英語版ブログ： “ Executive Insights from the Inaugural AWS Life Sciences Symposium EMEA ” 基調講演の全編録画： YouTube で視聴する はじめに ライフサイエンス業界は転換点に立っています。技術は揃い、ユースケースも実証されている。それにもかかわらず、多くの企業が有望なパイロットと本番規模のインパクトの間で足踏みを続けています。初開催となった Amazon Web Services (AWS) Life Sciences Symposium Zurich （チューリッヒ）には、製薬・バイオテック・医療機器のリーダーが数百名集まり、このパラドックスに向き合いました。参加者に共通していたのは、AI への投資を、最終的に患者の健康改善につながる成果へと転換したいという思いです。 冒頭の基調講演で、AWS の Director of Life Sciences を務める Dr. Boris Bogdan は、このパイロットから本番への壁に正面から取り組み、パイロット段階で停滞する企業と成功する企業を分ける 4 つの戦略的差別化要因を示しました。 戦略的差別化要因 1：部門横断で統一した戦略をつくる 新しい取り組みや新興技術の多くと同様に、ライフサイエンス企業の多くは AI をサイロ化したプロジェクトとして扱い、部門ごとにパイロットを走らせています。研究開発部門は独自のパイロットを回し、臨床開発部門は別のロードマップを持ち、コマーシャル部門はさらに独立して実験しています。 この進め方でも価値ある実証は得られます。しかし、スケールしません。 このパターンは、スタートアップからグローバル大手バイオファーマまで業界を通じて共通しています。AI 投資から段階的に大きなリターンを得ている企業は、スケールするイノベーションを可能にする「つながった基盤」を整えています。具体的には、全社共通のオントロジー、共通データモデル、メタデータとコンテキスト、エージェントインフラストラクチャ、そして AI ガバナンスです。これらが揃うことで共通基盤が成立し、各部門は統一されたプラットフォーム上で、それぞれのイノベーションを進められるようになります。 戦略的差別化要因 2：デュアルトラックの発想がもたらす力 経営層は、短期的な成果を出しながら、同時に長期の AI 戦略を定義して投資するという二重のプレッシャーに直面しています。ここで必要になるのが、クイックウィンとスケーラブルな AI 基盤への計画的な投資を両立させる、デュアルトラックの発想です。 そのため私たちは、ユースケースを 2 つのトラックに分けて考えます。「Track 1」のユースケースは、優先度の高い特定領域で漸進的な価値を生むもので、多くは既存プロセスの上に AI を載せる形をとります。この取り組みから相当な価値が生まれていることは間違いありません。プロジェクト期間を数か月から数日へ短縮する、コストを二桁パーセント削減するといった成果が、モメンタムを維持し、クイックウィンを示してくれます。ただし前述のとおり、サイロ化したプロジェクトは長期的な変化を生みません。 そこで登場するのが「Track 2」のユースケースです。これはプラットフォームの構築を強制するもので、基盤レイヤーの設計と整備を促すために意図的に選ばれます。直接的な価値と、それによって確立される全社的なケイパビリティの両面から選定されるのです。好例がコマーシャルエージェントの開発です。これは価値の高いユースケースであり、医師からの問いに答えるためにセマンティックハブの構築を必要とします。実在する課題を解決しつつ、セマンティックレイヤーの整備を前に進めます。もう一つの例は、臨床データ変換の優先化です。これには AI 対応のデータプラットフォームが不可欠になります。変換プロセスを加速する価値を得ながら、将来の治験に必要な基盤インフラストラクチャを同時につくることができます。Track 1 のユースケースだけに注力する組織は、一度解決してスケールさせる基盤に投資する代わりに、同じ課題を複数の部門で何度も解き直していることが少なくありません。 成熟したユースケースポートフォリオは、両方のトラックのバランスを取ります。Track 1 がモメンタムを保ち、Track 2 が四半期ごとに基盤を成長させる。その結果、次の四半期のユースケースは、それ以前よりも速く、安く、強力になります。 戦略的差別化要因 3：構造的な独立性 ほとんどの組織は、既存組織の枠内でイノベーションに取り組みます。つまり、インセンティブ設計、標準業務手順書、ガバナンス、既存のチーム階層という境界の内側です。漸進的な改善には、この進め方がよく機能します。 しかし AI の真価は、レガシーなプロセスや手順を問い直し、再設計することから生まれます。「この期間を 50% 短縮するにはどうするか」から「AI があるいま、何が可能になったのか」へと問いを組み替えることです。 これは新しいモデルではありません。Apple が iPhone を、Toyota が Lexus を生み出したときと同じやり方です。組織構造と地理的配置の両面でサテライトを設けることで、チームは既存の延長線上の改善ではなく、再構想に集中できるようになります。