドを持ち、ライフサイエンスとクラウドコンピューティングを専門としています。マーケティングのMBA学位を取得し、MBA取得前にバイオテクノロジーの工学を修了しています。 このブログは、Senior Solutions Architectの松永が翻訳しました。

本記事は自治体向け標準 20 業務システムを展開する株式会社大崎コンピュータエンヂニアリング（以下 OCE と記載）の第 1 営業統括部 第 2 公共営業部 西口大輔氏、インフラ統括部 データセンター運用部 久保田亨氏から寄稿いただいたものです。 背景 OCE では 2024 年より自治体様のガバメントクラウド導入案件におきまして、ネットワーク構築管理補助環境およびデータ連携基盤環境（以下ネットワークアカウントと記載）の設計・構築を実施しております。令和7年度より本番システムが順次稼働しガバメントクラウド運用管理補助業務が開始しますが、限られた人数で複数自治体様環境の運用管理補助業務を実施するため、業務効率化が必須となっています。そのため、運用管理補助業務の一部を補完する仕組みとして、生成 AI の導入を検討しました。 導入ツール セキュリティについては、問題を未然に防止する「予防的統制」と発生した問題を検出する「発見的統制」といった考え方があります。ガバメントクラウドでは、 AWS Security Hub 、 Amazon GuardDuty 、 AWS Control Tower 、 AWS Config などのサービスを使用し、発見的統制を実現していますが、これらの設定の多くはデジタル庁様から提供される必須適用テンプレートの適用により、実装がされます。これら設定されたセキュリティ関連のアラートや操作ログに関連する運用効率化のため「アラート要約機能」「ログ要約機能」といった生成 AI を活用した2つのツールの開発を行いました。 アラート要約機能 ガバメントクラウド環境において、必須適用テンプレートで設定されるアラートの要約機能を提供します。必須適用テンプレートで設定されるアラートをメールで受信する際、整形処理等が含まれていないため、運用管理補助者が即座に内容を把握することが困難です。アラート要約機能は Amazon Bedrock を使用することによりこれらのアラートを要約、整形、さらに対応手順を追加した上でアラートを送付する機能を提供します。 アラート要約機能導入前は CloudWatch Alarm や Amazon EventBridge から Amazon SNS 経由で各種セキュリティ関連アラートがメール通知されます。（下図点線箇所）。アラート要約機能導入後は AWS Lambda 、 Amazon Bedrock を使用してアラート要約後、 Amazon SNS 経由でメール通知を行う流れとなります。（下図オレンジ線箇所） Amazon Bedrock はガバメントクラウド外の事業者側アカウントに準備を行い、ガバメントクラウド上のアカウントからクロスアカウントアクセスで通信するような構成になります。 ログ要約機能 ガバメントクラウド環境において、必須適用テンプレートで設定されるログの要約機能を提供します。必須適用テンプレートの適用により、AWS アカウント内の操作ログが取得されますが大量のログから特定の操作を抽出することは AWS に精通したエンジニアでなければ困難です。ログ要約機能は Amazon Bedrock を使用することにより該当期間内のログ要約後、確認すべきログを抽出しメール送付を行います。 CloudWatch ダッシュボードに Lambda 関数を CloudWatch ダッシュボードのウィジット として追加することでユーザインタフェースを提供します。ここから対象期間やキーワードを入力することで、CloudWatch Logs 上の AWS CloudTrail ログを取得後、Amazon Bedrock を使用してログを要約して要約結果を出力する仕組みとなります。CloudWatch ダッシュボードのウィジットへの結果出力と同時に、要約結果は Amazon S3 バケットに保存、署名付き URL を発行後、 Amazon SNS を使用して運用管理補助者にメール通知を行います。ログ要約結果とあわせて、実際のログ確認用の CloudWatch Logs Insights のクエリも発行されるため、運用管理補助者は要約結果に加え、実際の AWS CloudTrail のログを確認することが可能です。 ガバメントクラウド外の⽣成 AI を利用する方法 ガバメントクラウド環境から事業者が用意した AWS アカウントの Amazon Bedrock を利用する構成となっています。 自治体様・デジタル庁様・AWS 様と協議を実施し上記の構成としました。 PoC 評価手法 事前に運用に関する評価指標の定義を行い PoC 実施前、実施中の値を比較することにより生成 AI ツール導入による運用管理補助業務の効率化度合いの測定を行いました。 弊社では下記 2 つのグループでガバメントクラウドの運用管理補助業務を行っております。 監視 Gr：インシデント受付、記録、エスカレーションを担当 運用 Gr：インシデント調査・対応を担当 現状、監視 Gr は判断を行わず、全てのインシデントを運用 Gr にエスカレーションするフローとなっていましたが、PoC 実施中は監視 Gr でアラート判断のフローを追加しました。 生成 AI ツール導入による効果測定の指標としては「監視 Gr での一時対応率」「運用 Gr での確認・判断時間の短縮」を定義しました。 PoC実施前、実施時の各評価指標の測定結果は下記になります。 指標 PoC 実施前 PoC 実施中 監視Gr：一時対応率 0 % 84.6 % 運用Gr：判断時間/件 27.5 分 8.3 分 監視 Gr ではアラート要約機能と過去のインシデント履歴の活用により、ほとんどのアラート内容を判断することが可能となりました。監視 Gr での一時対応率は 84.6 % となり生成 AI ツール導入により、監視 Gr の対応可能範囲が拡大しました。 また、運用Grでは１件当たりの判断時間が 8.3 分となり、実施前と比較すると 19 分程度の短縮となりました。認証関連や変更に関するアラートが発生した際は、これまで複数人でログの確認を実施しておりました。アラート活用機能に加えログ要約ツールの活用により、内容把握から他者への情報共有までスムーズに行うことが可能となり、判断時間の短縮に繋がりました。 工夫した点 ログ要約において、 CloudWatchダッシュボードのウィジット を使用してユーザインタフェースを実装した点です。このアーキテクチャは AWS のマネジメントコンソール内のみで完結可能な仕組みとなっております。これにより、ガバメントクラウドのように、運用管理端末からインターネットへの通信にドメインフィルタリングなどの制約がある場合や、運用管理端末にチャットアプリなどのアプリケーションを入れることができない場合でも、ツールを利用することが可能になります。 Why AWS ？ OCEでは既に複数の自治体様のガバメントクラウド環境をAWSで構築中の段階です。 Amazon Bedrock を含む AWS サービスは ISMAP などの政府認証を取得しており (注釈1) 、ガバメントクラウドの AWS 環境からシームレスに利用できるため、自治体様にも安心してサービスを提供することができます。そのため、利用する生成 AI のサービスとしては Amazon Bedrock が最適だと考えました。 今後の展望について 生成 AI ツールの活用により、運用管理補助業務の大きな効率化に繋がりました。本 PoC は一つの自治体様環境で実施しましたが、今後の運用フェーズでは複数自治体様環境の運用管理補助業務を行います。本番運用開始後も生成 AI ツール導入によりさらなる効果が期待出来ると考えております。 注釈1: AWSの「政府情報システムのためのセキュリティ評価制度（ISMAP）」登録が更新されました。(2024年度） | Amazon Web Services ブログ 著者について 写真左: 久保田様　写真右: 西口様 西口 大輔 1999年4月に入社以来、公共部門に在籍し、地方自治体営業を担当。 業務システムからインフラの導入提案まで幅広く経験し、2014年頃からは、インフラ関連を中心に取り組み自治体情報セキュリティ強靭化などの案件を担当。現在は第2公共営業部のリーダーとしてインフラビジネスを推進。 久保田 亨 以前はオンプレミス環境におけるインフラエンジニアとして勤務しておりましたが、現在は主にクラウド関連業務に従事しております。自治体標準化の分野では、ガバメントクラウドにおけるネットワークアカウントや共通基盤の設計・構築を担当しております。

こんにちは。ソリューションアーキテクト（以下 SA）の辻です。 現在注目されているAI Agentの可能性をご認識いただき参加者の皆様で一緒にユースケースのアイディア出しを行うことを目的に、2025年5月29日に「九州ローカルミーティング AI Agent ワークショップ」と題したイベントを開催しました。本 Blog ではイベントの概要の紹介と、イベント内で登壇者が発表に使用した資料を公開いたします。 本イベントは、SA 中島佑樹による座学「AI Agent を始める前のチェックリスト」をご提供した後、お客様5名1チームに分かれていただき「AI Agent ワークショップ」を実施しました。 本イベントには13社25名のお客様にご参加いただきました。2時間半にわたるイベントで、すべてのお客様が自社の課題を解決するための AI Agent を利用したユースケースを発掘し、持ち帰っていただく結果となっています。以下に公開する資料を用いて、ぜひ本Blogをお読みの皆様も AI Agent のユースケースを発掘して下さい！ セッションの紹介 AI Agent を始める前のチェックリスト 資料： https://speakerdeck.com/icoxfog417/how-to-start-ai-agent-project-on-aws AI Agent をこよなく愛する SA 中島佑樹より「AI Agent を始める前のチェックリスト」と題して、AI エージェント登場の背景と昨今の動向や、AWS 上での事例も交えて持続的に AI エージェント活用を進める方法論についてご紹介しました。また当日は Starands Agents を用いて Amazon DynamoDB からデータを取得するための Model Context Protocol (MCP) サーバーと連携して、Streamlit で構成されたアプリケーションからチャットで商品情報を取得するデモも実施しました。こちらのアプリケーションは Bedrock Engineer を用いて実装したとのことで、お客様から非常に良い反応をいただいておりました。 AI Agent ワークショップ 現状の課題を仮設しながら生成 AI と連携するツールやデータを描くことで生成 AI 活用のアイデアをお持ち帰りいただくことを目的に、AI Agent ワークショップを提供しました。 まずは参加者の皆様に、AI エージェントと連携するデータ・ツールを洗い出し、エージェントに期待する動作フローを図に書いていただく練習問題に取り組んでいただきました。 AI エージェントの実装になぜフロー図の記載が必要なのか？と疑問を持たれた方もいらっしゃるかもしれません。しかし、AI エージェントであっても人間が想定できない動作は実現することはできないと考えた方がよいため、期待する動作フローを考えることは AI エージェントを利用して課題を解決させるために非常に重要と言えます。 練習問題の解答例は上記となります。 次に、以下の白紙の記入シートを使って、お客様に個人ワークとしてお客様の課題に合わせ AI エージェントの活用を考えていただきました。 こちらの記入シートは Miro にてテンプレートを提供 しておりますので、ぜひ皆様もご利用ください。 時間は 30 分と短い間でしたが、すべての参加者の方が記入シートにに内容を書き切ることができていました。個人ワークが終了した後は5名1チームとなりそれぞれご自身で考案した AI エージェントのアイデアをチーム内で共有して頂きました。チーム内でのディスカッションも活発に行われ、ユニークで具体的なアイディアが多数発表されていました。 まとめ 本イベントでは、AI Agent にフォーカスし、自社の課題を解決するための AI Agent を利用したユースケースを発掘していただくことを目的にワークショップを提供しました。 AWS では AI Agent を実現するにあたり、今回のような企画段階のご支援を含めさまざまなサービスをご用意しています。以下に筆者がおすすめのリソースリンクを貼り付けておきますので、ぜひご参照いただければと思います。 Amazon Bedrock Agents Amazon Bedrock Agents 自律型 AI の実現に向けて: 検討編 Amazon Bedrock Agents 自律型 AI の実現に向けて: 動作理解編 Amazon Bedrock Agents 自律型 AI の実現に向けて: 開発・運用編 Amazon Q Developer より豊かなコンテキストのための Model Context Protocol (MCP) による Amazon Q Developer CLI の拡張 生成 AI で生成 AI アプリケーションを生成しよう！ Strands Agents Strands Agents – オープンソース AI エージェント SDK の紹介 アマゾン ウェブ サービス ジャパン 合同会社 ソリューションアーキテクト 辻 浩季

この記事は Automating AI-assisted container deployments with the Amazon ECS MCP Server (記事公開日 : 2025 年 5 月 29 日) の翻訳です。 導入 アプリケーションのコンテナ化は、モダンなクラウドデプロイメントの標準として、一貫した環境と効率的な依存関係管理、シームレスなスケーリングを提供します。しかし、コンテナ化とデプロイメントのプロセスは依然として手動で時間がかかります。多くの場合、開発者は Dockerfile の作成やネットワークの設定、コンピューティングリソースの割り当て、デプロイメントパイプラインの管理を行う必要があります。これにより、経験豊富な開発者でさえ、 Amazon Q Developer などの人工知能 (AI) アシスタントを用いて効率化できるはずの繰り返しのタスクに時間を取られています。 この課題を解決するために、AWS は Amazon Elastic Container Service (Amazon ECS) アプリケーション構築のための Model Context Protocol (MCP) サーバーを発表しました。これは AWS MCP Servers の新たな一員として、AI 支援開発と本番環境に対応した Amazon ECS デプロイメントベストプラクティスの間のギャップを解消します。 Amazon ECS MCP Server を使用することで、Amazon Q Developer などの AI アシスタントは AWS Fargate と Application Load Balancer (ALB) を活用しながら、アプリケーションを自動的にコンテナ化して、Amazon ECS へのデプロイメントを管理できるようになります。この記事では Amazon Q Developer に焦点を当てていますが、この MCP サーバーは MCP プロトコルをサポートするあらゆる AI エージェントやクライアントと連携するように設計されています。 これは Amazon ECS MCP Server の最初のバージョンであり、その歩みを始めたばかりです。時間をかけて、より多くのベストプラクティスとより幅広い機能で、その能力を拡張していく予定です。 概要 Amazon ECS MCP Server は、AWS でコンテナアプリケーションを管理するための堅牢なツールキットを提供します。その機能は、開発、デプロイメント、運用、トラブルシューティング、廃止まで、アプリケーションライフサイクル全体をカバーする以下のカテゴリを中心に構築されています。最初のバージョンの Amazon ECS MCP Server では、アプリケーションの分析やコンテナ化、クラウドデプロイメント、モニタリング、メンテナンスを支援するいくつかの ツール (MCP サーバーの構成要素) を提供します。 開発ツール は、アプリケーションコードを分析して言語やフレームワークを検出し、適切なベースイメージと依存関係を持つ最適化された Dockerfile を作成するためのガイダンスを提供します。これには、効率的なコンテナ化のためのマルチステージビルドやレイヤー最適化が含まれます。 デプロイメントツール は、 AWS CloudFormation を使用して Amazon ECS 環境をプロビジョニングします。これらのツールはリソースの依存関係を処理し、最小権限の AWS Identity and Access Management (AWS IAM) ポリシーを設定し、 AWS Software Development Kit (AWS SDK) を用いてポーリングすることでデプロイメントを監視します。 トラブルシューティングツール には、Amazon ECS の各コンポーネント向けの特別なアナライザーが含まれています。これらのツールは、ログパターン認識、イベントストリーム分析、障害パターン検出、およびガイド付き診断のための決定木エンジンといった機能を持ちます。 運用ツール は、クラスター、サービス、タスク、タスク定義などの Amazon ECS リソースを一覧表示および記述するための読み取り専用インターフェースを提供します。これらは自然言語によるフィルタリングオプションをサポートし、Amazon ECS インフラストラクチャに関する詳細な情報を提供します。 廃止ツール は、依存関係を考慮した削除の順序付けと削除前の検証を実施します。これらのツールは、命名パターンに基づいてスタックを識別し、リソースを包括的に追跡し、コンポーネントの削除漏れを防止します。 この MCP サーバーのアーキテクチャは、セキュリティと運用のベストプラクティスを維持しながら、デプロイメントとトラブルシューティングの手間を最小化するように設計されています。AWS SDK を通じて AWS サービスと直接連携し、インフラストラクチャのプロビジョニングに AWS CloudFormation を使用することで、異なる環境間で一貫性のある再現可能なデプロイメントを実現します。 Amazon ECS MCP Server で利用可能なツール Amazon ECS MCP Server には、コンテナアプリケーションの開発と運用をサポートするための以下のツールが含まれます。 ツール名 タイプ 用途 containerize_app 開発 Dockerfile 作成のガイダンスを提供 create_ecs_infrastructure デプロイメント AWS CloudFormation を使用して Amazon ECS インフラストラクチャをプロビジョニング get_deployment_status デプロイメント デプロイメントステータスを監視 ecs_resource_management 運用 リソースインベントリを管理 ecs_troubleshooting_tool トラブルシューティング Amazon ECS サービスおよびタスクに関する問題を診断 delete_ecs_infrastructure 廃止 リソースのクリーンアップを支援 ウォークスルー Amazon Q Developer では、 mcp.json ファイルを使用して MCP サーバーを設定します。このファイルは、グローバルで使用するためにホームディレクトリ ( ~/.aws/amazonq/mcp.json ) に保存するか、チーム全体で共有するためにワークスペースのルート ( .amazonq/mcp.json ) に保存することができます。Amazon Q Developer における MCP サーバーの詳細な設定手順については、 このブログ記事 を参照してください。Amazon ECS MCP Server の設定例は こちら から確認できます。 設定が完了したら、ターミナルで q chat コマンドを実行して Amazon Q Developer CLI の新しいセッションを開始しましょう。以下のように /tools コマンドを実行することで、利用可能なツールの一覧を確認できます。 図 1. Amazon Q Developer CLI で利用可能なツールを表示する例 AI の支援によって、Amazon ECS リソースの管理は自然言語で質問するだけのシンプルなものとなります。“How do I deploy my app to AWS?” (このディレクトリにあるアプリを AWS にデプロイしてください) と尋ねると、Amazon Q Developer はそれをデプロイメントリクエストとして解釈します。Amazon ECS MCP Server の分析機能を呼び出し、一連のツールを実行してアプリケーションをコンテナ化し、Amazon ECS にデプロイします。次のセクションでは、関連するツールと、これらのツールがコンテナワークロードのライフサイクル全体をどのように効率化するかを確認します。 (訳註: 実際にAWS 上にリソースを作成したい場合は、MCP サーバーの環境変数 ALLOW_WRITE を true に設定する必要があります。また、Amazon Q Developer から情報を求められた場合は、対話形式で追加の指示を入力することができます。) 開発およびデプロイメントツール containerize_app ツールは、アプリケーションのソースコードをスキャンしながら、“Analyzing application structure…” (アプリケーションの構造を分析中…) や “Creating Docker file…” (Dockerfile を作成中…) といったメッセージで進捗状況を通知します。また、ローカルでアプリケーションを開発およびデバッグするのに役立つ Docker Compose ファイル も作成します。“What runtime version was detected?” (検出されたランタイムバージョンは何ですか？) や “Show me the planned container configuration” (計画しているコンテナの設定を表示して) といったフォローアップの質問を投げかけることもできます。 図 2. Amazon Q Developer がツールを使用してアプリケーションをコンテナ化する様子 その後、Amazon Q Developer は create_ecs_infrastructure ツールを呼び出し、コンテナ化されたアプリケーションを Amazon ECS に自動的にデプロイします。このツールは、 Amazon Virtual Private Cloud (Amazon VPC)、サブネット、セキュリティグループ、IAM ロールおよびポリシーなどの必要な AWS インフラストラクチャをプロビジョニングします。さらに、ECS クラスターやタスク定義、サービス、ALB をセットアップし、外部からのトラフィックを受信できるようにします。すべてのリソースは CloudFormation テンプレートを使用して作成されます。また、Amazon Q Developer に対するプロンプトでパラメータを指定することで、デプロイメントをカスタマイズできます。例えば、VPC とサブネットの設定、CPU とメモリの割り当て、タスク数、オートスケーリングオプション、コンテナポート、環境変数、ヘルスチェックパスなどを指定することができます。 図 3. Amazon Q Developer がツールを使用して Amazon ECS インフラストラクチャを作成・デプロイする様子 また、“How’s my deployment going?” (デプロイメントの進行状況を教えて) のようなプロンプトを入力することで、デプロイメントの進行状況を追跡できます。裏側では、Amazon Q Developer が get_deployment_status ツールを呼び出して、Amazon ECS におけるデプロイメントをリアルタイムで監視します。デプロイメントが完了すると、Amazon Q Developer は基本的なヘルスメトリクスとともにアプリケーション URL を表示します。アップデートの際は、“Update my React app” (React アプリケーションをアップデートして) などの指示や “How is my application performing?” (アプリケーションの動作状況はどうですか？) などの質問を使用できます。Amazon Q Developer の自然言語インターフェースと Amazon ECS MCP Server を用いた自動化によって、Amazon ECS におけるデプロイメントの管理は、専門の DevOps エンジニアとチャットするのと同じくらい直感的になります。 以下のシーケンス図は、これらのコンポーネントがどのように相互作用するかを示しています。 図 4. Amazon ECS インフラストラクチャのコンテナ化、デプロイメント、クリーンアップの流れ トラブルシューティングツール Amazon ECS 環境での問題の調査と解決を支援するために、Amazon ECS MCP Server には統合的な診断ツール ecs_troubleshooting_tool が含まれています。このツールは、インフラストラクチャのプロビジョニングからアプリケーションの動作まで、Amazon ECS インフラストラクチャの様々なレイヤーに可視性をもたらすいくつかのアクションを提供します。このツールでできることは以下の通りです。 トラブルシューティングのためのガイダンスの取得 : まずは大まかなレベルの評価から始めます。このアクションは Amazon ECS 環境を評価し、デプロイメントの状態に基づいてトラブルシューティングのためのガイド付きの計画を提案します。 CloudFormation スタックの分析 : CloudFormation スタックの失敗したリソースやエラーメッセージを確認し、インフラストラクチャレベルの問題を詳しく調査します。 サービスイベントの調査 : Amazon ECS サービスイベントを確認して、アプリケーションに影響を与えるサービスレベルの設定ミスや障害を特定します。 タスクの失敗の診断 : リソースの制約やアプリケーションエラーなど、失敗したタスクのパターンを特定し、信頼性とパフォーマンスを向上させます。 運用ツール Amazon ECS 環境の調査と理解を支援するため、Amazon ECS MCP Server には読み取り専用ツール ecs_resource_management が含まれています。このツールは Amazon ECS インフラストラクチャの一元的なビューを提供し、カスタムスクリプトを作成したり AWS マネジメントコンソール にログインしたりすることなく、自然言語クエリを使用してリソースの構成を探索できるよう支援します。このツールでは、以下のことを実現できます。 Amazon ECS リソースの一覧表示 : ECS クラスター、サービス、タスク、タスク定義、コンテナインスタンス、キャパシティプロバイダーに関する情報を素早く取得します。 設定の詳細表示 : 起動タイプや希望するタスク数、サービスディスカバリーの設定、タスク定義など、Amazon ECS リソースの詳細なメタデータを取得します。 自然言語フィルターの使用 : “What services are running in cluster X?” (クラスター X で実行中のサービスは何ですか？) や “Show me tasks using container image Y” (コンテナイメージ Y を使用しているタスクを表示して) などの質問をすると、ツールがその内容を解釈して関連する結果を返します。 運用の可視性向上 : Amazon ECS リソース間の依存関係を理解し、インフラストラクチャが期待される構成になっていることを確認できます。 廃止ツール 環境をクリーンアップする準備ができたら、“Tear down my ECS stack.” (ECS スタックを削除して) と尋ねることができます。Amazon Q Developer は delete_ecs_infrastructure ツールを呼び出し、MCP を用いたワークフローを通じてプロビジョニングされたすべてのリソースを安全に削除します。依存関係が正しく処理され、コンポーネントの削除忘れがないようにすることで、廃止作業をクリーンで予測可能、かつリスクの低いものにします。 以上です！これで Amazon ECS アプリケーションの開発と運用のためのエンドツーエンドのサポートが整いました。これらのツールは、Amazon Q Developer および MCP プロトコルをサポートするすべての AI アシスタントと互換性があります。アプリケーションのコンテナ化やデプロイメントから、モニタリングとトラブルシューティングに至るまで、コンテナワークロードのライフサイクル全体をサポートします。 次のステップ AI アシスタントと Amazon ECS MCP Server を組み合わせて使用することによって、Amazon ECS におけるビルド、コンテナ化、デプロイメントに大きな変化がもたらされます。テンプレートのような設定を使用するのではなく、自然言語を使用して、コードの分析からインフラストラクチャのプロビジョニングまで、ワークフロー全体を効率化することができます。 私たちは今後も継続して機能を拡張し、既存のツールを改良していきます。機能の追加リクエストがある場合には、 AWS Containers Roadmap リポジトリ や AWS MCP Servers リポジトリ に Issue をお寄せください。 また、私たちはコンテナ管理におけるユーザーの多様なニーズをサポートするために、 Finch MCP Server を開発しました。 Finch は、コンテナをローカルでビルド、実行、管理するために設計されたオープンソースのクライアントサイドコンテナ開発ツールです。Finch MCP Server は、コンテナ操作に安全で一貫したインターフェースをもたらし、幅広いユーザー要件を満たす柔軟でエンタープライズ対応のソリューションに対する私たちのコミットメントを反映しています。 ここで紹介したツールは、ユーザーが開発に集中できるように設計されています。新しいプロジェクトを立ち上げる場合でも、既存のアプリケーションをコンテナに移行する場合でも、お使いの AI コーディングアシスタントと共に、そのプロセスをより速く、より楽なものにしてくれるでしょう。 まずは、ぜひ試してみてください！ 新しい Amazon Q Developer セッションを開始し、プロジェクトに接続して、“deploy my-app to Amazon ECS” (このアプリを Amazon ECS にデプロイしてください) といった指示を投げかけてみましょう。数分で、本番環境に対応したコンテナをデプロイできることを体験してみてください。 より詳しく学びたい場合は、 Amazon Q Developer ドキュメント を参照し、 Amazon ECS 開発者ガイド をご覧ください。

