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。今週も AWS の最新アップデートをお届けします。Amazon Bedrock に OpenAI のモデルが加わり、Anthropic や Meta など各社のモデルを共通のセキュリティ・ガバナンスのもとで選べる——ユースケースに最適なモデルを一つの基盤から選べる AWS の強みが、今週も光る内容です。 お昼休みの30分で最新情報を知れる場として「 もぐもぐAWS 」というウェビナーを実施中です。今週は6月9日「 Kiro Pro を組織で使うための最初の一歩 」、10日「 1人のトライアルから始める買い方のコツ (Amazon Quick)」、11日「 Amazon Bedrockで利用可能になったOpenAIモデルとCodexの最新速報をキャッチしよう 」とありますので是非チェックしてみてください。 AWS Summit Japan の開催（6 月 25 – 26 日）も近づいてまいりました！ 登録がまだの方は こちら から登録しぜひ来場ください！様々なコンテンツをご用意してお待ちしております！ それでは 6月 1 日週の生成 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 ブログ記事「 生成 AI を活用した SRE レジリエンスジャーニーを支援する次世代 AWS Resilience Hub のご紹介 」 アプリケーションの耐障害性（レジリエンス）を管理する AWS Resilience Hub が機能を強化し、新しいアプリケーションモデル、依存関係の検出・評価、生成 AI による障害モード分析、組織全体のレポート機能を備えた次世代版として一般提供が始まりました。SLO やマルチ AZ／マルチリージョンのディザスタリカバリ要件などを組み合わせる「レジリエンスポリシー」も導入されています。SRE（サイト信頼性エンジニア）や開発チームにとっては、システム・ユーザージャーニー・サービスという単位でアプリケーションをモデリングし、レジリエンスポリシーで要件の認識を揃えやすくなる点が便利です。AWS Organizations と連携すれば、単一の委任管理者アカウントから組織全体のレジリエンスを見渡せるため、アカウントごとにログインし直す手間がなくなります。クエリログの分析によって見えにくい依存関係を検出し、生成 AI が潜在的な障害モードを評価してくれるので、これまで気づきにくかった障害ポイントの把握にも役立ちます。既存ユーザーは移行 API を使って移行できます。 ブログ記事「 エージェンティック AI でグローバル規模の脆弱性検出を加速 」 Amazon が、脆弱性を悪用するコードのサンプルから検出ルールを自動生成するエージェンティック AI システム「RuleForge」を紹介しています。ルール生成は手動と比べて 336% 速くなり、専用の「ジャッジ」モデルで生成と評価を分離することで誤検知を 67% 削減したと説明されています。最終的な承認は引き続き人間が担当する仕組みです。ルール生成エージェントは AWS Fargate 上で Amazon Bedrock を使って動作し、世界規模のハニーポット「MadPot」などから得た脅威情報を活用しています。AWS を利用するお客様にとっての価値は、ワークロードを守るマネージドな保護がより速く更新され、深刻度の高い CVE（共通脆弱性識別子）をより広くカバーできるようになる点です。脆弱性が公開されてから防御が整うまでの時間差を縮める取り組みといえます。 ブログ記事「 AI の脅威からオープンソースを守るため 1,250 万ドルを AWS など複数社が拠出 」 AWS、Anthropic、Google、Microsoft、OpenAI の 5 社が、Linux Foundation を通じて総額 1,250 万ドル（うち AWS は 250 万ドル）を拠出すると発表しました。資金は Alpha Omega イニシアチブと OpenSSF を通じて提供され、AI によって生成・増幅されたセキュリティ脆弱性レポートの急増にオープンソースプロジェクトが対応できるよう支援します。背景には、AI が本物の脆弱性を見つける能力を高める一方で、メンテナーのもとに低品質な「AI スロップ」と呼ばれるレポートが大量に届くという課題があります。この取り組みによって、オープンソースのメンテナーが正当な脆弱性を素早く検証・修正しつつ、品質の低い報告を選り分けられるツールやリソースを利用しやすくなります。