たとえば Basel の本社の外にチームを置き、London の AI/ML チームと並走させるといった形です。要点は、制約なく革新できる自由を持った、構造的に独立したチームをつくることにあります。 戦略的差別化要因 4：AI アーキテクチャを自ら所有する 自社データを自ら所有することの重要性は、すでに広く共有されています。同じ考え方が AI にも当てはまります。差別化された AI 基盤を築いている組織は、自社のアーキテクチャを、自社固有の要件と目標に合わせた独自の投資対象として捉えています。AI アーキテクチャの切り分け方は数多くありますが、最も成功しているのは 3 層構造のアプローチです。 レイヤー 1 — 参入障壁：データとセマンティクス。 組織を AI 対応にするためのレイヤーです。データ、タクソノミー、オントロジー、セマンティクス、SOP、そしてビジネス上の関係性が含まれます。AI を自社にとって機能するものにする、その土台です。 レイヤー 2 — 優位性：エージェントとオーケストレーション。 AI における優位性を築く層です。ここではアーキテクチャの選択が重要になります。オープンスタンダードの上に構築し、ロックインを避けることで、選択肢と適応力を維持できます。 レイヤー 3 — 選択の自由：モデルとインテリジェンス。 選択肢を最大限に保ちます。設計段階からマルチモデルのアーキテクチャを維持し、モデルが規制対象のワークフローに入る場面ではバージョン管理を確実に行います。 AI をビジネスの差別化要因にするのは、単一のモデルではありません。自社のデータ、自社のコンテキスト、自社のワークフロー、そしてその下で回る学習ループです。アーキテクチャの原則はシンプルです。データとセマンティックレイヤーはしっかり握る。エージェントとオーケストレーションのレイヤーは慎重に選ぶ。モデルは柔軟性を確保する。 オペレーティング原則の価値 エンタープライズ AI で成果を出している組織を分けているのは、アーキテクチャ、組織構造、ユースケースの優先順位づけだけではありません。オペレーティング原則も決定的な役割を果たします。 ニューヨークで開催された AWS Life Sciences Symposium で Dan Sheeran が語った とおり、初日から本番を前提に構築し、ビルダー文化をつくることが必要です。 初日から本番を前提に構築する。 多くの Track 1 ユースケースがプロトタイプで止まってしまう理由は共通しています。本番へスケールする段階で、性能、スケーラビリティ、セキュリティ、ガバナンスの課題に直面するのです。プロトタイプが失敗したからではありません。それを支える周辺インフラストラクチャが追いついていないからです。Eli Lilly は、統合データプラットフォームである Cortex を初日から本番前提で構築した事例を、示唆に富む形で共有してくれました。 ビルダー文化をつくる。 AI の最も革新的な活用は、開発者ではなく、課題を深く理解している現場のエンドユーザーから生まれることがあります。適切なガードレールのもとで誰もが構築できる文化とインフラストラクチャを整えることが決定的に重要です。ここで世界中のライフサイエンス企業を支えているのが Amazon Quick です。 Amazon Quick は、一行もコードを書かずに、組織の誰もをビルダーに変えます。マーケティングチームは、直近の成功事例から得たインサイトをポジショニングに反映させたセールスデッキを生成できます。薬事チームは、確立された SOP や過去の承認内容を参照して申請文書のドラフトを作成し、サイクルタイムを大幅に短縮できます。 まとめとおすすめ資料 初開催となった欧州シンポジウムからのメッセージは明確です。孤立した AI 実験から、統合された本番グレードの基盤へと踏み出した組織が、測定可能で持続的なインパクトを手にしています。技術は揃っています。ユースケースは実証されています。差をつけるのは実行です。統合された戦略、デュアルトラックのポートフォリオ、サテライトを設ける組織的な勇気、自ら所有するアーキテクチャ、そして本番対応とビルダー文化を優先するオペレーティング原則です。この節目となるイベントにご参加いただいたすべてのお客様とパートナーの皆様に感謝申し上げます。そこで交わされた議論は、私たちの確信を強めるものでした。ライフサイエンスのリーダーが正しい基盤に投資したとき、患者へのインパクトは漸進的なものではなく、変革的なものになります。今後もこの対話を続けてまいります。次の AWS イベントで皆様にお会いできることを楽しみにしています。 推奨アクション EMEA 基調講演の全編録画を視聴する ニューヨークシンポジウムのエグゼクティブインサイトを読む AWS European Sovereign Cloud について知る Amazon Quick を試す — 誰もをビルダーに 亀田　俊樹 ( Toshiki Kameda, Ph.d., MBA ) ヘルスケア・ライフサイエンス事業開発部 シニア事業開発マネージャー。製薬業界で 20 年以上の経験を持ち、特にメディカルアフェアーズ、コマーシャルと製薬デジタル戦略（DTx 含む）を得意としている。慶應義塾大学で医療政策・管理学の博士号を取得し、ポスドク研究員として医療データ分析、アウトカムリサーチを学びました。趣味はドライブと BBQ。