本ブログは 2025 年 6 月 2 日に公開された Blog “ A deep dive into data protection sessions at AWS re:Inforce 2025 ” を翻訳したものです。 カンファレンスパス全体の料金は $1,099 です。 今すぐ登録 して、コード flashsale150 を使用すると、数量限定で $150 の割引を受けられます。 訳注) 日本からご参加いただくお客様が利用できるカンファレンスパスのディスカウントコードをご用意しました。 コード JAPbHNlXWaI2 を利用することで 500 USD の割引 を受けることができます。数に限りがございますので、お早めにご登録ください！ Amazon Web Services (AWS) では、セキュリティが最優先事項です。AWS は、6 月 16 日から 18 日に開催される AWS re:Inforce 2025 での データ保護トラック をここで紹介できることをうれしく思います。このトラックでは、お客様が量子コンピューティング、AI、デジタル主権の時代にデータを保護しながら、AWS を活用して革新的な取り組みを生み出していく方法を探ります。今年のセッションでは、次世代の暗号技術、信頼できる AI、プライバシー強化技術、およびデータライフサイクル全体にわたる情報保護のための新たなベストプラクティスに関する革新的なアプローチに焦点を当てます。 データ保護トラックでは、AWS を初めて使用する方でも経験豊富なセキュリティプロフェッショナルでも、あらゆる規模の組織に対する洞察と実践的なガイダンスを提供します。規制コンプライアンス、国境を越えたデータ転送、マルチクラウド環境でのデータ保護など、今日の最も差し迫った課題に対応するセッションを慎重に選定しました。大規模な暗号化とデータ分類の実装に関するハンズオンワークショップから、最新の AWS データ保護サービスに関する詳細な技術セッションまで、堅牢なデータ保護戦略の構築と維持に役立つコンテンツをご用意しています。 このブログでは、実際のお客様のユースケースを含む講義形式のプレゼンテーションと、AWS の専門家が現場で直面する具体的な課題とその解決策をガイドするインタラクティブな少人数グループセッションを紹介します。今年のカンファレンスで期待できることを見ていきましょう。 データアクセスと管理 DAP471 | ワークショップ | Defend against ransomware with data defense, recovery, and response (データ防御、リカバリ、対応によるランサムウェア対策) ランサムウェアやマルウェアはビジネスアプリケーションを混乱させる可能性があります。このエキスパートレベルのワークショップでは、 AWS Backup のロックメカニズム、論理エアギャップボールト、復元テストを適用して、サイバーリカバリ体制を強化する方法を学びます。エアギャップ化された不変のボールトと自動化された復旧ポイントテストを実際に構成して、企業の目標を達成する経験を積みます。これらの機能を組み合わせて、進化するサイバー脅威に耐えうる包括的なリカバリ重視のデータ保護戦略を構築する方法を探ります。参加するにはラップトップを持参する必要があります。 暗号とポスト量子 DAP472 | ワークショップ | Examining hybrid post-quantum TLS key exchanges (ハイブリッドポスト量子 TLS 鍵交換の検証) このワークショップでは、ポスト量子暗号の実践的な探求を提供し、従来のアルゴリズムとのパフォーマンス比較と AWS サービスを使用した実世界での実装を示します。 AWS Key Management Service (AWS KMS) と AWS SDK for Java v2 を使用して量子安全なトンネルを確立し、安全なデータ転送のためのハイブリッドポスト量子 TLS を実装する方法を学びます。このセッションでは、ポスト量子鍵交換アルゴリズムの CPU およびバンド幅のパフォーマンスメトリクス、TLS ハンドシェイクプロトコルの変更、 AWS Transfer Family との統合など、重要な側面をカバーします。ハンズオンデモンストレーションでは、ハイブリッド古典/量子耐性アプローチを通じて、現在および将来の量子コンピューティングの脅威から機密通信を保護する方法を説明します。参加するにはラップトップを持参する必要があります。 DAP452 | ビルダーズセッション | Cryptographic controls with AWS CloudHSM (AWS CloudHSM による暗号制御) AWS CloudHSM を使用した強力な暗号制御の実装を実践的に体験します。Nginx での TLS オフロード、Windows コード署名の統合、カスタムキーストアの作成方法を学びます。FIPS 140-3 レベル 3 ハードウェアセキュリティモジュール (HSM) 内での暗号鍵の使用状況のモニタリングを、最新の高性能 hsm2m.medium HSM タイプを使用して探索します。このセッションでは、これらの進歩がセキュリティポスチャの強化、厳格なコンプライアンス要件の達成、運用管理の簡素化、アプリケーションが要求するパフォーマンスを維持しながら、成長するワークロードをサポートするための暗号操作のスケーリングにどのように役立つかを示します。参加するにはラップトップを持参する必要があります。 データ移行とモダナイゼーション DAP302 | ブレイクアウトセッション | Fannie Mae’s practical path to modern PKI and certificate management (Fannie Mae の実践的な最新 PKI と証明書管理への道のり) Fannie Mae のパブリックキーインフラストラクチャ (PKI) をレガシーシステムから AWS 上のクラウドネイティブソリューションへの変革を探ります。このセッションでは、分散型トラストストアの更新やアプリケーションチームからの賛同の確保などの課題に対処するフェーズド移行戦略について詳しく説明します。Fannie Mae がレガシー依存関係やコンプライアンス要件などの移行の障害をどのように克服し、セキュリティを維持しながら証明書関連のオーバーヘッドを削減して 100% の採用を達成したかを学びます。クラウドでのエンタープライズ規模の証明書管理のためのコスト最適化、リスク軽減、アーキテクチャのベストプラクティスについての洞察を得ましょう。このプレゼンテーションでは、同様の PKI モダナイゼーションの取り組みを行う組織のための実行可能な戦略を提供します。最後に、クラウドでのエンタープライズ規模の証明書管理における最新情報を共有します。 DAP322 | ライトニングトーク | How Monzo Bank protects critical workloads using AWS Nitro Enclaves (Monzo Bank が AWS Nitro Enclaves を使用して重要なワークロードを保護する方法) Monzo Bank は、コードの整合性、システム強化、限定されたアタックサーフェスに関して高レベルの保証を必要とするセキュリティ重要なアプリケーションをデプロイしています。彼らは、再現可能なビルドと AWS Nitro Enclaves が提供する暗号化アテステーションと分離されたコンピューティング環境を使用してこれを達成しました。このトークでは、このアプローチを使用した本番ワークロードの構築とデプロイで彼らが克服した課題と、その過程で学んだことを説明します。 AI のためのデータ保護 DAP201 | ブレイクアウトセッション | Veradigm’s security-first approach to amplifying potential with GenAI (Veradigm のセキュリティ重視アプローチによる生成 AI の可能性の拡大) 組織はどのようにして厳格なデータセキュリティ基準を責任を持って維持しながら、チームに生成 AI 機能を提供できるでしょうか？ Veradigm は当初、データプライバシー、セキュリティ、規制コンプライアンスの懸念から生成 AI の採用をためらっていました。Veradigm の社内 AI ソリューション主任開発者と共に、 Amazon Bedrock を使用してコンプライアンスに準拠した生成 AI アシスタントを構築・展開するための実用的なセキュリティ対策をどのように実装し、チームの能力を強化しながらセキュリティポスチャを強化したかを発見してください。厳しく規制された環境で働く従業員向けに AI を成功裏に実装するための重要なセキュリティコントロール、アーキテクチャの決定、貴重な教訓について学びましょう。 DAP332 | チョークトーク | Executive perspective: Risk management for generative AI workloads (エグゼクティブの視点：生成 AI ワークロードのリスク管理) 責任ある AI の認識された複雑さに惑わされず、AWS で生成 AI アプリケーションをデプロイしましょう。このチョークトークでは、AI の安全性とセキュリティリスクを分解するためのフレームワークを紹介し、ゼロトラスト原則を使用して生成 AI アプリケーションで企業データを安全に保つための AWS のベストプラクティスを紹介し、 Amazon Bedrock Guardrails などのテクノロジーを使用して安全性リスクを軽減します。他のセキュリティリーダーと共に、ワークロードに関連する安全性とセキュリティリスクを特定し、適切な緩和戦略を実装し、時間の経過とともに効果を測定する方法を発見しましょう。 DAP371 | ワークショップ | Defend your AI: Mitigate prompt injection with Amazon Bedrock (AI を守る：Amazon Bedrock でプロンプトインジェクションを緩和する) このハンズオンワークショップを通じて、生成 AI システムにおけるプロンプトインジェクションの脆弱性を特定し緩和する技術を習得しましょう。Amazon Bedrock を使用して、本番環境における大規模言語モデルのセキュリティへの影響を理解するために、攻撃的および防御的なプロンプトエンジニアリング技術の両方を探ります。このセッションでは、プロンプトインジェクション攻撃の仕組みを学び、シミュレートされた AI 環境を悪用しようとする対話型の キャプチャ・ザ・フラッグ スタイルのチャレンジを完了し、Amazon Bedrock Guardrails を使用して防御コントロールを実装する方法を学びます。参加するにはラップトップを持参する必要があります。 スケールでのデータ保護とコンプライアンス DAP331-R | チョークトーク | Architecting a secrets management strategy that scales (スケールするシークレット管理戦略の設計) クラウドネイティブ環境におけるエンタープライズシークレット管理のアーキテクチャパターンを深く掘り下げます。このセッションでは、集中型と分散型のシークレット管理の実装の複雑さを分析し、これらのパターン間のトレードオフについて議論します。これには開発者の速度、セキュリティ、運用オーバーヘッドへの影響が含まれます。AWS サービスを使用して、開発者とセキュリティチームのニーズのバランスを取る柔軟なシークレット管理戦略を実装し、シークレットのライフサイクルを管理する方法を学びます。また、選択したアーキテクチャに関係なく、集中型のコンプライアンスと監査のためのベストプラクティスもカバーします。 DAP202 | ブレイクアウトセッション | Navigating sovereignty requirements: Architectures and solutions on AWS (主権要件のナビゲーション：AWS 上のアーキテクチャとソリューション) 進化するデータ保護規制とデジタル主権要件により、組織はクラウド機能を使用する際にますます複雑なコンプライアンス要件に直面しています。このブレイクアウトセッションでは、ヨーロッパおよびグローバルな規制フレームワークに焦点を当てて、AWS で主権要件を満たすための実用的なアーキテクチャアプローチを探ります。データレジデンシー制御、運用の透明性、ソブリンワークロードの分離を可能にする主要なアーキテクチャパターンを検討します。このセッションでは、ソブリン設計のベストプラクティスを含む AWS Sovereignty Pledge と、今後の AWS European Sovereign Cloud についても取り上げます。 まとめ セキュリティ対策をモダナイズしようとするセキュリティアーキテクトであれ、より速いビジネス成長を促進するために組織のセキュリティポスチャを向上させることを目指すセキュリティエグゼクティブであれ、re:Inforce はお客様にとって有意義なカンファレンスになるでしょう。厳選され認定された AWS スピーカーにより、価値ある洞察と現実的な戦略が提供されます。デジタル時代にチームを強化し、資産を保護し、ビジネスを前進させるために、re:Inforce にぜひご参加ください。 この記事に関する質問がある場合は、 AWS サポート にお問い合わせください。 Rahul Sahni Rahul は AWS Security のシニアプロダクトマーケティングマネージャーです。熱心な Amazonian として、Rahul は仕事と私生活の両方で会社の原則である「学び、好奇心を持つ」を体現しています。継続的な学習への情熱を持ち、新しい経験と冒険を楽しんでいます。仕事以外では、世界中の新しい料理を試すことを楽しんでいます。 本ブログは Security Solutions Architect の 中島 章博 が翻訳しました。

本ブログは 2025 年 5 月 28 日に公開された Blog “ Application security at re:Inforce 2025 ” を翻訳したものです。 カンファレンスパスの料金は 1,099 ドルです。 今すぐ登録 して、コード flashsale150 を使用すると、数量限定で 150 ドルの割引が受けられます。 訳注) 日本からご参加いただくお客様が利用できるカンファレンスパスのディスカウントコードをご用意しました。 コード JAPbHNlXWaI2 を利用することで 500 USD の割引 を受けることができます。数に限りがございますので、お早めにご登録ください！ 2025 年 6 月 16 日～18 日、フィラデルフィアで開催される AWS re:Inforce にぜひご参加ください。クラウドセキュリティ、コンプライアンス、ID、プライバシーに関するスキルと自信を高めることができます。参加者は、数百の技術的・非技術的セッション、 Amazon Web Services (AWS) の専門家と AWS セキュリティコンピテンシーパートナー が出展する展示会、業界リーダーによる基調講演にアクセスできます。AWS re:Inforce では、アプリケーションセキュリティ (AppSec) を含む主要なセキュリティ分野に包括的に焦点を当てています。 2025 年の AppSec の主要テーマ AppSec トラックでは、開発ライフサイクル全体を通じてアプリケーションを保護するためのベストプラクティスを理解し実装するのに役立ちます。2025 年は、いくつかの重要なテーマに焦点を当てています： 迅速かつセキュアにリリースするための組織戦略 セキュリティのオーナーシップ、DevSecOps などのパートナーシップ、包括的なアプリケーションセキュリティプログラム、アプリケーションセキュリティの専門知識を開発チームへの展開する方法について学びましょう。これらのセッションでは、スピードを犠牲にすることなく、組織がセキュリティを開発プロセスに組み込む方法を探り、セキュリティ責任を効果的に委譲させる実践的なアプローチに焦点を当てています。 設計段階からのセキュリティ ソフトウェアアーキテクチャと設計の初期段階にセキュリティ原則を組み込むことで、脆弱性を早期に軽減し、リスクを最小限に抑え、セキュリティをコアビジネス要件として認識します。先進的な組織がセキュリティをアドオンではなく基盤要素として実装する方法を学びましょう。 パイプラインのセキュリティ パイプラインのセキュリティには、Supply chain Levels for Software Artifacts (SLSA)、Supply Chain Integrity, Transparency, and Trust (SCITT)、コード署名を含むパイプラインを保護するためのツール、リファレンスアーキテクチャ、ベストプラクティスが含まれます。アプリケーションを構築・デプロイするシステムとプロセスを保護する方法を発見しましょう。 パイプライン内のセキュリティ パイプライン内のセキュリティは、静的解析、動的解析、責任ある AI テスト、ソフトウェアコンポジション分析、形式手法 (自動推論)、依存関係追跡などのテスト手法によって部分的に実現されます。これらのセッションでは、開発ライフサイクル全体に包括的なセキュリティテストを統合する方法を紹介します。 以下のセクションでは、今年の AppSec トラックで行われる最も興味深いセッションの一部をご紹介します。完全なリストは、 re:Inforce 2025 カタログ をご覧ください。 ブレイクアウトセッション、チョークトーク、ライトニングトーク、コードトーク APS204 | ブレイクアウトセッション | Scaling security with Sportsbet’s Security Guardians program (Sportsbet のセキュリティガーディアンプログラムによるセキュリティのスケーリング) セキュリティガーディアンプログラムは、セキュリティ専門知識を構築し埋め込むことで、アプリケーションチーム全体でセキュリティをスケールするのに役立ちます。Sportsbet のプログラムを詳しく掘り下げ、始め方、考慮すべき主要フェーズ、新しいガーディアンの最初の学習ステップについて学びます。得られた教訓、一般的な課題、長期的な成功のためにプログラムを改良する方法を発見しましょう。アプリケーションチームに早期にセキュリティを統合することで、Sportsbet は共有責任の文化を育み、開発速度を落とすことなくセキュリティポスチャを向上させています。セキュリティガーディアンプログラムを立ち上げ、発展させて組織全体に実際の影響を与えるための実践的な洞察を提供します。 APS301 | ブレイクアウトセッション | Improve code quality with Amazon Q Developer (Amazon Q Developer によるコード品質の向上) Amazon Q Developer は、コード作成だけでなく、ドキュメントの改善、ユニットテストの生成、コードレビューの自動化も可能な生成 AI アシスタントです。このセッションでは、ソフトウェアコンポジション分析 (SCA)、静的アプリケーションセキュリティテスト (SAST) などを使用してセキュリティ問題を検出するために、Amazon Q Developer をソフトウェア開発ライフサイクルに統合する方法を発見します。統合開発環境 (IDE) と DevSecOps ツール内で Amazon Q Developer の機能を使用してコードベースの品質を向上させる方法を学びましょう。 APS401 | ブレイクアウトセッション | Build verifiable apps using automated reasoning and generative AI (自動推論と生成 AI を使用した検証可能なアプリの構築) 大規模言語モデル (LLM) は創造的なソリューションの生成に優れており、自動推論ツールは厳密な検証を可能にします。このセッションでは、より信頼性の高い AI システムを作成するために、これらの相補的な強みを組み合わせる方法論を探ります。このセッションでは、自動推論を紹介し、形式手法が生成 AI をどのようにガイドし制約できるかを実演します。確率的アプローチと記号的アプローチを組み合わせることで、創造的能力を維持しながら検証可能な出力を確保するハイブリッドシステムの構築方法を示します。Amazon Q Developer と Amazon Bedrock ガードレール が自動推論を使用して、ハルシネーションのない安全で論理的に正しい出力を生成する方法をデモンストレーションします。 APS431 | チョークトーク | DevSecOps in action with Visual Studio Code &amp; AWS IAM Access Analyzer (Visual Studio Code と AWS IAM Access Analyzer による DevSecOps の実践) 組織は AWS Identity and Access Management (IAM) ポリシーを管理する際、開発者の生産性とセキュリティコンプライアンスのバランスという重要な課題に直面しています。このセッションでは、 AWS IAM Access Analyzer を Visual Studio Code と統合することで、開発者が開発中に安全な IAM ポリシーを作成できるようにする方法を発見します。過度に許容的な権限を早期に検出し、組織の標準に対して検証し、リアルタイムのフィードバックを提供する自動ポリシーチェックの実装方法を学びましょう。このプロアクティブなアプローチは、セキュリティチームが制御を維持しながら開発者に必要な自律性を与え、最終的にデプロイリスクを軽減し、貴重な開発時間を節約するのに役立ちます。 APS341 | コードトーク | Move fast and stay secure: Lessons learned from the AWS prototyping team (迅速に進みながらセキュリティを確保する: AWS プロトタイピングチームから学ぶ教訓) 生成 AI やサーバーレスなどのテクノロジーを使用してプロトタイプやアプリケーションを構築する際、迅速かつ安全に進めることが重要です。このコードトークでは、AWS プロトタイピングチームがこれらの目標をどのようにバランスよく達成しているかを学びます。ユーザーの需要に応えるため、AWS は短期間でプロトタイプを構築しながら、高いセキュリティ基準を満たしています。脅威モデリングから AWS Cloud Development Kit (AWS CDK) の機能、カスタムコンストラクト、ブループリントの活用まで、インフラストラクチャのセキュリティを強化し生産性を向上させるためのポイント、ヒント、テクニックを学びましょう。 APS441 | コードトーク | Supercharge IaC security with AI: From commit to auto-remediation (AI で IaC セキュリティを強化: コミットから自動修復まで) Git コミット署名、静的解析、生成 AI を組み合わせた自動セキュリティフィードバックループの構築について詳しく学びます。このセッションでは、ライブコーディングを通じて、Amazon Q Developer と Amazon Bedrock を使用して Infrastructure as Code (IaC) テンプレートを分析し、問題を自動的に検出・解決し、状況に応じた修正推奨事項を生成する方法を紹介します。セキュリティ検出結果のコミットベースの追跡方法、問題の自動作成方法、CI/CD パイプラインとの統合方法を学びましょう。脆弱性の検出から修復までの時間を数日から数分に短縮する完全なシステムの構築をご覧ください。 APS442 | コードトーク | Create memory safe applications using open source verification tools (オープンソース検証ツールを使用したメモリ安全なアプリケーションの作成) メモリ安全性のエラーは、さまざまな攻撃ベクトルを可能にする重大なセキュリティリスクをもたらします。AWS では、顧客データやプロセスを扱う非管理コードのメモリ安全性を優先しています。このトークでは、Rust と C コードのメモリ安全性エラーを削減するための 2 つの取り組みを紹介します。どちらの取り組みも、Rust と C コードのメモリ安全性を大規模に検証するための検証ツールの開発を含み、皆さんが利用できるものです。最初の取り組みでは、何百万人もの開発者が使用する中核的なソフトウェアリソースである Rust 標準ライブラリを検証します。2 つ目の取り組みでは、C モデルチェッカーを使用して C コードの安全性と正確性を検証します。 APS221 | ライトニングトーク | Building secure development into Amazon stores (Amazon ストアにセキュアな開発を組み込む) Amazon.com は長い間、顧客データを保護するための堅牢なセキュリティ対策への投資の最前線にいました。デジタル環境が進化するにつれて、私たちの戦略も進化しています。このセッションでは、AWS サービスを使用してソフトウェア開発ライフサイクル全体にセキュリティを統合することに焦点を当て、セキュリティプラクティスの継続的な改善の旅を探ります。Amazon.com が開発の各段階にセキュリティを組み込むために使用している最先端の方法を共有し、成功事例と学びについて議論します。開発者と顧客のニーズの変化に対応するために戦術をどのように適応させてきたか、そして顧客データ保護への取り組みをこれまで以上に強化する方法を発見するためにご参加ください。 APS222 | ライトニングトーク | Transform threat modeling using generative AI (生成 AI を活用した脅威モデリングの変革) インドの最大級のフィンテック企業の一つである CRED が、生成 AI を活用してアプリケーション全体の脅威モデリングを自動化した方法をご紹介します。CRED がセキュリティ分析をスケールし、リスク識別を改善し、意思決定を強化するために活用したアーキテクチャパターンを学びましょう。Amazon Bedrock を使用してセキュリティモデリングワークフローに AI を統合する実践的な例をご覧ください。 SEC221 | ライトニングトーク | Raising the tide: How AWS is shaping the future of secure AI for all (潮位を上げる: AWS が全ての人のためのセキュアな AI の未来を形作る方法) AI セキュリティは AWS の最優先事項です。設計段階からセキュアな AI ソリューションを構築することで、AWS は新たな脅威を軽減しながら、自信を持って迅速にイノベーションを実現できるよう支援します。しかし、AI のセキュリティ確保は個々の組織を超えた、業界全体の標準とベストプラクティスを必要とします。AWS は、AI 技術の安全性、回復力、信頼性を確保するために、Secure AI Coalition (CoSAI) などの業界標準団体への参加を含め、グローバルな AI セキュリティの取り組みに積極的に貢献しています。このセッションでは、AWS が AI セキュリティのイノベーションをリードし、顧客を保護し、業界全体の AI セキュリティの未来を形作るために協力している方法を探ります。 ワークショップとビルダーセッション APS351 | Securing generative AI agents using AWS Well-Architected Framework (AWS Well-Architected フレームワークを使用した生成 AI エージェントのセキュリティ確保) AWS Well-Architected フレームワーク生成 AI レンズ のセキュリティベストプラクティスに従って、セキュアな生成 AI エージェントソリューションを構築する方法を実践的に学びます。エンドポイントセキュリティ、プロンプトエンジニアリングガードレール、監視システム、過剰なエージェンシーからの保護の実践的な実装を通じて、本番環境に対応した生成 AI エージェントを構築します。ハンズオン演習を通じて、Amazon Bedrock、 Amazon CloudWatch 、IAM などを使用して、これらのコントロールを組み込んだセキュアな生成 AI エージェントソリューションを AWS 上に構築します。参加にはノートパソコンをご持参ください。 APS353 | Red-teaming your LLM security at scale (LLM セキュリティのスケールに応じたレッドチーム演習) GenAI レッドチームチャレンジで AI を活用したレッドチーム攻撃者の立場を体験してください。この集中ワークショップでは、AI セキュリティエージェントを展開して、プロンプトインジェクションから境界テストまで、生成 AI アプリケーションに対する高度な攻撃チェーンを体系的に発見・悪用しながら、自動化されたセキュリティテストワークフローをマスターします。さらに、プロンプトテンプレートからガードレールまでの対策の適用方法を学びます。このハンズオン形式のゲーム化された体験は、脅威アクターのように考える助けとなり、LLM ベースのアプリケーションに対する MITRE や OWASP の一般的な脆弱性に対する自動化された脆弱性テストとリスク軽減の実践的なスキルを身につけることができます。参加にはノートパソコンをご持参ください。 APS354 | Secure your application using AWS services and open source tooling (AWS サービスとオープンソースツールを使用してアプリケーションを保護する) AWS、オープンソース、およびパートナーツールが連携して、ソフトウェア開発ライフサイクルを加速します。オープンソースのアプリケーションセキュリティツールである Automated Security Helper (ASH) を使用して、さまざまなセキュリティテストツールをソフトウェアのビルドおよびデプロイフローに迅速に統合する方法を学びましょう。AWS のエキスパートが、ローカルマシンでのセキュリティテストと、サンプルの生成 AI アプリケーションを使用したシミュレーションパイプライン内でのテストプロセスをガイドします。静的解析、ソフトウェアコンポジション分析、およびインフラストラクチャ・アズ・コードテストを通じてアプリケーションの潜在的なセキュリティ問題を特定し、Amazon Q Developer を使用して結果を確認し、修復策を生成する方法を発見しましょう。参加するにはラップトップを持参する必要があります。 APS271 | Threat modeling for builders (ビルダーのための脅威モデリング) このワークショップでは、脅威モデリングの中核概念と、一連のグループ演習を通じてそれらを適用する方法を学びます。主要なトピックには、脅威モデリングのペルソナ、主要フェーズ、データフロー図、 STRIDE (なりすまし、改ざん、否認、情報漏洩、サービス拒否、および権限昇格)、およびリスク対応戦略が含まれます。 脅威文法ルール と関連ツールを紹介します。演習では、脅威モデリングのペルソナそれぞれの視点から脅威と緩和策を特定します。グループに分かれて導入事例を検討します。AWS の脅威モデリングの専門家がガイドとフィードバックを提供します。参加するにはラップトップを持参する必要があります。 APS371 | Securing your generative AI applications on AWS (AWS での生成 AI アプリケーションのセキュリティ確保) このワークショップでは、AWS サービスと機能を使用して生成 AI アプリケーションを保護する方法を発見します。脆弱性のあるサンプルの生成 AI アプリケーションをデプロイし、セキュリティコントロールを層状に適用してセキュリティ問題から保護、検出、対応する方法を探ります。組織内の生成 AI アプリケーションに同様のコントロールを適用する方法を学びましょう。参加するにはラップトップを持参する必要があります。 APS471 | Boost developer productivity with Amazon Q Developer and Amazon Bedrock (Amazon Q Developer と Amazon Bedrock で開発者の生産性を向上させる) Amazon Q Developer と Amazon Bedrock で開発を加速しイノベーションを推進しましょう。AI を活用した自動化とインテリジェントなコード支援が、摩擦を減らし、開発サイクルを短縮し、コード品質を向上させる方法を発見します。AI 駆動のコードレビュー、自動テスト、スマートなドキュメント生成などの実際のユースケースを探ります。これらのツールをワークフローにシームレスに統合して効率性を高め、コラボレーションを強化し、セキュリティとコンプライアンスを確保しながら開発者エクスペリエンスを向上させる方法を学びましょう。既存のプロセスを最適化する場合でも、初めて AI を採用する場合でも、このセッションは開発チームを強化するための実用的な洞察を提供します。参加するにはラップトップを持参する必要があります。 まとめ この投稿では、今後開催される AWS re:Inforce 2025 カンファレンスで利用可能な AppSec セッションの一部をご紹介しました。これらのトピックに興味がある方は、 AWS re:Inforce 2025 に登録 して、これらのセッションや他のセキュリティドメイントラックの多くのセッションに参加することをお勧めします。すべてのセキュリティトラックにわたるセッションの全範囲を確認するには、 AWS re:Inforce カタログ をご覧ください。 この記事に関する質問がある場合は、 AWS サポート にお問い合わせください。 Daniel Begimher Daniel はクラウドセキュリティとインシデント対応ソリューションを専門とするシニアセキュリティエンジニアです。AWS セキュリティおよびコンプライアンス技術フィールドコミュニティ内のアプリケーションセキュリティ分野を共同リードし、すべての AWS 認定資格を保有しており、オープンソースのコードスキャンツールである Automated Security Helper (ASH) の作者です。プライベートでは、ガジェット、ビデオゲーム、旅行を楽しんでいます。 Danny Cortegaca Danny はセキュリティスペシャリストソリューションアーキテクトであり、AWS セキュリティおよびコンプライアンス技術フィールドコミュニティ内のアプリケーションセキュリティ分野を共同リードしています。2021 年に AWS に入社し、世界最大の組織と提携して複雑なセキュリティおよび規制環境をナビゲートするのを支援しています。顧客とアプリケーションセキュリティについて話し合うことを楽しみ、多くの組織が脅威モデリングを実践に取り入れるのを支援してきました。 本ブログは Security Solutions Architect の 中島 章博 が翻訳しました。

