今年も半分が過ぎました。2026年4-6月のサマリーです。 記事数・執筆者数 # この3ヶ月で13本の記事が投稿され、記事数は889になりました。 連載 # AIエージェントとシステムをつなぐMCP入門 # MCP(Model Context Protocol) は AI エージェントが外部サービスと通信するための仕様で、2024年に Anthropic 社によって初版がリリースされました。MCP を使用することで、AI エージェントは外部サービスの機能を効果的に利用できます。MCP の基本から実装まで段階を分けて解説するシリーズです。 /blogs/2026/04/24/mcp-impl_introduction/ 現在は以下の6記事が公開されています。 イントロダクション stdio実装編 StreamableHTTPステートレス実装編 StreamableHTTPステートフル実装編 プロンプト編 リソース編 テーマ別記事 # 認定資格 # /blogs/2026/04/13/google_cloud_all_certified_revenge/ /blogs/2026/04/20/aws_certified_generative_ai_developer/ ペアレンタルコントロール # 上記の AWS・Google Cloud 認定を“W全冠”したエンジニアが、クラウドから降りて自宅のネットワークと格闘した異色の記事です。夜中に学校用タブレットでゲームをする子供との「イタチごっこ」に終止符を打つべく、手持ちの家庭用ルータとRaspberry Piを活用して、MACアドレス制限やサブネット分離、Pi-holeによる独自DNS構築まで、本気の「ガチ構成」を徹夜で組み上げる様子を赤裸々に綴っています。DoH（暗号化DNS）対策などのリアルな課題にも触れられており、ネットワークの基礎を学び直したい方や、同じ悩みを持つITエンジニアの親御さん必見の泥臭くも愛に溢れた実践録です。 /blogs/2026/04/09/home_network_control/ スクラムマスターと AI # チームの対話を支えるスクラムマスターにとって、視覚的な資料作成は欠かせませんが、一方で多大な時間がかかるのが共通の悩み。本記事では、そのボトルネックを AI で突破する実践的な手法を解説しています。ChatGPT を思考のパートナーとして構成を練り上げ、最新の生成 AI ツールでスライドを一気に形にする――単なる「時短術」に留まらず、AI との対話を通じてアイデアを磨き、本来注力すべきファシリテーションやコーチングの質を高めるための「共創のプロセス」を紹介しています。資料作成の重圧から解放され、チームの価値最大化に向き合いたいリーダー・マネージャーにとっても役立つ内容となっています。 /blogs/2026/04/27/ai-presentation/ GitHub # GitHub の Organization 運用において、「機密リポジトリを作りたいが、Basic Permission の設定変更による管理コスト爆発は避けたい」というジレンマ。この記事では、高価なEnterprise プランを契約せずとも、Teams プランの制限下で安全かつ効率的にアクセス権を管理する「ホワイトリスト方式」の戦略を解説しています。全メンバー用の統合チーム作成によるセキュリティ境界の構築から、GitHub API と Actions を組み合わせた「チーム追加漏れを防ぐ自動化スクリプト」の実装まで、管理者の負担を増やさない現場目線のハックを紹介しています。 /blogs/2026/06/24/github-manage-organization-access/ CI/CD 環境で広く使われる GitHub Actions に新たに追加された、単一ワークフロー内でのステップ並行実行機能をいち早く検証した記事です。background 属性を使った非同期実行や、parallel ブロックを使った同時実行の基本構文を解説するだけでなく、Go 言語のクロスコンパイルを用いた実践的なパフォーマンス検証も実施。vCPU コア数やコンテキストスイッチの観点から「期待したほど速くならなかった理由」と、「これまでの Matrix ビルドとどう使い分けるべきか」まで深く考察しており、現場の CI 改善に直結する生きた知見が得られます。はてなブックマークでも注目され、公開直後からアクセスが上昇しました。 /blogs/2026/06/27/github-actions-parallel-steps/ さいごに # 以上、2026年度第1四半期のサマリーでした。投稿数が少なかったため、個別の記事紹介を厚めにしてみました。 よかったら フィード の購読、 X や Bluesky でのフォローもお願いします。 Facebook でも本サイトの注目記事をはじめ豆蔵に関するイベントを紹介しています。 note にも時々本サイト関連の記事が掲載されています。

