開催概要 2026年9月2日に、AWS麻布台ヒルズオフィスにて「 AWS Cashless Frontier 」を開催いたしました。決済業界のIT推進・ビジネスリーダー約30社60名の皆様にご参加いただき、エージェンティック・コマースやステーブルコイン、AIエージェント活用といった最新テーマについて、実践知の共有とネットワーキングが行われました。本記事では、イベントを企画した背景から各セッションの様子、パネルディスカッションの内容をお届けします。 企画の趣旨 ― AIのプロダクション利用を見据えて 決済はあらゆる経済活動の重要な基盤であり、キャッシュレス化は生活者の利便性に直結します。キャッシュレスの推進に向けては、システムのサイロ化やレガシーシステムからの脱却をカード会社、決済代行会社、フィンテック企業など決済業界全体で進める必要があります。そのような背景から、ユーザーにシームレスな体験を届けるために「 決済をなめらかにつなぎ、お客様の感動を創出する 」というビジョンをAWS Cashless teamでは掲げています。ビジョンの実現に向けて、最新情報のお届けや業界課題について踏み込んだ意見交換を行うイベントを、毎年テーマを発展させながら行っています。 この1年で決済業界を取り巻く環境は大きく変わりました。AIエージェントが商品の検索・比較から決済まで自律的に実行するエージェンティック・コマースとその基盤となるステーブルコインやトークン化預金といったプログラマブルな通貨の台頭、不正検知や顧客対応の自動化など生成AIによる業務変革、そしてAI駆動開発と言われるようなAIネイティブな開発スタイルの浸透といったトレンドが同時に立ち上がりました。こうした変化の最前線に立つ決済企業の皆様と共に、リアルな実践知を交換し業界横断でのイノベーションを加速する場として、本イベントを企画しました。 イベント概要 日時: 2026年9月2日（水）15:00–19:30 会場: AWS麻布台ヒルズオフィス 参加者: 決済関連企業 約30社60名 オープニング・AWS 決済業界クラウド活用最新動向 AWS 新相よりこの1年間の国内外の動きを紹介しました。2025年末のAWS re:InventでCoinbaseがx402プロトコルによるエージェントがステーブルコインを使い即時決済できる仕組みを実装した事例、2026年5月のFinancial Services SymposiumでVisa・Stripeが発表したTrusted Agent ProtocolやMachine Paymentなど、エージェントが安全に決済するためのインフラが急速に整備されてきた流れを振り返りました。 日本についてはJPYCがAWS上にステーブルコイン発行基盤を構築した事例や、シンプレクスのオンチェーン関連の取り組み、DCPのトークン化預金と国際決済の事例を紹介しました。AIエージェントによる決済は目新しいものに捉えられがちですが、本セッションで実用化が進んでいることをお届けしました。 AWS 金融・決済関連 最新サービスのご紹介 技術セッションでは、AWS松原よりエージェンティック・コマースの定義と影響を体系的に発表しました。入力支援から完全自律型購買までエージェントのレベル分けと決済プロトコルの全体像を解説しました。 その上でAWSのサービスとして、USDCを利用したエージェントコマースの実現を支援する、買い手側のエージェント決済実装のための Amazon Bedrock AgentCore Payments と、売り手側リソースに支払いリクエストを追加する AWS Web Application Firewall (WAF) の機能を紹介しました。 決済プロトコルについては「エージェンティック・コマースのプロトコルが次々登場しているが、1つが全てを代替するものではなく相互に協調している」と述べ、AWSも決済プロトコルの領域において、x402 Foundation や UCP Tech Councilにメンバーとして参加し貢献していることを紹介しました。 Customer Lightning Session ― Frontier Builders、3社が語るAI実践知 三菱UFJニコス株式会社 ― クラウド活用のベストプラクティスと次の一手 三菱UFJニコス株式会社 システム基盤・運用部 共通システム基盤グループ 次長 中村 貴治 様には、DCカードとMUFGカードのシステム統合という大規模プロジェクトを乗り越えてきた経験と、次のステップとしてのAI活用について発表いただきました。 同社は2019年にAWSの利用を開始し、コロナ禍ではAmazon WorkSpacesを数ヶ月でリリースしました。2025年にはシステム統合プロジェクトで設置したお客様窓口でAmazon Connectを採用。ランニングコストの削減とともに、状況に応じたコールフローの迅速な変更を実現しました。導入にあたり社内に対してAWS担当者とともに説明を行い、約3ヶ月で導入を実現したエピソードは、多くの参加者の関心を集めていました。 今後に向けては、基幹システムのモダナイゼーションやAI活用を推進しています。AWS Transformを活用したリライト分析や、Kiroを活用したAI駆動開発の検証に取り組んでいます。また、AWS Security Agentを活用したソースコードレビューやペネトレーションテストの検証を進めており、新たな観点での評価できる可能性を確認しています。同サービスを検討・検証されている多くのご参加者からご関心が寄せられました。 SP.LINKS株式会社 ― CCoE主導のクラウド標準化とDevOps高度化の実践 SP.LINKS株式会社 IT Infrastructure Unit / Cloud Management1 Group 小柴 敦 様からは、ベンダー依存からの脱却と内製化推進のリアルな歩みを共有いただきました。 