こんにちは、ソリューションアーキテクトの田邊です。2026 年 6 月 25 日から 26 日にかけて幕張メッセで開催された AWS Summit Japan 2026 の AWS for Industries Zone（ブース番号 044 ）にて、スマートグラスと生成 AI エージェントを組み合わせた倉庫ピッキング支援デモを展示しました。本ブログでは、展示内容とその裏で動いている AWS サービス構成を、デモの体験に沿ってご紹介します。 背景：倉庫ピッキング業務の課題 倉庫のピッキング業務は物流オペレーションの中でも人手に依存する割合が高く、ハンディターミナル（専用の携帯端末）の導入は進んでいるものの、以下のような課題が現場に残っています。 両手が塞がる : 商品を持つ・置く動作と端末操作が競合し、重量物のハンドリング時に効率が落ちる 視線の移動 : 端末画面と棚を交互に見る必要があり、ピッキングミスや作業テンポの低下につながる 教育コスト : 新人・パート作業者が端末操作や棚配置を覚えるまで時間がかかる 多言語対応 : 外国人作業者が増える中、日本語のみの指示系統ではオンボーディングに時間がかかる これらの課題に対して、スマートグラスと生成 AI エージェントを組み合わせ、「見るだけ・話すだけ」で業務システムにアクセスできる新しい業務体験を提案するデモを企画しました。 デモの全体像 今回のデモでは、倉庫のピッキング業務を題材に、スマートグラスと生成 AI エージェントによるハンズフリー業務支援を紹介しました。特徴は以下の2点です。 1. 音声だけで完結する業務システム操作 「ピッキングリストをください」と話しかけるだけで、倉庫管理システム（ WMS ）から作業リストを取得し、音声で案内 商品の QR コードをスマートグラスでスキャンするだけで、ピッキング完了が自動で記録 端末画面のタップは不要。両手で商品を扱いながら業務を進められる 2. 自然な多言語対話 Amazon Nova 2 Sonic により、人と話しているような低遅延で自然な音声対話を実現 英語・スペイン語・ドイツ語・フランス語・イタリア語・ポルトガル語・ヒンディー語に対応（話した言語を自動判定して同じ言語で応答） 商品の取扱注意など業務ナレッジも、社内マニュアルから探して読み上げ 使用したスマートグラス 本デモでは、Android を搭載したスマートグラス 2 機種を用意し、来場者に体験いただきました。両機種とも AI エージェントと対話するアプリを単体で動作させることができ、それぞれ形状・視認性・装着感に特徴があります。 Vuzix M400 — Android11 を搭載し単体で動作するモノキュラー（単眼）型のスマートグラスです。1,280 万画素のカメラでバーコード読み取りに対応し、本体 68 g、IP 67の防水防塵性能で倉庫環境にも適しています。ノイズキャンセリングマイクを搭載しており、周囲に環境音がある現場でも音声を正確に拾うことができます。 RayNeo X3 Pro — Android を搭載したフルカラー MicroLED ディスプレイを持つ眼鏡型のスマートグラスです。バーコード読み取りに加え、音声・映像を組み合わせたマルチモーダルな対話に対応します。輝度 6,000 ニットの高い視認性で、明るい場所でも表示内容がしっかり見えます。装着感が眼鏡に近く、より日常的なユースケースにも馴染むデザインです。 なお、本デモのアプリは Android で動作する仕組みのため、Vuzix・RayNeo に限らず、Android 対応の他のスマートグラスやタブレット・スマートフォンでも同様の体験を実現できます。 アーキテクチャ構成 デモのアーキテクチャは以下のような構成になっています。 スマートグラス上の Android アプリはシンプルな役割に絞り、会話の理解・業務データの取得・回答生成といったロジックはすべてクラウド側の Amazon Bedrock AgentCore Runtime に集約しています。全体の処理の流れは次のとおりです。 認証 : 端末にクラウドの長期パスワード的な情報を置かず、Amazon Cognito と AWS Lambda により一時的な接続 URL を発行するセキュアな仕組み 音声送受信 : スマートグラスから作業者の音声をリアルタイムに Amazon Bedrock AgentCore Runtime へ送信。Amazon Nova 2 Sonic が音声を直接理解し、応答の音声を返す 業務データへの問い合わせ : エージェントが必要に応じて Amazon Bedrock AgentCore Gateway を介し、ツール（関数）を呼び出し、Amazon DynamoDB （ WMS データ）や Amazon Bedrock Knowledge Bases （社内マニュアル）からデータを取得 この構成により、スマートグラス側は音声とカメラの入出力に専念でき、エージェントの機能追加やプロンプト調整はクラウド側の変更だけで反映されます。以下、デモのシナリオを順に追いながら、各ステップで動いているサービスを見ていきます。 ① 音声でタスク取得 作業者がスマートグラスに「ピッキングリストをください」と話しかけると、生成 AI エージェントが WMS から作業リストを取得し、棚番号・商品名・数量を音声と画面で案内します。 裏側では、スマートグラスから送られてきた音声をクラウド上の Amazon Nova 2 Sonic が受け取ります。