こんにちは。アマゾン ウェブ サービス ジャパン合同会社 パートナー ソリューション アーキテクト の深井宣之です。 2026 年 4 月 28 日に「公共分野における AI 活用最新アップデート」と題した Webinar を開催しました。本ブログでは開催内容について Blog にまとめたものになります。投影資料もダウンロードすることが可能です。 本セッションでは、アマゾン ウェブ サービス ジャパン合同会社 パブリックセクター技術統括本部 CSM・プロトタイプ・パートナー ソリューション技術本部 本部長の高田 智己が登壇し、生成 AI の最新トレンドとして「チャットボット + RAG」の時代から「Agentic AI」の時代への移行を解説しました。AWS が提供する AI サービスの全体像を紹介したうえで、中央省庁・地方自治体・ヘルスケア・大学など公共分野における生成 AI 活用の最新ユースケースを多数紹介しました。 セッション概要 資料（PDF）の ダウンロードはこちら から可能です。 生成 AI の最新トレンド ― Agentic AI 時代へ 2022 年末に ChatGPT が登場して以降、生成 AI や RAG（検索拡張生成）が注目を集めてきました。しかし 2025 年 3 月頃からは「AI 駆動開発」「MCP（AI と既存システム連携）」「AI エージェント」といったキーワードが中心となり、AI エージェントが気軽に使える状況が整ってきています。 生成 AI はシンプルなコンテンツ生成を行う「アシスタント」から、単一ゴールを自律的に達成する「生成 AI エージェント」、そしてワークフロー全体を完全自動化する「Agentic AI システム」へと進化しています。Amazon 自身も Alexa+ や代理購買サービス「Buy For Me」など、多くのプロダクトで AI エージェントを活用しています。 AWS の提供する生成 AI サービス AWS では 3 層の AI サービスポートフォリオを用意しています。 AI モデルを作りたい方向け : AWS Trainium / Inferentia によるカスタムチップ、Amazon SageMaker HyperPod などのインフラストラクチャ AI エージェントを作りたい方向け : Amazon Bedrock（基盤モデルへの API アクセス）、Amazon Bedrock Agents、Amazon Bedrock AgentCore、Strands Agents などのフレームワーク すぐに使える AI エージェント : Kiro（AI 統合開発環境）、Amazon Quick Suite、AWS Transform、Amazon Connect など Amazon Bedrock Amazon Bedrock は東京リージョンを含む複数のリージョンで一般提供されている、基盤モデルを活用した生成 AI アプリケーションの構築サービスです。Anthropic の Claude シリーズをはじめ幅広いモデルを利用でき、データプライバシーの観点ではお客様のデータが他のお客様のために使用されることはなく、日本国内クロスリージョン推論もサポートされています。 Amazon Bedrock AgentCore AI エージェントの大規模かつ安全なデプロイ・運用を実現するプラットフォームです。認証・認可（Identity）、ツール管理（Gateway）、実行環境（Browser / Code Interpreter）、セッション記憶管理（Memory）、運用監視（Observability）などの機能を提供し、お客様は AI エージェントのコア開発に集中できます。 AI コーディングエージェント AWS が提供する AI コーディングエージェントとして、生成 AI 統合開発環境の Kiro と、Anthropic 社の Claude Code を Amazon Bedrock 上で利用する方法を紹介しました。