本記事は 2026 年 3 月 4 日 に公開された「 How Amplitude implemented natural language-powered analytics using Amazon OpenSearch Service as a vector database 」を翻訳したものです。 本記事は、Amplitude の共同創業者兼チーフアーキテクトである Jeffrey Wang 氏が AWS と共同で執筆したゲスト投稿です。 Amplitude は、プロダクトおよびカスタマージャーニー分析プラットフォームです。お客様はプロダクトの利用状況について深い質問をしたいと考えていました。Ask Amplitude は大規模言語モデル (LLM) を活用した AI アシスタントです。スキーマ検索とコンテンツ検索を組み合わせ、カスタマイズされた正確かつ低レイテンシーの自然言語ベースの可視化体験をエンドカスタマーに提供します。Ask Amplitude はユーザーのプロダクト、分類体系、言語を理解した上で分析のフレームを構築します。一連の LLM プロンプトを使ってユーザーの質問を JSON 定義に変換し、カスタムクエリエンジンに渡します。クエリエンジンが回答をチャートとしてレンダリングする仕組みを次の図に示します。 Amplitude の検索アーキテクチャは、 Amazon OpenSearch Service を活用したセマンティック検索と Retrieval Augmented Generation (RAG) を実装し、スケーラビリティの向上、アーキテクチャの簡素化、コスト最適化を実現しました。本記事では、Amplitude のアーキテクチャの反復的な進化と、スケーラブルなセマンティック検索・分析プラットフォームの構築における重要な課題への対処方法を紹介します。 主な目標は、セマンティック検索と自然言語によるチャート生成を大規模に実現しつつ、きめ細かなアクセス制御を備えたコスト効率の高いマルチテナントシステムを構築することでした。エンドツーエンドの検索レイテンシーの最適化と迅速な結果の提供も重要でした。また、エンドカスタマーが既存のチャートやコンテンツを安全に検索・活用し、より高度な分析を行えるようにすることも目指しました。さらに、大規模なリアルタイムデータ同期の課題にも対処し、常に流入するデータ更新を処理しつつ、システム全体で低い検索レイテンシーを維持するソリューションを開発しました。 Ask Amplitude における RAG とベクトル検索 Ask Amplitude が RAG を使用する理由を簡単に見てみましょう。Amplitude はオムニチャネルの顧客データを収集します。エンドカスタマーは自社プラットフォーム上でユーザーが行ったアクションのデータを送信します。これらのアクションはユーザー生成イベントとして記録されます。例えば、小売・EC のお客様の場合、ユーザーイベントには「商品検索」「カートに追加」「購入手続き」「配送オプション」「購入」などがあります。これらのイベントがお客様のデータベーススキーマ (テーブル、カラム、リレーションシップ) を定義します。「2 日配送を利用した人は何人ですか？」というユーザーの質問を考えてみましょう。LLM は、キャプチャされたユーザーイベントのどの要素がクエリへの正確な回答に関連するかを判断する必要があります。ユーザーが Ask Amplitude に質問すると、最初のステップとして OpenSearch Service から関連イベントをフィルタリングします。コストと精度の両面から、すべてのイベントデータを LLM に送るのではなく、選択的なアプローチを取ります。LLM の利用料金はトークン数に基づくため、完全なイベントデータを送信するのは不必要にコストがかかります。さらに重要なのは、コンテキストが多すぎると LLM のパフォーマンスが低下することです。数千のスキーマ要素を与えると、モデルは関連情報を確実に特定して集中することが難しくなります。情報過多は LLM を本来の質問から逸らし、ハルシネーションや不正確な回答につながる可能性があります。RAG が好まれるのはこのためです。プロダクト利用スキーマから最も関連性の高い項目を取得するために、ベクトル検索を実行します。お客様のスキーマに含まれる正確な単語を質問が参照していない場合でも効果的です。以降のセクションでは、Amplitude の検索の進化を順を追って説明します。 初期ソリューション: セマンティック検索なし プライマリデータベースとして Amazon Relational Database Service (Amazon RDS) for PostgreSQL を使用し、ユーザー、イベント、プロパティデータを保存していました。ただし、次の図のように、キーワード検索の実装にはサードパーティの別のストアを使用していました。PostgreSQL からこのサードパーティの検索インデックスにデータを取り込み、最新の状態に保つ必要がありました。 このアーキテクチャはシンプルでしたが、2 つの大きな課題がありました。検索インデックスに自然言語機能がないこと、そしてキーワード検索しかサポートしていないことです。 イテレーション 1: 総当たりコサイン類似度 検索機能を改善するため、いくつかのプロトタイプを検討しました。ほとんどのお客様のデータ量はそれほど大きくなかったため、PostgreSQL を使ったベクトル検索のプロトタイプを素早く構築できました。ユーザーインタラクションデータをベクトル埋め込みに変換し、 配列コサイン類似度 を使ってデータセット全体の類似度メトリクスを計算しました。カスタムの類似度計算は不要になりました。ベクトル埋め込みは、追加のインフラの負荷なしに PostgreSQL の機能を使って、ユーザー行動の微妙なパターンをキャプチャしました。これは一般に 総当たり法 と呼ばれ、受信クエリをすべての埋め込みと照合し、距離尺度 (この場合はコサイン類似度) によって上位 K 件の近傍を見つけます。アーキテクチャを次の図に示します。 セマンティック検索の導入は、同じ概念を異なる用語で表現するユーザー (「動画視聴時間」と「総再生時間」など) にとって、従来の検索から大きな改善でした。しかし、小規模なデータセットでは機能したものの、総当たり法はすべてのベクトルペアのコサイン類似度を計算する必要があるため低速でした。イベントスキーマの要素数、質問の複雑さ、品質への期待が高まるにつれ、この問題は増幅されました。さらに、Ask Amplitude の回答にはセマンティック検索とキーワード検索の両方を組み合わせる必要がありました。両方の検索を組み合わせるため、各検索クエリは複数のデータベースへの呼び出しを伴う 3 ステップのプロセスとして実装する必要がありました。 PostgreSQL からセマンティック検索結果を取得する。 検索インデックスからキーワード検索結果を取得する。 アプリケーション内で、セマンティック検索結果とキーワード検索結果を事前に割り当てた重みで結合し、Ask Amplitude の UI に出力する。 複数ステップの手動アプローチにより、検索プロセスは複雑になりました。 