同社は決済代行事業を展開しており、2022年に決済サービスをオンプレミスからクラウドへ移行。CCoEを作り内製開発を推進してきました。参加者の多くがチャレンジしている、ベンダー委託の課題から脱却するために、クラウドネイティブな開発体制を構築した経緯を率直にお話しいただきました。 PCI DSS対象も含むシステムを内製で運用していくには統制が必要でしたが、サービス拡大の需要とのバランスが課題でした。そこで、AWS Professional Serviceサービスを活用して内製開発を安全に拡大するためのガイドラインや環境を整備しました。現在はAWS DevOps Agentを活用した問題調査の効率化、Kiroを用いたAI駆動開発の試行にも取り組んでいます。「標準化した知見をAIで活用し、DevOpsを高度化する」と紹介されたステップアップの道すじは、多くの企業が直面している「組織でAIをどう活用するか」のという課題へ示唆となる内容でした。 株式会社ネットプロテクションズ ― 顧客の「不安」を即時解決するAIサポート 株式会社ネットプロテクションズ AI Enablementグループ Enablement担当 田中 哉太 様には、後払い決済サービス「NP後払い」のコンタクトセンター業務にAIを活用した取り組みを発表いただきました。 支払い・請求に関する問い合わせに対して、FAQだけでは個人に合わせた回答ができず、データベースを参照した正確な回答が不可欠でした。しかしAIに直接SQLを生成させるとリスクが高いため、AWS Step Functionsで順序性を固定したフローを構築し、3段階のガードレール(①本人確認 ②DB参照成否チェック ③AIの自律判断)を配置しました。さらにヒューマン・イン・ザ・ループとして、DB参照を含む回答は必ず人間が確認してから送信する設計としました。 2026年8月のリリース後、対象カテゴリーにおいてAI回答率80%以上、うち60%はデータベース参照に成功という成果を達成。担当オペレーターからも他のカテゴリーに展開しても問題ないレベルという評価を得ています。一方で「フローの複雑化により、作成者本人でも全体像を追えなくなる」という率直な課題共有もありました。ハルシネーションという言葉が浸透してきていますが、実体験での取り組みや効果は参加者が直面する課題へのアクションにつながる内容でした。 Customer Panel Session ― Envisioning the Frontier、業界リーダーが描く決済の再定義 パネルディスカッションでは、株式会社インフキュリオン 代表取締役社長 CEO 丸山 弘毅 様、GMOペイメントゲートウェイ株式会社 専務執行役員 CTO 三谷 隆 様をパネリストに迎え、モデレーター：飯田 哲夫 様（株式会社ACSiON 社外取締役 兼 株式会社カンム 社外取締役）の進行により、4つのテーマで議論が交わされました。 テーマ1: エージェンティック・コマースの現在地 三谷様からは「エージェンティック・コマースでの取引は、B2B決済を中心にすでに広がってきている」というご体感、丸山様からは、自社で発表したエージェンティック・コマースのホワイトペーパーの反響と、すでにその内容を一般常識にしないといけない温度感になっていると双方より実体験をもとにした市場の勢いを共有されました。 テーマ2: 不正検知・セキュリティの新課題 三谷様は「AIエージェントはBOTに近い。これまではBOTをブロックする方向だったが、正しいBOTを判別する方向にルールチェンジが起きている」と見解を示されました。そして、正規のエージェントと悪意のあるBOTの判別が紙一重になっており、パケットレベルの監視が必要になるほど高度化していると述べました。 丸山様は「エージェントが本人のものかどうかの真正性、さらにマンデート（委任範囲）に沿っているかどうかの確認が最大の課題。」とコメント。チャージバックのルールやリスク負担ルールがまだ定まっていない現状の業界課題もあげられました。 テーマ3: 次世代決済プラットフォームに向けて（レジリエンス・AI駆動開発） 三谷様からは「入られる前提で考える」というサイバーセキュリティの方針転換について実践例が語られました。年に1回、経営陣向けのランサムウェア攻撃シミュレーションを実施しており、PCI DSSの再認証含めて考慮する必要があるという学びを共有されました。 丸山様からはAI駆動開発について、コーディング自体の効率化は進んでいるが、レビューは依然として人間が必要。求められる人材の質が変化してきているという見解を自社の経験から示されました。 テーマ4: 2030年のキャッシュレスビジョンとAWSへの要望 三谷様は「決済は気づかないうちに済ませておいてという世界。テクノロジーの観点では壁をなくして全日本で強くなりたい」と業界協力のビジョンを語りました。丸山様も同様に「テクノロジー面では業界全体で協力し、ビジネス面では競い合う。企業同士が協力して、表のコンシューマーには決済が見えなくても自由に取引ができる世界を作りたい」と呼応されました。 AWSへの要望としては、「グローバルで乱立するプロトコルを吸収できるレイヤーの役割」「政府に向けたクラウドの安全性の説明」「本イベントのような、企業の壁を越えた本音ベースのトークの場を続けてほしい」という率直な声をいただきました。ご登壇者の対話に加え、参加者からも質問が続き会場全体の熱意が感じられるセッションとなりました。 まとめ 本イベントではビジネス・IT両面のAIエージェントの活用について、一番大事なユースケースをお客様と深掘りました。