Kiro では仕様駆動開発によりプロトタイプからプロダクションまでを支援し、レガシーアプリケーション（Delphi/Pascal）の解析とモダン化にも活用できることをデモで示しました。 公共分野における生成 AI 活用の最新ユースケース 本セッションの後半では、公共分野における生成 AI 活用の最新ユースケースとして、以下の事例が紹介されました。 事例 1: デジタル庁 ― ガバメント AI「源内」 デジタル庁では、政府職員の業務効率化のために生成 AI 検証アプリ「源内（ゲンナイ）」を AWS 上に構築しました。GenU（Generative AI Use Cases）をベースに開発されており、機密性 2 情報の利用が可能です。2025 年 5 月にデジタル庁職員向けにリリースされ、2026 年 1 月から一部省庁で試験的利用を開始。2026 年度には全府省庁約 18 万人の政府職員が生成 AI を活用する大規模実証事業が予定されています。 なお、源内のベースとなっている GenU は AWS Japan の有志チームが開発したオープンソースの生成 AI アプリケーションで、チャット・翻訳・文書校正・要約など業務で活用できるユースケースを提供しており、1,000 を超えるお客様での利用実績があります。 事例 2: 国土交通省 ― AI 書類審査ソリューション「RAPID」 2025 年 4 月の改正建築基準法施行により 2 階建て木造住宅等も審査対象に追加され、審査機関の業務負荷が急増しました。国土交通省では、AWS プロトタイプチームが開発したオープンソースの AI 書類審査ソリューション「RAPID（Review & Assessment Powered by Intelligent Documentation）」を活用し、日本建築防災協会が提供する「建築確認申請図書作成支援サービス」を開発。OSS の活用により開発 2 か月でサービスをリリースし、申請補正指示案件の削減による審査業務負荷軽減が期待されています。 事例 3: つくば市 ― 相談業務効率化 つくば市では、ひとり親支援担当部署において相談記録のテキスト量が多く、転出時の要約資料作成に苦労していました。この課題に対し、GenU をベースにしたソリューションをガバメントクラウド上に構築し、生成 AI による相談記録の要約を実現。大量のケース記録から簡潔な要約を自動生成することで、転入先自治体への情報共有やケース会議での検討を効率化しています。 事例 4: 品川区 ― AI エージェントを活用した問合せ対応自動化 品川区では、人口増加に伴う住民ニーズの多様化や全国的な労働力不足、電話対応業務の負荷増大に課題を抱えていました。Amazon Connect と Amazon Bedrock を活用した AI 自動応答システムの実証実験を実施し、FAQ への自動応答、適切な部署へのルーティング、24 時間対応、必要に応じたオペレーターへのエスカレーションを実現。待ち時間短縮と住民満足度向上、職員の業務負荷軽減、持続可能な行政運営の実現を目指しています。 事例 5: 藤田医科大学 ― 退院時サマリー作成補助 藤田医科大学では、医師や医療従事者が業務時間の多くを文書作成に費やしており、退院時サマリー作成には 1 患者あたり 10〜15 分を要していました。Amazon Bedrock を活用したプロトタイピングプログラムにより、電子カルテ記事を元にサマリー生成の精度を 1 か月で検証。医師作成のサマリーに対し 9 割以上で整合性が取れることを確認し、10 分程度の作成作業が数秒で下書き完成に短縮されました。現在は 31 診療科に展開されています。 事例 6: ソフトウェア・サービス ― 電子カルテシステムへの生成 AI 活用 株式会社ソフトウェア・サービスでは、医師の 52.9% が週 60 時間超勤務、看護師の 7 割が時間外勤務という医療現場の深刻な業務負担に着目し、Amazon Bedrock を活用して電子カルテシステムに生成 AI を連携させました。その結果、サマリー作成時間 50% 削減、心理的負担 70% 低下を実現しています。 事例 7: 東北大学 ― 教職員向け生成 AI アプリ 東北大学では、2020 年に DX 推進チームを発足し、全国の大学に先駆けて生成 AI を導入してきました。