イテレーション 2: pgvector による ANN 検索 Amplitude の顧客基盤が拡大するにつれ、Ask Amplitude はより多くのお客様と大規模なスキーマに対応する必要がありました。目標は単に質問に答えるだけでなく、ユーザーを反復的にガイドしてエンドツーエンドの分析を構築する方法を教えることでした。そのため、埋め込みにはコンテキストが豊富なセマンティックコンテンツを保存しインデックス化する必要がありました。チームはより大きく高次元の埋め込みを試し、ベクトルの次元数が検索の有効性に影響するという経験的な観察を得ました。多言語埋め込みのサポートも要件でした。 よりスケーラブルな k-NN 検索をサポートするため、チームは高次元空間でのベクトル操作に強力な機能を提供する PostgreSQL 拡張機能の pgvector に切り替えました。アーキテクチャを次の図に示します。 pgvector は高次元ベクトルの k 最近傍 (k-NN) 類似度検索をサポートできました。ベクトル数が増加するにつれ、 HNSW や IVFFlat などの近似最近傍 (ANN) 検索を可能にするインデックスに切り替えました。 大規模なスキーマを持つお客様では、総当たりコサイン類似度の計算は低速でコストがかかりました。pgvector による ANN に移行したことでパフォーマンスの改善が見られました。しかし、PostgreSQL でのセマンティック検索、別の検索インデックスでのキーワード検索、そしてそれらを統合するという 3 ステップのプロセスの複雑さには依然として対処が必要でした。 イテレーション 3: OpenSearch Service によるキーワード検索とセマンティック検索のデュアル同期 お客様の数が増えるにつれ、スキーマの数も増加しました。データベースには数億のスキーマエントリがあったため、パフォーマンスが高くスケーラブルでコスト効率の良い k-NN 検索ソリューションを求めていました。OpenSearch Service と Pinecone を検討した結果、キーワード検索とベクトル検索の機能を統合できる OpenSearch Service を選択しました。選択の理由は 4 つあります。 シンプルなアーキテクチャ – OpenSearch Service のように、セマンティック検索を既存の検索ソリューションの機能として位置づけることで、専用サービスとして扱うよりもシンプルなアーキテクチャになります。 低レイテンシーの検索 – 検索データを効果的に整理・分類する機能は、回答生成の基盤でした。セマンティック検索を既存のパイプラインに追加し、両方を 1 つのクエリに統合することで、低レイテンシーのクエリを実現しました。 データ同期の削減 – データベースと検索インデックスの同期維持は、回答の精度と品質に不可欠でした。検討した他の選択肢では、キーワード検索インデックス用とセマンティック検索インデックス用の 2 つの同期パイプラインを維持する必要があり、アーキテクチャが複雑化し、キーワード検索とセマンティック検索の結果が不整合になるリスクが高まりました。1 か所に同期する方が、複数の場所に同期してクエリ時にシグナルを結合するよりも容易です。OpenSearch Service のキーワード検索とベクトル検索の統合機能により、PostgreSQL のプライマリデータベースと検索インデックスの同期が 1 つだけで済むようになりました。 ソースデータ更新へのパフォーマンス影響の最小化 – 別の検索インデックスへのデータ同期は、データセットが常に変化するため複雑な問題でした。新しいお客様が増えるたびに、毎秒数百の更新がありました。同期プロセスによってこれらの更新のレイテンシーが影響を受けないようにする必要がありました。検索データとベクトル埋め込みを同じ場所に配置することで、複数の同期プロセスが不要になりました。同期プロセスがデータベース更新トラフィックに干渉することによるプライマリデータベースの追加レイテンシーも回避できました。 以前のサードパーティ検索エンジンは高速な EC 検索に特化していましたが、Amplitude の特定のニーズには合致していませんでした。OpenSearch Service への移行により、2 つの同期プロセスを 1 つに削減してアーキテクチャを簡素化しました。既存の検索プラットフォームは段階的に廃止しました。つまり、次の図のように、既存プラットフォームへの同期と OpenSearch Service 上の統合キーワード・セマンティック検索インデックスへの同期の 2 つのプロセスが一時的に並行して存在しました。 前のイテレーションで特定した k-NN 検索の利点に加え、OpenSearch Service への移行で 3 つの主要なメリットを実現しました。 レイテンシーの削減 – 埋め込みをプライマリデータと同じ場所に配置する代わりに、検索インデックスと同じ場所に配置できました。検索インデックスは、質問に関連するユーザーイベントを抽出して LLM にコンテキストとして送信するためにクエリを実行する場所です。検索テキスト、メタデータ、埋め込みがすべて 1 か所にあるため、すべての検索要件に対して 1 回のホップで済み、レイテンシーが改善しました。 コンピューティングリソースの削減 – ユーザーイベントスキーマには 5,000〜20,000 の要素がありました。各ユーザークエリに必要なのは 20〜50 の関連要素だけなので、スキーマ全体を LLM に送る必要はありませんでした。OpenSearch Service の効率的なフィルタリング機能により、テナント固有のメタデータを使ってベクトル検索空間を絞り込み、マルチテナント環境全体のコンピューティング要件を大幅に削減できました。 スケーラビリティの向上 – OpenSearch Service では、 HNSW プロダクト量子化 (PQ) や バイト量子化 などの追加機能を活用できました。バイト量子化により、リコールの低下を最小限に抑えつつ、数百万のベクトルエントリを処理でき、コストとレイテンシーが改善しました。 ただし、この暫定ソリューションでは、データの OpenSearch Service への完全な移行はまだ完了していませんでした。旧パイプラインと新パイプラインが並行して存在し、デュアル同期が必要でした。旧検索インデックスを段階的に廃止する一時的な過程であり、旧パイプラインはパフォーマンスとリコールの比較基準として機能しました。 イテレーション 4: OpenSearch Service によるハイブリッド検索 最終アーキテクチャでは、次の図のように、すべてのデータを OpenSearch Service に移行し、ベクトルデータベースとしても機能させました。 PostgreSQL データベースから統合検索・ベクトルインデックスへのデータ同期が 1 つだけで済むようになり、データベースのリソースをトランザクショントラフィックに集中できるようになりました。OpenSearch Service は検索結果のマージ、重み付け、ランキングを同一クエリ内で提供します。アプリケーション内で別モジュールとして実装する必要がなくなり、単一のスケーラブルなハイブリッド検索 (キーワードベース (字句) 検索とベクトルベース (セマンティック) 検索の統合) を実現しました。