Product Engineering Conference 2026 について こんにちは！人材プラットフォームエンジニアの山河です。 弊社メドレーは、先日中野セントラルパークで開催された、Product Engineering Conference 2026 にゴールドスポンサーとして協賛しました。 Product Engineering Conference は、今年初めて開催されたカンファレンスです。「職能の壁を越え、プロダクト価値を最大化させるための『技術』と『知恵』を共有し、議論し、高め合う場を作る」を目的としたカンファレンスで、当日はエンジニアをはじめ、PMやデザイナーなど、様々なロールの方が参加していました。 初開催のカンファレンスながら、300名以上の方が参加し、とても賑やかな一日でした！ ジョブボードの様子。様々な企業の方が、ブースの案内やエンジニアの募集案内などを書いていました。 当日の様子 メドレーブース 今回メドレーのブースでは、「複雑度耐性診断」として、課題解決に向かう思考タイプの診断をご用意しました。この診断では、5つの設問に答えることで、どのような考え方のタイプかを診断することができます。また、メドレーの中のどのプロダクトがマッチしそうか、というものも一緒に提示させていただきました。 診断結果の一例です。「安心設計型」の場合はCLINICSがマッチしそう、とさせていただきました！ 当日は60名ほどの方にご参加いただき、最終的にはこのような結果となりました。 半分がロジカル構造化型のジョブメドレーでした！午前中の時点ではジョブメドレーと現場密着型のmelmoが半々であり、午後から安心設計型のCLINICSが増えていくなど、時間による変化も見られて非常に面白かったです。 ご参加いただいた皆様、ありがとうございました！ ノベルティ 診断に参加いただいた皆様には、このようなノベルティの配布も行いました。 今回配布したノベルティです。全部で5種類と、パンフレットをご用意しました。 今回特に人気だったのがエマージェンシーキットでした！コンパクトなポーチの中に、緊急時に必要なものがまとまっているので、とても便利なグッズです。今後のイベントでも配布予定ですので、見かけた際はぜひブースに立ち寄ってくださいね。 登壇セッション AI Transformation in Healthcare Product Development 2026/09/05 開催の Product Engineering Conference2026 での登壇資料です。 登壇者 : 医療プラットフォーム 本部CTO 宍戸展志 イベント URL : https://product-engineering.jp/2026/ speakerdeck.com また、今回のカンファレンスでは、医療プラットフォームのCTO宍戸が「分けた境界を、もう一度超える -医療プロダクト開発組織のAI再編」というタイトルで登壇いたしました。 メドレーの歴史と、その中で変わらない「誰よりも詳しく」「建設的に進める」という価値観に触れながら、弊社でのAI活用の事例や、新職種 「Applied AI Developer」 についての紹介などが行われました。また、AIを活用するために弊社で行なっている基盤の整備や仕組み化についても触れていました。 メドレーのAIに関する取り組みは こちら にも詳細がございますので、併せてご覧いただけると幸いです！ セッション参加 当日は、招待講演・スポンサーセッション合わせて33のセッションが行われました。本ブログでは、そのうちの2つをご紹介します。 営業・CSを「開発の当事者」にする — 少人数チームで複数プロダクトを動かすDev<>Ops連携の方法 このセッションは、Dev側・Ops側からそれぞれ登壇され、2名で発表が行われました。 業務でのAIの活用が進み、職種を越境して業務を行うようになった中で、どのようにそれぞれの職種で行う業務が変わっていったか、そしてどのように協働しているかが紹介されました。また、越境に必要不可欠な、AIを使った開発を安全に行うための工夫もお話しいただきました。 特に、職種の境界は薄くなったが、それぞれが全く同じことをするわけではなく、専門性を持って進めていくべきだ、という主張が非常に良いなと思いました。AIを活用しつつも、それぞれの知識や経験を活かして協力することで、今までより早く良いプロダクトを作成できる、そんな組織を目指していきたいと改めて思いました。 営業・CSを「開発の当事者」にする — 少人数チームで複数プロダクトを動かすDev<>Ops連携の方法 AIで開発スピードがコモディティ化した今、プロダクトの競争力は「どれだけ速く作れるか」から「顧客がお金を払ってでも解決したい課題を、いかにシャープに見極めて作れるか」へ移りつつあります。一方で、現場では「営業・CSから上がる要望をどう開発に活かすか」「作ったものが本当に刺さるのか」が見えづらい、という悩みは少なくないはずです。 estieの私たちが所属する開発チームではPdMを置かず、少人数で複数プロダクトを開発しています。