多くのソフトウェアが依存するオープンソースの基盤を守る活動として、AWS を含むクラウド利用者全体にとっても意味のある内容です。 ブログ記事「 AWS Transform Custom を使用した VB6 アプリケーションのモダナイズ 」 エージェンティック AI 機能を持つ AWS Transform custom を使って、レガシーな VB6（Visual Basic 6.0）アプリケーションを大規模に C# へモダナイズする手法を、水産物受注管理システムのサンプルを題材に解説しています。評価・定義・実行・レビューと反復という 4 段階のプロセスで、VB6 フォームを Blazor コンポーネントへ、ADO/DAO を Entity Framework Core へ変換する具体例が示されています。価値は、組織独自のビジネスルールやコーディング規約を保ったまま変換できる点にあります。一度作成した変換定義はチームで共有・再利用でき、数百規模の VB6 アプリケーションを同じ方針で体系的に移行できます。モダナイズ後は Linux や AWS Graviton 上で動作するため、インフラストラクチャのコスト削減につながる可能性もあります。手を動かしながら学べる中〜上級者向けの内容です。 ブログ記事「 Amazon Bedrock 上で OpenAI の GPT-5.5 モデル、GPT-5.4 モデル、Codex の使用を開始する 」 Amazon Bedrock で、OpenAI の GPT-5.5、GPT-5.4、およびコーディングエージェント Codex の一般提供が始まりました。各モデルは Responses API から呼び出し、推論はすべて Bedrock 上で処理されます。提供リージョンは、GPT-5.5 は米国東部(オハイオ)、GPT-5.4 は米国東部(オハイオ)・米国西部(オレゴン)・AWS GovCloud(米国西部)リージョンです。リージョンによって利用可能なモデルに差があるので利用時には ドキュメント を確認してください。トークン単位の従量課金で使え、シートライセンスや開発者ごとの契約は必要ありません。処理が選択した Bedrock リージョン内で完結するためデータレジデンシーの要件にも対応しやすく、Codex は Visual Studio Code や JetBrains、Xcode との IDE 統合を通じてコードの記述・リファクタリング・デバッグなどに活用できます。 ブログ記事「 AI 時代におけるセキュリティ体制の強化 」 AWS が提供する Security Health Improvement Program（SHIP）を紹介する記事です。SHIP は、サポートティアに関わらずすべての AWS のお客様が無償で利用でき、汎用的な推奨ではなくお客様の環境から取得した実際のデータをもとにセキュリティ体制を評価・改善するプログラムです。脅威検出や脆弱性管理、暗号化、シークレット管理など 10 のコアユースケースを対象にしています。ソリューションアーキテクトやテクニカルアカウントマネージャーが主導し、お客様の環境固有の改善点を洗い出します。Amazon Bedrock や Amazon Bedrock AgentCore で AI ワークロードを構築する前にセキュリティの土台を整えておきたい組織にとって、現状を把握し継続的に改善する仕組みづくりの足がかりになります。 イベント開催レポート ブログ記事「 9 社合同 AI-DLC Unicorn Gym 大阪 ── AI と開発した 3 日間で見えた、人間の仕事 」 2026 年 5 月 18 日〜20 日に AWS 大阪オフィスで開催された「合同 AI-DLC Unicorn Gym」の開催レポートです。9 社 10 チーム・計 75 名が参加し、AI を開発プロセスの中心に据える AI-DLC（AI 駆動開発ライフサイクル）を実践しました。Inception（要件定義）・Construction（実装）・Operations（運用）の 3 フェーズで進め、全 10 チームが 3 日間で動くアプリケーションのデモまで到達しています。特徴は、チーム全員で 1 画面を囲み AI と対話する「モブエラボレーション」「モブコンストラクション」という進め方です。コーディングエージェントを操作しながら、従来は数か月を見込んでいた要件定義から実装までを数日に圧縮できた様子が紹介されています。AI が「作業」を担い、人間が「意思決定」に集中するという役割の変化を、実際の開発体験を通じて知りたい方に参考になる内容です。 