懇親会でも社内や顧客向けに何が良くなるのかといった意見交換が活発にされ、ご参加者皆様の熱意を感じました。 AWSでは、差別化を生まない重労働をAWSに預けていただけるサービスを提供しています。AIエージェントをお客様が構築するにあたり、Amazon Bedrock AgentCore、さらには Amazon Bedrock AgentCore Payments や AWS WAF などのマネージドサービスを提供し、お客様の新たなビジネス創出を支援してまいります。 また、開発・運用に関しては、Kiro、AWS DevOps Agent、AWS Security Agentなどすぐにお使いいただけるフロンティアエージェントや、金融リファレンスアーキテクチャ日本版 をはじめとする実践的なコンテンツを提供し、各社のナレッジの体系化と金融システムにおけるミッションクリティカル領域の強化を支援いたします。 本イベントにご参加いただいた皆様、ご登壇いただいた皆様に改めて御礼申し上げます。今後もAWS Cashless Initiativeでは業種・業態の垣根を越えた対話と共創を通じて、新しい決済の未来を皆様と共に切り拓いてまいります。 関連ブログ 【開催報告】AWS Future of Money ～AI × ブロックチェーンが創る新金融エコシステム～ 金融リファレンスアーキテクチャ日本版 v2 リリース

2026年8月19日（水）、「AWS Future of Money」を開催しました。銀行・証券・決済など金融業界から約45名のお客様にご参加いただき、オンチェーン金融の最前線とAI×ブロックチェーンが変える決済の未来について、活発な議論と交流が行われました。本記事では、イベントの模様をレポートします。 企画の背景 ― オンチェーン金融が「実装フェーズ」に入る今 AWSは金融業界のお客様に向けて、インフラ提供にとどまらない、ベストプラクティスの展開やイベントでの業界横断の事例共有、コミュニティ醸成に取り組んでいます。これにより、金融機関・フィンテック企業・システムベンダーなどがAWSを通じてシステム・ビジネス両面でつながることで、業界全体のデジタル変革が加速することを目指しています。 近年で、金融・決済市場のデジタル化は構想から実装へと大きくフェーズが動きました。ステーブルコインやトークン化預金といったプログラマブルな通貨の制度整備が各国で加速し、国内でも金融機関やフィンテック企業による商用化の動きが本格化しています。一方でこのような動向は、従来の金融システムの縮小リスクを示唆するものでもあります。クロスボーダー送金の即時化やデジタル通貨を前提とした新たな市場インフラ構築をすることは、日本の金融業界が次のステージへ進み、持続的成長を果たすための極めて重要な鍵となります。 この大きな転換点において、金融機関・決済企業・パートナー企業の皆様と業界の垣根を越えて実践知を交換し、オンチェーン金融の「次の一手」を共に描く場として、「AWS Future of Money」を企画しました。   イベント概要 日時 : 2026年8月19日（水）15:00 – 19:00 会場 : 渋谷外部会場 参加者 : 金融関連事業会社、サービサーなど 約45名 AWS Session「AWSから見えるデジタル通貨の最新動向」 AWS坂口より、国内外の業界動向と180回を超えるお客様対話から見えてきたデジタル通貨の最新シグナルを共有しました。今年、金商法改正成立が話題にあがりましたが、実業と規制がバランスよく並走しています。また、ユースケースも銀行業界を中心とした発行の議論から、流通・決済といった実務での活用へ各業界で広がりを見せています。 証券業界については、デジタルアセット投資領域のポイントから成功事例に共通するレイヤードアプローチ（既存システムとの共存・段階的導入）の重要性を強調しました。100%置換を試みて失敗した教訓にも触れ、既存インフラとの補完関係が鍵であると述べました。さらに、決済業界ではAIエージェントが購買行動まで完結する「エージェンティック・コマース」による市場の変化と、決済体験を変える可能性を示しました。 本セッションを通じ、デジタル通貨が着実に広がっていることと、事業の構想段階からAWSが相談できるパートナーであることをご参加者にお届けしました。 AWS Session「デジタル通貨に関するAWSサービスの活用」 AWS松原より、デジタル通貨基盤を支えるAWSサービスを技術面から解説しました。直近のニュースとして、米国の20行を超えるトークン化ネットワーク構築、国内3行によるステーブルコイン共同発行協議会の設立、SWIFTのブロックチェーンベースの共有台帳を紹介し、グローバル含めたトレンドの強さを示しました。合わせて、クロスボーダー決済・国内決済のユースケースで解決する課題やアーキテクチャの例を紹介しました。 AWSについては、商用稼働している事例でも採用されている、EC2サービスの AWS Nitro Enclaves をピックアップして紹介しました。AWS Nitro EnclavesはEC2インスタンス内に簡単にセキュアな分離環境を作り、機密データを保護します。Fireblocks等のパートナーソリューションにも組み込まれており、お客様が意識せずともその恩恵を受けられるケースも紹介されました。 以上から、デジタル通貨における領域でもAWSのサービスは既に多くご利用頂いており、パートナーソリューションを通じても活用いただけることをお伝えしました。 Customer Session 野村ホールディングス株式会社「オンチェーン金融による資本市場の拡張」 Speaker: 佐々木 俊典 様（野村ホールディングス株式会社 デジタルアセット戦略推進部長） 野村ホールディングスの佐々木様からは、オンチェーン金融の本質と将来の市場インフラ像についてご発表しました。