この体制では、Dev（開発）とOps（営業・CS）が同じ目的を共有し、議論を通じて「何を作るか」を決められるかが、プロダクトの価値に直結します。 本セッションでは、営業・CSが「開発の当事者」になるために私たちが設計した仕組みを、明日から取り入れられる粒度で紹介します。一方的な共有で終わらせず議論の時間を明示的に設ける「Dev<>Ops定例」、preview環境とAIで爆速に作ったプロトタイプをその場でOpsに当てる検証、Dev側メンバーの商談同席、CS含めたVoCの棚卸方法、等々。Dev視点では価値がないと思った機能が顧客に刺さったり、Ops視点で難しいと思った要望が実は簡単に作れたり。議論の場だからこそ生まれる発見と、「Devが売上に」「Opsが開発に」コミットする当事者意識がどう育つかを、具体的な運用とともにお話しします。 営業、CSメンバーからも、実際の変化も具体的にお話しします。営業は「言っても変わらない」と諦めていた要望が、商談同席→その場で議論→AIで爆速プロトタイプ→顧客のWOW、を経て「届ければ形になる」へと変わりました。CS側でも、プロセスを通した迅速な開発と早期デリバリによって、顧客との信頼醸成に繋がったり、VoCシートの文言だけでは埋もれていた声が「より温度感が高い課題」「複数顧客に共通する課題」だと判明して優先順位を組み替える、といった発見が生まれています。 こういった発見や変化の積み重ねで、dev、opsともに、要望を集めるだけではなく、顧客課題そのものを見るといった意識に変化しています。 fortee.jp 営業・CSを「開発の当事者」にする ～少人数チームで複数プロダクトを動かすDev<>Ops連携の方法～ AIで開発スピードがコモディティ化した今、プロダクトの競争力は「どれだけ速く作れるか」から「顧客がお金を払ってでも解決したい課題を、いかにシャープに見極めて作れるか」へ移りつつあります。一方で、現場では「営業・CSから上がる要望をどう開発に活かすか」「作ったものが本当に刺さるのか」が見えづらい、という悩… speakerdeck.com AIで実装は速くなった。なのにプロダクトは速くならない。職能の壁を越えて価値のフローを設計する AIを使ってプロダクトを作る時代に、早くならない、と感じる理由や、その対処方法を体系立てて説明されているセッションでした。まず、AIを使って早くなるのは主に「アウトプット」であり、本来見るべき価値が届くまでの時間、すなわち「アウトカム」が期待通り起きるまでが早くなったわけではないという話がありました。また、「アウトプット」も、実際に作業している時間と待ち時間があり、AIで早くなるのは主に作業の時間である、という話がありました。その前提のもとで、何を計測していけば良いか、どう進めていくべきかについて、さまざまな視点での整理が説明されました。 AIで実装は速くなった。なのにプロダクトは速くならない。職能の壁を越えて価値のフローを設計する ■セッション概要 AIは実装の経済を変えました。動くコードを書くコストは下がり続け、エンジニア個人の生産量は確かに増えました。それでも、プロダクトが価値を届ける速度はほとんど変わっていません。増えた生産量はどこに消えているのか。 チームでコミットからリリースまでの時間を計測したことがあります。実作業は全体の10%、残りの90%は判断待ち、レビュー待ち、他チーム待ちでした。この構造のまま実作業をAIで半分にしても、全体は5%しか縮みません。制約は手を動かす速度ではなく、職能の間の合意と判断の待ち時間にあります。 計測には罠もある。生産量やPR数といった測りやすい数字は、AIで伸びます。しかしそれは作った量であって、価値が届いたのではありません。測りやすいものを測ると、速く作れるほど速く、使われない機能が積み上がります。 では「作るべきか」は何を基準に判断するのか。ユーザーは機能を買っているのではなく、片付けたい用事のためにプロダクトを雇っています。作れるものがいくら増えても、ユーザーの用事は増えません。コアだと信じた領域がマネージドサービス数十行に置き換わった誤算も、半年計画の大規模刷新を4ヶ月目にロールバックした失敗も、振り返れば「誰のどの用事を片付けるのか」を問わないまま、作れるものを作っていました。 本セッションでは、この構造を設計し直す方法を話します。価値が届くまでの流れを測って制約の位置を特定する。職能ごとに違う風景を見ているPM・エンジニア・SREの前提を、一枚の絵で揃える。そして機能ではなくユーザーの用事を起点に「作るべきか」「いつやめるか」を判断する。「作れるか」にはAIが答えてくれる。「作るべきか」には誰も代わりに答えてくれない。その判断を計測と用事の理解で支えることが、プロダクトエンジニアの中心的な仕事になると考えています。 ■Learning Outcome 対象: エンジニアを中心に、PM・デザイナー・SREなど、プロダクト開発の意思決定に関わるすべての職種 - AIで実装が速くなってもプロダクトが速くならない、構造的な理由 - 測りやすい生産量ではなく、価値が届くまでの流れを測って制約を見つける方法 - 「作るべきか」「いつやめるか」をユーザーの用事から判断するための基準 fortee.jp AIで実装は速くなった。なのにプロダクトは速くならない。