OpenSearch Service では、 Amazon Personalize との新しい 統合 も試すことができました。 ユーザー生成コンテンツを活用した RAG の進化 お客様は、スキーマ (データカラムの構造と名前) だけでは答えられない、プロダクト利用状況に関するより深い質問をしたいと考えていました。データベースのカラム名を知っているだけでは、データの意味、値、適切な解釈が必ずしも明らかになりません。スキーマだけでは不完全な情報しか得られません。単純なアプローチとしては、スキーマだけでなくすべてのデータ値をインデックス化して検索する方法がありますが、Amplitude はスケーラビリティの理由からこれを避けています。イベントデータのカーディナリティとボリューム (潜在的に数兆のイベントレコード) を考えると、すべての値のインデックス化はコスト的に現実的ではありません。Amplitude は全お客様で約 2,000 万のチャートとダッシュボードをホストしています。ユーザー生成コンテンツは貴重で、他のユーザーが過去にデータをどのように可視化したかを分析することで、データの意味とコンテキストをより深く理解できることがわかりました。例えば、ユーザーが「2 日配送」について質問した場合、Amplitude はまずデータスキーマに「shipping」や「shipping method」のような関連するカラム名があるかを確認します。該当するカラムがあれば、そのカラムの潜在的な値を調べて 2 日配送に関連する値を見つけます。さらに、ユーザーが作成したコンテンツ (チャート、ダッシュボードなど) を検索し、社内の他のユーザーが 2 日配送に関連するデータを既に可視化しているかを確認します。該当する場合、その既存のチャートをデータのフィルタリングと分析方法のリファレンスとして活用できます。ユーザー生成コンテンツを効率的に検索するため、Amplitude はキーワード検索とベクトル類似度 (セマンティック) 検索を組み合わせたハイブリッドアプローチを採用しています。テナント分離とプルーニングには、メタデータを使ってまずお客様でフィルタリングし、その後ベクトル検索を行います。 まとめ 本記事では、Amplitude が OpenSearch Service をベクトルデータベースとして活用し、プロダクト分析データを自然言語でクエリできる AI アシスタント Ask Amplitude を構築した方法を紹介しました。4 回のイテレーションを経てシステムを進化させ、最終的にキーワード検索とセマンティック検索を OpenSearch Service に統合しました。これにより、複数の同期パイプラインを 1 つに簡素化し、検索オペレーションの統合でクエリレイテンシーを削減し、HNSW PQ やバイト量子化などの機能を活用して大規模なマルチテナントベクトル検索を効率的に実現しました。スキーマ検索を超えて 2,000 万のユーザー生成チャートとダッシュボードをインデックス化し、ハイブリッド検索を使ってプロダクト利用状況に関するお客様の質問に答えるためのより豊富なコンテキストを提供するようシステムを拡張しました。 自然言語インターフェースの普及が進む中、Amplitude の反復的な取り組みは、OpenSearch Service のようなベクトルデータベースを使った LLM と RAG の活用により、豊かな対話型カスタマーエクスペリエンスを実現する可能性を示しています。キーワード検索とセマンティックベクトル検索を統合した検索ソリューションへの段階的な移行により、Amplitude はアーキテクチャの複雑さを軽減しながらスケーラビリティとパフォーマンスの課題を克服しました。OpenSearch Service を使った最終アーキテクチャにより、効率的なマルチテナンシーときめ細かなアクセス制御を実現し、低レイテンシーのハイブリッド検索も可能になりました。Amplitude はより深いインサイトを生成しデータをコンテキスト化することで、お客様により自然で直感的な分析機能を提供しています。 Ask Amplitude が Amplitude 関連の概念や質問を自然言語で表現する方法について詳しくは、 Ask Amplitude を参照してください。OpenSearch Service をベクトルデータベースとして使い始めるには、 Amazon OpenSearch Service as a Vector Database を参照してください。 著者について Jeffrey Wang Jeffrey は、Amplitude の共同創業者兼元チーフアーキテクトです。Amplitude で毎秒数十億のイベントをスキャンするインフラストラクチャの基盤を構築しました。Stanford 大学でコンピュータサイエンスを学び、Palantir や Sumo Logic でのインフラストラクチャ構築の経験があります。 Preethi Kumaresan Preethi は、機械学習、生成 AI、エンドツーエンドのクラウドソリューションのテクノロジーリーダーです。現在 AWS のシニア生成 AI ソリューションアーキテクトとして、Google、Cisco、VMware、および急成長スタートアップで 15 年以上のチームおよびプロダクトリーダーシップの経験を活かしています。University of California, Santa Cruz で修士号を取得し、余暇には旅行やアウトドア、スノーボードを楽しんでいます。 Sekar Srinivasan Sekar は、AWS のシニアスペシャリストソリューションアーキテクトとして、ビッグデータと分析を担当しています。20 年以上のデータ関連の経験があり、お客様がアーキテクチャをモダナイズしてデータからインサイトを得るスケーラブルなソリューションの構築を支援することに情熱を注いでいます。余暇には非営利プロジェクト、特に恵まれない子どもたちの教育に関するプロジェクトに取り組んでいます。 この記事は Kiro が翻訳を担当し、Solutions Architect の Takayuki Enomoto がレビューしました。

新年あけましておめでとうございます。Amazon Connect ソリューションアーキテクトの坂田です。 2025年12月には AWS re:Invent 2025 がラスベガスで開催され、Amazon Connect に関する多くの革新的な発表がありました。本ブログでは、2025年11月と12月に発表された Amazon Connect と Amazon Lex のアップデートをまとめました(新年合併号です！)。今年も皆さんのお役に立つ内容をお届けしてまいりますので、どうぞよろしくお願いいたします。 目次 注目のアップデートについて AWS Workshop のご紹介 2025年11月・12月のアップデート一覧 AWS Contact Center Blog のご紹介 1. 