まず、トークン化の本質を「仲介者不要の権利移転」と定義し、短期的な24時間稼働・即時取引だけでなく、手数料構造を根本から変える構造変革が本質であると指摘しました。有価証券のトークン化は数十兆〜数百兆円規模のユースケースであり、ステーブルコインよりも大きなインパクトがあると強調。不動産セキュリティトークン（ST）は2025年度に1,400億円程度発行され、J-REIT比で半分超に成長しているなど、国内でも着実に実績が積み上がっています。 経済安全保障の観点では、「決済インフラを海外に奪われると取り返せない」と警鐘を鳴らし、自民党の「次世代AI・オンチェーン金融構想」プロジェクトにも言及。金融庁・日本銀行も参画しており、官民一体での取り組みが加速していることを示しました。 将来像としては、パーミッションド・プライベートチェーン（機関投資家向け）とパブリックチェーン（RWA: Real World Assetsのトークン化）が相互接続する世界を描き、AIエージェントが自律的に取引を最適化する「金融を意識しない世界観」を展望しました。   JPYC株式会社「ステーブルコイン活用の最前線：事業者の活用事例とそれを支えるAWS」 Speaker: 松岡 慧 様（JPYC株式会社 執行役員・計画情報部長） JPYCの松岡様からは、日本円ステーブルコインJPYCの事業展開とAWS基盤について紹介しました。2025年10月のサービス開始から9か月で、口座22,500、ホルダー71,000、累計発行71.4億円、1日あたり2〜30億円の取引を処理するまでに成長。事業者にとっての4つの価値として、(1) 送金コスト0.01円以下、(2) 24/365即時着金、(3) スマートコントラクトから直接操作可能、(4) 許可不要の公開インフラを挙げました。 具体的な活用事例として、国内初のローソン店頭POS連動ステーブルコイン決済実証（2026年8月）、物流×決済DX（配送1件完了ごとの即時報酬支払い）、AIエージェント向け決済規格X402への対応をご紹介。AWS採用理由として、インフラをコードで即座に構築できるスピード、AWS CloudTrailによる改ざん不可能な監査ログ、FISC実務基準300項目以上への対応実績を挙げました。 Customer Panel Session パネル1: オンチェーン時代に求められる暗号資産交換業のテクノロジー パネリスト: 三浦 和夫 様（シンプレクス株式会社 エグゼクティブプリンシパル）、井上 大悠 様（Japan Financial Elan Technologies株式会社 代表取締役社長） モデレーター: 坂口 宏太（AWS） Japan Financial Elan Technologiesの井上様は、ステーブルコイン市場が3,000億ドルから5,000億ドルへ成長する中、実経済での決済利用はまだ5%程度であり伸びしろが大きいこと、StripeやCircleのAIエージェント決済への取り組みなどブロックチェーンの低コスト性が新たなユースケースを生み出している現状を示しました。 シンプレクスの三浦様は、FXから暗号資産交換業・トークン化証券まで展開してきた経験から、交換業に必要な5つの技術領域（口座管理、秘密鍵管理、AML、トランザクション管理、ステーキング運用）を整理しました。マネタイズの鍵として資金効率向上（リアルタイム担保移転）、業態横断のシームレス体験、社会インフラとしてのポジションを挙げ、日本の課題である個別開発コストの高さに対しては共同インフラ活用が不可欠との共通認識が示されました。 パネル2: トークン化預金×クロスボーダー決済 — DCJPYが描く国際送金の未来 パネリスト: 田子島 敬 様（株式会社DCP 執行役員 営業戦略本部 副本部長 経営管理本部 地域社会PJ責任者）、瓦田 宗大 様（株式会社SBI新生銀行 次世代金融部長）、ハンフリー・ヴァレンブレダー 様（Partior Pte Ltd. Chief Executive Officer） モデレーター: 山﨑 夕莉子（AWS） 株式会社SBI新生銀行における、株式会社DCPとPartiorのトークン化預金プラットフォームを活用したクロスボーダー決済の革新（年内商用化予定）を紹介しました。ハンフリー・ヴァレンブレダー様からは、日本-アメリカおよび日本-ブラジルの送金ルートが商業レベルで運用を開始しており、これらのユースケースはすでに確立されつつあると共有しました。 そのうえで、田子島様が「日本が取り残されないための最後のチャンス。様々な方々と協働していきたい」と呼びかけ、瓦田様は「採用する金融機関・事業者を増やすことが重要。AIとブロックチェーンの組み合わせで自動化・最適運用が実現する世界はすぐそこにある」と述べました。3社に共通していたのは、技術的にはすでに実用段階に入っており、この価値を実現するためには多くのプレイヤーがエコシステムに参画することこそが次のハードルであるというメッセージでした。 まとめ クロージングではAWS佐藤から、ブロックチェーン×AIの実用化に向けたAWSのご支援とパートナーエコシステムの活用を紹介しました。イベント全体で、なぜデジタル通貨のビジネスに取り組むべきなのか、どこから着手すればよいのか、業界全体で考えるべきことは何かといった、これからビジネスを本格化するための知見や生の声をお届けしました。 参加者からは「クローズドならではの密度の濃い情報が得られた」「レベルの高いスピーカーで効率的に知識をアップデートできた」「登壇者と直接会話できる懇親会が大変勉強になった」等の声をいただきました。また、お客様事例の進捗状況への驚きや、紹介されたAWSサービスへの関心も多く寄せられました。 本イベントを通じて、各業界で導入効果のあるユースケースが確立されてきていることと、デジタル通貨のビジネスを発展させるためにはユーザビリティを向上させ、利用者をいかに増やしていくかが重要になると実感しました。AWS金融チームでは、オンチェーンを支えるクラウドサービスの提供と、お客様同士の共創を支える場づくりを通じて、金融業界全体への発展に貢献してまいります。 最後に、ご登壇いただいたお客様、そしてご参加いただいたすべてのお客様に心より感謝申し上げます。