Amazon Nova 2 Sonic は音声を直接理解し、そのまま音声で応答を返せる生成 AI モデルです。従来の「音声を一度文字に起こしてから生成 AI に渡し、生成された文章を再び音声にする」という 3 段階の処理と違い、音声のまま処理するため、人と話しているような自然で低遅延なやり取りが可能になります。作業者の意図が「ピッキングリストの取得」だと判断されると、エージェントが WMS 用のツールを呼び出し、Amazon Dynamo DB からリストを取り出して音声で読み上げ、同時にタスク一覧を画面に表示します。 ② QR スキャンで商品照合・完了 案内された棚に移動し、商品のQR コードをスキャンすると、エージェントが商品を照合し、ピッキング完了を WMS に自動で記録します。次のアイテムがある場合は続けて音声で棚の場所を案内し、全アイテム完了時には作業時間もフィードバックします。 ここでは、音声とカメラという異なる入力を、同じ会話の流れの中で扱っています。QR スキャンの結果はテキスト情報として Amazon Nova 2 Sonic に渡り、エージェントは「今、この作業者は音声で受けたタスクの商品をスキャンした」と文脈を理解した上で、Amazon Dynamo DB に完了記録を書き込みます。作業者は「モードを切り替える」といった意識をせず、話す・スキャン・話す、というテンポで作業を進められます。 ③ 視覚支援と業務ナレッジ照会 「棚の場所が分からない」と聞けば倉庫マップで棚位置をハイライト表示、「タイミングベルトの取扱注意点は?」と聞けば社内マニュアルから該当箇所を音声で読み上げます。 業務ナレッジの音声応答は、Amazon Bedrock Knowledge Bases という機能で実現しています。これは、事前に社内のピッキングマニュアルなどのドキュメントを Amazon S3 に置いておくと、生成 AI が質問の意図に合わせて関連する記述を意味的に検索してくれる仕組みです。エージェントは検索結果をもとに要点をまとめ、Amazon Nova 2 Sonic を通じて自然な音声で回答します。マニュアルを更新しても、それを取り込み直すだけで、エージェントの回答が常に最新の内容に保たれます。 1 会話あたりのコスト ブース来場者から多くいただいた質問がコスト面でした。本デモの構成で、ピッキング 4 アイテムを約 3 分で処理する会話1回あたりのコストは、およそ 8.9 円（ 1 USD = 160 円換算）です。1 端末あたり 100 会話/日 × 30 日で月額約 26,720 円と、実運用に耐える水準です。コストの大半（約 78 %）は音声の生成（ AI の応答音声）が占めるため、AI の応答を簡潔にする工夫がコスト削減に最も効きます。 期待される効果 本ソリューションの導入で、以下のような効果が期待できます。 作業者の身体的・認知的負荷の低減 : 端末操作から解放され、視線を作業対象に集中できる 教育コストの削減 : 音声で作業指示・マニュアル照会ができ、新人・短期雇用者の即戦力化が容易 多言語対応による人材活用 : 外国人作業者にも母語で指示・案内が可能 既存 WMS を活かした導入 : 現行の業務システムを置き換えず、生成 AI エージェントから連携 本デモのコアである「生成 AI エージェント × ウェアラブルデバイス × 音声インタラクション」の組み合わせは、倉庫ピッキングに限らず、「両手を使う現場作業×システム連携」が求められる幅広い領域に応用可能です。製造ラインでの作業指示と部品照合、医療現場での検体照合と電子カルテ入力、設備点検・警備での手順書参照とレポート入力、店舗のバックヤード在庫確認など、応用先は多岐にわたります。 まとめ AWS Summit Japan 2026 で展示した「スマートグラス × 生成 AI エージェント」は、倉庫ピッキング業務における「両手が塞がる」「教育コストが高い」「多言語対応が難しい」という課題に対し、見るだけ・話すだけで業務システムにアクセスできる新しい業務体験を提案するものです。Amazon Bedrock AgentCore Runtime と Amazon Nova2 Sonic の組み合わせで、サーバレスで実装できます。物流業界は 2024 年問題をはじめ様々な課題に直面していますが、生成 AI エージェントを既存の業務システムに繋ぐことで、現場の負荷を減らしながら生産性を高めることが可能です。ご興味のある方は、担当ソリューションアーキテクトまでお気軽にご相談ください。 会場では倉庫ピッキング以外のユースケースについても多くのご相談やディスカッションをいただき、このソリューションパターンへの関心の高さを実感しています。 この展示は、ソリューションアーキテクト横山、駒野、山本、田邊が担当しました。

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、データエンジニアをしているMaruです。 Databricksの年次カンファレンス「Databricks Data + AI Summit 2026」に参加してきました！ Databricksの勢いを改めて肌で感じるとともに、自身にとっても学びのあるセッションが数多くありました。 本記事ではその中から、生成AIやAIエージェントの活用が広がる中で重要性が増しているコスト管理をテーマにした、「What’s New for FinOps on Databricks」というセッションについてレポートします。 本記事の対象者 Databricksを利用しており、コ