ブログ記事「 【開催報告】データから業務アクション、展開まで繋げる Amazon Quick ワークショップ in 大阪 」 2026 年 5 月 29 日に大阪オフィスで開催された「AWS Business Innovation Series – West Japan」第 2 回の開催報告です。西日本企業のデジタル変革を後押しするシリーズで、今回は 20 社 34 名が参加し、Amazon Quick を題材に座学・ハンズオン・ハッカソン・LT を通じて学びました。Amazon Quick は、Slack やメール、カレンダー、ファイルなど多様なデータソースに接続し、業務の文脈を理解したうえでアクションを実行できるツールです。当日は架空の人事課題を題材に、Chat から Space、構造化データの接続、HR Agent の作成までを段階的に体験し、ハッカソンでは自社課題に沿ったエージェントや導入提案資料を作成しました。普段コードを書かない参加者を含め、半日で実際に動くエージェントを作れた点が価値として示されています。 サービスアップデート OpenAI の GPT-5.5、GPT-5.4、Codex が Amazon Bedrock で一般提供開始 OpenAI の GPT-5.5、GPT-5.4、およびコーディング向けの Codex が、Amazon Bedrock で一般提供されました。GPT-5.5 はエージェント型コーディングやデータ分析、多段階の自律タスクに優れたモデルとされ、Codex は Codex アプリや Codex CLI、IDE 連携（Visual Studio Code、JetBrains、Xcode）から利用できます。ユーザーはこれらのモデルを AWS で既に使っているセキュリティ・ガバナンス・運用管理の仕組みのまま利用できます。料金は OpenAI の公式レートと同じで、利用量は既存の AWS のコミットメントにカウントされます。リージョンによって利用可能なモデルに差があるので利用時には ドキュメント を確認してください。 Amazon Bedrock が OpenAI・Anthropic 互換 API 向けに最適化した新コンソールを公開 Amazon Bedrock が、OpenAI Responses API・Chat Completions API、Anthropic Messages API（bedrock-mantle エンドポイント）向けに最適化した新しいコンソールを公開しました。最新の Claude、GPT、オープンウェイトモデルを、機能・対応モダリティ・コンテキストウィンドウ・クォータの観点で横並びに比較できます。ポイントはコードサンプルや SDK スニペット、API リファレンスが、選択したモデル ID・リージョン・エンドポイント URL・API キーの参照で自動的に埋め込まれ、設定変更に合わせて更新される点です。スニペットはそのまま実行でき、既存の OpenAI／Anthropic のクライアントライブラリを変えずに使えます。東京リージョンを含むアジアパシフィック（東京、ジャカルタ、ムンバイ、シドニー）、米国東部（バージニア北部、オハイオ）、米国西部（オレゴン）、欧州（フランクフルト、アイルランド、ロンドン、ミラノ、ストックホルム）、南米（サンパウロ）の各リージョンで利用できます。 Amazon Bedrock が OpenAI・Anthropic 互換 API 向けに Amazon CloudWatch メトリクスを追加 Amazon Bedrock の bedrock-mantle エンドポイント（OpenAI Responses／Chat Completions API、Anthropic Messages API に対応）の推論トラフィックを、Amazon CloudWatch メトリクスで監視できるようになりました。メトリクスは AWS/BedrockMantle ネームスペースに公開され、推論回数、入出力トークン合計、クライアントエラー数を、アカウント・プロジェクト・モデル・プロジェクトとモデルの組み合わせの各単位で確認できます。これにより、本番環境の推論にアラームを設定したりキャパシティを計画したりでき、利用量やコストをワークロードやチームごとに正しく割り当てられます。既存の OpenAI / Anthropic ベースのアプリケーションを最小限のコード変更で Bedrock 上に持ち込めるのも利点です。東京リージョンを含むアジアパシフィック（東京、ジャカルタ、ムンバイ、シドニー）、米国東部（バージニア北部、オハイオ）、米国西部（オレゴン）、欧州（フランクフルト、アイルランド、ロンドン、ミラノ、ストックホルム）、南米（サンパウロ）の各リージョンで利用できます。 