GenU をカスタマイズし、チャット・文書作成・議事録作成などの AI ユースケースを全教職員向けに提供しています。検討から 1 か月で内製構築しサービスを開始。会議議事録作成時間が 1/4 に短縮され、ランニングコストも従来の 1/3 に抑えられています。 事例 8: 東京科学大学 ― 日本語大規模言語モデル Swallow の開発 東京科学大学（東京医科歯科大学と東京工業大学が 2024 年 10 月に統合）では、年度末までに大規模言語モデルの継続事前学習を完了させる必要があり、大規模並列の学習用計算環境が求められていました。Amazon SageMaker HyperPod を用いて ml.p5.48xlarge / ml.p5en.48xlarge の学習環境を数時間で構築し、FSx for Lustre と S3 を連携。GPT-4o に匹敵する高性能な日本語大規模言語モデル「Swallow」最新版（Llama-3.3-Swallow-70B 等）のリリースに貢献しました。 おわりに AWS では AI モデルを作りたいお客様へのインフラ提供から、AI エージェントを作りたいお客様へのサービス・フレームワーク提供、そしてすぐに AI エージェントを使いたいお客様向けのサービスまで、多くの選択肢を提供しています。デジタル庁の源内をはじめ、国土交通省、つくば市、品川区、藤田医科大学、東北大学、東京科学大学など、公共分野でも幅広く AWS の生成 AI サービスが活用されています。 本セッションでご紹介した AWS のサービスやソリューションにご興味がありましたら、御社担当の Partner Account Manager にお気軽にご連絡ください。 このブログは、アマゾン ウェブ サービス ジャパン合同会社 パートナー ソリューション アーキテクト 深井宣之が執筆しました。

はじめに こんにちは。レバレジーズ株式会社で研究員をしている永安です。普段は人材領域の推薦システムやLLMによる自動評価に関する研究開発に取り組んでいます。 2026年6月8日〜12日にGメッセ群馬で開催された、第40回人工知能学会全国大会（JSAI2026）に参加し、「人材領域における反実仮想機械学習を用いた相互推薦システムの説明手法」というテーマで発表してきました。 この記事では、JSAI2026全体の雰囲気と、私が個人的に面白いと感じた研究のトレンドを紹介します。事業会社の研究員の目線から見たJSAIの空気感が、これから参加を考えている方に少しでも伝われば嬉しいです。 ブースの様子 JSAI2026の全体の雰囲気 JSAI（人工知能学会全国大会）は、国内のAI研究者が一堂に会する最大級の学会です。今年は第40回・40周年の節目の大会で、Gメッセ群馬を会場に5日間のハイブリッド開催。前回のJSAI2025（大阪）が約5,000名規模だったこともあり、今年も国内最大級の盛り上がりでした。 参加して最初に感じたのは、企業のプレゼンスの大きさです。アカデミアの発表だけでなく、インダストリアルセッションでの企業発表や、展示ホールに並ぶ企業ブースが目を引きました。ブースでは各社のデータ活用やプロダクトの裏側が紹介されていて、休憩時間やレセプションでは企業関係者同士の交流もかなり活発でした。 個人的に大きかったのは、自分が研究している推薦（レコメンド）について、実際に業務で使っている方や、アカデミアで研究している方と密に話す機会を多く持てたことです。昨年参加したときは、チームが立ち上がったばかりで外に出せる成果がまだなく、話を聞いて回るのが中心でした。それが今年は、自分たちの取り組みとして話せるものを持って臨めたぶん、レコメンドを開発しているエンジニア、研究者と、一歩踏み込んだやり取りができたように思います。同じ推薦という土俵でも、事業側の制約や評価のリアルと、研究側の理論的な関心とでは見えている景色が違っていて、ブースや発表後の立ち話から得られる視点がとても多かったです。発表できるネタを持っていることが、こうした密度の高い会話の入り口になるのだと実感しました。 今年の大会全体を通して前面に出ていたのが、AIエージェントとPhysical AIです。LLMを核としたエージェント関連の発表・議論はあちこちで見られましたし、Physical AI（現実世界で身体を持って動くAI）も、スポンサー展示やチュートリアル講演を含めて大きな存在感を放っていました。 