本ブログは 2025 年 5 月 27 日に公開された Blog “ Navigating the threat detection and incident response track at re:Inforce 2025 ” を翻訳したものです。 カンファレンスパスの料金は 1,099 ドルです。 今すぐ登録 して、コード flashsale150 を使用すると、数量限定で 150 ドルの割引が受けられます。 訳注) 日本からご参加いただくお客様が利用できるカンファレンスパスのディスカウントコードをご用意しました。 コード JAPbHNlXWaI2 を利用することで 500 USD の割引 を受けることができます。数に限りがございますので、お早めにご登録ください！ 年次クラウドセキュリティイベント AWS re:Inforce の開催が近づいてきました！AWS はセキュリティ専門家やビルダーのみなさまを 2025 年 6 月 16 日～ 18 日にペンシルベニア州フィラデルフィアにお招きし、クラウドセキュリティについて学ぶ 3 日間の体験型プログラムにご参加いただけることをうれしく思います。AWS re:Inforce では、 Amazon Web Services (AWS) セキュリティの全体像を確認し、セキュリティサービスの運用方法を学び、クラウドセキュリティのスキルと自信を高めて組織のセキュリティポスチャを改善する機会が得られます。参加者は、データ保護、ID とアクセス管理、脅威検出とインシデント対応、ネットワークとインフラストラクチャセキュリティ、生成 AI、ガバナンス、リスク、コンプライアンス、アプリケーションセキュリティなど、複数のトピックトラックにわたる 250 以上のセッションにアクセスできます。さらに、AWS でセキュアにイノベーションを実現した経験を共有するお客様スピーカーの講演にもご期待ください。 このブログでは、お客様の実際のユースケースを紹介する講義形式のプレゼンテーションや、AWS の専門家が実践的な問題と解決策を案内する少人数グループのインタラクティブセッションなど、主要なセッションの概要を紹介します。 脅威検出とインシデント対応トラックは、ワークロードを大規模に保護するためのセキュリティリスクの検出と対応方法を実証するように設計されています。AWS の専門家とお客様は、統合クラウドセキュリティ、脅威検出、脆弱性管理、クラウドセキュリティポスチャマネジメント (CSPM)、検出から対応までの統合、脅威インテリジェンス、AWS セキュリティサービスの運用化、コンテナセキュリティ、効果的なセキュリティ調査、セキュリティ分析、インシデント対応のベストプラクティスなどの主要トピックを発表します。また、生成 AI の活用によるセキュリティ強化と生成 AI ワークロードの保護の両方についても探求します。 ブレイクアウトセッション、チョークトーク、ライトニングトーク TDR301 | ブレイクアウトセッション | Innovations in AWS detection and response for integrated security outcomes (統合セキュリティ成果のための AWS 検出と対応のイノベーション) AWS の最新の検出および対応機能がクラウド環境をより効果的に保護する方法を発見してください。強化された脅威検出、自動化された脆弱性管理、合理化された対応を通じて、すべて大規模に統合されたセキュリティ成果を達成するための実践的な方法を学びます。AWS セキュリティサービスを使用してワークロードとデータを保護し、セキュリティ監視を一元化し、セキュリティ体制を継続的に管理し、セキュリティデータを統合する方法を紹介します。また、セキュリティ運用のための生成 AI の活用方法も説明します。AWS 検出および対応サービスを統合して AWS 全体のセキュリティを強化し簡素化するための実用的な洞察を得ることができます。 TDR302 | ブレイクアウトセッション | Multi-stage threat detection using GuardDuty and MITRE (GuardDuty と MITRE を使用した多段階脅威検出) Amazon GuardDuty 拡張脅威検出と MITRE フレームワークを活用して、脅威検出機能を強化します。このセッションでは、 MITRE Corp の Shane Steiger Esq. が、AWS 環境での多段階セキュリティイベントを効果的に特定し対応する方法を実演します。検出コントロールの実装、対応手順の開発、レジリエントなクラウドアーキテクチャの構築のための実践的な戦略を学びましょう。 GuardDuty と MITRE フレームワークを統合することで、イベント検出と対応戦略を強化する方法を発見してください。 TDR303 | ブレイクアウトセッション | Building secure generative AI security tools, featuring Trellix (Trellix が紹介するセキュアな生成 AI セキュリティツールの構築) セキュリティデータを統合し、自然言語による調査を可能にする企業レベルの生成 AI セキュリティツールの構築方法を学びます。このセッションでは、データプライバシーとコンプライアンスコントロールの実装パターンを含む、セキュアな生成 AI ソリューションを開発するための実践的なアプローチを紹介します。AWS ファンデーションモデルとセキュリティオーケストレーションを組み合わせた実際のアーキテクチャを探索します。 Trellix が Amazon Bedrock モデルを使用して 95% の精度を維持しながら 23 倍のコスト削減を達成した方法をご紹介します。セキュリティチームをサポートする安全な AI アシスタントを構築するための戦略を持ち帰りましょう。 TDR304 | ブレイクアウトセッション | Scaling AWS threat intelligence to protect customers (お客様を保護するための AWS 脅威インテリジェンスのスケーリング) AWS が何百万ものお客様を保護するために前例のない規模で脅威インテリジェンスを構築・運用する方法を発見してください。このセッションでは、高度な脅威を追跡して防御する Amazon 脅威インテリジェンスと、毎秒 40 億以上のレコードを分析するセキュリティデータ処理アーキテクチャである Active Defense という 2 つの重要なセキュリティ機能について詳しく掘り下げます。これらの機能が連携して AWS セキュリティサービスを強化し、アプリケーションに自動保護を提供する方法を学びます。AWS がこのインテリジェンスを活用して、ワークロードの安全を確保するセキュリティサービスを継続的に強化する方法をご覧ください。 TDR305 | ブレイクアウトセッション | Scale Vulnerability Management Using Amazon Inspector (Amazon Inspector を使用した大規模な脆弱性管理) Lambda セキュリティを強化し、脆弱性管理を合理化したいですか？ Amazon Inspector が生成 AI を使用してコンテキスト内のコードパッチを提供し、SBOM 管理を自動化する方法を学びます。CI/CD 統合、クロスアカウントスキャン、自動修復ワークフローのための実践的なテクニックを発見してください。AWS 環境全体でセキュリティ運用を強化するための Security Hub および EventBridge との組み込み統合を探索します。 TDR306 | ブレイクアウトセッション | Enterprise Security at Scale: SAP’s AWS Blueprint (エンタープライズセキュリティのスケーリング: SAP の AWS ブループリント) SAP はどのように数千の AWS アカウントを保護しているのでしょうか？高度な脅威パターンを特定するために、 Amazon GuardDuty 保護プランと拡張脅威検出を実装するためのブループリントを学びます。 AWS Security Hub コントロールと自動修復ワークフローを大規模に標準化するためのフレームワークを発見してください。AWS Organizations 全体でエンタープライズセキュリティ運用を強化するための実践的な戦略を持ち帰りましょう。 TDR331 | チョークトーク | Ask AWS: Your ransomware questions answered (AWS に質問: ランサムウェアに関する質問に回答) このインタラクティブな Q&amp;A セッションで、ランサムウェアに関する最も重要な質問への回答を得ましょう。AWS のセキュリティ機能とベストプラクティスが、ランサムウェアの脅威の検出、対応、復旧にどのように役立つかを学びます。専門家が、早期警告サインの特定、効果的なインシデント対応の実施、ランサムウェアに対する全体的なレジリエンスの強化について実践的なガイダンスを共有します。新たなランサムウェア戦術やクラウド保護戦略に関する難しい質問をお持ちください。AWS セキュリティ機能を使用してデータと運用を保護するための実用的な洞察を得ることができます。 TDR332 | チョークトーク | Decoding AWS CIRT tactics &amp; techniques for proactive defense (AWS CIRT の戦術とテクニックを解読して積極的な防御を実現) お客様の重要なセキュリティイベントへの対応を支援する AWS Customer Incident Response Team (CIRT) の専門家から直接学びましょう。AWS 環境全体で観察された新たな脅威の戦術と手法に関する実世界の洞察を発見します。 共有責任モデル に沿った実践的な検出と緩和戦略を共有し、セキュリティ体制の強化を支援します。進化する脅威から防御する CIRT の最前線での経験から得られる実用的なベストプラクティスを持ち帰り、これらの洞察を AWS ワークロードの保護に適用する方法を学びましょう。 TDR333 | チョークトーク | Strategy for prioritization and response (優先順位付けと対応の戦略) このセッションに参加して、複数のアカウント、リージョン、リソースにわたるセキュリティ体制とリスクの管理について議論しましょう。 AWS セキュリティサービス を使用してセキュリティアラートとリスクの優先順位をつける方法に関する意思決定プロセスを探ります。優先順位付けの後、セキュリティ検出結果への対応と修復のためのフレームワークについて議論します。検出結果への対応に関する意思決定プロセス、自動修復の考慮事項、最も重要なセキュリティ検出結果への迅速かつ徹底的な対応を促進する方法について説明します。 TDR334 | チョークトーク | Strengthen Security: Making GuardDuty Protection Plans Work for You (セキュリティ強化: GuardDuty 保護プランを活用する) 環境に適した Amazon GuardDuty 保護プランを選択することで、脅威検出機能を最大化する方法を発見してください。AWS ワークロードに最も重要な保護機能を評価し、各プランがセキュリティ戦略にもたらす価値を理解する方法を学びます。実践的なシナリオを通じて、AWS アカウント全体でコスト効率の良い実装戦略を探索します。AWS ワークロードとデータの保護を強化するために Amazon GuardDuty のデプロイを最適化するための実用的な洞察を持ち帰りましょう。 TDR431 | チョークトーク | Best practices for containing AWS resources during incident response (インシデント対応中の AWS リソース隔離のベストプラクティス) セキュリティイベント発生時の AWS リソースとアカウントの隔離コントロールを実装するためのベストプラクティスを学びます。実践的なシナリオを通じて、 Amazon EC2 インスタンス、 AWS Lambda 関数、 Amazon ECS コンテナを隔離するための効果的なアプローチを発見します。ID、リソース、ネットワークコントロールを含むアカウントレベルの隔離のための包括的な戦略を探ります。このセッションでは、対応手順の一部として隔離コントロールを実装し、安全に削除するためのガイダンスを提供します。AWS インシデント対応機能を強化するための実用的なパターンを持ち帰りましょう。ビジネスの迅速化とセキュリティ成果の提供を支援するために、最新のセキュリティチームはワークフローを自動化し簡素化する機会を特定する必要があります。その方法の一つが生成 AI です。このチョークトークに参加して、Amazon GuardDuty、Amazon Inspector、AWS Security Hub からの検出結果の調査、優先順位付け、修復に生成 AI がどのように役立つかのユースケースを特定する方法を学びましょう。次に、これらのユースケースからアーキテクチャを開発し、実装し、その有効性を評価する方法を発見します。このトークでは、認知負荷を軽減し、新規で価値の高い機会への集中を高めるために、生成 AI を安全に使用するのに役立つ生成 AI とセキュリティの原則を提供します。 TDR336 | チョークトーク | Secure generative AI models and agents on AWS (AWS での生成 AI モデルとエージェントの保護) AWS 環境での生成 AI モデルと Amazon Bedrock エージェントのセキュリティコントロールを強化する方法を学びます。このセッションでは、API エンドポイントの保護とエージェントの対話の保護のための実装パターンを探ります。AI/ML ワークロードの保護コントロールの実装とデータセキュリティの維持のための実践的なアプローチを発見します。AWS サービスを使用してセキュアな生成 AI 実装を構築するための実用的な戦略を持ち帰りましょう。 TDR337 | チョークトーク | Implementing AWS security best practices: Insights &amp; strategies (AWS セキュリティのベストプラクティスの実装: 洞察と戦略) Amazon GuardDuty 、 AWS Security Hub 、 AWS WAF を含む AWS セキュリティサービスの実装を最適化する方法を学びます。AWS セキュリティの専門家が、数千のお客様のデプロイから得られた実践的な洞察と実証済みのパターンを共有します。このセッションでは、環境内でセキュリティサービスを効果的に運用するための実用的な戦略を提供します。AWS セキュリティサービスの価値を最大化するための実装のベストプラクティスとアーキテクチャアプローチを発見してください。 TDR338 | チョークトーク | Building cloud-native forensic investigation architectures on AWS (AWS でのクラウドネイティブフォレンジック調査アーキテクチャの構築) このチョークトークに参加して、AWS でのクラウドネイティブデジタルフォレンジックとインシデント対応の利点を探りましょう。安全なフォレンジック調査環境を確立するためのベストプラクティスに関するインタラクティブな議論に参加してください。フォレンジックアーティファクトを安全に収集・保存するためのアーキテクチャパターン、セキュリティを強化するためのエフェメラルリソースの活用、効果的なネットワーク、アカウント、組織設計の実装について探ります。質問やシナリオをお持ちください。 AWS サービス を使用してスケーラブルで標準化された調査プロセスを構築する方法を共同で検討します。クラウドでのフォレンジックとインシデント対応機能を強化するための実践的な戦略を持ち帰りましょう。 TDR231 | チョークトーク | Resilient security teams: Reduce burnout and boost performance (レジリエントなセキュリティチーム: バーンアウトを減らしパフォーマンスを向上させる) 高いパフォーマンスを維持しながらウェルビーイングを優先するレジリエントなセキュリティおよびインシデント対応チームを構築するための戦略を学びます。このセッションでは、定期的なチームチェックイン、データに基づいたウェルビーイングイニシアチブ、サポート的なチーム文化を実装するためのアプローチを探ります。オープンなコミュニケーションを促進し、チームのエンゲージメントを維持し、チームの貢献を認識するための実践的な方法を発見します。実際の例を通じて、チームのレジリエンスを高め、定着率を向上させ、セキュリティの卓越性を維持するための実用的な計画を立てます。高パフォーマンスのセキュリティチームを構築・維持するための戦略を持ち帰りましょう。 TDR321 | ライトニングトーク | From Incidents to Insights: Creating a Security Learning Organization (インシデントから洞察へ: セキュリティ学習組織の構築) セキュリティイベントを組織の改善に変える方法を学びます。このセッションでは、効果的なフィードバックループの構築、組織知識の保存、セキュリティ運用の持続可能な強化を実装するための実践的なアプローチを紹介します。改善の影響を測定し、継続的な学習の文化を育む AWS の戦略を発見してください。体系的な学習と適応を通じてセキュリティプログラムを強化するための実用的なフレームワークを持ち帰りましょう。 TDR322 | ライトニングトーク | How AWS uses generative AI to advance native security services (AWS がネイティブセキュリティサービスを進化させるために生成 AI を活用する方法) AWS がネイティブセキュリティサービスを強化するために生成 AI をどのように活用しているかを発見してください。このセッションでは、AWS がセキュリティポートフォリオ全体に AI 機能を実装して、脅威検出、調査、対応を改善する方法を紹介します。自動分析と自然言語セキュリティクエリを可能にする Amazon GuardDuty と Amazon Inspector での実践的な実装を探索します。AWS が生成 AI を通じてセキュリティをよりインテリジェントで効率的にする方法についての洞察を持ち帰りましょう。 TDR323 | ライトニングトーク | How Autodesk scales threat detection with Amazon GuardDuty (Autodesk が Amazon GuardDuty で脅威検出をスケールする方法) Autodesk が Amazon GuardDuty を使用して脅威検出戦略を向上させた方法を学びます。このライトニングトークでは、マルウェア保護を含む GuardDuty の高度な検出機能を活用するための実装アプローチ、運用上の洞察、ベストプラクティスを探ります。成長するクラウドフットプリントを効率的に管理しながら、堅牢なセキュリティを維持する方法を発見してください。 TDR421 | ライトニングトーク | Accelerating Incident Response with AWS Security Incident Response (AWS Security Incident Response によるインシデント対応の加速) AWS Security Incident Response がセキュリティチームの調査と対応手順を合理化する方法を学びます。このセッションでは、一元化されたインシデント管理を提供するための Amazon GuardDuty 、 AWS CloudTrail 、 AWS Security Hub とのサービス統合機能を紹介します。お客様の事例と実装パターンを通じて、自動化された対応戦略を構築するための実践的なアプローチを発見してください。AWS サービスを使用してセキュリティ運用を強化するための実用的な洞察を持ち帰りましょう。 インタラクティブセッション (ビルダーズセッション、コードトーク、ワークショップ) TDR251 | ビルダーズセッション | Build your first AI security assistant with Amazon Q (Amazon Q で最初の AI セキュリティアシスタントを構築する) Amazon Q Business を使用して最初の AI 搭載セキュリティアシスタントを構築する方法を発見しましょう—AI の専門知識は必要ありません。このハンズオンセッションでは、3 つの実践的なセキュリティワークフローを作成します: セキュリティ検出結果にコンテキストを提供する自動化された Amazon GuardDuty インシデント調査ツール、ポリシー評価を合理化する AWS Security Hub コンプライアンスレポート生成ツール、修復を加速する Amazon Inspector ベースの脆弱性管理ヘルパーです。生成 AI で AWS セキュリティ運用を強化しながら、実践的なアプリケーションを通じて AWS の主要なセキュリティサービスをマスターしたいセキュリティ実務者に最適です。 TDR252 | ビルダーズセッション | Detect ransomware events in Amazon S3 using Amazon GuardDuty (Amazon GuardDuty を使用して Amazon S3 でのランサムウェアイベントを検出する) このビルダーズセッションでは、 AWS Customer Incident Response Team (CIRT) と共に Amazon GuardDuty を使用して Amazon S3 ランサムウェア検出を実装します。ハンズオンシナリオを通じて、不正な暗号化操作を特定し、効果的な対応手順を実装する方法を学びます。 AWS CloudTrail 、 Amazon Athena 、 Amazon GuardDuty 、 Amazon CloudWatch を使用して検出パターンを構築します。イベントの調査と AWS セキュリティの最新ガイダンスに沿った Amazon S3 オブジェクト保護のための予防措置の実装を練習します。参加するにはラップトップを持参する必要があります。 TDR351 | ビルダーズセッション | Build an OCSF security log pipeline with AWS (AWS で OCSF セキュリティログパイプラインを構築する) このハンズオンセッションで、 Open Cybersecurity Schema Framework (OCSF) を活用した完全なセキュリティログパイプラインを構築します。AWS の専門家と一緒に、セキュリティデータの取り込み、変換、強化を行います。独自のスキーマを使用する場合でも、提供されたサンプルを使用する場合でも、セキュリティログを標準化するための実践的なテクニックを学びます。正規化されたセキュリティデータフローを通じて脅威検出機能を強化するための実装可能なソリューションを持ち帰りましょう。ラップトップとオプションのカスタムログサンプルを持参して、ユースケースに合わせたソリューションを作成してください。 TDR451 | ビルダーズセッション | Automate incident response for Amazon EC2 and Amazon EKS (Amazon EC2 と Amazon EKS のインシデント対応を自動化する) Amazon Elastic Compute Cloud ( Amazon EC2 ) と Amazon Elastic Kubernetes Service ( Amazon EKS ) 用の自動フォレンジックオーケストレーターソリューションを使用してインシデント対応を合理化する方法を学びます。このセッションでは、 AWS Security Hub の検出結果によってトリガーされる自動化されたワークフローを実装する方法を紹介します。実装の前提条件、カスタマイズオプション、自動フォレンジック機能によるセキュリティ運用の強化のためのベストプラクティスを探ります。 Amazon EC2 および Amazon EKS 環境全体で対応手順を標準化する方法を発見してください。 TDR452 | ビルダーズセッション | Build generative AI security runbooks with Amazon Bedrock (Amazon Bedrock で生成 AI セキュリティランブックを構築する) このビルダーズセッションでは、 Amazon Bedrock と Bedrock Agents を使用した生成 AI 搭載ランブックでセキュリティ運用を強化する方法を学びます。 AWS Security Hub の検出結果を分析し、コンテキストに応じた修復ガイダンスを提供するインテリジェントなワークフローを作成します。ハンズオン演習を通じて、AWS ドキュメントを活用し、セキュリティ調査のための自然言語インターフェースを実装する Bedrock Agents を構築します。組織固有のコンテンツでナレッジベースを構成し、適切なガードレールを実装する方法を学びます。生成 AI を使用してセキュリティ運用を合理化するための実践的なソリューションを持ち帰りましょう。参加するにはラップトップを持参する必要があります。 TDR341 | コードトーク | Build AI security agents with Amazon Bedrock and Security Lake (Amazon Bedrock と Security Lake で AI セキュリティエージェントを構築する) このコードトークでは、 Amazon Bedrock と Amazon Security Lake を使用して AI エージェントを作成し、セキュリティ運用を強化する方法を探ります。ライブコーディングデモを通じて、セキュリティ分析と対応のために生成 AI と自律的な意思決定機能を組み合わせた自動化されたワークフローを構築する方法を学びます。ログを分析し、コンテキストに応じた洞察を提供し、対応手順を実行するエージェントを実装する方法をご覧ください。セキュリティワークフローにカスタムツールと大規模言語モデルを統合するための実践的なアプローチを発見します。 TDR342 | コードトーク | Operationalizing Amazon Security Lake with analytics and generative AI (分析と生成 AI による Amazon Security Lake の運用化) このハンズオンコーディングセッションでは、 Amazon Security Lake 上に最新のセキュリティ分析ツールを構築します。インタラクティブなデモを通じて、 Amazon OpenSearch Service 、 Amazon QuickSight 、 Amazon Athena 、 Amazon Bedrock などの AWS サービスを使用してセキュリティデータを運用化するためのクエリと可視化を作成します。セキュリティデータを分析するための実践的なコードサンプルとアーキテクチャを持ち帰りましょう。脅威検出とインシデント対応スタックを変革するためのアイデアを得てください。 TDR343 | コードトーク | From detection to code: GuardDuty attack sequences with Amazon Q (検出からコードへ: Amazon Q による GuardDuty 攻撃シーケンス) このコードトークでは、 Amazon GuardDuty の攻撃シーケンス検出機能が Amazon Q と連携してセキュリティ運用を強化する方法を探ります。ライブコーディングデモを通じて、 GuardDuty の機械学習モデルが接続されたセキュリティイベントを特定し、包括的なイベントシーケンスを作成する方法を学びます。Amazon Q の AI 支援開発機能を使用して自動化された対応手順を構築する方法をご覧ください。コンテキストを認識したセキュリティ自動化を実装するための実践的なアプローチを発見します。生成 AI ツールを使用してセキュリティ運用を強化するための実装パターンを持ち帰りましょう。 TDR371 | ワークショップ | Hands-on Threat Detection &amp; Response using AWS Security (AWS セキュリティを使用したハンズオン脅威検出と対応) このインタラクティブなワークショップで AWS セキュリティサービスを実際に体験してください。 Amazon GuardDuty 、 Amazon Inspector 、 AWS Security Hub 、 Amazon Detective を使用してシミュレートされた脅威を検出し対応する方法を学びます。さまざまなリソースタイプにわたるセキュリティイベントを調査しながら、 AWS Lambda を使用した手動および自動化された対応テクニックを練習します。AWS 環境で脅威検出と対応を運用化するための実践的なスキルを持ち帰りましょう。このハンズオンワークショップに参加するにはラップトップを持参してください。 TDR372 | ワークショップ | Secure container workloads with AWS security services (AWS セキュリティサービスによるコンテナワークロードの保護) このワークショップでは、コードから運用までコンテナワークロードを包括的に保護するために AWS セキュリティサービスを実装する方法を学びます。静的コード分析、検出コントロール、脅威検出、脆弱性管理、Amazon Elastic Kubernetes Service ( Amazon EKS ) および Amazon Elastic Container Service ( Amazon ECS ) のインシデント対応について実践的な経験を積みます。ガイド付きシナリオを通じて、AWS セキュリティサービスを使用してコンテナのセキュリティ体制を強化する方法を発見します。コンテナ環境にセキュリティコントロールを実装するための実践的な戦略を持ち帰りましょう。参加するにはラップトップを持参する必要があります。 TDR471 | ワークショップ | AWS Security Incident Response Challenge: Defense in action (AWS セキュリティインシデント対応チャレンジ: 実践的な防御) このインタラクティブなセッションで AWS セキュリティインシデント対応スキルをテストしましょう。時間的制約のあるシナリオに対応する AWS セキュリティエンジニアの役割を担います。提供されたインテリジェンスを使用して、AWS 環境にセキュリティコントロールを実装するための限られた時間があります。現実的な条件下で効果的にアクションの優先順位を付け、AWS セキュリティサービスを活用する方法を学びます。このハンズオン演習は、AWS 環境での迅速な意思決定とセキュリティ実装を練習するのに役立ちます。インシデント対応戦略の実践的な経験を持ち帰りましょう。参加するにはラップトップを持参する必要があります。 TDR472 | ワークショップ | Active defense strategies using AWS AI/ML services (AWS AI/ML サービスを使用したアクティブディフェンス戦略) このワークショップでは、 Amazon Bedrock と Amazon SageMaker を使用して、欺瞞などのアクティブディフェンス戦略を開発・デプロイする方法を学びます。セキュリティ運用のための AI 駆動型レスポンスの開発に関する実践的な経験を積みます。攻撃者が使用しようとしている可能性のあるものを模倣する適応型レスポンスの開発方法を学びます。プロンプトエンジニアリング、デプロイ戦略、監視方法論の実装パターンを学びます。参加するにはラップトップを持参する必要があります。 他のトラックのセッション、ゲーム型学習、イノベーションセッション、パートナーセッション、ラボについて詳しく知るには、 re:Inforce カタログ 全体をご覧ください。 参加者ガイド で re:Inforce の旅を最適化する方法を発見してください—完璧な学習セッションを選択し、体験から最大の価値を得るための必須リソースです。 包括的なトラックコンテンツは、AWS でワークロードとアプリケーションを安全に管理するために必要な知識とスキルを提供するように設計されています。脅威検出とインシデント対応における最新のベストプラクティスを学ぶ機会をお見逃しなく。 今すぐ登録 して、フィラデルフィアでの re:Inforce 2025 にご参加ください。みなさまのご参加を心よりお待ちしております！ この記事に関する質問がある場合は、 AWS サポート にお問い合わせください。 Nisha Amthul Nisha は AWS Security のシニアプロダクトマーケティングマネージャーで、検出と対応ソリューションを専門としています。情報セキュリティとデータ保護の分野におけるプロダクトマネジメントとプロダクトマーケティングの強固な基盤を持っています。仕事以外では、ケーキデコレーション、筋力トレーニング、そして 2 人の元気な子供たちの世話に忙しくしています。 本ブログは Security Solutions Architect の 中島 章博 が翻訳しました。