Amazon Bedrock AgentCore Identity が AWS Secrets Manager による独自シークレットの持ち込みに対応 Amazon Bedrock AgentCore Identity の Credential Provider で、既存の AWS Secrets Manager のシークレット ARN を直接参照できるようになりました。従来のサービス管理型シークレットでは、作成時のタグ付与やカスタマー管理キー（CMK）による暗号化、独自のガバナンス制御を適用できませんでしたが、それが解消されます。ポイントは、CMK やタグ付け、自動ローテーション、リソースポリシーといった自社のガバナンス・コンプライアンス方針に沿ってシークレットを作成・管理できる点です。エージェントの実行時の動作を変えることなく、シークレットの作成・分類・管理の方法をコントロールできます。東京リージョンを含む 14 リージョンで利用できます。 Amazon Quick が MCP 接続の VPC 経由接続に対応 AI アシスタントの Amazon Quick が、プライベートにホストした MCP（Model Context Protocol）サーバーへ VPC（Amazon Virtual Private Cloud）経由で接続できるようになりました。これまでは公開インターネット経由の外部サーバーに限られていた MCP 連携が、プライベートネットワークにも広がります。社内ツールやカスタムデータソース向けに Amazon EC2、AWS Fargate、AWS AgentCore などで MCP サーバーを運用している組織が、それをインターネットに公開せずに Quick のワークフローへ安全に取り込める点がポイントです。MCP コネクター作成時に VPC 接続を選んでサーバーの URL を指定するだけで設定でき、その後はチームが自然言語で操作できます。Amazon Quick が利用可能なすべての AWS リージョンで利用可能です。 Amazon SageMaker HyperPod が EFA 専用ネットワークインターフェイスに対応 Amazon SageMaker HyperPod のクラスターインスタンスグループで、EFA（Elastic Fabric Adapter）専用のネットワークインターフェイスを設定できるようになりました。EFA はノード間の低レイテンシー・高スループット通信を担うデバイスで、従来は IP 通信用の ENA（Elastic Network Adapter）が併設されサブネット内の IP アドレスを消費していました。efa-only を指定すると ENA を付けず IP アドレスを消費しないため、同じサブネット内でより大規模なクラスターにスケールできます。全インターフェイスに IP 通信が不要な大規模分散トレーニングで特に有効です。設定は CreateCluster／UpdateCluster API の ClusterNetworkInterface で行います。SageMaker HyperPod がサポートされるすべての AWS リージョンで利用可能です。 Amazon SageMaker HyperPod が AI コーディングアシスタント向けのトラブルシューティングスキルを提供開始 Amazon SageMaker HyperPod が、AI コーディングアシスタント向けのトラブルシューティングスキルをオープンソースで提供開始しました。Claude Code、Cursor、Kiro と連携し、クラスターのヘルスチェック、ハードウェア・通信診断、ソフトウェアバージョンのドリフト検出、診断レポートの自動作成といった領域をカバーします。これまで GPU ハードウェア障害のデバッグや NCCL 通信障害の診断は、手動でノードに接続してログを解析する必要があり時間がかかっていました。新しいスキルは AWS Systems Manager 経由でノードから証拠を収集してパターンを分析し、実行可能な推奨事項を提示するため、自然言語でクラスターの問題を診断・解決できます。既存の HyperPod インフラを変更せずに使え、Slurm と Amazon EKS の両方のクラスターに対応します。 Amazon SageMaker AI が AI エージェントのモデルカスタマイズ向けにマルチターン強化学習を提供開始 Amazon SageMaker AI が、複数ステップのエージェントタスク向けにモデルを調整できる、サーバーレスのマルチターン強化学習を提供開始しました。これは教師ありファインチューニングや RLVR、RLAIF といった既存のモデルカスタマイズ機能に加わるもので、エージェントがタスク全体で行う一連の意思決定に報酬を与えて学習させます。