注目のアップデートについて AWS re:Invent 2025 では、Amazon Connect のアップデートが以下の4つの主要カテゴリに整理されました： Action with AI: Beyond simple automation （AI によるアクション：単純な自動化を超えて） Elevate your workforce: True human+AI partnership （ワークフォースの向上：真の人間+ AI パートナーシップ） Transform data into relationships: Proactive intelligence （データを関係性に変換：プロアクティブインテリジェンス） Accelerate Outcomes: Confidence Through Observability （成果の加速：可視性による信頼性） 本セクションでは、これらのカテゴリから特に注目すべき2つのテーマをご紹介します。 テーマ1: AI エージェントの大幅な強化とオブザーバビリティの向上 2025年11月・12月期間中、Amazon Connect AI エージェントは革新的な進化を遂げました。 Model Context Protocol (MCP) サポート により、AI エージェントは豊富なコンテキスト情報を活用した高精度な応答が可能になり、 Amazon Nova Sonic との統合でリアルタイム会話 AI による自然で表現豊かな音声インタラクションを実現しています。さらに、 Amazon Bedrock Knowledge Bases との統合により、複数のナレッジソースを活用した包括的な情報提供が可能になりました。 これらの技術革新により、AI エージェントは注文状況確認、返金処理、顧客記録更新などの複雑なタスクを人的介入なしで自動実行できるようになり、従来の単純な質問応答を超えた知的な顧客支援を提供します。 また、AI エージェント活用の成功において重要なのは、継続的な監視と改善です。Amazon Connect は AI エージェントの分析・監視機能 をネイティブに搭載し、AI エージェントが関与した問い合わせ数、ハンドオフレート、会話ターン数、平均処理時間などの主要メトリクスをカスタマイズ可能なダッシュボードで提供。さらに、 自動パフォーマンス評価機能 により、セルフサービスインタラクションの品質を自動的に評価し、改善点を特定できます。 テーマ2: 顧客価値重視のプロアクティブエンゲージメント Amazon Connect Customer Profiles に新しい AI 活用予測インサイト機能 が追加され、5つの推奨アルゴリズム（「推奨」「類似アイテム」「よく一緒に購入される商品」「人気アイテム」「現在のトレンド」）により、顧客の行動パターンと対話履歴を分析したパーソナライズされた提案が可能になりました。 Amazon Connect Outbound Campaigns では、 マルチステップ・マルチチャネル顧客エンゲージメントジャーニービルダー により、複数のチャネルと複数のステップを組み合わせた洗練されたキャンペーンを構築できます。さらに、 新しいセグメンテーション機能 により、顧客データをより詳細にセグメント化し、真に価値のあるパーソナライズされた顧客体験を提供できるようになりました。 これらの機能により、企業は単なる一方的なマーケティングから脱却し、顧客の真のニーズに基づいたプロアクティブで価値あるエンゲージメントを実現できます。 2. AWS Workshop のご紹介 Amazon Connect の新機能を実際に体験しながら実装スキルを習得するための、AWS Workshop をご紹介します。これらのハンズオンワークショップでは、最新の AI 機能やコンタクトセンター管理機能を実際の環境で学習できます。 AI エージェント・セルフサービス関連ワークショップ Agentic AI on Amazon Connect を使った知的な顧客サービスの構築 エージェンティック AI の力を活用して顧客サービスを変革する没入型ワークショップです。ホテルチェーンの IT チームの立場に立ち、予約システムを革新的に変えて、シームレスでインテリジェントなセルフサービス体験を提供する実践的な学習を行います。 学習内容: 空き状況の確認、予約の作成、予約の変更ができるインテリジェントな AI エージェントの構築 Model Context Protocol (MCP) サーバーを使用した安全で拡張性の高いバックエンドの実装 AI の自動化と人間の専門知識を無理なく組み合わせた Amazon Connect フローの設計 様々な業界に適用できる、エージェンティック AI のパターンに関する実践的な経験 多言語・国際化ワークショップ Multilingual Contact Center with Amazon Connect さまざまな言語の好みを持つ多様なグローバル顧客基盤に対して効果的な顧客サポートを提供するための、多言語コンタクトセンターソリューションを構築するワークショップです。Amazon Connect の拡張性と AWS サービス統合を活用して、音声からテキストまでの真のオムニチャネル翻訳機能を実現する方法を学習します。 解決する課題: 従来のテキストベースサポート、サードパーティ翻訳サービス、多言語コンタクトセンターエージェントによるアプローチは、しばしば一貫性のない顧客体験と運用コスト増加を招きます。 革新的ソリューション – Voice to Voice 翻訳: 高度な音声認識と機械翻訳技術を活用して、エージェントと顧客間の音声会話のほぼリアルタイム翻訳を実現します。言語能力や追加スタッフィングを必要とせず、エージェントが顧客の好みの言語でコミュニケーションできるソリューションを開発できます。 技術的実装: 音声認識 : 顧客の話し言葉を音声認識技術でテキストに変換し、機械翻訳エンジンに送信 機械翻訳 : 顧客のテキストをエージェントの好みの言語にほぼリアルタイムで翻訳し、音声合成でスピーチに変換 双方向翻訳 : エージェントの応答も同様に処理し、顧客の言語に翻訳して音声で配信 シームレス統合 : Amazon Connect との統合により、エージェントは追加の努力や訓練なしで多言語での顧客対応が可能 使用技術: Amazon Connect Streams JS : 既存 Web アプリケーションと Amazon Connect の統合、Contact Control Panel (CCP) の埋め込み Amazon Connect RTC JS : Amazon Connect へのソフトフォンサポート提供、WebRTC プロトコル実装 対象チャネル: チャット、SMS、メール（拡張可能）などのテキストベース通信から音声まで、統一された顧客体験を提供 使用サービス: Amazon Connect、Amazon Translate、Amazon Transcribe、Amazon Polly、Amazon Cognito、Amazon Connect Streams JS、Amazon Connect RTC JS 3. 2025年11月・12月のアップデート一覧 AWS re:Invent 2025 では、Amazon Connect のアップデートを 4 つの主要カテゴリに整理して発表されました。以下、これらのカテゴリに基づいて 2025年11月・12月のアップデートをご紹介します。 注記 : re:Invent 期間中（11月30日）以外に発表されたアップデートについては、著者が re:Invent の 4 つのカテゴリフレームワークに基づいて分類したものです。 