本ブログは 2025 年 5 月 27 日に公開された Blog “ Elevate your AI security: Must-see re:Inforce 2025 sessions ” を翻訳したものです。 カンファレンスパスの料金は 1,099 ドルです。 今すぐ登録 して、コード flashsale150 を使用すると、数量限定で 150 ドルの割引が受けられます。 訳注) 日本からご参加いただくお客様が利用できるカンファレンスパスのディスカウントコードをご用意しました。 コード JAPbHNlXWaI2 を利用することで 500 USD の割引 を受けることができます。数に限りがございますので、お早めにご登録ください！ 概念実証 (PoC) から本番環境での大規模な利用まで、生成 AI の急速な進歩により、イノベーションを実現する絶好の機会が生まれています。同時に組織が対処しなければならない新たなセキュリティ課題 (そしてチャンス) も生まれています。モデルの効果を維持しながら、検索拡張生成 (RAG) やトレーニングデータをどのように保護すればよいでしょうか？大規模言語モデル (LLM) との対話にはどのような制御が必要でしょうか？リスクを最小限に抑えながら、AI エージェントや Model Context Protocol (MCP) をどのように最大限に活用できるでしょうか？AWS re:Inforce 2025 では、セキュリティの専門家や、実務者、業界のリーダーが集まり、実世界の実践的なガイダンスなどを学習できるため、これらの疑問を解決することができるでしょう。 今年の生成 AI セキュリティセッションは、大規模でセキュアな本番 AI システムの構築と維持を支援するために、特別に厳選したコンテンツをご用意しています。AI セキュリティの検討を開始したばかりの方も、成熟した企業全体の AI イニシアチブをリードしている方も、組織のセキュリティポスチャを向上させるための実践的なガイダンス、ハンズオン体験、戦略的な洞察を見つけることができます。 基本的な概念から高度な防御技術まで、これらのセッションはデータ保護、モデルセキュリティ、ID 管理、AI エージェントのレジリエンスなどの重要な領域を網羅しています。AWS セキュリティの専門家や、安全な AI システムを成功裏に実装したお客様、AI の安全性とセキュリティで新しい基準を設定している業界をリードするパートナーから直接学ぶことができます。 このブログでは、AI をセキュアにする方法だけでなく、セキュリティ実務者が重要なセキュリティミッションを支援するために AI をどのように活用できるかについても紹介する「必見」のセッションをいくつか紹介します！ぜひ re:Inforce 2025 に登録 して、ご参加ください！ イノベーショントーク イノベーショントーク シリーズで AWS のトップリーダーから最前線のクラウドテクノロジーについてのセッションを通じて、貴重な洞察を得ることができます。生成 AI の最新の進歩を確認し、堅牢なクラウドセキュリティ戦略を発見し、アプリケーション開発に革命をもたらし AWS クラウドの可能性を拡大している先駆的なアーキテクチャ概念を明らかにします。 SEC301 | イノベーショントーク | From possibility to production: A strong, flexible foundation for AI security (可能性から本番へ: AI セキュリティのための強力で柔軟な基盤) スピーカー: Hart Rossman (AWS) &amp; Becky Weiss (AWS) AWS が AI セキュリティの負担をどのように軽減し、開発から本番環境への移行を加速できるかを発見してください。このセッションでは、実証済みの AWS セキュリティ基盤と、柔軟な制御および自動推論を組み合わせることで、組織が AI イノベーションを自信を持ってデプロイできるようにする方法を明らかにします。実例を通じて、セキュリティを潜在的な障害からイノベーションの原動力に変える方法を学びます。今日の AI ワークロードを保護するための実践的なガイダンスと、データセキュリティやエージェント型 AI を含む新たなセキュリティ課題に対処するための戦略的な洞察を得ることができます。AWS の AI セキュリティへのアプローチが、強力なセキュリティ制御を維持しながら、どのように先行して始めるのに役立つかを学びます。 ブレイクアウトセッション、チョークトーク、ライトニングトーク ブレイクアウトセッション は、AWS の専門家、お客様、パートナーによって提供される講義形式の 1 時間のセッションで、重要なトピックに関する知識を深め、実用的な洞察を得て、業界のリーダーとつながるのに最適です。 チョークトーク は、少人数の聴衆と行う 1 時間の高度にインタラクティブなセッションです。このフォーマットは、特定のトピックを深く掘り下げ、AWS の専門家と直接対話し、リアルタイムで質問に答えてもらうのに理想的です。 ライトニングトーク は、特定のユーザー事例、サービスデモ、または AWS パートナーの提供物に特化した短い (20 分間) シアタープレゼンテーションです。 SEC303 | ブレイクアウトセッション | Behind the shields: AWS and Anthropic’s approach to secure AI (シールドの裏側: AWS と Anthropic の安全な AI へのアプローチ) スピーカー: Matt Saner (AWS) &amp; Shahzeb Jiwani (Anthropic) エンタープライズ AI の採用には堅牢なセキュリティが必要です。このセッションでは、Anthropic のリスクガバナンス責任者と AWS のセキュリティリーダーが、AWS と Anthropic が LLM とそれが可能にする生成 AI ワークロードのためのエンタープライズグレードのセキュリティを提供するためにどのように協力しているかを明らかにします。インフラストラクチャ、データ、モデルにまたがる多層的なセキュリティアプローチについて学びます。実際のセキュリティアーキテクチャ、ガバナンスフレームワーク、リスク軽減戦略を探ります。厳格なセキュリティとコンプライアンス要件を維持しながら、組織の AI イニシアチブを加速するために AWS と Anthropic のセキュリティ機能を活用する方法についての理解を深めることができます。 SEC304 | ブレイクアウトセッション | Amazon.com testing frameworks and tools for GenAI security and privacy (Amazon.com の生成 AI セキュリティとプライバシーのためのテストフレームワークとツール) スピーカー: Alex Torres (AWS), Josh Haycraft (Amazon), &amp; Jess Clark (Amazon) 生成 AI ソリューションは、ユニークで急速に変化するセキュリティ環境で立ち上げられています: 顧客データでトレーニングされる可能性があり、内部サービスやデータストアと統合される可能性があり、生成されたコンテンツを顧客や他のシステムに提供します。 Amazon.com が大規模言語モデルと生成 AI を活用して顧客とのやり取りを豊かにし、俊敏性とイノベーションを促進するためのツールキット、システム、フレームワークをどのように作成しているかを学びます。 TDR301 | ブレイクアウトセッション | Innovations in AWS detection and response for integrated security outcomes (統合されたセキュリティ成果のための AWS 検出と対応の革新) スピーカー: Himanshu Verma (AWS) &amp; Ryan Holland (AWS) 最新の AWS 検出および対応機能がクラウド環境をより効果的に保護する方法を発見してください。強化された脅威検出、自動化された脆弱性管理、合理化された対応を通じて、すべてスケールで統合されたセキュリティ成果を達成するための実践的な方法を学びます。AWS セキュリティサービスを使用してワークロードとデータを保護し、セキュリティ監視を一元化し、セキュリティポスチャを継続的に管理し、セキュリティ運用のために生成 AI を活用しながら、セキュリティデータを統合する方法をお見せします。AWS 検出および対応サービスを統合して AWS 全体でセキュリティを強化し簡素化するための実用的な洞察を得ることができます。 SEC431 | チョークトーク | Dive deep into data protection architectures for Amazon Bedrock Agents (Amazon Bedrock エージェントのデータ保護アーキテクチャを深く掘り下げる) スピーカー: Andrew Kane (AWS) &amp; Gabrielle Dompreh (AWS) このチョークトークに参加して、 Amazon Bedrock がエージェントおよびナレッジベースやガードレールなどの関連機能全体でデータをどのように保護するかを理解してください。クロスリージョンデプロイ、マルチエージェントコラボレーション、プロンプトキャッシュのセキュリティ考慮事項について学びます。データ保護を維持する安全な生成 AI ソリューションのアーキテクティングに関する深い洞察を得て、アプリケーションを安全かつセキュアに保つアーキテクチャパターンを発見してください。 APS231 | チョークトーク | Using AWS services to mitigate the OWASP Top 10 for LLM threats (AWS サービスを使用して LLM の OWASP トップ 10 の脅威を軽減する) スピーカー: Mark Keating (AWS) &amp; Cameron Smith (AWS) 生成 AI のユースケースを特定し、テストして、セキュアなアプリケーションアーキテクチャ設計を作成しています。生成 AI 特有の脅威から保護するために、どのような脅威に対して保護すべきか、また利用可能なツールやサービスは何かをどのように知ることができるでしょうか？LLM アプリケーションの OWASP トップ 10 について聞いたことがあるかもしれませんが、どこから、またはどのように始めればよいでしょうか？OWASP トップ 10 の脅威、バージョン間の違い、そして AWS がこれらの脅威を軽減するためにどのように役立つかについて議論します。 DAP332 | チョークトーク | Executive perspective: Risk management for generative AI workloads (エグゼクティブの視点: 生成 AI ワークロードのリスク管理) スピーカー: Jason Garman (AWS) &amp; Mark Ryland (AWS) 責任ある AI の認識された複雑さが、AWS での生成 AI アプリケーションのデプロイを妨げないようにしましょう。このチョークトークでは、AI の安全性とセキュリティリスクを分解するためのフレームワークを提示し、ゼロトラスト原則を使用して生成 AI アプリケーションでエンタープライズデータを安全に保つための AWS のベストプラクティスを紹介し、Bedrock ガードレールなどのテクノロジーを使用して安全性リスクを軽減します。セキュリティリーダーの仲間とともにグループとして、ワークロードに関連する安全性とセキュリティリスクを特定し、適切な軽減戦略を実装し、時間の経過とともに効果を測定する方法を発見してください。 GRC337 | チョークトーク | Build compliant AI: Implementing controls for emerging regulations (コンプライアントな AI の構築: 新たな規制のための制御の実装) スピーカー: Samuel Waymouth (AWS) &amp; Mark Keating (AWS) AI の採用が加速するにつれて、組織はますます規制の監視とコンプライアンス要件に直面しています。このセッションでは、AI、データプライバシー、データ主権に関する進化するグローバルな規制環境について学び、規制要件とセキュリティ制御を AWS サービスと機能にマッピングする方法を見ていきます。生成 AI が評価、リスク分類、コンプライアンスガイダンスの生成のためのツールとしてどのように機能するかを実演します。また、AWS が開発した最新の脅威モデリングリソースの使用方法も紹介します。セキュリティの専門家と AI の実務者は、イノベーションの速度を維持しながら、コンプライアンス基準に沿った AI システムを構築するための実用的な戦略を学ぶことができます。 SEC221 | ライトニングトーク | Raising the tide: How AWS is shaping the future of secure AI (新時代を創る: AWS が安全な AI の未来をどのように形作っているか) スピーカー: Matt Saner (AWS) AI セキュリティは AWS の最優先事項です。設計上安全な AI ソリューションを構築することで、AWS はお客様が新たな脅威を軽減しながら自信を持って迅速にイノベーションを行うのを支援します。しかし、AI の保護は個々の組織を超えて、業界全体の標準とベストプラクティスを必要とします。AWS は、CoSAI (安全な AI のための連合) などの業界標準団体への参加を含め、AI 技術が安全で、回復力があり、信頼できるものであることを確認するために、グローバルな AI セキュリティの取り組みに積極的に貢献しています。このセッションでは、AWS が AI セキュリティイノベーションをリードし、お客様を保護し、業界全体の AI セキュリティの未来を形作るために協力している方法を探ります。 SEC322 | ライトニングトーク | Managing digital identity in the age of generative AI (生成 AI 時代のデジタル ID の管理) スピーカー: Arthur Mnev (AWS) &amp; Lily Ashidam (AWS) このセッションでは、生成 AI ワークロードでの ID 管理の課題と解決策を探ります。このセッションでは、LLM の API アクセスの保護、AI サービスの適切な認証の実装、データリネージュの維持について取り上げます。コンプライアンスとガバナンス要件を維持しながら、生成 AI アプリケーションを保護するための実践的なアプローチを学びます。 SEC323 | ライトニングトーク | A practical guide to generative AI agent resilience (生成 AI エージェントのレジリエンスに関する実践的ガイド) スピーカー: Yiwen Zhang (AWS) &amp; Jennifer Moran (AWS) 生成 AI エージェントが見出しや技術的な議論を支配する中、エンタープライズでの採用はまだ初期段階にあります。生成 AI エージェントのレジリエンスは、成功した実装とユーザーの信頼構築における重要な要素です。データベースの可用性、ワークロードの容量、オブザーバビリティ、ディザスタリカバリなどの従来のワークロードレジリエンスの実践は引き続き関連していますが、生成 AI エージェントは独自の課題をもたらします。このセッションでは、LLM モデルの適応性、レイテンシー管理、ツールの可用性、オブザーバビリティ、財務的持続可能性など、生成 AI エージェントのレジリエンスの重要な側面を掘り下げます。エンタープライズが信頼し維持できる堅牢で信頼性の高い生成 AI エージェントを構築するための実践的な戦略を共有します。 SEC326 | ライトニングトーク | Secure remote MCP server deployment for Gen AI on AWS (AWS での生成 AI 向けの安全なリモート MCP サーバーデプロイ) スピーカー: Aaron Brown (AWS) &amp; James Ferguson (AWS) プロトコルのセキュリティと信頼の原則を実装する AWS 上の Model Context Protocol (MCP) サーバーを安全に構築およびデプロイする方法を発見してください。このセッションでは、ユーザーの同意、データプライバシー、ツールの安全性要件を強制する OAuth 2.1 認証パターンを実演します。 Amazon Cognito 、 API Gateway 、 Lambda を使用してプロトコル準拠を維持しながら堅牢なセキュリティ制御を実装する方法を学びます。MCP 仕様に沿った認証フロー、アクセス制御、セキュリティ監視の実践的な例を探ります。 TDR322 | ライトニングトーク | How AWS uses generative AI to advance native security services (AWS がネイティブセキュリティサービスを進化させるために生成 AI をどのように使用しているか) スピーカー: Marshall Jones (AWS) &amp; Himanshu Verma (AWS) AWS がネイティブセキュリティサービスを強化するために生成 AI をどのように活用しているかを発見してください。このセッションでは、AWS が脅威検出、調査、対応を改善するためにセキュリティポートフォリオ全体で AI 機能をどのように実装しているかを実演します。 Amazon GuardDuty と Amazon Inspector での自動分析と自然言語セキュリティクエリを可能にする実践的な実装を探ります。AWS が生成 AI を通じてセキュリティをよりインテリジェントで効率的にする方法についての洞察を得ることができます。 インタラクティブセッション (ビルダーズセッション、コードトーク、ワークショップ) AWS の専門家が主導する小グループと対話して、AWS での構築方法について対話型学習を行います。各 ビルダーズセッション は、参加者が構築するものについての短い説明またはデモから始まり、その後は構築する番です！専門家がこのハンズオン体験を最初から最後までガイドします。または、 コードトーク に参加してください。これは AWS の専門家がライブコーディングやコードサンプルを特集し、AWS ソリューションの「なぜ」を説明するコード重視のインタラクティブセッションです。参加者は質問をしたり、一緒に進めることが奨励されています。 ワークショップ は、チームで協力するか個別に作業して AWS サービスを使用して実世界の課題を解決する 2 時間のインタラクティブセッションで、ハンズオン学習に最適です。各ワークショップは短い講義から始まり、その後、問題に取り組むための専用の時間が設けられています。 注意: AWS の専門家と一緒に構築するためにラップトップを持参することを忘れないでください。 SEC351 | ビルダーズセッション | Accelerating incident response, compliance &amp; auditing using generative AI (生成 AI を使用したインシデント対応、コンプライアンス、監査の加速) スピーカー: Snehal Nahar (AWS), Ravindra Kori (AWS), Rayette Toles-Abdullah (AWS), &amp; Abhijit Barde (AWS) このセッションでは、Slack などのエンタープライズコミュニケーションツールを使用して、インシデント後の回復時間を短縮するために AWS ネイティブの生成 AI 機能を使用する方法を学びます。また、インシデントにつながる可能性のあるイベントを特定するための検出制御と、インシデントが発生するリスクを軽減するための予防制御の使用方法も学びます。 Amazon Q Developer 、 AWS Config 、 AWS CloudTrail Lake 、 Amazon CloudWatch などのサービスやその他のオブザーバビリティ機能を使用します。 SEC352 | ビルダーズセッション | Agentic AI for security: Building intelligent egress traffic controls (セキュリティのためのエージェント型 AI: インテリジェントな出力トラフィック制御の構築) スピーカー: Ranjith Rayaprolu (AWS), Anil Nadiminti (AWS), Michael Leighty (AWS), &amp; Dwaragha Sivalingam (AWS) クラウドインフラストラクチャを保護する AI 駆動のセキュリティエージェントの構築方法を学びます。このハンズオンセッションでは、Amazon Bedrock と Bedrock エージェントを使用して、ネットワークを監視するインテリジェントシステムを作成する方法を示します。出力トラフィックを監視し、潜在的な脅威を特定し、悪意のあるトラフィックをブロックするためにネットワークファイアウォールを自動的に更新する生成 AI エージェントを構築します。クラウドインフラストラクチャを保護するために推論、決定、行動できる AI 駆動のセキュリティエージェントを実装するスキルを身につけて帰りましょう。 SEC353 | ビルダーズセッション | Threat modeling for generative AI applications (生成 AI アプリケーションの脅威モデリング) スピーカー: Laura Verghote (AWS), Isabelle Mos (AWS), Samuel Waymouth (AWS), &amp; Omar Zoma (AWS) このビルダーズセッションでは、生成 AI アプリケーション特有のセキュリティ脅威を体系的に特定および分析する方法を学びます。組織が大規模言語モデルやその他の生成 AI 機能を急速に採用するにつれて、プロンプトインジェクションからデータ汚染まで、独自のセキュリティ課題を理解することが重要になります。Amazon Bedrock などの AWS サービスを使用して構築されたアプリケーションに特に焦点を当てて、一般的な生成 AI アーキテクチャの脅威モデルを作成するプロセスをガイドします。 SEC451 | ビルダーズセッション | From logs to defense: Generative AI for security automation (ログから防御へ: セキュリティ自動化のための生成 AI) スピーカー: Ravindra Kori (AWS), Siavash Iran (AWS), Lily Ashidam (AWS), &amp; Yiwen Zhang (AWS) この技術セッションでは、AWS ネイティブサービスと生成 AI を使用して、従来のオペレーティングシステムログ分析をインテリジェントな自動防御システムに変換する方法を実演します。Windows および Linux システムからセキュリティ関連のログをキャプチャする包括的なソリューションの構築方法を探ります。 APS351 | ビルダーズセッション | Securing generative AI agents using AWS Well-Architected Framework (AWS Well-Architected フレームワークを使用した生成 AI エージェントの保護) スピーカー: Krupanidhi Jay (AWS), Ryan Dsouza (AWS), Birender Pal (AWS), &amp; Omkar Mukadam (AWS) AWS Well-Architected フレームワークの生成 AI レンズセキュリティベストプラクティスに従って、安全な生成 AI エージェントソリューションを構築する方法をハンズオンで学びます。エンドポイントセキュリティ、プロンプトエンジニアリングガードレール、監視システム、過剰なエージェンシーからの保護の実践的な実装を通じて、本番環境対応の生成 AI エージェントを構築します。ハンズオン演習を通じて、Amazon Bedrock、Amazon CloudWatch、 AWS Identity and Access Management (IAM) などを含むこれらの制御を組み込んだ安全な生成 AI エージェントソリューションを AWS 上に構築します。参加するにはラップトップを持参する必要があります。 APS353 | ビルダーズセッション | Red teaming your LLM security at scale (スケールでの LLM セキュリティのレッドチーミング) スピーカー: Otto Kruse (AWS), Owen Hawkins (AWS), Aaron Brown (AWS), &amp; Jeff Lombardo (AWS) 生成 AI レッドチームチャレンジで AI 駆動のレッドチーム攻撃者の立場に立ちます。この集中ワークショップでは、AI セキュリティエージェントをデプロイして、プロンプトインジェクションから境界テストまで、生成 AI アプリケーションに対する洗練された脅威チェーンを調整し、脆弱性を体系的に発見して悪用しながら、自動化されたセキュリティテストワークフローをマスターします。さらに、プロンプトテンプレートからガードレールまでの対策を適用する方法を学びます。このハンズオン、ゲーム化された体験は、脅威アクターのように考えるのに役立ち、LLM ベースのアプリケーションの一般的な MITRE および OWASP の脆弱性に対する自動化された脆弱性テストとリスク軽減の実践的なスキルを身につけることができます。参加するにはラップトップを持参する必要があります。 GRC354 | ビルダーズセッション | Best practices for using generative AI to manage cloud compliance (クラウドコンプライアンス管理に生成 AI を使用するためのベストプラクティス) スピーカー: Adnan Bilwani (AWS), Ali Maaz (AWS), Artur Rodrigues (AWS), &amp; Peter Pereira (AWS) Amazon Q Developer を活用して AWS Config を使用したクラウドコンプライアンス管理を合理化する方法を学びます。このハンズオンビルダーズセッションでは、生成 AI 機能を使用してインテリジェントなコンプライアンスチェックを作成し、修復ワークフローを自動化し、詳細なコンプライアンスレポートを生成する方法を実演します。実践的な演習を通じて、生成 AI の力と AWS Config の堅牢なコンプライアンスフレームワークを組み合わせた自動化されたコンプライアンス監視を実装する方法を学びます。参加するにはラップトップを持参する必要があります。 IAM451 | ビルダーズセッション | Securing GenAI apps: Fine-grained access control for Bedrock Agents (生成 AI アプリの保護: Bedrock エージェントのきめ細かなアクセス制御) スピーカー: Edward Sun (AWS), Pravin Nair (AWS), Dustin Ellis (AWS), &amp; Kevin Hakanson (AWS) 組織のデータにアクセスする生成 AI アプリケーションを保護したいですか？Amazon Bedrock を活用したアプリケーションが組織のデータにアクセスするためのインテリジェントなアクセス制御を実装する方法を学びます。このビルダーズセッションでは、Amazon Cognito を使用した認証と Amazon Verified Permissions を使用したきめ細かな認可を組み合わせた多層防御アプローチを構築して、Bedrock AI エージェントのアクセスを保護します。生成 AI 機能を制限することなく機密データを保護する階層化されたアクセス許可を実装します。参加するにはラップトップを持参する必要があります。 TDR251 | ビルダーズセッション | Build your first AI security assistant with Amazon Q (Amazon Q で最初の AI セキュリティアシスタントを構築する) スピーカー: Scott Taggart (AWS), Joe Wagner (AWS), Laura Verghote (AWS), &amp; Riggs Goodman III (AWS) Amazon Q Business を使用して最初の AI 駆動のセキュリティアシスタントを構築する方法を発見してください – AI の専門知識は必要ありません。このハンズオンセッションでは、セキュリティの検出結果をコンテキスト化する自動化された Amazon GuardDuty インシデント調査員、ポリシー評価を合理化する AWS Security Hub コンプライアンスレポートジェネレーター、修復を加速する Amazon Inspector ベースの脆弱性管理ヘルパーという 3 つの実用的なセキュリティワークフローを作成します。生成 AI で AWS セキュリティ運用を強化したいセキュリティ実務者に最適で、実践的なアプリケーションを通じて AWS の主要なセキュリティサービスをマスターできます。参加するにはラップトップを持参する必要があります。 IAM441 | コードトーク | The right way to secure AI agents with code examples (コード例で見る AI エージェントを保護する正しい方法) スピーカー: Jeff Lombardo (AWS) &amp; Fei Yuan (AWS) 生成 AI エージェントは人間のユーザーに代わってタスクを実行し、オンプレミス環境や異なるクラウドプロバイダー間で相互に対話することがよくあります。これにより、エージェント型 AI ソリューション全体で ID 認証、伝播、委任、リソース認可に新たな課題がもたらされます。Amazon Cognito の OAuth2 ベースの ID 管理、マシン間認証と、Amazon Verified Permissions のきめ細かな認可を組み合わせることで、人間の ID と同意、エージェントのマシン ID、およびエージェントチェーン全体の他のリクエストコンテキストを保持しながら、AI エージェントの安全な委任パターンを有効にする方法を学びます。Amazon Bedrock または他のフレームワークで構築されたエージェントを使用した実世界の例を紹介します。 TDR341 | コードトーク | Build AI security agents with Amazon Bedrock and Amazon Security Lake (Amazon Bedrock と Amazon Security Lake を使用した AI セキュリティエージェントの構築) スピーカー: Chris Lamont-Smith (AWS) &amp; Pratima Singh (AWS) このコードトークでは、Amazon Bedrock と Amazon Security Lake を使用して AI エージェントを作成することでセキュリティ運用を強化する方法を探ります。ライブコーディングデモを通じて、セキュリティ分析と対応のために自律的な意思決定機能と生成 AI を組み合わせた自動化されたワークフローを構築する方法を学びます。ログを分析し、コンテキストに応じた洞察を提供し、対応手順を実行するエージェントを実装する方法を見てください。セキュリティワークフローにカスタムツールを統合し、大規模言語モデルを活用するための実践的なアプローチを発見してください。 SEC371 | ワークショップ | Red Team approaches to practical generative AI defenses (実践的な生成 AI 防御へのレッドチームアプローチ) スピーカー: Mac Stevens (AWS) &amp; Cameron Smith (AWS) このワークショップでは、Amazon Bedrock、 Amazon SageMaker 、および関連サービスに焦点を当てた生成 AI セキュリティへのハンズオンアプローチを取ります。まず、推論中のデータ保護や、エージェント、ガードレール、ナレッジベースなどの機能におけるデータ保護など、Bedrock の中核的なセキュリティ原則を検討します。参加者は、コンテキストウィンドウ、システムプロンプト、エージェントオーケストレーションなどの内部アーキテクチャとセキュリティへの影響について洞察を得ることができます。その後、セッションは SageMaker を使用したハンズオンのレッドチーミング演習に移行します。その後、これらの脅威ベクトルに対する防御戦略を探り、これらの実践を開発ワークフローに統合する方法について議論します。参加者は、個々のモデル保護から複雑なマルチコンポーネントシステムの保護まで、生成 AI セキュリティの全体的な理解を身につけて帰ることができます。 APS371 | ワークショップ | Securing your generative AI applications on AWS (AWS での生成 AI アプリケーションの保護) スピーカー: Mark Keating (AWS) &amp; Maitreya Ranganath (AWS) このワークショップでは、AWS サービスと機能を使用して生成 AI アプリケーションを保護する方法を発見してください。脆弱なサンプル生成 AI アプリケーションをデプロイし、セキュリティ問題から保護、検出、対応するためのセキュリティ制御を層状に適用する方法を探ります。組織の生成 AI アプリケーションに同様の制御を適用する方法を学びます。参加するにはラップトップを持参する必要があります。 DAP371 | ワークショップ | Defend your AI: Mitigate prompt injection with Amazon Bedrock (AI を守る: Amazon Bedrock でプロンプトインジェクションを軽減する) スピーカー: Anthony Harvey (AWS) &amp; Jeremy Schiefer (AWS) このハンズオンワークショップを通じて、生成 AI システムのプロンプトインジェクション脆弱性を特定および軽減する技術をマスターしてください。Amazon Bedrock を使用して、参加者は本番環境での大規模言語モデルのセキュリティへの影響を理解するために、攻撃的および防御的なプロンプトエンジニアリング技術の両方を探ります。このセッションでは、プロンプトインジェクション攻撃の仕組みを理解し、シミュレートされた AI 環境を悪用しようとする対話型の「キャプチャ・ザ・フラッグ」スタイルのチャレンジを完了し、Amazon Bedrock ガードレールを使用して防御制御を実装する方法を学びます。参加するにはラップトップを持参する必要があります。 今すぐ登録を！ AI 実装のセキュリティについて業界の専門家や AWS のリーダーから学ぶこの機会をお見逃しなく。今すぐ AWS re:Inforce 2025 に登録して、これらのセッションに参加しましょう。他のトラックのセッション、パートナーセッション、コードトークについて詳しく知るには、 re:Inforce カタログ 全体をご覧ください。 この記事に関する質問がある場合は、 AWS サポート にお問い合わせください。 Margaret Jonson Margaret は AWS 生成 AI セキュリティのシニアプロダクトマーケティングマネージャーで、AI/ML チームと協力して、Amazon Bedrock、Amazon SageMaker、Amazon Q、その他の AI/ML ソリューション全体で安全でガバナンスされた AI ソリューションを実装するお客様を支援しています。 Matt Saner AWS のシニアマネージャーとして、Matt は世界で最も複雑な組織が重要なセキュリティ課題に取り組むのを支援するセキュリティスペシャリストのチームをリードしています。Matt とそのチームは、セキュリティ組織を戦略的なビジネスイネーブラーに変革するために取り組んでいます。AWS に入社する前、Matt は金融サービス業界で 20 年近くを過ごしました。仕事以外では、Matt は一般航空機を飛ばすことに喜びを見出すパイロットです。 本ブログは Security Solutions Architect の 中島 章博 が翻訳しました。