職能の壁を越えて価値のフローを設計する 生成AIによって開発者の指は光の速さで動いている。なのに、リリースは相変わらず「来期のどこか」。 では、犯人は AI なのか？ AI がコードを爆速で吐き出したあと、その成果物が「PdM 待ち」「デザイン待ち」「QA 待ち」「法務待ち」「偉い人の気分待ち」という職能ごとの待合室を巡り、気づいたら実… speakerdeck.com セッションまとめ 全体として、これまで参加したカンファレンス、特に昨年までに開催されたカンファレンスでは「AIでこんなことをやりました！」という紹介が多かった印象ですが、今回のカンファレンスはAIとともにプロダクト開発を進めていくための仕組みや、それに伴うペインの話が多かった印象を受けました。また、これまでとは違い、ほとんどがAIについて触れながらのセッションであるという印象を受けました。人がAIを受け入れて使い始めた時代を強く感じた一日でした。 懇親会 カンファレンスの最後には懇親会も行われました！ 懇親会では、CloudBase様提供のビールで乾杯し、その後は自由に参加者同士で交流を楽しみました。 職種や経歴、年代もバラバラの方の集まりでしたが、セッションの感想から自社の開発体制、今後のプロダクト開発の未来まで、話題が尽きることはありませんでした。2時間半ほどの長い時間でしたが、非常に盛り上がった良い懇親会だったと思います。 おわりに 今回が初開催のProduct Engineering Conference。職種の垣根を越え、さまざまな議論を行うことができたカンファレンスだったのではないでしょうか。運営の皆様、ありがとうございました。 また、改めて、弊社ブースおよびセッションにお越しいただいた皆様にもお礼申し上げます。 弊社は年間を通して様々な技術コミュニティやイベントへ協賛・貢献を行っております。ぜひ今後も様々なイベントでお会いできることを楽しみにしています。 メドレーではエンジニアを積極採用中です！ メドレーではAIをはじめとしたテクノロジーを活用して、医療ヘルスケアの未来をつくるプロダクトを開発しています。エンジニア、デザイナー、PM、様々な職種で募集しておりますので、ご興味のある方はぜひ、カジュアル面談へのお申し込みをお待ちしております！ エンジニア オープンポジション | 株式会社メドレー エンジニア オープンポジション（株式会社メドレー）の求人情報です。 | HRMOS hrmos.co プロダクト企画責任者／人材プラットフォーム本部 | 株式会社メドレー プロダクト企画責任者／人材プラットフォーム本部（株式会社メドレー）の求人情報です。 | HRMOS hrmos.co プロダクトデザイナー／人材プラットフォーム本部 | 株式会社メドレー プロダクトデザイナー／人材プラットフォーム本部（株式会社メドレー）の求人情報です。 | HRMOS hrmos.co Applied AI Developer | 株式会社メドレー Applied AI Developer（株式会社メドレー）の求人情報です。 | HRMOS hrmos.co

みなさん、こんにちは。AWS ソリューションアーキテクトの三厨です。 9月に入り暑さもだいぶ和らいできましたね。秋の気配を感じる今日この頃ですが AI 関連サービスに多数の熱いアップデートが発表されております。また、今週の builders.flash では、9 月 2 日に生成 AI 関連の記事が 6 本公開されました。実際に動く仕組みの裏側を知りたい方は、ぜひご覧ください。 CAD の知識ゼロでも AI エージェントと自然言語で 3D モデリング — AWS Summit Japan 2026 展示の裏側 FreeCAD MCP サーバーを Kiro に接続し、自然言語の指示から 3D モデルを設計・出力する方法を紹介しています。CAD の専門知識がない方が、AI エージェントとオープンソースツールを組み合わせる際の入り口になります。 5人の AI 審査員が議論して優勝者を決める ! AWS Summit Japan 2026 Builders’ Fair「大喜利 Dojo」の裏側 Amazon Bedrock で回答生成と画像 OCR を行い、Amazon Bedrock AgentCore 上の 5 人の AI 審査員が採点・議論・投票する展示の構成を解説しています。AI エージェント同士の役割分担を体験に落とし込む例として楽しめます。 コードは一行も書かない。AI にタスク整理を任せる仕事術 ~ Amazon Quick のデスクトップアプリで始めるタスク自動管理 Amazon Quick のデスクトップアプリを使い、Slack、メール、カレンダーなどに分散したタスクを AI エージェントに見つけさせ、To-Do に整理する方法を紹介しています。定期実行と通知までコードなしで組み立てる実例です。 Amazon 社員 3.9 万人の日常業務を支える AI エージェント Kiro Crew の使い方大公開 ブラウザや Slack などから常駐実行できる Kiro Crew の活用例を紹介しています。Outlook の未読メール整理、定期ジョブ、メモリ、Skills を組み合わせ、判断は人に残したまま探す作業を自動化する考え方が参考になります。 