Amazon Bedrock AgentCore Runtime や Amazon EKS、Amazon EC2、AWS Fargate などの実行環境と接続できます。ロールアウトの調整やトラジェクトリ（軌跡）の収集、学習、チェックポイント管理といったトレーニングループ全体を SageMaker AI が管理し、数週間かかっていたカスタムインフラの構築が不要になる点がポイントです。小型で低コストなモデルを特定のワークロード向けに特化させ、大型の汎用モデルと同等以上の精度を狙えます。完全サーバーレスで処理トークン分のみの課金です。提供は米国西部（オレゴン）リージョンと米国東部（バージニア北部）リージョンで、対応モデルはリージョンによって異なり、オレゴンは Qwen 3.6 27B・Nova Lite 2.0・GPT-OSS-20B・Gemma 31B、バージニア北部は Nova Lite 2.0・GPT-OSS-20B が対象です。 Amazon SageMaker Studio がモデルカスタマイズをすぐに使える状態で数秒でセットアップ可能に Amazon SageMaker Studio のクイックセットアップが、従来の 2 分超から 20 秒未満に短縮されました。新規に作成した Studio 環境にはサーバーレスのモデルカスタマイズ権限が自動構成され、AmazonSageMakerModelCustomizationCoreAccess という管理ポリシーが自動で作成・アタッチされます。このポリシーで、強化学習のカスタム報酬関数を使ったファインチューニング、モデル評価、SageMaker または Bedrock エンドポイントへのデプロイが行えます。IAM ロールやポリシーを手動で作る必要がなくなり、サインインからほぼ即座に実験を始められるのが利点です。 AWS Step Functions が AgentCore を活用したエージェント推論ステップを追加 AWS Step Functions に、AI エージェントの推論ステップをワークフローへ直接組み込める機能が追加されました。プレビュー中の Amazon Bedrock AgentCore Managed harness と統合し、モデル・ツール・動作を設定で宣言してエージェントを定義できます。ポイントは、ドキュメントの分類や非構造化フォームからの要素抽出といった推論タスクを自動化でき、複数のエージェントを並列・直列でワークフロー内の判断ポイントに配置できる点です。重要なアクションの前に人による承認ステップを挟むこともでき、実行履歴でエージェントの入出力・トークン使用量・実行時間を確認し、Amazon CloudWatch で個々の判断をトレース・監査できます。統合自体に追加料金はかかりませんが、ワークフロー実行には標準の Step Functions 料金が、モデル推論と関連 AgentCore リソースには標準の Amazon Bedrock・AgentCore 料金が適用されます。提供は米国東部（バージニア北部）、米国西部（オレゴン）、欧州（フランクフルト）、アジアパシフィック（シドニー）の各リージョンです。 Kiro トランスクリプトのエクスポート、ターミナルタイトル、モデル設定の永続化 Kiro CLI 2.6 では、作業の持ち運びと素早い再開に焦点を当てた機能が追加されました。/transcript save で会話全体を markdown・プレーンテキスト・JSON のいずれかで書き出せるようになり、チームへの共有やチケットへの添付ができます。/title でターミナルウィンドウにラベルを付けられるようになり、どのセッションがどこで動いているか把握しやすくなりました。さらに /model と /effort が選択を自動的に記憶するようになり、一度変更すれば以降のセッションにも引き継がれます。起動時に推論レベルを指定する –effort フラグ（low／medium／high／xhigh／max）も追加され、簡単な検索は高速に保ちつつ、複雑な作業には最初から深い推論を使えます。 リポジトリなしで開始、いつでもモード切替 Kiro web で、GitHub リポジトリを接続しなくてもセッションを開始できるようになりました。まずやりたいタスクを記述し、必要になったら後からリポジトリを接続する流れになります。また、Vibe セッションの途中でも Autonomous モードに切り替えられるようになり、開始時だけでなく最初のプロンプト送信後の任意のタイミングでエージェントに作業を引き渡せます。最初からやり直す必要はありません。セッションのメッセージには相対的なタイムスタンプが表示され、ホバーで絶対時刻も確認できるため、長時間のタスクでイベントの発生時刻を追いやすくなっています。 「 AWS ジャパン生成 AI 実用化推進プログラム 」も引き続き実施中ですので検討してみてください。 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。最近燻製づくりにハマってます。