地震波イメージングは、地球の内部構造の詳細な画像を作成するために使用される地球物理学的手法です。この手法は、地中に放射すると、さまざまな岩石層や構造に反射して地表に戻る地震波を生成することで機能します。戻った地震波は、ジオフォンやハイドロフォンと呼ばれる精密機器によって検出されます。収集された膨大なデータの量は 1 回の調査でペタバイトに達することが多く、保存、処理、管理に関する重大な課題を研究者やエネルギー企業にもたらします。 このような地震波イメージングのワークロードや、気象予報、先進運転支援システム (ADAS) トレーニング、ゲノム解析といった ハイパフォーマンスコンピューティング (HPC) ワークロードを実行するお客様は、既にオンプレミスのハードディスクドライブ (HDD) ベースのファイルストレージ、または HDD とソリッドステートドライブ (SSD) を組み合わせたファイルストレージに大量のデータを保存しています。しかし、これらのオンプレミスのデータセットとワークロードが拡大する中、ワークロードのパフォーマンスニーズに対応し、ストレージの容量不足を回避するには先行投資を行う必要があるため、お客様はこの手法がますます困難で高額になっているのを実感しています。 5 月 29 日、AWS は Amazon FSx for Lustre Intelligent-Tiering の一般提供を発表しました。この新しいストレージクラスは、実質上無制限のスケーラビリティを提供し、唯一完全な伸縮性を備えた Lustre ファイルストレージで、クラウド内で最もコストが低い Lustre ファイルストレージでもあります。開始価格が GB-月あたり 0.005 USD 未満の FSx for Lustre Intelligent-Tiering は、クラウド内で最も低コストの高性能ファイルストレージを提供し、アクセス頻度の低いデータのストレージコストが他のマネージド Lustre オプションより最大 96% 低くなります。その伸縮性により、データの追加や削除に合わせてファイルシステムも拡大縮小するため、ストレージ容量を事前にプロビジョニングする必要がなくなります。また、支払いも保存するデータの量に対する料金のみです。 FSx for Lustre Intelligent-Tiering は、アクセスパターンに基づいてコールドデータを適切な低コストストレージ階層に階層化することでコストを自動的に最適化し、低レイテンシーが極めて重要なワークロードのパフォーマンスを向上させるオプションの SSD 読み取りキャッシュが含まれています。ギガバイト規模の実験データで使用を開始するか、最も要求の厳しい 人工知能/機械学習 (AI/ML) ワークロードや HPC ワークロードのためのペタバイト規模の大規模データセットを処理するかにかかかわらず、Intelligent-Tiering は優れたパフォーマンスを提供します。ストレージとは無関係にファイルシステムのパフォーマンスを調整する柔軟性を備えた Intelligent-Tiering は、オンプレミスの HDD ファイルシステムよりも最大 34% 優れた価格パフォーマンスを実現します。Intelligent-Tiering ストレージクラスは、ホットデータとコールドデータの組み合わせを使用する、HDD ベースまたは HDD/SSD 混在のワークロード向けに最適化されています。FSx for Lustre Intelligent-Tiering には、アプリケーションの変更なしでこのようなワークロードを移行して実行できるので、ストレージ容量の計画と管理が不要になり、支払いは使用したリソースに対する料金のみになります。 このリリース以前、お客様は FSx for Lustre SSD ストレージクラスを使用して、オール SSD ストレージのパフォーマンスと全データに対する一貫的な低レイテンシーアクセスを必要とする ML ワークロードと HPC ワークロードを高速化していました。しかし、多くのワークロードにはホットデータとコールドデータが混在しており、コールド寄りのデータにオール SSD ストレージは必要ありません。FSx for Lustre は、グラフィックスプロセッシングユニット (GPU) 利用率を向上させるために AI/ML ワークロードで使用されることがますます増えています。このようなワークロードのオプションの 1 つとなるべく、FSx for Lustre のコストがさらに最適化されました。 FSx for Lustre Intelligent-Tiering データは、ユーザー操作なしで 3 つのストレージ階層 (高頻繁アクセス、低頻度アクセス、アーカイブ) 間を移動するため、初期費用や事前のコミットメントなしで自動的にコストを削減できます。階層化は次のような仕組みになっています。 高頻度アクセス – この階層には過去 30 日以内にアクセスされたデータが保存されます。 低頻度アクセス – この階層には 30～90 日間アクセスされなかったデータが保存され、高頻度アクセスよりもコストが 44% 低くなります。 アーカイブ – この階層には 90 日以上アクセスされなかったデータが保存され、低頻度アクセスよりもコストが 65% 低くなります。 単一の物理的ロケーション内に限定されることが一般的な通常のオンプレミス実装とは異なり、ユーザーのデータは、そのストレージ階層にかかわらず、冗長性と可用性のために複数の AWSアベイラビリティーゾーン に保存されます。さらに、データはミリ秒単位で瞬時に取得できます。 ファイルシステムの作成 ファイルシステムは、 AWS マネジメントコンソール 、 AWS コマンドラインインターフェイス (AWS CLI) 、API、または AWS CloudFormation を使用して作成できます。コンソールで [ファイルシステムを作成] を選択して作成を開始します。 [Amazon FSx for Lustre] を選択してから [次へ] を選択します。 ここで、ファイルシステムを作成するための残りの情報を入力します。ファイルシステムの名前 ( veliswa_fsxINT_1 ) を入力し、[デプロイとストレージクラス] には [永続的な インテリジェント階層化] を選択します。希望する [スループットキャパシティ] と [メタデータ IOPS] を選択します。 [SSD 読み取りキャッシュ] は、指定したスループットキャパシティに基づいて FSx for Lustre が自動的に設定します。残りはデフォルトのままにしておいて [次へ] を選択し、選択内容を確認してからファイルシステムを作成します。 Amazon FSx for Lustre Intelligent-Tiering を使用することで、基盤となるストレージ容量を事前にプロビジョニングしなくても、ワークロードに必要なパフォーマンスをプロビジョニングする柔軟性が得られます。 作成後にどの値を編集できるか知りたかったので、ファイルシステムの作成を完了する前に設定をしっかり確認しておいたところ、スループットキャパシティ、メタデータ IOPS、セキュリティグループ、SSD 読み取りキャッシュ、およびその他いくつかの設定を後で編集できることがわかりました。ML ジョブの実行を開始した後で、処理するデータ量に応じてスループットキャパシティを増やす必要が生じることもあるため、この情報は私にとって重要です。 これで、ファイルシステムが利用可能になりました。今後 HPC ワークロードを実行することを考えると、これから大量のデータを処理することが見込まれるため、スループットキャパシティを 24 Gb/秒 に増やします。増やしたとしても、支払うのは使用したリソースの料金のみです。 SSD 読み取りキャッシュは、パフォーマンスニーズの増加に応じて自動的にスケールします。キャッシュサイズは、ユーザープロビジョニングモードでいつでも個別に調整できます。低レイテンシーアクセスが必要ない場合は読み取りキャッシュを無効化することもできます。 知っておくと便利な情報 FSx for Lustre Intelligent-Tiering は、1 秒あたり最大で数テラバイトの総スループットを実現するように設計されています。 Elastic Fabric Adapter (EFA) /GPU Direct Storage (GDS) をサポートする FSx for Lustre は、クライアントあたりのスループットが以前の FSx for Lustre システムよりも最大 12 倍 (最大 1200 Gbps) 高くなっています。 書き込みとキャッシュ読み取りでは、最大で数千万 IOPS を実現できます。SSD 読み取りキャッシュ内のデータの TTFB (Time to First Byte) レイテンシーはミリ秒未満で、その他すべてのデータの TTFB レイテンシーも数十ミリ秒の範囲です。 今すぐご利用いただけます この新機能には、いくつかの留意点があります。 FSx Intelligent-Tiering ストレージクラスは、米国東部 (バージニア北部、オハイオ)、米国西部 (北カリフォルニア、オレゴン)、カナダ (中部)、欧州 (フランクフルト、アイルランド、ロンドン、ストックホルム)、アジアパシフィック (香港、ムンバイ、ソウル、シンガポール、シドニー、東京) の各 AWS リージョン にある新しい FSx for Lustre ファイルシステムで利用できます。 料金については、ファイルシステムに保存するデータとメタデータに対する料金 (GB/月)、データを書き込むとき、または SSD 読み取りキャッシュ内にないデータを読み取るときの操作ごとの料金、およびファイルシステムにプロビジョニングする合計スループットキャパシティ (MBps/月)、メタデータ IOPS (IOPS/月)、データとメタデータ用の SSD 読み取りキャッシュのサイズ (GB/月) に対する料金を支払います。詳細については、「 Amazon FSx for Lustre の料金 」ページをご覧ください。この機能を含めた Amazon FSx for Lustre の詳細については、「 Amazon FSx for Lustre 」ページをご覧ください。 Amazon FSx コンソールで Amazon FSx for Lustre Intelligent-Tiering を今すぐお試しください。 Amazon FSx for Lustre の AWS re:Post や通常の AWS サポート連絡先経由でのフィードバックもお待ちしています。 – Veliswa 原文は こちら です。 ニュースブログはいかがでしたか? こちらの 1 分間のアンケートにぜひご協力ください ! (この アンケート は外部企業に委託して行われます。AWS は、 AWS プライバシー通知 に記載された内容に従って、お客様の情報を取り扱います。AWS は、このアンケートを通じて収集したデータを所有し、収集した情報をアンケートの回答者と共有することはありません)