はじめに 生成 AI は、いまやあらゆる産業に新たな価値創出の機会をもたらす基盤技術になりつつあります。文章の作成や要約、コードの生成、問い合わせ対応、専門的な調査の補助など、これまで人手に頼っていた多くの業務を支援できるようになり、生産性向上とイノベーション創出のカギとして大きな期待が寄せられています。 その一方で、機密情報や個人情報を外部の生成 AI サービスに入力することへの懸念から、本格的な活用に踏み切れない企業も少なくありません。総務省の調査によれば、約 7 割の企業が AI 活用における「セキュリティリスク」を懸念しており、産業データの活用が十分に進んでいないことが課題として指摘されています（出典：総務省 「令和 6 年版 情報通信白書」 ）。つまり、生成 AI の可能性は広く認識されている一方で、「安心して自社のデータを預けられるのか」という信頼の問題が、活用の大きな壁になっています。 一般社団法人 AI データ主権共創機構（ CODAS : Co-creation Organization for Data Sovereignty & AI） はこの課題の解決策として日本発の「信頼できる AI」の構築を目指しています。 CODAS は「秘匿性を基盤とした産業特化型 AI 基盤の研究開発・実装・実証」に取り組む共創組織であり、企業・研究機関・行政が対等に参画しながら、日本の産業競争力の強化とデータ主権の確保を目的としています。AWS は、その研究開発を支える大規模言語モデル（LLM）の学習・推論基盤の構築をご支援しています。 この取り組みは、 国立研究開発法人 新エネルギー・産業技術総合開発機構（NEDO） の 「ポスト 5G 情報通信システム基盤強化研究開発事業／データの秘匿性を考慮した効率的な AI 学習手法の開発」 の一環として進められています。同事業では、生成 AI の性能向上を支えてきたウェブ上の公開データが学習し尽くされつつあるなか、今後の AI 開発においては企業や組織が保有する実データを安全に活用することが不可欠になる、という認識が背景にあります。しかし、実データの多くは個人情報や機密情報を含むため、データの秘匿性を考慮した学習手法の確立が重要な課題として掲げられています。 本ブログでは、 CODAS が目指す世界と、そのビジネス的な意義、そして、その実現に向けた第一歩として現在取り組まれている産業特化型 LLM の構築と、それを支える AWS 上の学習・推論基盤についてご紹介します。なお、本記事でご紹介するのは、 CODAS の活動のあくまで初期段階における取り組みのみです。 CODAS の構想はこの先、秘匿性技術の研究開発から社会実装、さらにはグローバルなエコシステム形成へと大きな広がりを見せていく予定であり、本記事はその出発点をお伝えするものとご理解いただければ幸いです。 CODAS が目指す、データ秘匿性を考慮した産業特化型大規模言語モデルの構築 なぜ「秘匿性」なのか 現在広く使われている汎用的な生成 AI は素晴らしい技術である一方、機密情報や個人情報の取り扱いという観点では、企業に大きな懸念を残しています。 CODAS は、この課題を大きく 3 つのリスクとして整理しています。 第一に、機密情報・データの流出リスクです。企業が外部の AI サービスに機密データを入力する場合、サービスの利用条件や設定に応じて、入力データの保存場所、保持期間、学習への利用有無などを十分に確認する必要があります。企業にとって、顧客データ、取引情報、技術情報といった競争力の源泉が、意図せず外部に流出するリスクは看過できません。 第二に、プライバシー侵害とデータ主権の喪失リスクです。学習データからの個人特定（メンバーシップ推論攻撃や学習データの再構成など）や、自社データが管理の及ばない環境で処理・保存されることへの懸念があります。加えて、各国でデータ保護規制が強化されるなか、データを国内で管理し、規制に準拠しながら活用することの重要性が高まっており、規制対応の負担も増しています。データがどこにあり、誰がアクセスでき、有事にも継続的に利用できるのかという「データ主権」は、経営レベルの論点になりつつあります。 第三に、こうした懸念が日本企業を AI 活用に踏み切れなくさせている、という現実です。 一般社団法人 日本情報システム・ユーザー協会（JUAS） の調査では、企業が AI 活用で懸念するリスクとして、データ漏洩リスク（70.3%）、AI の誤回答リスク（65.2%）、プライバシー侵害リスク（65.0%）、法令違反リスク（50.5%）が挙げられています（出典：JUAS 「企業 IT 動向調査 2025」 ）。懸念が先に立つことで、本来であれば大きな価値を生むはずのデータ活用が後回しになってしまう。この「もったいない」状況こそ、 CODAS が解こうとしている課題です。 CODAS は、この状況に対して「データは動かさない、モデルが動く」（Privacy-First AI）という発想の転換を掲げています。データを外部に送り出すのではなく、データが自社の管理下に留まったままで AI を活用できる世界を目指すものです。この発想は、単に情報漏洩を防ぐという守りの意味にとどまりません。