発表紹介：人材推薦の「希望の求人に行くには何を習得すると良いか?」に反実仮想で答える 人材領域の推薦は、「求職者→企業」と「企業→求職者」の双方向の好みを考える相互推薦（Reciprocal Recommendation）で、両者の嗜好の間には暗黙のトレードオフがあります。今回提案したのは、このトレードオフに説明性の観点から踏み込む反実仮想的な手法です。 コアは、「求職者自身は気に入っているのに、企業側のスコアが低くて推薦されない求人」に対して、求職者側のスコアを下げないという制約のもとで、企業側のスコアを押し上げるには何を変えればよいかを探索するという点にあります。これにより「あと何があれば、この求人に届いたのか」を提示でき、相互推薦のトレードオフを部分的に可視化できます。 このフレームワークで推薦結果を説明することにより、現時点でのユーザーに対する推薦だけでなく、ユーザーの将来のキャリアへのデータドリブンな助言をサービスに組み込むことが期待できます。 speakerdeck.com 気になった発表 大規模言語モデルエージェント間の社会的学習における文脈依存的パラメータ調整と相転移的振る舞い（堀部和也ほか／理化学研究所 環境が途中で変化する多腕バンディット課題をLLMエージェントの集団に適用し、各モデルの挙動に強化学習モデル（学習率・逆温度・社会的重み・同調指数など）を階層ベイズで当てはめた研究です。同質集団では、GPT-5.2は早期に探索をやめて多数派に同調し環境変化に固着する一方、Claude-Sonnet-4.5は探索を維持し、集団が大きいほど適応が良くなりました。さらに両者を混ぜると、GPT:Claudeが3:2→2:3になる一点で集団の適応可否がガラッと切り替わる、相転移のような閾値効果が現れます。Claudeが過半数になるとその探索が新しい社会的シグナルとなり、同調傾向の強いGPTが一斉に追従する、というモデルごとの傾向の違いが見られました。 感想 エージェントを使った調査ではLLMのコストが無視できず「どのモデルをどう分担させるか」が実務課題になりつつあります。その一般化された問いを綺麗な実験設定で示していた点が非常に良かったです。 Top-k方策分解に基づくランキング方策の効率的なオフ方策学習（R-POD）（岸本廉・田中滉一ほか／東京工業大学・慶應義塾大学) ログデータからランキング方策をオフ方策学習する問題で、従来は方策ベース（IPS）がランキング全体の重要度重みで分散が爆発し、回帰ベースは全ランキングの報酬推定が難しくバイアスが大きい、というジレンマがありました。R-PODは、ランキング方策を「上位k件を選ぶ第一段階方策」と「残りの下位を条件付きで選ぶ第二段階方策」に分解することでこれに対処します。第一段階は方策ベースの重要度重み付けを“ずっと小さいtop-kの行動空間”だけに適用して分散を大幅に抑え、第二段階はtop-kを条件とした残りの空間にのみ回帰を当ててバイアスを小さくする、という役割分担です。人工データ実験では、特にデータが少なく行動数が多い設定で、IPS-PGやDR-PGなどのベースラインを明確に上回りました。 感想 レコメンドではランキング全体を考慮することが重要で、上位と下位を分けてバイアスと分散を同時に抑えるという発想がとても綺麗でした。ランキングを考慮した最適化は自分の研究とも問題意識が重なり、特に学ぶところの多いポスターでした。 おまけ ホテル予約が遅れた 敗北者 研究員3人はAirbnbで民泊しましたが、焼肉パーティーで勝ちました。 研究員の作った漢料理 We are hiring! 最後までお読みいただきありがとうございました。会期を通して、推薦に関わる実務家・研究者の方々と密に交流でき、自分の研究を見つめ直すうえでも大きな刺激になりました。 レバレジーズでは、レバテックキャリアをはじめとする実サービスの現場課題を起点に、まだ方法論が固まっていない領域へ新しい手法を提案するような研究に取り組んでいます。実データ・実サービスと地続きでありながら、今回のように学会発表まで踏み込めるのは、事業会社の研究としては恵まれた環境だと感じています。 推薦システムや機械学習を専門に、「実データへのインパクト」と「研究としての新規性」の両方を追いたいという方は、ぜひ一度カジュアルにお話しできれば嬉しいです。 recruit.leverages.jp