AWS DevOps Agent の「スキル」を使いこなそう カスタム Skills とマネージド Skills の違い、発動条件となる説明文の書き方、調査時間を短縮する手順を解説しています。調査結果からエージェント自身に新しい Skill を作らせる運用方法も紹介されています。 「AI 現場監督『安全ヨシ！』」― AI に見守られながら作業する、フィジカル AI 時代のエッジ × クラウド エッジ上の視覚言語モデルで作業の前後関係を読み取り、リアルタイムに危険を警告し、Amazon Bedrock で記録全体を再監査・採点するデモを紹介しています。現場の安全支援とクラウド側の評価を分担する設計が見どころです。 それでは、8 月 31 日週の生成 AI with AWS 界隈のニュースを見ていきましょう。 2026年8月31日の週の主要なアップデート さまざまなニュース 「フィジカル AI 開発支援プログラム by AWS ジャパン」最終成果発表会を開催しました AWS ジャパンが 51 社を採択して約 6 か月支援したプログラムの最終成果発表会です。13 プロジェクト・14 社が、ロボットの動作データ、シミュレーション、GPU 学習、現場実証の成果を紹介しました。ZEALS 様の病院実証、FastLabel 様のシミュレーションデータ拡張、メルカリ様の検品自動化など、日本の現場技術と生成 AI を組み合わせる具体例が並んでいます。 2 週間で 12 万人規模へ – NEC が Claude Desktop on Amazon Bedrock で実現したセキュアな全社 AI 環境 NEC 様は、全社員が使える Claude Cowork の環境を、要件定義から全社リリースまで 2 週間で構築しました。Amazon Bedrock 経由で推論とデータを国内に閉じ、監査証跡やコスト管理も整備。2026 年 8 月 18 日時点で 11,000 名が利用しており、今後は AI エージェントの本番活用へ拡張する計画です。 AI-DLCで取り払った組織の壁 ― DeNAと取り組んだ分析業務領域での初事例 DeNA のヘルスケア事業部門にある DeSC ヘルスケア様は、分析企画部とデータサイエンス部など 24 名で 3 日間の AI-DLC Unicorn Gym に取り組みました。AI に要件定義書作成や集計を任せながら部門間の認識をそろえ、共有された Claude Code の Skills は 5 か月間の 1 件から、その後 2 か月で 6 件に増加。次は AI-BPR へ取り組みを広げています。 音声 AI エージェントで実現するセントラルキッチンのハンズフリーオペレーション 手袋を外せない、騒音が大きい、レシピ変更が属人化するといったセントラルキッチンの課題に、AmiVoice と Amazon Bedrock AgentCore Runtime、Strands Agents を組み合わせました。調理スタッフは音声でレシピを進め、在庫を減算し、タイマーや工程メモを操作できます。Amazon DynamoDB と AWS Lambda に記録が蓄積され、現場の改善にもつながります。 【開催報告】AI エージェントは創薬研究をどう変えるか: 製薬企業向け Claude Code on AWS ワークショップ 10 社以上の製薬企業が参加したワークショップで、調査・分析から Web アプリケーションの構築までを Claude Code で実践しました。アンケートの総合満足度は 4.70 / 5.00。第一三共様では 92% の研究員が利用の影響を実感し、ＪＣＲファーマ様ではイベント体験から約 10 日で Amazon Bedrock 経由の環境をリリースしています。 構造化されたビジネスロジックとエージェンティック AI を組み合わせ、心地よい会話体験を届ける Amazon Connect Customer の agentic CX designer を使い、自然な会話や意図理解はエージェンティック AI に、本人確認やクレジット適用など正確さが必要な処理は決定論的なロジックに分担させる方法を紹介しています。REST と MCP の連携、テスト、ビルド、ロールバックまで一貫して設計する際の参考になります。 AWS Summit Japan 2026 Physical AI デモの裏側 Part 1: 企画からステージ制作、アプリケーション開発まで 画像生成 AI による企画、Kiro と Blender による 3D モデリング、Design Doc と Steering を使ったクラウドアプリケーション開発を紹介しています。Mock-first 設計で実機がなくても開発を進め、短期間で展示を統合したプロセスを確認できます。 AWS Summit Japan 2026 Physical AI デモの裏側 Part 2: ロボット開発編 Amazon Bedrock AgentCore 上の AI エージェントが判断し、AWS IoT Core 経由で ROS 2 / MoveIt 2 のエッジ制御へ指示を渡す構成を解説しています。シミュレーション、安全制約、実機の検証を組み合わせ、Summit の 2 日間で障害物ピックを失敗ゼロにした考え方が学べます。 