これまで秘匿性への懸念から活用が進まなかった高価値なデータを、安心して AI に活かせるようにすることで、日本企業のデータ活用そのものを前に進める攻めの一手でもあります。守りと攻めを同時に成立させる。ここに、秘匿性を基盤とする AI のビジネス的な意義があります。 ロードマップと現在のフェーズ CODAS の最終目標は、データ漏洩防止、プライバシー侵害耐性、データ主権の確保といった秘匿性を担保しながら、産業の実務に耐えうる高性能な AI を実現することです。差分プライバシーや秘密計算などの秘匿性技術と、産業に特化したモデルを組み合わせることで、汎用モデルにはない「信頼性」と「専門性」の両立を目指しています。秘匿性を高めるほど性能とのトレードオフが生じやすいため、この両立には継続的な研究開発と強固な計算基盤が欠かせません。 秘匿性技術は、適用先となる高性能なベースモデルがあって初めて実証・評価できます。そのため CODAS は、まず秘匿性研究の土台となる産業特化型大規模言語モデルを構築し、その上で秘匿性技術の研究開発を積み上げるアプローチを取っています。 このベースモデルは領域特化の高度な処理を担い、各企業のユースケースに特化した個社モデルと連携する 2 層構造を想定しています。特に、情報漏洩リスクへの懸念から慎重な判断が求められる金融・保険領域を最優先の実装領域と位置づけ、社会実装の標準を確立することを目指しています。また、特定のモデルに依存しない開発手法を採用し、今後さらに高性能なモデルが登場しても柔軟に取り入れられるようにしています。 CODAS では、大学や専門企業が秘匿性技術に関する複数の研究テーマを分担しています。ベースとなる LLM の開発は ABEJA 様が担い、AWS は大規模なモデル学習を支える計算基盤の構築を支援しています。各研究テーマ、ベースモデル、計算基盤を組み合わせる体制が、 CODAS の挑戦を支えています。 産業特化型大規模言語モデルの学習と評価に関する取り組み 産業特化型大規模言語モデル開発の第一段階として、 CODAS では、パブリックデータをベースとした大規模コーパスの構築、教師付きファインチューニング用データセットの合成、継続的事前学習と事後学習（教師付きファインチューニングおよび強化学習）、学習済みモデルの評価に取り組んでいます。本節では、こうした学習・評価の考え方と主な検証内容を紹介します。 (1) 学習済みモデルの評価 モデルの性能は、日本語・英語それぞれにおける汎用的な能力と、金融分野に特化したタスクを遂行する能力の両面から評価します。このため、複数のパブリックデータセットを選定し、必要に応じて対象タスクに合わせた改修を行いました。 評価には、正解との一致を確認する機械採点に加え、自由記述など単純な正誤判定が難しいタスクに対応するため、LLM-as-a-Judge を用いています。これにより、モデルが金融領域の知識を獲得しているかだけでなく、汎用的な言語能力を維持できているかを継続的に確認します。 図 1: JLM-Fin-Eval と EDINET-Bench を用いた、汎用能力と金融分野の能力を評価するベンチマークの例 (2) 大規模コーパスの作成と事前学習 継続的事前学習に向けて、対象領域の知識を取り込むための大規模コーパスを準備しています。コーパスの品質や構成は、その後のモデル性能に大きく影響するため、データの収集・整形・選別を行ったうえで学習に用います。 また、学習の実施を通じて、データ構成や学習条件がモデルの汎用能力および金融関連タスクの性能に与える影響を検証しています。 (3) 学習用データセットの合成と教師付きファインチューニング 事後学習では、教師付きファインチューニング（Supervised Fine-Tuning、SFT）に用いる学習データセットを、生成 AI モデルを活用して合成しています。金融関連タスクの性能を高めながら汎用的な能力も維持・向上させるため、金融特化型データセットと汎用データセットを組み合わせます。 検証では、学習対象モデルの系統を考慮し、SFT 用データの生成に用いるモデルの違いが、SFT 後の性能に与える影響を分析しています。あわせて、金融特化型データと汎用データの配合を変え、汎用能力と金融関連タスクの遂行能力をバランス良く最適化する方法を検討しています。 図 2: 合成データ生成モデルの系統差が SFT 後の性能に与える影響を検証する考え方 (4) 強化学習による論理的能力の強化と指示追従能力の回復 SFT に加えて、論理的能力の向上を目的とした強化学習（Reinforcement Learning、RL）にも取り組んでいます。強化学習では数理的能力の向上に加え、SFT 後に生じ得る指示追従能力の低下、特に指示に含まれる出力制約を守る能力の低下を改善することを目指します。 評価の結果、SFT 後に実施する強化学習が、こうした指示追従能力の回復に寄与することを確認しました。モデルの能力を単一の指標で評価するのではなく、論理性、指示追従性、専門領域のタスク性能を総合的に捉えながら、学習方法を改善しています。 図 3: SFT 後に低下した指示追従能力と、RL による性能回復の評価結果 データセットの構成、実験条件、評価方法、詳細な結果については、今後 ABEJA 様の技術ブログ にて公開予定です。 合成データの作成、産業特化型大規模言語モデルの学習、および、学習済みモデルの評価を実行するためには、GPU を含む大規模計算機リソースが必要となります。また、多くの GPU を用いて効率的に分散学習を行うには、ストレージ・ネットワーク通信の観点でも検討すべき事項があります。さらに、安全に開発を進めるうえでは権限周りの管理・運用も不可欠です。 