1. Action with AI: Beyond simple automation（AI によるアクション：単純な自動化を超えて） 自律型 AI エージェントとインテリジェントな自動化により、従来の単純な自動化を超えた高度な AI 機能を提供します。 Amazon Nova 2 Sonic でリアルタイム会話 AI を発表 （2025年12月２日） 概要 : Amazon Nova 2 Sonic がリアルタイム会話 AI 機能を提供開始。双方向音声ストリーミング、音声理解、適応的応答、中断処理、ナレッジグラウンディング、関数呼び出し、ノイズ耐性、多言語表現豊かな音声を特徴とする次世代の会話 AI 体験を実現します。 利用可能リージョン : 米国東部 (バージニア北部)、米国西部 (オレゴン)、アジアパシフィック (東京) 関連リソース : AWS ニュースブログ Amazon Nova Sonic ユーザーガイド Amazon Connect でより自然で表現豊かな適応型音声インタラクションによるエージェンティックセルフサービスを導入 （2025年11月30日） 概要 : より自然で表現豊かな適応型音声インタラクションを特徴とするエージェンティックセルフサービスを導入。Nova Sonic を活用した高度な音声 AI 体験を提供します。 利用可能リージョン : 米国東部 (バージニア北部) と米国西部 (オレゴン) 関連リソース : Nova Sonic Speech-to-Speech 設定ガイド Amazon Connect でサードパーティ音声認識・音声合成 AI モデルをサポート （2025年11月30日） 概要 : エンドカスタマーのセルフサービス向けにサードパーティの音声認識（STT）および音声合成（TTS）AI モデルのサポートを追加。より多様な音声技術の選択肢を提供します。 利用可能リージョン : Amazon Connect が利用可能なすべての AWS リージョン ( Amazon Connect の無制限の AI を有効にする) 関連リソース : Amazon Connect でサードパーティーの音声プロバイダーを設定する Amazon Connect で複数のナレッジベースと Amazon Bedrock Knowledge Bases との統合をサポート （2025年11月30日） 概要 : 複数のナレッジベースのサポートと Amazon Bedrock Knowledge Bases との統合を提供。より包括的な知識管理と AI 支援機能を実現します。 利用可能リージョン : Amazon Connect が利用可能なすべての AWS リージョン 関連リソース : 生成 AI を活用したリアルタイムのエージェント支援のために Amazon Q in Connect を使用する Amazon Bedrock Knowledge Bases Amazon Connect で Model Context Protocol (MCP) サポートを開始（2025年11月30日） 概要 : Amazon Connect で Model Context Protocol (MCP) のサポートを開始。MCP により、AI エージェントがより豊富なコンテキスト情報を活用して、より正確で関連性の高い応答を提供できるようになります。 利用可能リージョン : リージョンごとの Amazon Connect 機能の提供状況 を参照 (※東京リージョンは利用可能) 関連リソース : Amazon Connect AI エージェント AI エージェントによる MCP ツールによる情報の取得とアクションの完了を有効にする Amazon Connect で AI 搭載インタラクションのメッセージストリーミングを提供 （2025年11月30日） 概要 : Amazon Connect が AI チャット対話でメッセージストリーミング機能を提供開始。この新機能により、Connect AI エージェントの応答が生成された時点で表示されるため、待ち時間が短縮され、カスタマーエクスペリエンスが向上します。 利用可能リージョン : 米国東部 (バージニア北部)、米国西部 (オレゴン)、アジアパシフィック (ソウル)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、アジアパシフィック (東京)、カナダ (中部)、欧州 (フランクフルト)、欧州 (ロンドン)、アフリカ (ケープタウン) 関連リソース : AI を活用したチャットのメッセージストリーミングを有効にする Amazon Lex で自然言語理解の主要オプションとして LLM をサポート （2025年11月26日） 概要 : Amazon Lex が自然言語理解（NLU）の主要オプションとして大規模言語モデル（LLM）をサポート開始。より高度で柔軟な自然言語処理能力を提供し、複雑な会話パターンの理解を向上させます。 利用可能リージョン : Amazon Connect と Amazon Lex が利用可能なすべての AWS リージョン 関連リソース : Amazon Connect セルフサービス Amazon Lex 開発者ガイド Amazon Lex で待機・継続機能を10の新言語に拡張 （2025年11月21日） 概要 : Amazon Lex の待機・継続機能を10の新しい言語に拡張。より多くの言語でユーザーが追加情報を収集している間に音声ボットやチャットボットは会話を一時停止し、準備ができたらシームレスに再開できるようになります。 利用可能リージョン : Amazon Lex が利用可能なすべての AWS リージョン 関連リソース : Amazon Lex サポート言語 2. Elevate your workforce: True human+AI partnership（ワークフォースの向上：真の人間+ AI パートナーシップ） AI とエージェントの協働により、エージェントの能力を向上させ、より効率的で効果的な顧客サービスを実現します。 Amazon Connect Chat でエージェントが開始するワークフローをサポート （2025年11月30日） 概要 : Amazon Connect Chat でエージェントが開始するワークフローをサポート開始。エージェントが顧客との会話中に特定のワークフローやプロセスを開始できるようになります。 利用可能リージョン : 米国東部 (バージニア北部)、米国西部 (オレゴン)、アジアパシフィック (ソウル)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、アジアパシフィック (東京)、カナダ (中部)、欧州 (フランクフルト)、欧州 (ロンドン)、アフリカ (ケープタウン) 関連リソース : アクティブなチャットセッション中にエージェント開始フローを有効にする Amazon Connect が Agentforce Service 向け AI エージェント支援と要約を提供 （2025年11月30日） 概要 : Salesforce Contact Center with Amazon Connect 向けの AI エージェント支援と要約機能を提供開始。