5 月 29 日、 Amazon Elastic Container Service (Amazon ECS) 、 Amazon Elastic Kubernetes Service (Amazon EKS) 、 AWS Serverless 向けの専用 Model Context Protocol (MCP) サーバーが、 AWS ラボ GitHub リポジトリ で利用できるようになりました。これらのオープンソースソリューションは、AI 開発アシスタントの機能を拡張し、事前にトレーニングされた知識を超える、リアルタイムの状況に応じた対応を可能にします。AI アシスタント内の 大規模言語モデル (LLM) は公開文書に依存していますが、MCP サーバーは最新のコンテキストとサービス固有のガイダンスを提供して、一般的なデプロイエラーを防ぎ、より正確なサービスインタラクションの提供を支援します。 これらのオープンソースソリューションを使用すると、 Amazon Web Services (AWS) の機能と設定に関する最新の知識を、構築およびデプロイプロセス中に利用して、アプリケーションをより迅速に開発できます。 統合開発環境 (IDE) でコードを記述する場合も、本番環境の問題をデバッグする場合も、これらの MCP サーバーは Amazon ECS、Amazon EKS、AWS Serverless 機能を深く理解した AI コードアシスタントをサポートし、コードから本番環境への移行を加速します。 コマンドライン (CLE) の Amazon Q Developer などの一般的な AI 対応 IDE と連携し、自然言語コマンドを使用してアプリケーションの構築およびデプロイをサポートします。 Amazon ECS MCP Server は、ロードバランサー、ネットワーク、オートスケーリング、モニタリング、Amazon ECS タスク定義、サービスなど、関連するすべての AWS リソースを設定することで、数分以内にアプリケーションをコンテナ化して、Amazon ECS にデプロイします。自然言語による指示を利用して、クラスター運用の管理、自動スケーリング戦略の実装、リアルタイムのトラブルシューティング機能の使用を行うと、デプロイの問題を迅速に特定して解決できます。 Kubernetes 環境の場合、 Amazon EKS MCP Server は、特定の EKS 環境に関する最新のコンテキスト情報を AI アシスタントに提供します。最新の EKS 機能、ナレッジベース、クラスター状態の情報にアクセスできます。これにより、AI コードアシスタントは、初期設定から本番環境のデプロイまで、アプリケーションのライフサイクル全体を通じて、より正確でカスタマイズされたガイダンスを得ることができます。 AWS Serverless MCP Server は、サーバーレスパターン、ベストプラクティス、AWS サービスに関する包括的な知識を備えた AI コーディングアシスタントを提供することで、サーバーレス開発体験を向上させます。 AWS Serverless Application Model Command Line Interface (AWS SAM CLI) 統合を使用すると、実証済みのアーキテクチャパターンを実装しながら、イベントを処理してインフラストラクチャをデプロイできます。この統合により、アプリケーション開発プロセス全体の機能ライフサイクル、サービス統合、運用要件が合理化されます。サーバーは、コード決定としてのインフラストラクチャ、 AWS Lambda 固有のベストプラクティス、AWS Lambda イベントソースマッピングのイベントスキーマに関するコンテキストガイダンスも提供します。 実際の動作を見てみましょう AWS MCP サーバーを初めて使用する場合は、 AWS ラボ GitHub リポジトリの「インストールとセットアップ」ガイド でインストール手順を確認してください。インストールしたら、次の MCP サーバー構成をローカルセットアップに追加します。 コマンドライン用 Amazon Q をインストールし、設定を ~/.aws/amazonq/mcp.json に追加します。既に Amazon Q CLI を使用している場合は、設定のみを追加します。 { "mcpServers": { "awslabs.aws-serverless-mcp": { "command": "uvx", "timeout": 60, &nbsp;&nbsp; &nbsp; &nbsp;"args": ["awslabs.aws_serverless_mcp_server@latest"], }, "awslabs.ecs-mcp-server": { "disabled": false, "command": "uv", "timeout": 60, "args": ["awslabs.ecs-mcp-server@latest"], }, "awslabs.eks-mcp-server": { "disabled": false, "timeout": 60, "command": "uv", "args": ["awslabs.eks-mcp-server@latest"], } } } このデモでは Amazon Q CLI を使用して、サンプルコードとして Amazon Nova モデルクックブックリポジトリ の 02_using_converse_api.ipynb を利用して動画を理解するアプリケーションを作成します。これを行うには、次のプロンプトを送信します。 I want to create a backend application that automatically extracts metadata and understands the content of images and videos uploaded to an S3 bucket and stores that information in a database.I'd like to use a serverless system for processing.Could you generate everything I need, including the code and commands or steps to set up the necessary infrastructure, for it to work from start to finish? - Use 02_using_converse_api.ipynb as example code for the image and video understanding. Amazon Q CLI は、MCP サーバー awslabs.aws-serverless-mcp-server を含む必要なツールを特定します。AWS Serverless MCP サーバーは、1 回のやりとりで、堅牢なアーキテクチャを構築するためのすべての要件とベストプラクティスを決定します。 Amazon Q CLI にアプリケーションの構築とテストを依頼しましたが、エラーが発生しました。Amazon Q CLI は利用可能なツールを使用して、問題を迅速に解決しました。 Amazon DynamoDB テーブルで作成されたレコードを確認して、 dog2.jpeg ファイル を使用してアプリケーションをテストし、成功を確認しました。 動画処理機能を強化するために、メディア分析アプリケーションをコンテナ化されたアーキテクチャに移行することにしました。そこで、次のプロンプトを使用しました。 I'd like you to create a simple application like the media analysis one, but instead of being serverless, it should be containerized.Please help me build it in a new CDK stack. Amazon Q Developer がアプリケーションの構築を開始します。この時間を利用してコーヒーを買いに行きました。コーヒーを片手にデスクに戻ったとき、アプリケーションの準備ができていたので、嬉しい驚きを覚えました。すべてが現在の基準を満たしていることを確認するために、私は単純に次のように尋ねました。 please review the code and all app using the awslabsecs_mcp_server tools&nbsp; Amazon Q Developer CLI は、すべての改善点と結論をまとめた概要を提供します。 必要な変更をすべて行うように依頼します。準備ができたら Amazon Q Developer の CLI に、すべて自然言語を使用して私のアカウントにデプロイするように依頼します。 数分後、S3 バケットから必要なすべてのネットワークへの、完全なコンテナ化されたアプリケーションができたことを確認しました。 Amazon Q Developer CLI にアプリのテストを依頼して the-sea.mp4 動画ファイル を送信したところ、タイムアウトエラーが返されました。そこで、Amazon Q CLI は awslabsecs_mcp_server ツールの fetch_task_logs を使用してログを確認し、エラーを特定して修正することを決定しました。 新規デプロイ後、もう一度試してみたところ、アプリケーションは動画ファイルを正常に処理しました Amazon DynamoDB テーブルにレコードが表示されています。 Amazon EKS MCP サーバーをテストするために、auction-website-main フォルダーにウェブアプリのコードを置いています。堅牢なウェブアプリを作成したいと考えているため、Amazon Q CLI にこのプロンプトを手伝ってほしいと依頼しました。 Create a web application using the existing code in the auction-website-main folder.This application will grow, so I would like to create it in a new EKS cluster Docker ファイルが作成されると、Amazon Q CLI は awslabseks_mcp_server の generate_app_manifests を、アプリケーション用の Kubernetes マニフェストを作成するための信頼できるツールとして識別します。 次に、 manage_eks_staks ツールを使用して新しい EKS クラスターを作成します。 アプリケーションの準備が整うと、Amazon Q CLI によってデプロイされ、作成した内容の概要が表示されます。 クラスターのステータスはコンソールで確認できます。 数分後、 search_eks_troubleshoot_guide ツールを使用していくつかの問題を解決すれば、アプリケーションを使用できるようになります。 これで、Amazon Q CLI による自然言語コマンドのみを使用して、Amazon EKS にデプロイされた Kitties マーケットプレイスのウェブアプリケーションが完成しました。 今すぐご利用いただけます AWS ラボ GitHub リポジトリ にアクセスして、これらの AWS MCP サーバーの使用を開始し、AI を活用した開発を強化してください。リポジトリには、コードを変更せずに既存の AWS Lambda 関数を AI アクセス可能なツールに変換する AWS Lambda 関数を実行 するための実装ガイド、設定例、その他の専用サーバー、および Amazon Bedrock ナレッジベースへのシームレスなアクセスを提供する Amazon Bedrock Knowledge Bases Retrieval MCP サーバー が含まれています。リポジトリ内の他の AWS 専用サーバー には、より信頼性の高い迅速なアプリケーションの構築を開始するためのドキュメント、設定例、実装ガイドが含まれています。 AWS Serverless と Containers 向け MCP サーバーの詳細と、それらが AI 支援アプリケーション開発を変革する方法については、「 AWS Serverless MCP サーバーの紹介: 最新アプリケーションのための AI を活用した開発 」、「 Amazon ECS MCP サーバーを使用した AI 支援のコンテナデプロイの自動化 」、「 Amazon EKS MCP サーバーを使用したアプリケーション開発の加速 」を参照してください。 –&nbsp; Eli 原文は こちら です。

みなさん、こんにちは。ソリューションアーキテクトの戸塚です。今週も 週刊AWS をお届けします。 早いもので、6 月 25 日（水）、26 日（木）の二日間、日本最大のAWSを学ぶイベント、AWS Summit Japan が開催されます。我々AWSメンバーは一年に一度のこの一大イベントに向けて、準備を進めています。AWS セッションだけでなく、お客様セッションもリアルな実体験が聞けますので、おすすめです。また会場にはDemo展示や、ワークショップ、ハッカソンなどが開催されており、一日中 AWS について楽しく学べるようになっています。会場で皆様にお会いできるのを楽しみにしています。事前登録は こちら から可能です。 それでは、先週の主なアップデートについて振り返っていきましょう。 2025年5月26日週の主要なアップデート 5/27(火) Amazon RDS for MySQL が Extended Support マイナーバージョン 5.7.44-RDS.20250508 を発表 Amazon RDS for MySQL の新しいExtendedサポートマイナーバージョン 5.7.44-RDS.20250508 がリリースされました。今回のアップデートの重要なポイントは、Extended サポートという MySQL の長期サポートオプションが追加されたことです。通常、MySQL のメジャーバージョンのサポート期間が終了すると、セキュリティパッチや不具合修正が提供されなくなりますが、Extended サポートを利用することで、標準サポート終了後も最大 3 年間、重要なセキュリティパッチやバグ修正の提供を受けることができます。これは、ビジネス要件に応じて、新しいメジャーバージョンへのアップグレードを計画的に進められることを意味します。延長サポートの詳細については、Amazon RDSユーザーガイド および価格に関する FAQ をご覧ください。 Amazon Aurora DSQLが一般利用可能に Amazon Aurora DSQLが一般提供開始となりました。これは、アクティブ-アクティブの高可用性とマルチリージョンの強力な一貫性を備えた、最速のサーバーレス分散型SQLデータベースです。Aurora DSQL を使用することで、事実上無制限のスケーラビリティと最高レベルの可用性を持ち、インフラ管理が不要なアプリケーションを構築できます。単一リージョンで 99.99%、マルチリージョンで 99.999% の可用性を実現するように設計されており、単一障害点がなく、障害からの自動復旧が可能です。マルチリージョンの強力な一貫性により、どのリージョンのエンドポイントに対する読み取りと書き込みも、強力な一貫性と耐久性が保証されます。 詳細については、Aurora DSQL の 概要ページ 、 ブログ記事 、 価格ページ 、 ドキュメント をお読みください。現時点で東京、大阪リージョンはシングルクラスター構成となります。 AWS Backup が Amazon Aurora DSQL のサポートを開始 AWS Backup が、常時利用可能なアプリケーション向けのサーバーレス分散型 SQL データベースである Amazon Aurora DSQL のサポートを開始しました。これにより、Aurora DSQLを使用している組織は、AWS Backup の完全マネージド型データ保護機能を活用できるようになります。AWS Backup と AWS Organizations の統合により、組織全体のアカウントにわたって一元的に不変なバックアップを作成・管理し、データ保護を標準化することが可能になりました。Aurora DSQL ユーザーは、AWS Backup の包括的なデータ保護機能を利用できます。具体的には、自動スケジューリング、保持期間の管理、改ざん不可能で論理的にエアギャップされたバックアップボールト、リージョン間およびアカウント間のコピー、そしてコスト効率の高いコールドストレージなどの機能が含まれます。この統合により、バックアップ管理が効率化され、組織は Aurora DSQL と他の AWS リソースにわたってデータ保護戦略を統一することができます。 AWS Neuron が NxD 推論の 一般提供開始、新機能、および改良されたツールを発表 AWS Neuron の最新バージョン 2.23 がリリースされ、推論、トレーニング機能、開発者ツールにわたる多くの改善が発表されました。この更新の最も重要なポイントは、NxD Inference ライブラリ (NxDI) が一般提供されたことです。このライブラリは、複数チップを使用する推論処理において推奨されるソリューションとなります。Persistent Cache のサポートによりコンパイル時間が短縮され、モデルの読み込み時間も最適化されています。トレーニングワークロードに関しては、NxD Training ライブラリが Llama モデル向けに Context Parallelism のサポート (ベータ版) を導入し、シーケンス長を 32K まで拡張できるようになりました。また、DPOスタイルのデータセットを使用したORPOによるモデルアライメントのサポートも追加されました。サードパーティライブラリのサポートも強化され、PyTorch Lightning 2.5、Transformers 4.48、NeMo 2.1 に対応しています。Neuron Kernel Interface (NKI) では、32ビット整数演算の新機能、Trainium2 向けの改善されたISA機能、新しいパフォーマンスチューニング API が導入されました。 5/28(水) Amazon Neptune が MCP (Model Context Protocol) サーバーを発表 Amazon Neptune の新機能として、MCP (Model Context Protocol) サーバーの提供が開始されました。この新しいサーバーにより、開発者やAIアシスタントが Amazon Neptune とより簡単にやり取りできるようになり、生成系AIのワークフローにグラフデータベースのクエリを簡単に組み込むことが可能になりました。MCP サーバーは AWS が提供する Model Context Protocol ツール群の一部として、openCypher や Gremlin といったクエリ言語をサポートし、スキーマの検出や自然言語でのクエリ実行を可能にします。これにより、Amazon Q CLI や Cursor、Claude Code などの MCP 対応ツールと Neptune を連携させることができ、複雑なコードを書くことなく、普通の英語で質問してグラフデータベースからの応答を得ることができます。ナレッジグラフの構築や関係性の分析、AI アシスタントの機能強化など、さまざまなユースケースにおいて、これまで以上に直感的かつ効率的にグラフデータを探索・クエリすることが可能になりました。Amazon Neptune MCP Server は、Amazon Neptune が提供されているすべての AWS リージョンで利用可能になりました。詳しくは、 ブログ でNeptune MCP Serverの詳細をご覧ください。 Cost Optimization Hub で Savings Plans と予約の設定をサポート AWS の請求とコスト管理コンソール内の機能である Cost Optimization Hub に、新しい機能が追加されました。この更新により、Savings Plans や予約インスタンスに関する設定をカスタマイズできるようになり、お客様の希望する契約条件に基づいたコスト最適化の推奨事項と潜在的な節約額を確認できるようになりました。Cost Optimization Hub は、EC2 インスタンスのサイズ最適化、graviton への移行、アイドル状態のリソース、予約インスタンス、Savings Plans などに関する AWS のコスト最適化の推奨事項を簡単に特定、フィルタリング、集計できる機能です。今回の更新で、契約期間を 1 年または 3 年から選択できるようになり、支払いオプションについても全額前払い、一部前払い、前払いなしの中から選択できるようになりました。これにより、お客様の組織が望む契約条件に合わせた、より正確な潜在的な節約額を把握することが可能になります。例えば、組織の方針として 1 年契約のみを検討している場合、その条件に基づいた推奨事項と節約額を確認できるため、より実用的な情報を得ることができます。この機能強化により、組織のポリシーや予算計画に沿ったコスト最適化の検討が、さらに効率的に行えるようになりました。 AWS Network Firewall が複数の VPC エンドポイントをサポート AWS Network Firewall に、複数の VPC エンドポイントをサポートする新機能が追加されました。この更新により、1 つのファイアウォールで複数の Amazon VPC に対してセキュリティ保護を提供できるようになりました。AWS Network Firewall は、AWSが提供するマネージド型のクラウドネイティブなファイアウォールサービスで、すべてのAmazon VPC に必要なネットワーク保護を簡単に導入することができます。これまでは1つのファイアウォールに対して1つの VPC エンドポイントしか設定できませんでしたが、今回のアップデートにより、1つのアベイラビリティゾーンあたり最大 50 個の VPC エンドポイントを関連付けることが可能になりました。これにより、複数の VPC のトラフィックを 1 つのファイアウォールで一元的に検査できるようになり、運用の複雑さを軽減し、コストを削減することができます。 Amazon FSx for NetApp ONTAP が ONTAP FlexCache ボリュームのライトバックモードをサポート Amazon FSx for NetApp ONTAP において、ONTAP FlexCache ボリュームの write-back モードがサポートされるようになりました。Amazon FSx for NetApp ONTAPは、NetAppの人気ファイルシステム ONTAP をベースにした、フルマネージド型の共有ストレージサービスです。今回のアップデートにより、複数の AWS リージョンやオンプレミス環境に分散された書き込み負荷の高いワークロードで、より高速なパフォーマンスを実現できるようになりました。FlexCacheは、データへの分散アクセスを可能にする ONTAP のキャッシュ技術です。これまでは、write-around モードのみがサポートされており、FlexCache ボリュームへの書き込み操作は、必ず元のボリュームに戻って確認される必要があったため、書き込みの遅延が大きくなっていました。今回のアップデートで導入されたwrite-backモードでは、FlexCache ボリュームにローカルで書き込みをキャッシュし、非同期で元のボリュームを更新することで、書き込み遅延を削減します。これにより、複数のAWSリージョン間やクラウドとオンプレミス環境間で運用が必要な、コンテンツ共同作成、分散データベース、エンジニアリングワークフローなどの書き込み負荷の高い分散アプリケーションのパフォーマンスを向上させることができます。このアップデートは、地理的に分散したチームでの作業や、グローバルなデータ処理を必要とするビジネスにとって、特に有益な機能強化となります。詳細については、 FSx for ONTAP ユーザーガイド を参照してください。 5/29(木) Amazon OpenSearch Service が スクリプトプラグイン をサポート Amazon OpenSearch Service に新機能が追加されました。この新機能により、Script プラグインのサポートが開始されました。これは、検索やインデックス作成時のスコアリング、ソート、フィールド値の変換などの操作のために、新しいスクリプト言語やカスタムスクリプト機能を OpenSearch に追加できるようになるものです。これまでは、カスタムプラグインを使用して OpenSearch の検索と分析機能を拡張することはできましたが、今回のアップデートにより、カスタムプラグインの一部として ScriptPlugin インターフェースを実装し、OpenSearch のスクリプト機能を拡張できるようになりました。OpenSearch Service のコンソールや API を使用して、カスタムプラグインをアップロードし、ドメインに関連付けることができます。その際、OpenSearch Service は、プラグインパッケージのバージョン互換性、セキュリティ、許可されたプラグイン操作について検証を行います。 AWS DataSync がクラウド間のデータ転送を簡素化し高速化 今回のアップデートにより、他のクラウドプロバイダーのストレージと Amazon S3 の間で、直接データを転送できるようになりました。これまでは DataSync エージェントの導入が必要でしたが、その必要がなくなり、より簡単にデータ転送が可能になりました。対応している他社クラウドのストレージサービスには、Google Cloud Storage、Microsoft Azure Blob Storage、Oracle Cloud Object Storage が含まれます。新機能では、DataSync Enhanced mode を使用することで、データの準備、転送、検証を並列処理し、より高速な転送速度を実現します。また、事実上無制限のオブジェクト数に対応し、詳細なメトリクスとレポート機能を使用して転送状況を監視することができます。この機能強化により、他のクラウドから AWS へのデータ移行やデータパイプラインの構築がより効率的になり、お客様は複雑なエージェント設定なしで、シンプルにクラウド間のデータ転送を実現できるようになりました。特に、複数のクラウドサービスを利用している企業や、クラウド移行を検討している組織にとって、大きなメリットとなる機能です。詳細は、DataSyncの ドキュメント を参照ください。 AWS サーバーレスおよびコンテナ向けの新しい Model Context Protocol (MCP) サーバーを発表 AWS Lambda、Amazon ECS (Elastic Container Service)、Amazon EKS (Elastic Kubernetes Service)、そして Finch 向けの Model Context Protocol (MCP) サーバーのリリースを発表しました。MCP サーバーは、AI コードアシスタントが AWS のサーバーレスやコンテナサービスをより深く理解し、より効果的に開発支援を行うための標準インターフェースです。このアップデートにより、開発者はAIアシスタントを活用して、より迅速にアイデアを本番環境へと展開できるようになります。MCP サーバーの特徴は、AWSの運用ベストプラクティス、Well-Architected フレームワークの原則、そしてサービス固有の最適化を組み込んでいる点です。これにより、開発者は自然言語で要件を説明するだけで、AI コードアシスタントがサービスの設定やインフラのセットアップ、サービス間の連携を適切に処理できます。また、MCP サーバーは、ログ記録、モニタリング、セキュリティ制御、トラブルシューティングなどの運用面でも AI による支援を提供し、運用管理を大幅に簡素化します。このアップデートは、特にAWSの技術に詳しくない開発者にとって、複雑な AWS サービスの利用をより身近なものにし、効率的な開発を可能にする重要な進化といえます。AI アシスタントがAWSのベストプラクティスに基づいて適切なガイダンスを提供することで、より信頼性の高いアプリケーション開発が実現できるようになります。AWS ServerlessとContainers 用の MCP サーバーの詳細と、それらがAI支援アプリケーション開発をどのように変革できるかについては、 AWS News Blog をご覧ください。 5/30(金) Mountpoint for Amazon S3 で fstab を使用した S3 バケットの自動マウントが可能に Amazon S3 のバケットをマウントするためのツール「Mountpoint for Amazon S3」に、新しい機能が追加されました。EC2 インスタンスの起動時に S3 バケットを自動的にマウントできるようになりました。この機能により、インスタンスの起動時やリブート時に毎回手動でマウントする必要がなくなり、より簡単に S3 バケットを利用できるようになります。これまでは、EC2 インスタンスを起動するたびに手動でマウント作業を行い、マウントオプションが正しく設定されているかを確認する必要がありました。今回のアップデートでは、Linux システムの標準的な設定ファイルである fstab に Mountpoint の設定を追加することで、自動マウントが可能になります。fstab は Linux システム管理者がよく使用するファイルで、コンピュートインスタンス上の全てのマウントポイントの情報を一元管理するために使われています。 AWS Pricing Calculatorが一般提供を開始し、割引と購入コミットメントに対応 AWS Pricing Calculator が、AWSコンソールで一般提供開始となりました。この新しいツールでは、ワークロードのコスト見積もりと AWS の請求全体の見積もりという 2 種類の見積もり機能を提供します。お客様は過去の使用状況をインポートしたり、新規の使用量を設定したりしてコストを見積もることができます。さらに、AWS Pricing Calculator では3つの料金設定オプションが用意され、割引や既存の契約を含めた見積もりが可能になりました。これにより、AWS の価格設定や数量割引、既存の契約がワークロード全体の見積もりコストにどのように影響するかを確認できます。新しい料金設定機能では、価格割引と購入契約の両方を含めることで、コストシナリオにおける潜在的な節約額とコスト最適化をより明確に把握できます。この機能は、Savings Plans や Reserved Instance などの既存の契約が AWS 全体のコストにどのような影響を与えるかを理解したい組織にとって特に有用です。 Amazon Redshift の RA3 プロビジョニングクラスターでクラスター再配置がデフォルトで有効に Amazon Redshift の RA3 プロビジョンドクラスターにおいて、クラスターの再配置機能がデフォルトで有効になりました。この機能は、新しいクラスターを作成する場合やスナップショットから復元する場合に適用されます。クラスターの再配置機能とは、リソースの制約によってクラスターの運用に支障が出た場合に、クラスターを別のアベイラビリティゾーン (AZ) に移動できる機能です。移動後も同じエンドポイントを維持するため、アプリケーション側での変更は不要です。Amazon Redshift はすでにドライブやノードの障害を自動的に検知して復旧する機能を備えていますが、クラスターの再配置機能により、AZレベルの問題に対する可用性保護がさらに強化されました。紹介は ドキュメント を参照ください。 AWS 向け Red Hat Enterprise Linux の提供開始を発表 Red Hat社とAWSが共同で提供する新しいサービス「 Red Hat Enterprise Linux (RHEL) for AWS 」が、 RHEL 10 から一般提供開始されることが発表されました。このサービスは、Red Hatの企業向けLinuxソフトウェアとAWSのネイティブ統合を組み合わせた画期的なソリューションです。AWS上でRHELを最適な状態で実行できるように特別に設計されており、AWSに特化した性能プロファイルで事前にチューニングされたイメージを提供します。主な特徴として、 Amazon CloudWatch との連携による監視機能、AWS Command Line Interface (CLI) の統合、コンテナネイティブツールを使用したイメージモード、起動時からランタイムまでの強化されたセキュリティ、そしてElastic Network Adapter (ENA) のサポートによる最適化されたネットワーク機能が含まれています。詳細は、 Red Hat Enterprise Linux on Amazon EC2 FAQs ページ を参照してください。 Amazon MWAA でタスク実行を中断せずに環境を更新できるように Amazon Managed Workflows for Apache Airflow (MWAA) において、実行中のタスクを中断せずに環境をアップデートできる機能が追加されました。この機能は Apache Airflow バージョン 2.4.3 以降でサポートされています。Amazon MWAA は、ワークフローのオーケストレーションに使用される Apache Airflow を管理型サービスとして提供するものです。これまでは環境のアップデート時に実行中のタスクが中断されてしまう課題がありましたが、今回のアップデートでより柔軟な運用が可能になりました。具体的には、新しいアップデートオプションを選択することで、Airflowのスケジューラーとウェブサーバーコンポーネントの置き換え、新しいワーカーの準備、そして実行中のワーカータスクの完了を待ってから古いワーカーを削除するという、段階的なアップデートプロセスが実現できます。これにより、ビジネスの継続性を保ちながら、システムの更新が可能になります。特に大規模な環境や重要なワークフローを実行している場合に、このアップデート機能は非常に有用です。 それでは、また来週お会いしましょう！ 著者について 戸塚 智哉(Tomoya Tozuka) / @tottu22 飲食やフィットネス、ホテル業界全般のお客様をご支援しているソリューション アーキテクトで、AI/ML、IoT を得意としています。最近では AWS を活用したサステナビリティについてお客様に訴求することが多いです。 趣味は、パデルというスペイン発祥のスポーツで、休日は仲間とよく大会に出ています。