CODAS では、産業特化型大規模言語モデル構築のための学習・推論基盤として、72 台の p5en.48xlarge EC2 インスタンスをコンピュートノードとして利用する、 AWS ParallelCluster を用いた大規模 GPU クラスターを AWS 上に構築しています。次章では、AWS 上でのモデル学習・推論基盤の構築について紹介します。 AWS 上で実現する大規模言語モデル学習・推論基盤 大規模学習基盤の設計方針 大規模言語モデルの学習・推論基盤を構築するには、GPU の計算性能だけでなく、ノード間通信、共有ストレージ、ジョブ管理、監視を一体として設計する必要があります。そのために CODAS が初期構築の出発点としたのが、AWS Labs のオープンソースである awsome-distributed-ai （旧称 awsome-distributed-training）です。同リポジトリでは、大規模モデル学習向けのリファレンスアーキテクチャ、学習用サンプル、検証・オブザーバビリティ用ツールをまとめたものをオープンソースで提供しています。 学習・推論基盤の実装時には、awsome-distributed-ai リポジトリに含まれるリファレンスアーキテクチャを VPC、共有ストレージ、Elastic Fabric Adapter（EFA）、Slurm といった分散学習基盤の主要な構成要素を構築するための出発点としました。これにより、一からすべて自分たちで組み立てるのではなく、複数のチームで GPU クラスターを共同利用する際のロールや権限、接続方法、安定運用のための設計を含む、独自の要件に関する議論と実装に注力しやすくなりました。リファレンスアーキテクチャはあくまで汎用的なものです。そのため、そのまま採用するのではなく、実際の用途と運用体制に合わせて、不要な要素の削除や、安全性向上などを目的として必要な仕組みを追加実装することが重要です。 学習・推論基盤の全体像 クラスターの構築と管理には AWS ParallelCluster を利用し、ジョブスケジューラーとして Slurm を採用しています。ヘッドノードは Slurm のスケジューリングとクラスター制御を担っています。ユーザーは別途立ち上げたログインノード上で通常のコーディング作業やジョブ投入、コンテナの準備などを実施することが可能です。学習ジョブは EFA を備えた GPU コンピュートノード上で実行し、Enroot と Pyxis を組み合わせて、Slurm からコンテナ化した学習環境を起動しています。現在は NVIDIA H200 を 8 基搭載した p5en.48xlarge GPU インスタンス 72 台をワーカーノードとする規模までスケールしています。 ストレージは役割に応じて使い分けを行っており、学習データやチェックポイントを扱うための高性能な共有領域には Amazon FSx for Lustre 、ホーム領域には Amazon FSx for OpenZFS を採用しています。また、 Amazon S3 と FSx for Lustre は Data Repository Association（DRA） で連携しています。主要コンポーネントとデータの流れを 図 4 のアーキテクチャ図に示します。 図 4: AWS ParallelCluster と Amazon EC2 GPU インスタンスを用いて構築した大規模言語モデル用学習・推論基盤のアーキテクチャ図 組織独自の要件を仕組みに落とし込む 大規模 GPU クラスターを複数のチームで継続的に利用するには、GPU やネットワークの性能だけでなく、誰が、どのように、安全に利用できるかをあらかじめ設計しておくことが重要です。そこで、本環境ではクラスターへのユーザーアクセスを AWS Systems Manager Session Manager に一本化し、SSH キーペアを前提としない構成を採用しています。さらに、SSH キーペアが設定された場合にはクラスターのデプロイを失敗させることで、意図せずアクセス方針から逸脱した構成になることを防ぎます。IAM 権限についても、構築・運用に必要な権限を整理し、最小権限の原則に沿って設定しています。 ノードごとに役割を明確に分離している点も、この基盤の特徴です。ヘッドノードは Slurm のスケジューリングとクラスター制御に専念させ、日常的なコーディング、コンテナの準備、ジョブ投入はログインノードで行います。これにより、ユーザーの作業がクラスター制御に影響することを抑え、安定した運用につなげます。複数のチームが利用する環境では、チームごとにログインノードのプールを用意しつつ、全ノードのユーザー ID（UID）とグループ ID（GID）を統一的に管理します。共有ファイルシステム上の所有権と Slurm が認識する利用者を整合させることで、チームをまたぐデータセットやモデルの共同利用も可能にしています。 また、コンテナのビルドは一時的に大きなディスク負荷を発生させるため、ログインノードのルートボリュームに負荷が集中しない設計としています。ルート EBS ボリュームの容量を確保するとともに、成果物は FSx の共有ストレージに配置します。ローカル NVMe を利用する処理については、Slurm デーモンの起動前に NVMe の準備とマウント元の検証を完了させます。想定したストレージを利用できない場合には処理を停止することで、不完全な状態でノードが起動することを防ぎます。 異常の早期顕在化と計測に基づく運用 大規模分散学習では、単一ノードの異常やストレージ容量の不足、ネットワーク通信の不調が、学習ジョブ全体の性能や成否に影響します。