Salesforce Agentforce Service 環境でのエージェント支援機能を強化し、より効率的な顧客サービスを実現します。 利用可能リージョン : Amazon Connect が利用可能なすべての AWS リージョン 関連リソース : Salesforce Contact Center with Amazon Connect のドキュメント Amazon Connect でフローを使用した関連連絡先とケースのリンク簡素化 （2025年11月30日） 概要 : フローを使用して関連する連絡先をケースにリンクするプロセスを簡素化。より効率的なケース管理とコンタクト追跡を実現します。 利用可能リージョン : 米国東部 (バージニア北部)、米国西部 (オレゴン)、カナダ (中部)、欧州 (フランクフルト)、欧州 (ロンドン)、アジアパシフィック (ソウル)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、アジアパシフィック (東京)、アフリカ (ケープタウン) 関連リソース : Amazon Connect Cases 製品ページ Amazon Connect Cases 管理者ガイド Amazon Connect で AI 搭載ケース要約を提供 （2025年11月30日） 概要 : AI を活用したケース要約機能を提供開始。複雑なケースの内容を自動的に要約し、エージェントやマネージャーが迅速に状況を把握できるようにします。 利用可能リージョン : 米国東部 (バージニア北部)、米国西部 (オレゴン)、カナダ (中部)、欧州 (フランクフルト)、欧州 (ロンドン)、アジアパシフィック (ソウル)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、アジアパシフィック (東京)、アフリカ (ケープタウン) 関連リソース : Amazon Connect Cases 製品ページ Amazon Connect Cases 管理者ガイド Amazon Connect でエージェント支援機能を強化 （2025年11月30日） 概要 : エージェント支援機能を全般的に強化。AI を活用したより高度な支援機能により、エージェントの生産性と顧客満足度を向上させます。 利用可能リージョン : リージョンごとの Amazon Connect 機能の提供状況 を参照 (※東京リージョンは利用可能) 関連リソース : Amazon Connect AI エージェント Amazon Connect 管理者ガイド Amazon Connect でビジネスユーザーがカスタム UI を作成してリアルタイムでコンタクトセンター設定を調整可能に （2025年11月30日） 概要 : ビジネスユーザーが技術リソースを必要とせずに、日常のコンタクトセンター運用をより詳細に制御できるようになりました。キュー、ルーティング動作、顧客体験設定をリアルタイムで調整するカスタム UI を作成する新機能により、エンタープライズグレードのガバナンスとセキュリティを維持しながら、変化する条件に即座に対応できます。 利用可能リージョン : Amazon Connect が利用可能なすべての AWS リージョン 関連リソース : ビジネスユーザーのワークスペースを設定する Amazon Connect エージェントワークスペースでカスタムビジュアルテーマをサポート （2025年11月30日） 概要 : エージェントワークスペースでカスタムビジュアルテーマをサポート開始。組織のブランディングに合わせたインターフェースのカスタマイズが可能になります。 利用可能リージョン : Amazon Connect エージェントワークスペースは、米国東部 (バージニア北部)、米国西部 (オレゴン)、アフリカ (ケープタウン)、アジアパシフィック (ソウル)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、アジアパシフィック (東京)、カナダ (中部)、欧州 (フランクフルト)、欧州 (ロンドン)、AWS GovCloud (米国西部) の各 AWS リージョンで利用できます。 関連リソース : Amazon Connect エージェントワークスペースをカスタマイズする エージェントワークスペース デベロッパーガイド Amazon Connect でエージェントがメール連絡先にフォローアップ返信を送信可能に （2025年11月21日） 概要 : Amazon Connect でエージェントがメール連絡先にフォローアップ返信を送信できる機能を提供開始。エージェントは顧客からのメールに対して、初回応答後も継続的なフォローアップメールを送信し、より包括的な顧客サポートを提供できるようになります。 利用可能リージョン : Amazon Connect Email は、米国東部 (バージニア北部)、米国西部 (オレゴン)、アフリカ (ケープタウン)、アジアパシフィック (ソウル)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、アジアパシフィック (東京)、カナダ (中部)、欧州 (フランクフルト)、欧州 (ロンドン) の各リージョンでご利用いただけます。 関連リソース : Amazon Connect で E メールを設定する Amazon Connect でマルチスキルエージェントスケジューリングをサポート （2025年11月21日） 概要 : Amazon Connect が複数のスキルを持つエージェントのスケジューリングをサポート開始。エージェントが複数の専門分野やスキルセットを持つ場合に、より効率的なスケジューリングと人員配置が可能になります。 利用可能リージョン : Amazon Connect エージェントのスケジューリングが利用可能なすべての AWS リージョン 関連リソース : AWS Contact Center ブログ Amazon Connect でのマルチスキル予測 Amazon Connect で永続的なエージェント接続による高速通話処理をサポート （2025年11月21日） 概要 : Amazon Connect とエージェント間の通信チャネルを永続化することで、お客様との接続処理の高速化を実現。アウトバウンドキャンペーンの通話において、お客様の体験とエージェントの効率性を向上させます。 利用可能リージョン : Amazon Connect が利用可能なすべての AWS リージョン 関連リソース : Amazon Connect エージェントの永続的接続を有効にする 3. Transform data into relationships: Proactive intelligence（データを関係性に変換：プロアクティブインテリジェンス） 顧客データを活用してより深い関係性を構築し、プロアクティブでパーソナライズされた顧客体験を提供します。 Amazon Connect で AI を活用した予測インサイト機能がプレビュー開始 （2025年11月30日） 概要 : Amazon Connect Customer Profiles を基盤として、AI を活用した5つの推奨アルゴリズムを導入。