5/22(金)にミイダス開発部オフラインキックオフを開催しました！ 普段フルリモートのため、対面でのコミュニケーション機会がほとんどありません。 そこで、開発部として初のオフラインキックオフを企画することに。 今回は開発部キックオフの様子をレポートします！

こんにちは。アマゾン ウェブ サービス ジャパン合同会社 ソリューションアーキテクトの多田です。2026 年 5 月 29 日に、大阪オフィスにて「AWS Business Innovation Series – West Japan」の第 2 回を開催いたしました。本シリーズは、西日本のお客様のデジタル変革を加速することを目的に、生成 AI を活用した実践的なプログラムを約 3 ヶ月に 1 回のペースでお届けしているものです。ご参加いただいた皆様に、改めて御礼申し上げます。 本ブログでは、イベントの背景や当日の様子、参加者の皆様からいただいた声をお届けいたします。 はじめに 本シリーズは 2025 年に関西を中心に開催したワークショップの高い満足度を受けて、2026 年は業界を問わず幅広い企業の皆様にご参加いただける形で継続しています。約 3 ヶ月に 1 回のペースで年 4 回の開催を予定しており、今回がその第 2 回です。第 2 回では、さらに一歩進んで Amazon Quick をテーマに選びました。 Amazon Quick は、Slack・メール・カレンダー・ファイルなど業務で使う多様なデータソースに接続し、AI アシスタントが業務のコンテキストを深く理解した上でアクションまで実行できるツールです。チャットエージェント、ワークフロー自動化、リサーチなど幅広い機能を備えていますが、今回はデータ接続とチャットエージェント構築にフォーカスしました。「AI ツールは気になるけれど、自分の業務にどう活かせるかイメージが湧かない」「社内のデータを活用したいけれど、どう繋げればいいかわからない」――そんな方々に、半日でデータ接続からエージェント構築までを体験していただくことが今回のイベントの狙いでした。 過去開催分についてはこちらをご覧ください。 第 1 回：お試しから卒業！Kiro の仕様駆動開発を本格活用（2026/3/17） イベント概要 項目 内容 テーマ データから業務アクション、展開まで繋げる Amazon Quick ワークショップ 日時 2026 年 5 月 29 日（金）13:00〜18:00（懇親会 18:00〜） 場所 アマゾン ウェブ サービス ジャパン 大阪オフィス（中之島三井ビルディング 26F） 参加者 20 社 34 名 満足度 4.11 / 5 タイムテーブル 時間 内容 13:00 – 13:10 オープニング 13:10 – 13:30 座学：AI アシスタントは あなたの仕事の何割を見ていますか？ ― Why Quick 13:30 – 14:50 Amazon Quick ハンズオン ~ HR Agentを作ってみよう 14:50 – 15:00 休憩 15:00 – 17:30 Amazon Quick ハッカソン ~ ビジネス貢献できるチャットエージェントを作ろう 17:30 – 17:50 LT：あなたの業務、アプリにしませんか？ 17:50 – 18:00 クロージング 当日の様子 座学：AI アシスタントは あなたの仕事の何割を見ていますか？ ― Why Quick 発表資料： AI アシスタントは あなたの仕事の何割を見ていますか？ ― Why Quick 最初のセッションでは、「AI に何ができるか」ではなく「AI があなたの仕事のどれだけを見ているか」という問いからスタートしました。私たちは日常業務で、コミュニケーションツール(メール / Teams / Slack など)、コラボレーションツール(Box / SharePoint など)、社内システム、SaaS、Web といった 5 つの階層のデータソースを無意識に行き来して判断しています。一方で多くの AI ツールが見ているのはそのうち 1〜2 階層だけ ― このギャップが AI 活用の天井を決めているという構造を整理しました。