この記事は、2025年4月23日に公開された “ Introducing the AWS Well-Architected Video Streaming Advertising Lens ” を翻訳したものです。 Amazon Web Services (AWS) にて、AWS Well-Architected Video Streaming Advertising (VSA) Lens を発表いたします。VSA Lens は、 レンズホワイトペーパー とカスタムレンズで構成されており、 AWS Well-Architected Tool のレンズカタログで利用可能になります。今すぐ必要な場合は、アカウント担当者に連絡してアクセスをご依頼ください。 今回初版が発表された VSA Lens は、 AWS Well-Architected Framework を拡張したものです。AWS Well-Architected Frameworkは、AWS のお客様とパートナーがクラウドアーキテクチャを改善し、技術的リスクを低減するのに役立ちます。VSA Lens は、AWS 上で極めて高いスループットのビデオストリーミング広告ワークロードを設計・運用するお客様に、アーキテクチャ上のベストプラクティスを提供します。VSA Lens は以下の6つの柱に基づいています： 運用上の優秀性 セキュリティ 信頼性 パフォーマンス効率 コスト最適化 持続可能性 VSA Lens の初版には、アトリビューションおよびアドベリフィケーションソフトウェアに関する規範的なガイダンスが含まれています。また、高可用性ソリューションや最先端の人工知能・機械学習（AI/ML）ツールに関する内容も組み込まれています。さらに、データ転送コストの管理および、変動するリアルタイム広告トラフィックの負荷分散最適化に関する戦略にも対応しています。 このブログでは、VSA Lens の概要を説明し、AWS Well-Architected Tool のワークロードレビューに VSA Lens を追加する方法を示します。 Video Streaming Advertising Lens の新たな機能は何ですか？ アドサーバー、SSP（サプライサイドプラットフォーム）、DSP（デマンドサイドプラットフォーム）向け広告ワークロードの運営における広告ビジネス目標の整合性確保 広告キャンペーンの優先順位と組織構造を評価・更新するプロセス 広告に関するリスクの評価と自動的な緩和 手作業によるエラーのリスクを低減するための広告配信インフラストラクチャデプロイメントの自動化 パフォーマンス指標の確立 — 各広告プロセスと手順に対する KPI（重要業績評価指標）と SLO（サービスレベル目標）の定義 ベストプラクティスと実装ガイダンスの提供 — 特に、ビジネス上、最も重要な分野でワークロードを改善するために使用できる実践的なガイダンスを提供 アーキテクチャとリンク集 — 広告プロジェクトを支援するさまざまな新製品、機能、現行の業界ベストプラクティスを反映した、多くの新しいドキュメント、ブログ、ガイド、ビデオへのリンクの提供 VSA Lens は誰が使用すべきですか？ VSA Lens は以下のような様々な役割の方にご活用いただけます： ビジネスリーダー：実装に対する理解を広範囲に深めることができます 最高技術責任者（CTO）：新しい AWS サービスと実装ガイダンスの使用方法を理解することができます ソリューションアーキテクト：AWS Well-Architected Framework の考え方に沿ったソリューションの構築方法を学ぶことができます 運用チーム：より広範な広告ワークロードの運用を可能とする革新的なインフラストラクチャを監視・管理することができます セキュリティチーム：堅牢なセキュリティ要件に基づいて広告ワークロードを強化することができます まとめ 新しい VSA Lens は利用可能です。Lens ホワイトペーパーを使用して、AWS Well-Architected Framework の原則に従って広告ワークロードを改善してください。アーキテクチャに VSA Lens を適用することで、設計の安定性と効率性を検証し、評価の際に特定された課題に対する推奨事項を得ることができます。 AWS は、この広告 Lens を強力なツールとして継続的に発展させることに尽力しています。新しい AWS サービスの立ち上げ、業界トレンドの変化、そして（持続可能性のような）新たな柱の追加に応じて、VSA Lens を迅速に更新していきます。私たちの使命は、適切に構築される広告ワークロードの設計と展開をサポートし、お客様がビジネス目標の達成に集中できるようにすることです。 AWS エンタープライズサポート、AWS ソリューションアーキテクト、AWS プロフェッショナルサービス、そして広告コミュニティの皆様の Lens への貢献に感謝します。新しい AWS Well-Architected VSA Lens の開発にあたり、幅広い横断的視点、専門知識、さまざまなバックグラウンドや経験と言った貢献を受けました。 ビジネスを加速させるためのご支援については、 AWS の担当者 にお問い合わせください。 さらに詳しく Running high-throughput, real-time ad platforms in the cloud – クラウドベースのリアルタイム広告プラットフォームのベストプラクティス AWS for Advertising &amp; Marketing のホームページ – 比類のないコストパフォーマンスで超低レイテンシーの広告ワークロードを実行 翻訳は、テクニカルアカウントマネージャーの馬場が担当しました。 Abraham Lobo Abraham Lobo はメディア・エンターテイメント分野のプリンシパルテクニカルアカウントマネージャーで、AWS 上でのメディアおよび広告を専門にしています。 Basil Badawiyeh Basil Badawiyeh はメディア・エンターテイメント分野のシニアエンタプライズサポートマネージャーで、メディアおよび広告領域における AWS 上のワークロードのオペレーションを専門にしています。

みなさん、こんにちは。AWS ソリューションアーキテクトの野間です。6月になりました。6月と言えば！AWS Summit です！6月25日と26日に AWS Summit Japan が開催されます。今回のブログ内でも紹介していますが、AWS Summitでの展示内容の情報が出始めています。AWS メンバーが頑張ってデモアプリなどを開発していますので楽しみにしてください。また、イベントの 事前登録 もお忘れなく！ また、先日 Anthropic社 から待望の Claude 4 がリリースされ Bedrock でも利用可能となりました。今回は「Claude Opus 4」と「Claude Sonnet 4」という2つのモデルが登場し、特にコーディングや複雑な推論タスクで革新的な性能を見せています。生成AIの進化が加速する中で、それぞれのモデルの特徴を理解して使い分けることがますます重要になってきていると感じます。実際、Anthropic社 も Claude 4 のベストプラクティスガイド を既に公開しており、効果的な活用方法についての情報提供を積極的に行っていますので是非参照してみてください。 では今週も生成 AI with AWS界隈のニュースを見ていきましょう！ さまざまなニュース AWS生成AI国内事例ブログ「NTT データの AWS ジャパン生成 AI 実用化推進プログラム成果報告 : AI Agent によるクリエイティブ業務支援ソリューション開発」 株式会社 NTT データは、2024 年度の AWS ジャパン生成 AI 実用化推進プログラムに参画し、AI Agent によるクリエイティブ業務支援ソリューションを開発されました。このソリューションは、Web検索、デザイン案生成、画像生成の3つのエージェントを、Supervisor Agent が統括する形で構成されており、LangGraph フレームワークを用いて実装されています。Amazon Bedrock のClaude 3.7 Sonnet 他複数のAIモデルを組み合わせることで、多様な表現力を実現しています。実際のデザイン関連企業との協業を通じて、調査業務で75%の効率化を達成し、デザイン案の生成においてもアイデア創出の支援に成功しています。またAWSのマネージドサービスを活用することで、約2ヶ月という短期間でソリューションを構築することができました。ブログでは、開発の背景となるビジネス的課題から、具体的なソリューションのアーキテクチャ、そして実際の導入による効果を包括的に紹介しています。 AWS生成AI国内事例ブログ「三菱重工グループが挑戦する企業変革 ～生成AI戦略から価値創出までの実践記録〜」 このブログでは、三菱重工業株式会社（MHI）と三菱重工業機械システム株式会社（MHI-MS）が生成AIの全社活用に向けた取り組みを紹介しています。まず、デジタルイノベーション本部主導でAI Center of Excellence（AI-CoE）の体制を確立し、AWS の CAF-AI フレームワークを活用した戦略を策定し、次に、生成AIデザインワークショップを通じて具体的なユースケースを特定し、経営層から実務者層まで一体となって事業価値の創出方法を検討しました。そして、「Experience Based Acceleration（EBA）」という手法でプロトタイピングを実施し、わずか3日間で高水準のプロトタイプを完成させ、事業価値の実現可能性を確認しました。この取り組みは、デジタル部門と事業部門の連携、スキル開発、そして挑戦する文化の醸成という複数の成果をもたらしています。エンタープライズ企業における生成 AI 活用のアプローチとして参考になるのではないでしょうか。 ブログ記事「AWS Summit Japan 2025 製造業ハイライト展示の見どころ紹介！」を公開 2025年6月25日と26日に AWS Summit Japan が開催されます。このブログでは製造業向け展示ブースと製造業に関するセッションの情報をご紹介しています。特に生成AIの実践的な活用例の展示が予定されています。スマート生産エリアでは産業用ロボットのトラブルシューティングを生成AIアシスタントが支援し、サプライチェーンエリアではAI/ML/GenAIを活用した最適化ソリューションを展示します。特に注目すべきは、スマートプロダクト＆サービスエリアで紹介される複数のAIエージェントによるリアルタイムサポートと、エージェンティックコーディングによる開発プロセスの革新です。さらに、データエリアではAmazon Q in QuickSightによる自然言語でのデータ分析や、グラフDBと生成AIを組み合わせた業務横断的な分析機能が紹介され、製造業における生成AI活用の包括的なソリューションを体験できます。是非ブログの内容を参照いただき、イベント参加の際の参考にしてみてください。 ブログ記事「Amazon Connect, Amazon Lex, Amazon Bedrock Knowledge Bases を活用してコンタクトセンターに音声とチャットの生成 AI エージェントをデプロイする」 このブログでは、コンタクトセンター向け生成 AI エージェントソリューションを紹介しています。 DoorDash は Amazon Connect、Amazon Lex、Amazon Bedrock Knowledge Bases を活用し、わずか 2 か月で音声・チャット対応の AI エージェントを構築、配達員からの問い合わせに対して2.5 秒以内の応答速度を実現し、日々数十万件の電話対応を処理しています。システムはサーバーレスアーキテクチャを採用しており、運用負荷を最小限に抑えながら、ハルシネーション検出や会話分析などの高度な機能も提供します。実装手順からカスタマイズ方法まで、オープンソースで提供される実践的なソリューションの詳細をご覧ください。 サービスアップデート Amazon Neptune MCP サーバーの発表 グラフデータベースの Amazon Neptune の MCP サーバーが発表されました。openCypher や Gremlin クエリ、スキーマ探索、自然言語によるクエリが可能になり、複雑なコードを書くことなく、Amazon Q CLI や Cursor、Claude Code などのツールと連携できます。特に注目すべき点は、自然言語で質問を投げかけることで、グラフデータベースからの応答が得られる機能です。これにより、ナレッジグラフの構築や関係性の分析、AIアシスタントの機能強化など、より直感的かつ効率的なグラフデータの活用が可能になります。 AWS Serverless と Containers 向けの MCP サーバーの発表 Lambda、ECS、EKS、Finch 向けの MCP サーバーを発表しました。この新機能により、AIコードアシスタントが AWS のサーバーレスやコンテナサービスのベストプラクティスを理解し、より実用的なコード生成が可能になります。開発者は自然言語で要件を記述するだけで、AIアシスタントがサービスの設定やインフラのセットアップ、サービス間の連携を適切に処理できるようになります。さらに、ロギング、モニタリング、セキュリティ制御、トラブルシューティングなどの運用面でもAIによるサポートが受けられ、より効率的なアプリケーション開発が実現できます。 AWS MCP のアップデートは こちら に集約されておりますのでチェックしてみてください。 今週は以上です。それでは、また来週お会いしましょう！ 著者について 野間 愛一郎(Aiichiro Noma) AWS Japan のソリューションアーキテクトとして、製造業のお客様を中心に日々クラウド活用の技術支援を行なっています。データベースやデータ分析など、データを扱う領域が好きです。最近は自宅での焼き鳥で串打ちにハマっています。