顧客の行動パターンと対話履歴を分析し、セルフサービスとエージェント対話の両方で利用可能な予測インサイトを提供します。 利用可能リージョン : 欧州 (フランクフルト)、米国東部 (バージニア北部)、アジアパシフィック (ソウル)、アジアパシフィック (東京)、米国西部 (オレゴン)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、カナダ (中部) 関連リソース : 予測インサイト (プレビュー) Amazon Connect がアウトバウンドキャンペーン向け WhatsApp チャネルをリリース （2025年12月5日） {#whatsapp-campaigns} 概要 : Amazon Connect の Outbound Campaigns 機能で WhatsApp チャネルをサポート開始。マーケティングキャンペーンや大規模な顧客エンゲージメント活動において、WhatsApp を活用したアウトバウンドキャンペーンの実行が可能になります。 利用可能リージョン : Amazon Connect Outbound Campaigns が提供されているすべてのリージョン 関連リソース : アウトバウンドキャンペーンのチャネル設定 Amazon Connect Customer Profiles で新しいセグメンテーション機能を開始（ベータ） （2025年12月5日） 概要 : Amazon Connect Customer Profiles で新しいセグメンテーション機能をベータ版で提供開始。顧客データをより詳細にセグメント化し、パーソナライズされた顧客体験を提供できます。 利用可能リージョン : Amazon Connect Customer Profiles が提供されているすべてのリージョン 関連リソース : Amazon Connect で顧客セグメントを構築する Amazon Connect Outbound Campaigns でマルチステップ・マルチチャネル顧客エンゲージメントジャーニービルダーをサポート （2025年11月30日） 概要 : Amazon Connect Outbound Campaigns でマルチステップ・マルチチャネル顧客エンゲージメントジャーニービルダーをサポート開始。複数のステップと複数のチャネルを組み合わせた複雑な顧客エンゲージメントジャーニーを構築できます。 利用可能リージョン : Amazon Connect Outbound Campaigns が提供されているすべてのリージョン 関連リソース : Amazon Connect のアウトバウンドキャンペーンを作成する Amazon Connect Outbound Campaigns で未応答通話のリング時間設定をサポート （2025年11月19日） 概要 : Amazon Connect Outbound Campaigns でキャンペーンマネージャーが音声通話のリング時間を15〜60秒の範囲で設定できる機能を提供開始。通話が「無応答」としてマークされ次の連絡先に移る前のリング時間を調整可能。各連絡先でリング開始・終了時刻も記録され、正確なレポートと追跡が可能になります。 利用可能リージョン : 米国東部 (バージニア北部)、米国西部 (オレゴン)、アフリカ (ケープタウン)、アジアパシフィック (ソウル)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、アジアパシフィック (東京)、カナダ (中部)、欧州 (フランクフルト)、欧州 (ロンドン) 関連リソース : Amazon Connect Outbound Campaigns ウェブページ 4. Accelerate Outcomes: Confidence Through Observability（成果の加速：可視性による信頼性） 包括的な可視性と制御により、迅速なイノベーションと信頼性を両立させます。 Amazon Connect ダッシュボードでカスタムビジネスディメンションによるメトリクスフィルタリングをサポート （2025年12月29日） 概要 : 事業部門、製品ライン、顧客セグメントなどのカスタムビジネスディメンションに基づいたメトリクスフィルタリングをサポート。事前定義された属性を使用してビジネスディメンションを作成し、独自のビジネスニーズに基づいてダッシュボードをカスタマイズ可能。 利用可能リージョン : Amazon Connect が提供されているすべての AWS 商用リージョンおよび AWS GovCloud（US-West）リージョン 関連リソース : Amazon Connect 管理者ガイド – ダッシュボード Amazon Connect ウェブページ Amazon Connect でエージェント評価自動化を5つの追加言語に拡張 （2025年12月26日） 概要 : 生成 AI を使用してポルトガル語、フランス語、イタリア語、ドイツ語、スペイン語でのエージェントパフォーマンス評価を自動化。クロス言語評価もサポートし、多言語コンタクトセンターで標準化された評価フレームワークを使用可能。 利用可能リージョン : 米国東部 (バージニア北部)、米国西部 (オレゴン)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、アジアパシフィック (東京)、カナダ (中部)、欧州 (フランクフルト)、欧州 (ロンドン) 関連リソース : 生成 AI を使用して Amazon Connect でエージェントのパフォーマンスを評価する Amazon Connect での AI を活用した会話分析 Amazon Connect でリアルタイムメトリクスアラートに追加詳細を提供 （2025年12月16日） 概要 : リアルタイムメトリクスアラートで、閾値を超えてアラートをトリガーした特定のエージェント、キュー、フロー、またはルーティングプロファイルの詳細を提供開始。マネージャーがアラートの根本原因を手動で調査する必要がなくなり、顧客体験と運用上の問題により迅速に対応できます。 利用可能リージョン : Amazon Connect が提供されているすべてのリージョン 関連リソース : Amazon Connect でリアルタイムメトリクスに基づくアラートを作成する Amazon Connect で評価フォームに複数選択と日付質問をサポート （2025年12月15日） 概要 : 人間と AI エージェントのパフォーマンスに関するより深いインサイトを取得するための2つの新しい評価質問タイプを提供。複数選択質問と日付質問により、より詳細な評価が可能になります。 利用可能リージョン : Amazon Connect が提供されているすべてのリージョン 関連リソース : Amazon Connect で評価フォームを作成する Amazon Connect でネイティブテストとシミュレーション機能を提供 （2025年11月30日） 概要 : Amazon Connect がネイティブなテストとシミュレーション機能を提供開始。コンタクトセンターの体験を自動的にシミュレートし、ワークフローの変更を検証し、新しい体験をビジュアルデザイナーや API を通じてデプロイできます。 