さらに、データに繋がった先で「探せる → 見渡せる → わかる → 動ける」の 4 象限を回すことが重要であり、Amazon Quick はその全体をカバーする設計であることをお伝えしました。まずは小さく検証し、効果が見えたら利用者を広げていくというアプローチを紹介し、後半のハンズオン・ハッカソンへの橋渡しとしました。 Amazon Quick ハンズオン ~ HR Agent を作ってみよう ハンズオンでは、架空の人事課題 ―「直近 1 年で離職率が上昇傾向にある。散在する従業員データを活用し、離職可能性の高い従業員を早期に特定してリテンション施策を打てる仕組みを構築してほしい」― をミッションに設定しました。参加者は以下の 4 つの練習を通じて、段階的にデータ接続の深さを体験しました。 Chat で触ってみよう ― ドキュメントをアップロードして自然言語で Q&A。手軽さを体験する一方、毎回のアップロードが必要で、チームで共有しにくい限界も実感。 Space を作ろう ― 非構造化データ（社員フィードバックレポート、オンボーディングチェックリスト）を永続的なナレッジベースとして統合。他ユーザーへの共有も可能に。 構造化データと接続しよう ― S3 上の従業員マスタ テーブルをデータソースとして接続し、自然言語で「部門ごとの平均満足度は？」と分析。非構造化データと統合して横断分析可能な状態を構築。 HR Agent を作ろう ― Chat Agent を作成し、構造化データ（数値・フラグ）と非構造化データ（評価コメント・退職面談記録）を組み合わせた離職リスク分析を実施。単なるダッシュボードでは得られない、文脈を踏まえた多角的な分析を体験。 Amazon Quick ハッカソン ~ ビジネス貢献できるチャットエージェントを作ろう ハンズオンで基本操作を習得した後は、個人ハッカソンです。ゴールは「ビジネスに役立つチャットエージェントを作る」こと。参加者は以下のステップで進めました。 テーマ設計 ― Amazon Quick からの質問に答えながら、自社ビジネスに貢献できるエージェントのテーマを決定 チャットエージェント作成 ― ハンズオンの手順を応用してエージェントを構築 評価エージェント作成 ― 作ったエージェントの品質を評価する仕組みも構築 反復改善 ― 評価結果をもとにプロンプトやデータを改善 提案資料作成 ― Amazon Quick を使って導入提案の PPTX を自動生成し、自社に持ち帰れる成果物に グループ内発表 ― 成果を共有 LT：あなたの業務、アプリにしませんか？ 発表資料： あなたの業務、アプリにしませんか？ ハッカソンの興奮冷めやらぬ中、LT（ライトニングトーク）では「あなたの業務、アプリにしませんか？」と題して、Amazon Quick のアプリ機能「Quick Apps (プレビュー)」をご紹介しました。ハンズオン・ハッカソンで体験したチャットエージェントに加え、Quick には自然言語で Web アプリを作成できる機能もあります。定型業務をアプリ化し、Publish & Share でチームや組織に展開できる ― 個人の武器を組織の力に変えるもう一つのアプローチをお伝えしました。 参加者の声 参加者アンケートからいくつかの声をご紹介します。 「資料・説明ともにわかりやすかったです。SA の方も楽しく教えてくれて良かったと思いました。」 「持ち帰れるモノが多く、有意義な時間でした。」 「Quick を使っているつもりでしたが、全然足りませんでした。他の人の使い方をみるのは非常に重要です。」 「業務アプリが一通り構築できそうです。」 「Quick の利点について、データ連携先が豊富であること、BI ツールと統合した UI が作成可能であることが、既存のチャット型 AI エージェントにない利点だと理解しました。」 まとめ 第 2 回「AWS Business Innovation Series – West Japan」では、Amazon Quick をテーマに、座学で「AI が見ている世界」の構造を理解し、ハンズオンで Chat → Space → データソース接続 → Agent 作成を段階的に体験し、ハッカソンでは自社課題をもとにエージェントと導入提案資料を作り上げる ― データから業務アクション、そして展開までを一気通貫で体験いただくプログラムとなりました。 普段コードを書かない方々も含め、参加者の皆様が半日で実際に動くエージェントと導入提案資料を作り上げる姿は非常に印象的でした。 ご興味のある方は、担当のアカウントチームまでお気軽にお問い合わせください。皆様のご参加をお待ちしております。 本ブログは、ソリューションアーキテクトの多田 慎也が執筆いたしました。