そのため、 Amazon CloudWatch 、 Amazon Simple Notification Service（Amazon SNS） 、 AWS Lambda 、Slack を組み合わせ、FSx for Lustre の容量しきい値超過や GPU の故障を自動的に通知する仕組みを設けています。クラスターの利用者と管理者は必要な状況を速やかに把握し、ストレージの拡張やノードの切り離しといった対応を判断できます。 ノード間通信では、コンピュートノードの構成時に EFA デバイスの存在だけでなく、EFA プロバイダーを実際に利用できることまで確認します。検証に失敗した場合は、診断に必要なログを残してデプロイを停止します。こうした事前検証により、ジョブは実行できても通信性能が十分に出ないという発見しにくい問題を、学習開始前に検出できます。 ストレージについても、推測ではなく実測したメトリクスに基づいてボトルネックを切り分け、必要に応じて容量をスケールさせる運用としています。ノード障害、通信、ストレージのいずれも例外として扱うのではなく、発生を前提に検知・判断・対応できるようにしておくことが、大規模 GPU クラスターの継続的な利用には不可欠です。 ここまで紹介した工夫に共通するのは、運用上のルールや障害時の対応を手順書にとどめず、クラスターのデプロイや起動の過程で自動的に確認できる仕組みとして実装している点です。リファレンスアーキテクチャを出発点にしながら、組織の利用形態や実運用で得られる知見を構成へ反映し続けることで、複数チームが大規模言語モデルの学習・推論基盤を安定して共同利用できる環境を目指しています。 おわりに 本ブログでは CODAS によるデータの秘匿性を考慮した AI 学習手法の開発に関する大規模言語モデル学習・推論基盤の構築に向けた取り組みについて紹介しました。上述の通り、本ブログで紹介した内容は CODAS による初期段階の取り組みの一部に関するもののみであり、 CODAS の活動は今後さらに大きく広がりを見せていく予定です。AWS では CODAS 担当アカウントチーム、コンピュート・生成 AI スペシャリストチーム、生成 AI イノベーションセンターなど、複数のチームが一丸となって、 CODAS の本活動に対する支援を行っています。 著者プロフィール 原田 伴誉 (Tomotaka Harada) 株式会社ABEJA エンタープライズプラットフォーム開発本部／データサイエンス部所属。京都大学大学院修了後、金属メーカーでプラントエンジニアリングとDX推進に従事し、設備自動化や画像処理を活用した検査自動化、データ活用を推進。在職中にボストン大学でApplied Data Analyticsを修了し、米国企業で画像AI開発も経験。ABEJAではRAG、レコメンドシステム、スポーツ動作解析、直近はLLM開発に参画し、製造現場の理解とAI開発力を併せ持つエンジニアとしてプロジェクトを推進している。 久米 拓馬 (Takuma Kume) 株式会社ABEJA 経営企画統括部 情報システム・セキュリティグループ所属。AWSでのインフラ構築を専業とするSierに8年所属。インフラの構築から運用や設計提案を経験し、新規立ち上げからマイグレーションなど幅広く対応。ABEJAでは情報システム部門の運用をメインとし、前職での知見を活かして単体プロジェクトのインフラ構築支援を実施。 長谷川 潤 (Jun Hasegawa) CODAS の最高プロジェクト責任者であり、創業者／リサーチャーです。連続起業家として、Omise（決済事業）と OMG Network（ブロックチェーン事業）を創業し、いずれもユニコーン企業へ成長させました。これまでに累計 5 億ドル以上を調達し、現在は決済・ブロックチェーン・プライバシー AI の 3 領域でグローバル事業を率いています。 中越 洋(Hiroshi Nakagoe) CODAS の Technical Head および Archetype Digital の VPoE として、プライバシー保護技術に関する 7 件の研究プロジェクト、1 つの統合型生成 AI プラットフォーム、プライバシー保護 AI システムを評価する複数の PoC など、研究開発と社会実装プロジェクトをリードしています。テクノロジー業界で 20 年以上の経験を持ち、ML/AI サービス、データ分析プラットフォーム、IoT サービス、エンタープライズストレージ、エンタープライズ向け運用ツール、LSI の研究開発を通じて、専門知識を実社会の課題解決に応用してきました。東京を拠点に活動しています。 黒澤 蓮 (Ren Kurosawa) AWS Startup Frontier AI ソリューションアーキテクトで、Startup 業界のお客様を中心にアーキテクチャ設計や構築をサポートしています。データアナリティクスサービスや機械学習の領域を得意としています。将来の夢は宇宙でポエムを詠むことです。 畔柳 竜生 (Tatsuo Azeyanagi) AWS Generative AI Innovation Center の Senior Applied Scientist です。生成 AI や機械学習サービスを活用し、顧客の課題解決に取り組んでいます。AWS に入社する前は、日本、アメリカ、フランス、ベルギーの大学・研究機関にて、素粒子論の研究をしていました。 松浦 大輝 AWS Startup, Frontier AI Team の Account Manager です。生成 AI の基盤モデル開発企業からフィジカル AI スタートアップまで、日本の最先端 AI 企業のクラウド活用と事業成長をご支援しています。GPU クラスターを活用した大規模学習基盤の構築支援や、業界横断のコミュニティ形成にも取り組んでいます。