AWS Skill Builder で AI 駆動開発ライフサイクル (AI-DLC) を学ぼう: 日本語版学習コースが公開されました AWS Skill Builder に、AI-DLC の基礎からインセプション、コンストラクションの Deep Dive までを扱う全 8 モジュールの日本語コースが公開されました。無料で自分のペースで学べ、修了後の Assessment に合格するとナレッジバッジを取得できます。AI ツールを個別導入するだけでなく、開発プロセス全体を変えたい方に向いた教材です。 サービスアップデート サービスアップデート – エージェント基盤と Amazon Bedrock エージェントの検出とガバナンスを一元化する AWS Agent Registry の一般提供を開始 AWS Agent Registry が一般提供となり、組織内のエージェント、ツール、Skills、MCP サーバーなどを検索・統制するプライベートカタログとして利用できます。CloudFormation、Terraform、CDK、タグ、AWS RAM 共有、AgentCore の自動検出にも対応しました。既存の機能を見つけて再利用しやすくなります。 AWS Agent Registry のエージェントと MCP サーバーが Amazon Quick で利用可能に Amazon Quick から組織のレジストリにあるエージェントや MCP サーバーを検索し、接続情報を手入力せず数クリックで有効化できます。東京を含む Quick と AgentCore の提供リージョンが対象で、技術チームとビジネスユーザーの連携を簡単にします。 Anthropic の新しいフロンティアモデル Claude Fable 5.1 が AWS で利用可能に Claude Fable 5.1 が一般提供され、コーディング、科学研究、エンタープライズワークフロー向けの長時間タスクを扱えるようになりました。コードベース全体の作業やレビューを進め、行き詰まりを成功と誤報したり失敗テストを無効化したりする近道も抑えます。Amazon Bedrock と Claude Platform on AWS から利用できます。 Claude Fable 5.1、Anthropic の新しいフロンティアモデルが AWS GovCloud (US) で利用可能に Claude Fable 5.1 が規制産業向けの AWS GovCloud (US) にも提供されました。Covered Model として追加のデータ保持・安全性レビュー・アクセス制御の対象となり、Enterprise Frontier Safeguards によって顧客が管理するクラウド環境内にデータを保持して利用できます。 Amazon Bedrock Managed Knowledge Base が ServiceNow をネイティブデータソースコネクタとしてサポート ServiceNow のナレッジ記事やサービスカタログ、添付ファイルをクロールするネイティブコネクタが追加されました。メタデータ抽出と増分同期に対応し、対象ナレッジベースやカテゴリを sys ID で絞り込めます。社内 IT や HR のアシスタントを構築しやすくなります。 Amazon Bedrock Managed Knowledge Base が SharePoint、OneDrive、Confluence のデータソース向けユーザー管理セットアップを導入 既存のサードパーティー認証情報でサインインする 3LO 方式が追加されました。管理者に 2LO 用のサービスアカウントを用意してもらわなくても、SharePoint、OneDrive、Confluence のデータを数分で接続して試作できます。 Amazon Bedrock Managed Knowledge Base がデータソースコネクタの自動同期スケジュールをサポート ネイティブコネクタに日次・週次・月次の同期を設定できるようになりました。頻繁に変わるナレッジは日次、規程は週次、参照資料は月次というように、データの更新頻度に合わせて RAG の鮮度を保てます。 Amazon Bedrock の Web Search が AWS GovCloud (US-West) で利用可能に OpenAI GPT モデルが Web 情報を参照して回答をグラウンディングし、利用した出典を返す組み込みツールが GovCloud に広がりました。IAM で利用可否やリージョンを管理でき、リクエストデータを AWS 境界内に保ったまま、最近の出来事や最新リリースなど変化する情報を扱えます。 サービスアップデート – Amazon SageMaker AI と GPU Amazon SageMaker Unified Studio CI/CD がノートブックの昇格と AI 支援マニフェスト生成を追加 プロジェクトの接続、ストレージ、ワークフローを調べてデプロイ用マニフェストを生成する Agent Skill が加わりました。最小権限や環境変数を適用し、Notebook も開発・テスト・本番へ昇格できます。データチームが環境ごとの設定を手作業で整える負担を減らします。 