アマゾン ウェブ サービス ジャパン合同会社 ソリューションアーキテクトの林です。 通信事業者の方々、通信業界に関わられている方々、 AI 活用や最新技術の動向にご興味のある方々を主な対象として、2025 年 5 月 15 日に「テレコム業界向け： Mobile World Congress (MWC) 2025 Recap 」をウェビナーで開催しました。 本記事では、当日の内容・動画を皆様にご紹介します。 ウェビナー開催の背景 2025 年 3 月 3 日から 3 月 6 日までスペイン・バルセロナで開催されたテレコム業界最大のイベント Mobile Word Congress (MWC) 2025。AWS は現地にて、3 回目のブース出展を行いました。10 万人以上の来場者を集めた今回のイベントでは、通信事業者様やパートナー様と AWS の協業による数々の取り組みがデモンストレーション含め展示されました。今回のウェビナーでは、テレコム業界向けの AWS の取り組みとして、「ネットワークのモダナイゼーション」「ネットワークオペレーションの高度化」「ソフトウェア主導型のビジネス変革」「新規ビジネスユースケースの創出」のテーマで、様々な事例をご紹介しました。 1. MWC 2025 における AWS 出展内容のハイライト |&nbsp; Video アマゾン ウェブ サービス ジャパン 技術統括本部　ストラテジックインダストリー技術本部　通信グループ　通信第一ソリューション部 部長　川崎 一青 資料は こちら からダウンロード頂けます。 まず川﨑より、MWC 2025 における AWS の出展の全体像をご説明いたしました。今回の出展では、通信業界向けの新たなAWS サービスの発表と、24 のデモ展示、多数のセッションを通じて、通信事業者各社の変革への取り組みが紹介されました。 特に注目を集めたのは、通信業界の要件に対応した新しい AWS Outposts の発表です。高スループット対応の Outposts rack と Cloud RAN 向けの Outposts server により、低レイテンシー、高スループット、リアルタイムパフォーマンスの要件に対応し、オンプレミスに延伸したAWSインフラストラクチャにネットワーク機能をデプロイすることが可能となります。 また、 AWS IoT Device Management のマネージドインテグレーション機能も発表され、異なるプロトコルやメーカー間の互換性問題を解消し、統一的なデバイス制御と SDK を提供することで、スマートホームなどのサービス開発を加速することが可能となります。 Verizon、BT、Orange、Swisscom など、世界の主要な通信事業者とのセッションも多数行われ、各社が AWS を活用し、5G コアの展開や Cloud RANの評価、オペレーション高度化、AI を活用した顧客サービスの改善などを行なった取り組みが紹介されました。これらの取り組みは、通信業界が直面する課題に対する革新的なソリューションを提示するとともに、 AWS が通信業界の変革において重要な役割を果たしていることを示しています。 2. ネットワークのモダナイゼーション |&nbsp; Video アマゾン ウェブ サービス ジャパン 技術統括本部　ストラテジックインダストリー技術本部　通信グループ　通信第二ソリューション部 ソリューションアーキテクト　林　文傑 資料は こちら からダウンロード頂けます。 林からは、ネットワークのモダナイゼーションをテーマとして、通信事業者のネットワーク構築・運用における課題と、それらに対する生成 AI や AWS インフラを活用したソリューション事例についてお届けしました。 通信事業者は、ネットワークデプロイの自動化、ベンダー開発の効率化、そしてデプロイ環境の最適化といった課題に直面しています。これらの課題に対し、 MWC 2025 で展示/デモンストレーションされた、 AWS が通信事業者およびパートナーと協業したソリューション事例を対応する3つの観点からご紹介しました。 以下に各観点の概要をまとめましたのでご参照ください。 【デプロイ自動化】 ネットワークデプロイの自動化において、 NTT DOCOMO では Open RAN 向けコンテナ環境の構築およびそのライフサイクル自動化を、 AWS クラウドサービスを使って実現しています。また、 TELUS では Samsung および ng-voice とのローミングプロジェクトにおいて生成AIを活用したデプロイ自動化の PoC を実施し、実証を進めています。 LLM・RAG により設計書やネットワーク機能設定を元にIaCアーティファクトを自動生成し GitOps ワークフローで効率的に展開しています。 【ベンダー開発】 ベンダー開発の効率化において、 Ericsson では、カスタム言語モデル、 RAG 、エージェントを活用してエンジニアのナレッジソースへのアクセスを容易にし、エンジニアの製品設計・開発を支援しています。エージェントへの仕様問い合わせ、コード検索、コードの説明、コード生成を実施することで、複雑な技術的な問いでインサイトに辿り着く時間が数時間から数分に短縮され、レガシーコードに対し 4-10% の効率向上を実現しています。 【デプロイ環境】 デプロイ環境の最適化において、 AWS は新たに高スループット対応の Outposts rack および Cloud RAN 向けの Outposts server を発表しました。これにより、 AWS をオンプレミスに延伸し、低レイテンシ、高スループット、リアルタイム性能が求められる UPF/CU/DU をホストすることが可能になります。O2 Telefónica や Orange といった通信事業者がこれらの新しい AWS Outposts の導入や検証を予定しており、ネットワークのクラウド化を推進しています。 これらの事例は、生成AIやクラウドインフラの活用により、通信事業者のネットワーク開発・構築における課題解決と効率化が着実に進んでいることを示しています。 3. ネットワークオペレーションの高度化 |&nbsp; Video アマゾン ウェブ サービス ジャパン 技術統括本部　ストラテジックインダストリー技術本部　通信グループ　通信第一ソリューション部 ソリューションアーキテクト　宮崎　友貴 資料は こちら からダウンロード頂けます。 宮崎からは、通信事業者のネットワークオペレーションの高度化をテーマとして、通信事業者の運用における課題と、それらに対するAWSの生成AIやAI/MLを活用したソリューション事例についてお届けしました。 通信事業者は、監視、原因特定、復旧処置の各フェーズにおいて、 5G や Open RAN による複雑性の増加に伴う様々な課題に直面しています。これらの課題に対し、MWC 2025で展示/デモンストレーションされた、 AWS が通信事業者およびパートナーと協業したソリューション事例をご紹介しました。 以下に各社の解決事例の概要をまとめます。。 【SK Telecom】 SK Telecom は、日々検出される異常が多くノイズに埋もれる問題や、複数のネットワークドメイン・ベンダーによる一元的な把握が困難という監視フェーズの課題、および適切なリソース配分が必要な復旧処置フェーズの課題に対し、トラフィックデータを用いてスループットの予測を行う推論モデルにより、アプリケーションのリソースの自動スケールを実現しています。 RAN SMO への AI 活用に向け、 AWS が設計済の ML Platform ブループリント（IaC）を活用しています。 【NTT DOCOMO】 NTT DOCOMO は、ネットワークトポロジーが不明確で原因の切り分け・特定が困難という原因特定フェーズの課題に対し、 Amazon Neptune を活用した商用データでの検証では、動的に変化するネットワークトポロジーをグラフデータ化し、警報が同時に大量発生するような複雑な障害ケースにおいて、数千台以上の機器の中から障害被疑ノードを15秒という短時間で特定することに成功しています。 【StarHub/SUTD/SynDesignTek】 StarHub/SUTD/SynDesignTek は、監視から原因特定、復旧処置までの一連のフェーズにおける課題に対し、 Amazon Bedrock を活用し、ネットワーク構成と状態を理解したマルチ AI エージェントによる運用支援機能を備えた統合 O-RAN 運用ライフサイクルプラットフォームを構築し、トラブルシューティング時間を数週間から数分に短縮することに成功しています。 【O2 Telefonica】 O2 Telefonica は、監視フェーズにおける警報の集約、原因特定フェーズでの切り分け、そして復旧処置フェーズまでの E2E プロセスにおける課題（人手による作業のミスリスクや、マニュアル化されていない複雑な障害の復旧時間の長時間化）に対し、 Tech Mahindra が開発したAIを活用した自律型ネットワーク運用プラットフォーム（ANOP）を導入しました。これにより、アラーム集約やインシデント管理などの運用プロセス自動化を実現し、インシデント対応時間を40%以上改善、復旧までの平均時間（MTTR）を 30% 以上改善しました。 これらの事例では、 Amazon Bedrock（生成AI）、 Amazon SageMaker（機械学習）、 Amazon Neptune（グラフデータベース）といった AWS サービスを活用し、障害の検知時間/復旧時間の短縮、ヒューマンエラーの防止、運用コストの削減を実現しています。 4. ソフトウェア主導型のテレコムビジネスの変革 |&nbsp; Video アマゾン ウェブ サービス ジャパン 技術統括本部　ストラテジックインダストリー技術本部　通信グループ　通信第一ソリューション部 ソリューションアーキテクト　岡本　篤志 資料は こちら からダウンロード頂けます。 岡本からは、ソフトウェア主導型のテレコムビジネスの変革をテーマとして、通信事業者のビジネスオペレーションが抱える課題と、それらの課題に対して、生成 AI とともにクラウドに最適化されかつ通信業務に特化したパートナーのソフトウェアサービスを活用したソリューション事例、 AI エージェントとの協業を課題解決の手段として活用した事例ついてお届けしました。 通信事業者は、プロダクト開発/営業、販売/デリバリー、運用/サポートの各フェーズにおいて、ヒューマン主導型の様々な課題に直面しています。これらの課題に対し、 MWC 2025 で展示/デモンストレーションされた、 AWS が通信事業者およびパートナーと協業したソリューション事例を3つご紹介しました。 以下に各事例の概要をまとめました。 【WIM/Symphonica：デジタルブランドの立ち上げを加速】 AWS 上のAI主導のノーコードプラットフォームにより、メキシコ市場でデジタルモバイルブランドを 90 日という短期間で立ち上げを実現しました。 Amazon EKS上に構築したクラウドネイティブな OSS システムと、 Amazon Bedrock を活用したコネクター生成により、 5 分以内での簡単なモバイル接続体験を実現しています。 【Amdocs/NVIDIA： B2B サービスの収益化と運用革新】 AI駆動の統合された B2B 顧客体験により、営業からサービス提供までの効率化を実現しました。ビジネスフローに対する Agentic なオーケストレーションの適用とデジタルツインを活用し、ネットワーク展開計画を意識した営業の実現、運用コストの 30% 削減、サービス品質の最大 25% 向上、ネットワーク使用可能率の最大 15% 向上を達成しています。 【Radcom/ServiceNow： AI 制御の苦情予測とアシュアランス自動化】 AIによる苦情予測と顧客体験スコアの統合により、効率的な問題解決を実現しました。 Amazon SageMaker による顧客の苦情を予測するための AI モデルと、 Bedrock Agents を活用したカスタマイズされた AI モデル、 LLM 、ナレッジベースを使った RAG により、ネットワークチケット解決時間を 30% 短縮、予測型 AI によりチケット量を 40% 削減、解約率を 3% 改善しています。 これらの事例は、生成 AI との協業による自動化、ノーコード開発、生成 AI を活用した Agentic なオーケストレーション適用、オペレーション自動化、予兆監視/事前アクションといったソフトウェア主導型のアプローチにより、新規顧客の獲得、既存顧客の体験向上、解約リスク低減といった成果を実現しています。 5. 新しいビジネスユースケースの創出 |&nbsp; Video アマゾン ウェブ サービス ジャパン 技術統括本部　ストラテジックインダストリー技術本部　通信グループ　通信第二ソリューション部 ソリューションアーキテクト　川岸　基成 資料は こちら からダウンロード頂けます。 川岸からは、新しいビジネスユースケースの創出をテーマとして、通信事業者の立ち位置を活かしたビジネス変革の取り組みについてお届けしました。こちらでは、スマートホーム、 Network API、コンタクトセンター、エッジの活用の4つの領域における取り組みを AWS 活用のポイントを交えてご紹介しました。 以下に各領域の概要をまとめました。 【スマートホーム】 AWS は、センサー、カメラ、家電製品など、多様なタイプのデバイスの統合と制御を簡素化するための AWS IoT Device Management のマネージドインテグレーション機能 のプレビューを発表しました。通信テクノロジー企業である TELUS は AWS とのパートナーシップを基礎にマネージドインテグレーション機能を活用することで、 IoT デバイスを統合したシンプルな体験を実現する SmartHome+ プラットフォームを開発しました。 Telefónica の事例では、 AWS の生成 AI と IoT 技術、Alexa Smart Properties を組み合わせた在宅高齢者向け AI エージェントを開発しました。家族や友人との通話、ビデオ通話、メッセージ、写真共有などのコミュニケーション機能や、緊急通報、ヘルプ要請機能を提供し、高齢者の孤独防止と自立支援を実現しています。 【コンタクトセンター】 SMB向けの Amazon Connect を活用した SaaS コンタクトセンターソリューションでは、従業員が数人しかいないような顧客層でも利用できるコミュニケーションプラットフォームを提供します。30 分以内に専用のコンタクトセンターを立ち上げ可能で、生成 AI を活用したコールフローの自動生成や、 Amazon Location Services を使用した GPS での位置確認による現場作業員と顧客間のコミュニケーション改善を実現しています。 【Network API】 Deutsche TelekomとDroniq は、 Network API を活用して公共安全活動向けのドローンソリューションを開発しました。 Quality on Demand API を使用して帯域幅と遅延の保証をオンデマンドでリクエストし、ドローンのシームレスな運用を実現しています。また、 VerizonとAquimo は、 QoS Network API によるゲームトラフィックの優先制御を行い、スタジアム内の混雑した環境でも低遅延で高品質なゲーム体験を提供しています。 【エッジの活用】 Intel との協業により、 AI ハードウェアを搭載した宅内ゲートウェイに、エッジ環境に最適化された圧縮版SLMを実装しました。エージェントオーケストレーターが問い合わせの複雑さを判断し、大部分の問い合わせを端末上で処理することで、レイテンシー削減や帯域幅使用を最小化しています。 これらの事例は、通信事業者が持つユーザー、サービス、デバイスの接点を活かし、生成 AI 、IoT やエッジコンピューティングなどの最新技術を組み合わせることで、新たな価値創造とビジネス機会の拡大を実現していることを示しています。 まとめ 本ウェビナーでは、2025 年 5 月 15 日に開催した「テレコム業界向け： Mobile World Congress (MWC) 2025 Recap 」の振り返りとして、開催概要や発表の見どころ、お客様事例をご紹介しました。セミナーにご参加いただいた方、誠にありがとうございました。ご参加頂けなかった方も、このブログから動画や資料を参照いただき、今後の AWS 活用の参考としてお役立ていただければ幸いです。ご質問やご要望がございましたら、 お問い合わせページ 、もしくは担当営業までご連絡をお願いします。 このブログの著者 林　文傑 (Bunketsu Hayashi) アマゾン ウェブ サービス ジャパン 技術統括本部　ストラテジックインダストリー技術本部　通信グループ　通信ソリューション第二部 ソリューションアーキテクト

みなさんこんにちは。ソリューションアーキテクトの落水です。 2025 年 5 月 29 日に「 Amazon EKS Auto Mode で Kubernetes の運用をシンプルにする 」というオンラインセミナーを開催しました。 本セミナーでは、Amazon EKS の新機能 Amazon EKS Auto Mode を掘り下げ、Kubernetes の運用がどのようにシンプルになるのかを紹介しました。また、実践的な内容として、EKS Auto Mode 利用時のノードの自動更新や EKS Auto Mode への移行方法などについても詳しく解説しました。 セッションの紹介 Amazon EKS Auto Mode で Kubernetes の運用をシンプルにする AWS ソリューションアーキテクト 鈴木 祥太 資料ダウンロード AWS ソリューションアーキテクトの鈴木より、Amazon EKS Auto Mode が登場した背景や、Amazon EKS Auto Mode による責任共有モデルの変化など EKS クラスターの運用体験がどのように変わるのかを紹介しました。Amazon EKS Auto Mode が提供するコンピューティング、ネットワーキング、ストレージ、セキュリティといったクラスター機能についても解説しています。Amazon EKS ならびに Amazon EKS Auto Mode をこれから活用していくという方は、ぜひこちらの資料をご確認ください。 Amazon EKS Auto Mode への移行手法を詳解 AWS ソリューションアーキテクト 落水 恭介 資料ダウンロード AWS ソリューションアーキテクトの落水より、既存の EKS クラスターにおいて Amazon EKS Auto Mode へワークロードを移行する方法について紹介しました。マネージド型ノードグループや Fargate、Karpenter などコンピューティング環境の管理方法ごとに移行手順を詳細に解説しています。また、Amazon EKS Auto Mode への移行における考慮事項についても説明しています。Amazon EKS Auto Mode への移行や検証を予定している方は、ぜひこちらの資料をご確認ください。 EKS Auto Mode とノードの終了 AWS シニアソリューションアーキテクト 林 政利 資料ダウンロード AWS ソリューションアーキテクトの林より、Amazon EKS Auto Mode のノードのライフサイクル管理に関する詳細な解説を行いました。Amazon EKS Auto Mode ではセキュリティの観点から AMI の定期的な更新を行うため、ノードのライフサイクルに対して考慮事項が発生しますが、Pod Disruption Budget や terminationGracePeriod などを適切に設定することでワークロードを安全に実行できます。Amazon EKS Auto Mode を利用中あるいは移行を検討している方は、ぜひこちらの資料をご参考ください。 まとめ 本セミナーでは、Amazon EKS Auto Mode をテーマに基本的な内容から発展的なトピックまで幅広くご紹介いたしました。今後も引き続き、様々な切り口からのセミナーを企画してまいりますので、みなさまのご登録をお待ちしております。

みなさん、こんにちは。ソリューションアーキテクトの松本です。この記事では、 三菱重工業株式会社 （以下、MHI）、 三菱重工機械システム株式会社 （以下、MHI-MS）が生成 AI を活用して大きな事業価値を創出していくために歩まれている旅路をご紹介します。その旅路は、Step1 : 生成 AI の全社活用を推進する戦略や AI Center of Excellence (AI-CoE) 体制の策定、Step2 : 事業価値ある生成 AI のユースケースの特定、Step3 : ユースケースのプロトタイピングと 3 つのステップを進んできています。AWS と共に歩んだ 3 つのステップを、エンタープライズにおける生成 AI 活用のアプローチとしてご紹介します。 三菱重工業株式会社について 創業 100 年を超える MHI は、日本のものづくりの代表的企業です。4 つの事業領域で 500 以上の製品（発電用タービン、CO2 回収、造船、航空、防衛、宇宙など）・技術を保有しています。そして信頼と実績のある製品や技術をデジタルを活用して変革すべく、ΣSynX というブランドで様々なソリューションの提供を開始しています。2024 年には DX グランプリを受賞しました。 MHI・デジタルイノベーション本部（以下、DI 本部）は MHI グループ全体の情報システム部門であり、DX 推進の中心として生成 AI の可能性を探索していました。 三菱重工機械システム株式会社について 三菱重工機械システム株式会社は、1968 年に設立された三菱重工グループで最多の事業、製品、技術を有し、設備インフラ事業本部、モビリティー事業本部、印刷紙工機械事業本部の 3 事業本部で構成されており、メカトロニクス技術を核に、社会生活を支える高品質で安全な設備や機械装置、サービスを提供しています。 また、少子高齢化による労働人口の不足やお客様の更なるニーズに応えるため、近年は DX 化を加速させ、より付加価値の高い製品の開発やサービスの創出にスピード感を持って取り組んでいます。 Step 1 : 戦略と体制を策定する DI 本部はグループ事業会社に生成 AI のチャットアプリケーションを既に提供していました。それにより生成 AI の利用者が増え、利用者は便益を実感し、利用者から活用を拡大していきたいという声が高まっていました。DI 本部は全グループ事業会社に生成 AI の便益を展開していきたいと考えていましたが、様々な課題を解決していく必要がありました。課題とは、事業価値あるユースケースを特定していくこと、ナレッジやシステムを共有して投資効率を向上していくこと、安全な利用のためのガバナンスを整備していくこと、人材や能力を強化していくこと、推進体制を確立していくことなどが挙げられます。各課題は相互に関係し合うため、個別に解決するのでなく、複合的に解決していく必要がありました。そこで、AWS Professional Services を利用し、生成 AI の全社活用を推進する戦略や体制（ AI-CoE（AI Center of Excellence） ）の策定に着手しました。AWS の生成 AI の導入フレームワークである CAF-AI (AWS Cloud Adoption Framework for Artificial Intelligence, Machine Learning, and Generative AI) を活用しながら、2 〜 3 ヶ月に渡って議論を積み重ね、戦略・行動計画・体制を明確にしました。 策定した戦略で特徴的なことは、 オペレーティングモデル を、各グループ事業会社が個別に主導する分散型でなく、DI 本部とグループ事業会社が連携する連携型に移行していくことを考慮しながら、DI 本部が主導する中央集権型から開始することです。具体的には、グループ事業会社の生成 AI のユースケース特定やシステム開発を、DI 本部が先導するというものです。 Step 2 に向けて : DI 本部とグループ事業会社が連携する 戦略を実行するために、DI 本部とグループ事業会社の連携を開始し、最初に連携したのが MHI-MS となります。DI 本部と MHI-MS は数年前から DX を協同しており、挑戦する土壌が整っていました。 MHI-MS で DX を推進されている技術戦略室の松岡室長は、DI 本部と連携して生成 AI の活用を加速されたことについて、次のようにコメントしています。 「人材不足が深刻化する中で生成 AI の活用は業務の効率化やイノベーション創出において極めて重要な役割を果たす手段であり、競争力を強化する上でもいち早く導入するべきと考えています。」 Step 2 : 生成 AI のユースケースを特定する MHI-MS にとって事業価値のある生成 AI のユースケースを、Professional Services による数日間の「生成 AI デザインワークショップ」を通じて特定しました。このワークショップは Amazon 流のイノベーション創出メカニズム「Working Backwards」をもとに、生成 AI が適したユースケースを創出・発掘するためのワークショップです。MHI-MS の経営者層が参加する前半と、事業の現場を理解している事業部門と生成 AI 等のデジタル技術を理解しているデジタル部門のいずれも実務者層が参加する後半の 2 つから構成されます。 前半では、MHI-MS の経営者層が AWS のファシリテーションのもと議論を重ね、1) 事業目標を改めて特定し、2) 目標を達成するために解決すべき課題や目標達成の判断に用いる指標を特定し、3) 解決するためのアイデアの仮説を立て、4) 組織的に生成 AI 活用という挑戦に取り組んでいくために大切にしていく価値観や姿勢についての指針となる文書を作成します。事業目標から議論を開始することで、生成 AI という手段で何ができるかではなく、事業価値創出のために生成 AI という手段をどう活用するか、という観点が一貫します。その観点に基づいた解決策と、挑戦に向けた姿勢に関する文章が作成され、後半の実務者層に引き継がれます。 この前半には MHI-MS の全 CxO と全事業本部長が参加され、事業目標がしっかりと反映された 3 つのユースケースが特定されました。 後半では、実務者層が前半の結果を引き継いだ上で、Amazon のイノベーション創出メカニズムである「Working Backwards」に基づいて議論を重ねます。1) ペルソナを具体化し、2) ユーザージャーニーにおける課題を特定し、3) 具体的な解決案を創出し、4) Amazon のイノベーション創出のための文章である「PRFAQ」の作成や、ペーパープロトタイピングを通じて、解決案をより具体化し、5) MVP（顧客に価値を提供できる最小限のプロダクト）を計画します。 このワークショップにも全ての事業本部が参加しました。また、事業本部毎にチームを組成するのではなく、課題毎に事業本部混成でチームを組成し、多様な視点で解決案の具体化が図られました。 このワークショップの特徴の一つである PR/FAQ (プレスリリースとよくある質問) の執筆について簡単に触れておきましょう。お客様を起点に逆算の発想でアイデアを整理するこの手法では、実際に開発に取り掛かるまでに、最も重要な「対象となるお客様は誰か」「彼らは何を必要としているのか」にフォーカスすることができます。 初めて触れるこの手法に戸惑いを覚える方もいますが、今回ワークショップに参加したメンバーには「まずやってみよう」という前向きなマインドがありました。新しいことを前に腰が引けてしまうのではなく、「まずやってみよう」が先にくる人であることが成功条件の一つなのかもしれません。 そして Day 1 から約 2 ヶ月後に開催した報告会では、実務者層から経営層に対して生成 AI をどのように導入し、どれほどの事業価値を創出していくか、次段階のプロトタイピングに移行していくユースケースを報告しました。報告会の講評には Day 1 に参加した経営者層が出席し、その全員が Day1 からの深化に好意的な評価を述べていました。参加者がワークショップを通じて練りに練った 3 つのユースケースとそのソリューションは、生産性向上 (費用削減) を実現するだけでなく、売上向上を実現していくストーリーが盛り込まれ、効果の規模や確実性等の観点から、3 つのユースケースのうち、まずは 2 つについて次段階のプロトタイピングに移行することが決定しました。 実務者層の MHI-MS・角倉主席は、具体化したユースケースについて、次のようにコメントしています。「異なる製品を取扱うメンバーで一つのユースケースについて検討を進めてみると、想像していた以上に共通の課題があることが分かりました。共通の課題に対して、様々な角度から解決のアイデアが生まれ、短い時間で複数の課題を解決するソリューションが提案できました。」 経営者層の MHI-MS・高畠 CTO/CDO は、所属組織が混成のチームにも関わらず活発なコラボレーションがなされたことについて、次のようにコメントしています。「当社は、それぞれのメンバーが、違った製品に関わっています。そのため育った環境も違うため、いろいろな発想ができるという強みがあります。こうしたメンバーが連携を深めていくことで、企業価値を向上させようという狙いがありますが、今回の活動は、まさにそうした狙いに合ったものになりました。」 Step 3 : ユースケースをプロトタイピングする Step 2 で特定された生成 AI ユースケースのフィジビリティを検証するため、Professional Services による 2 ヶ月間の「生成 AI プロトタイピング支援」を活用してプロトタイピングを進めました。 このプロトタイピングでは「EBA (Experience Based Acceleration)」という方法を採用しました。EBA とは、参加者がみずから手を動かしてプロトタイピングを行い、AWS メンバーがその伴走をすることで、プロトタイプというアウトプットを生むだけでなく、アウトプットを継続的に生んでいける能力を育むものです。 EBA ではユースケース毎に開発チームを組成します。各チームは MHI-MS の事業部門のメンバーが Product Owner を務め、DI 本部のデジタル部門のメンバーが開発者を務めました。PO を務めた事業部門のメンバーはこれまで PO だけでなく、システム開発経験がない方が大半であり、新たなロールに挑戦されました。開発者を務めたデジタル部門メンバーは日常的に AWS を用いて開発業務をおこなっているエキスパート開発者と、経験の浅いチャレンジャー開発者から構成されました。エキスパート開発者は、MVP と言えども多くの機能や高い性能が望まれていたので、それらを 3 日間で実現することに、チャレンジャー開発者は実装スキルを早期に取得し、貢献できる範囲と量を拡大することに挑戦していきました。 前半の 1 ヶ月半は、チームビルディング、生成 AI 開発やアジャイル開発に必要なスキルの取得、バックログの定義、環境やデータの準備を進めます。生成 AI のプロトタイピングで特に重要となるのが、データの準備です。必要となる事業部門のデータを特定してシステムからデータを抽出し、必要に応じてデータの前処理を行いました。開発者は、高い性能の実現や、その評価のため、例えば Advanced RAG や LLM-as-a-Judge に関連したナレッジやスキルを取得していきました。また開発者だけでなく PO も、プロンプトエンジアリングのスキルを取得していきました。 そして本番の 3 日間は全員が一同に会し、コーポレートカラーである赤色のパーカーに身を包んで共同作業に取り組み、プロトタイプ完成を目指しました。参加メンバーがデザインしたこのパーカーにはファースト・ペンギンのイラストが描かれ、失敗を怖れずに勇気を持って挑戦しようという全員の意思が反映されていました。 実装では、エキスパート開発者だけでなくチャレンジャー開発者も大きく貢献しました。加えて、開発者だけでなく事業部門の PO もプロンプトエンジニアリングを駆使して機能の追加や性能の向上に貢献しました。完成したプロトタイプの水準の高さに関する参加者からのコメントは後述します。 そして、最終日である 3 日目には 2 チームとも計画していた以上の機能が実装されたプロトタイプが完成し、フィジビリティが検証でき、次段階のプロダクションに移行することが決定されました。 チャレンジャー開発者の DI 本部・平尾社員は、実装スキルの取得について、次のようにコメントしています。「AWS Professional Services の伴走支援のもと、EBA という実践形式で未知の技術領域に挑み、自ら手を動かしながら短期間で大きくスキルを高めることができました。また、この経験を通じて、技術への向き合い方や考え方にも大きな変化が生まれたと感じています。」 エグゼクティブスポンサーの MHI-MS・小嶋 CEO は、次のようにコメントしています。「AI を用いた実務への展開はこれからの省力化・省スキル化には欠かせない要素になると考えています。またこの AI 技術も事業環境の変化もこれまで以上に加速していくのでスピード感を持って改善していく必要があると考えています。そういう意味でも関係者が集まり短期間でプロトタイプモデルを作成する手法は大変整合性があると思っています。」 今後の展望 半年に満たない期間にも関わらず、生成 AI ジャーニーの歩みを Step 1から 3 へと進められました。Step 4 としてプロダクションへの移行も歩み始めました。今回参加したファースト・ペンギンからのバトンをつなぐべく、第 2、第 3 の事業部門への展開も計画されています。 エグゼクティブスポンサーの DI 本部・日浦部長は、次のようにコメントしています。「生成 AI という新たな技術に接して、これをどのように経営に生かしていけばよいのか、悩みを抱える部門は多くあります。各部門の経営を預かるリーダ層、現場を知悉する実務層、デジタル技術に日頃接する開発者が集中的にワークする本手法は、DX 推進の強力な武器として期待を集めています。既に第 2 弾に着手していますが、この手法を我々自身でも推進していけるように取り込み、根付かせていきたいと考えています。」 エンタープライズ企業が、DX グランプリ 2024 受賞企業である MHI の生成 AI の旅路から学べることは多岐に渡ります。生成 AI のインパクトを全社の事業の最前線に展開していく段階で戦略を明確にすること、デジタル部門と事業部門が連携して取り組む体制を構築すること、事業価値からユースケースを特定すること、俊敏にプロトタイピングをして合目的性を検証すること、取り組みのなかで個のスキルやチームのコラボレーションを開発すること、そして何よりファースト・ペンギンとして実験に挑戦すること、などが挙げられます。 生成 AI の真価は、技術そのものではなく、事業価値に変換できるかどうかにあります。生成 AI を活用した事業価値の創出について、AWS の担当者に是非ご相談ください。今回の記事のように、貴社ならではの価値創出の旅路をサポートいたします。 松本 修一 アマゾンウェブサービスジャパン合同会社のソリューションアーキテクトです。普段は製造業のお客様のご支援を中心に活動しています。趣味はオンラインゲームで、日々インターネットの向こうにいる仲間たちと冒険に出かけています。