Amazon SageMaker Unified Studio Workflows が Python および Bash オペレーターをサポート サーバーレスワークフローのキャンバスから Python 関数やシェルコマンドを直接実行できるようになりました。データ変換やスクリプト処理のために、別途 Lambda や ECS の実行環境を用意する必要を減らせます。既存のワークフローに処理を追加しやすくなるアップデートです。 Amazon SageMaker AI Batch Transform が G6e インスタンスをサポート 最大 8 基の NVIDIA L40S GPU を搭載する G6e を、永続エンドポイントを必要としない大規模バッチ推論に利用できます。S3 のデータセットに対して LLM や画像・動画・音声の拡散モデルを実行でき、米国、ムンバイ、ハイデラバードなどで提供されます。GPU を使うオフライン推論の選択肢が増えました。 サービスアップデート – Amazon Quick と Amazon Connect Amazon Quick で自然言語によるカスタムアプリケーションの構築が可能に 作りたいアプリケーションを自然言語で説明するだけで、Salesforce、Jira、Asana、ServiceNow、Microsoft 365 などのデータと接続した業務アプリを作成できるようになりました。既存の ID・認可・アクセス制御を引き継ぎ、データの変更も反映します。コードを書かずに、分断された表計算やツールを目的別アプリへ変えたい業務部門に適しています。 Amazon Connect Customer が agentic CX designer の一般提供を開始 ノーコードのキャンバスで、自然な会話や意図理解を AI に任せつつ、本人確認、承認、ルーティング、コンプライアンスなどは決定論的なステップで固定できます。設計、テスト、デプロイを同じ場所で行えるため、ビジネス部門がエンジニアリングへの引き渡しを待たずにセルフサービス体験を改善できます。東京を含む 9 リージョンで利用可能です。 Amazon Quick がコネクタ向けの新しいツール設定と Model Context Protocol (MCP) 同期を追加 管理者はコネクタ内の個別ツールを有効・無効化し、同意が必要な操作も設定できるようになりました。MCP サーバー側のツール追加や説明更新も同期されるため、承認済みの能力だけを提供しながら最新状態を保てます。 Amazon Quick Max を導入: Quick を最大限に活用したいパワーユーザー向けに利用量を 5 倍に Plus の 5 倍の利用量とストレージを持つパワーユーザー向けプランです。複数のエージェントやワークフローを同時に動かす利用者が、月途中の利用制限を気にせず Quick を活用しやすくなります。 サービスアップデート – その他の生成 AI 活用 Amazon WorkSpaces Applications が NVIDIA Blackwell GPU インスタンスのサポートを追加 Graphics G7 で NVIDIA RTX PRO 4500 Blackwell を利用でき、従来世代の G6 と比べて最大 2.1 倍のグラフィックス性能を発揮します。CAD、3D、科学可視化、動画編集、AI 支援設計などを高いフレームレートでストリーミングしたいチームに向いた選択肢です。 AWS MCP Server が AWS Lambda 関数向けのサーバーレス機能を追加 Claude Code や Kiro から、Lambda と API Gateway、EventBridge、S3、DynamoDB、SNS、SQS、Step Functions の接続関係をまとめて調査できます。7 日間の基準値との比較、エラー傾向、デプロイ設定、変更履歴、レイテンシを 1 回の呼び出しで確認でき、調査時のトークン消費も抑えます。追加料金なしで利用可能です。 AWS Transform が Amazon FSx for NetApp ONTAP の一般提供を開始 コンピュートやネットワークと同じ移行ウェーブで、ブロックストレージを FSx for NetApp ONTAP へ移行できるようになりました。中間ストレージや別ツールを組み合わせる工程を減らし、移行ワークフローを一本化できます。エージェントを活用した移行自動化を検討する際の対象範囲も広がります。 生成 AI を活用したビジネス課題の解決を支援する AWS ジャパン生成 AI 実用化推進プログラム は、通年で応募を受け付けています。3 つのコースから選べて、AWS クレジットの付与や技術支援も用意されています。ぜひご検討ください。 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 三厨 航  (Wataru MIKURIYA) AWS Japan のソリューションアーキテクト (SA) として、ヘルスケア・ハイテク製造業のお客様のクラウド活用を技術的な側面・ビジネス的な側面の双方から支援しています。クラウドガバナンスや IaC 分野に興味があり、最近はそれらの分野の生成 AI 応用にも興味があります。最近の趣味はカメラです。 週刊 AWS の新しいサムネイルを撮影したので、是非ご覧ください。