利用可能リージョン : Amazon Connect が利用可能なすべての AWS リージョン 関連リソース : Amazon Connect コールシミュレーション テストと シミュレーションダッシュボード Amazon Connect でパフォーマンス評価の詳細なアクセス制御を提供 （2025年11月30日） 概要 : パフォーマンス評価に対するタグベースの詳細なアクセス制御を提供。マネージャーが関連する評価フォームのみにアクセスできるよう制限し、セキュリティを向上させます。 利用可能リージョン : Amazon Connect が利用可能なすべての AWS リージョン 関連リソース : Amazon Connect で評価フォームを作成する パフォーマンス評価にtag-based-accessコントロールを設定する Amazon Connect でセルフサービスインタラクションの自動パフォーマンス評価を提供 （2025年11月30日） 概要 : セルフサービスインタラクションに対する自動パフォーマンス評価機能を提供開始。AI を活用したセルフサービス体験の品質を自動的に評価し、改善点を特定できます。 利用可能リージョン : Amazon Connect が利用可能なすべての AWS リージョン 関連リソース : Amazon Connect で評価フォームを作成する Amazon Connect で AI エージェントの分析・監視機能を改善 （2025年11月30日） 概要 : AI エージェントのセルフサービスとエージェント支援体験における分析・監視機能を提供。AI エージェントが関与した問い合わせ数、ハンドオフレート、会話ターン数、平均処理時間などの主要メトリクスを含むカスタマイズ可能なダッシュボードを通じて、AI エージェントのパフォーマンスと顧客成果を測定・改善できます。 利用可能リージョン : Amazon Connect AI エージェントが提供されているすべての AWS リージョン 関連リソース : AI エージェントのパフォーマンスダッシュボード Amazon Connect でパフォーマンス評価の対象になる問い合わせを自動的に選択する新基準を導入 （2025年11月30日） 概要 : パフォーマンス評価の対象にする問い合わせを自動的に選択する新しい基準を導入。より効率的で的確な評価プロセスを実現します。 利用可能リージョン : Amazon Connect が利用可能なすべての AWS リージョン 関連リソース : Amazon Connect 管理ウェブサイトを使用して Contact Lens ルールを作成する Amazon Connect でダッシュボードと API で使用するカスタムメトリクスの作成をサポート （2025年11月30日） 概要 : Amazon Connect でダッシュボードと API で使用するカスタムメトリクスの作成をサポート開始。組織固有の KPI や業務要件に合わせたカスタムメトリクスを定義し、ダッシュボードや API で活用できます。 利用可能リージョン : Amazon Connect が利用可能なすべての AWS リージョン 関連リソース : Amazon Connect のメトリクス、ダッシュボード、レポート Amazon Connect Chat が仕掛かり中のデータ削除とメッセージ処理のサポートを開始 （2025年11月30日） 概要 : Amazon Connect で、チャットメッセージが参加者に届く前にインターセプトして処理するメッセージ処理がサポートされるようになりました。この新機能により、機密データの自動削除とカスタムメッセージ処理が可能になるため、企業は個別設定されたカスタマーエクスペリエンスを提供しながら、コンプライアンスとセキュリティの基準を維持できます。 利用可能リージョン : 米国東部 (バージニア北部)、米国西部 (オレゴン)、アジアパシフィック (ソウル)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、アジアパシフィック (東京)、カナダ (中部)、欧州 (フランクフルト)、欧州 (ロンドン)、アフリカ (南アフリカ) 関連リソース : 処理中の機密データの秘匿化とメッセージ処理を有効にする Amazon Connect でマネージャーによるエージェント評価完了メトリクスを提供 （2025年11月14日） 概要 : マネージャーによるエージェントパフォーマンス評価の完了状況に関するメトリクスを提供開始。評価プロセスの進捗状況を追跡し、評価の完了率や遅延を監視できます。 利用可能リージョン : Amazon Connect が利用可能なすべての AWS リージョン 関連リソース : エージェントパフォーマンス評価ダッシュボード Amazon Connect で条件付きキーワードとフレーズを使用した自動メール応答を開始 （2025年11月30日） 概要 : 条件付きキーワードとフレーズを使用した自動メール応答機能を開始。特定の条件に基づいて自動的にメール応答を生成し、効率的な顧客対応を実現します。 利用可能リージョン : Amazon Connect の E メールは、米国東部 (バージニア北部)、米国西部 (オレゴン)、アフリカ (ケープタウン)、アジアパシフィック (ソウル)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、アジアパシフィック (東京)、カナダ (中部)、欧州 (フランクフルト)、欧州 (ロンドン) の各リージョンで利用できます。 関連リソース : Amazon Connect で E メールを設定する Amazon Connect のフローブロック: 保存されたコンテンツを取得する Amazon Connect で音声・チャットボット向け会話分析を提供 （2025年11月19日） 概要 : Amazon Connect で音声およびデジタルチャネル全体のエンドカスタマーセルフサービスインタラクション向け会話分析を提供開始。PSTN/電話、アプリ内・ウェブ通話、ウェブ・モバイルチャット、SMS、WhatsApp Business、Apple Messages for Business を含む全チャネルで利用可能。顧客感情の自動分析、機密データの編集、主要な連絡要因とテーマの発見、コンプライアンスリスクの特定が可能になります。 利用可能リージョン : 対応言語 と リージョン を参照してください。 関連リソース : Amazon Connect Contact Lens 会話分析を使用して会話を分析する 4. AWS Contact Center Blog のご紹介 2025年11月・12月期間中、AWS Contact Center Blog では、Amazon Connect の最新機能と実践的な活用方法について多数の記事が公開されました。以下、注目すべき記事をご紹介します。 日本語記事 Amazon Connect Data Tables でコンタクトセンター運用を簡素化 コンタクトセンターの運用チームが直面する日常的な変更における開発者依存の課題を解決する、Amazon Connect Data Tables の活用方法について詳しく解説されています。この機能により、管理者はノーコードインターフェースを通じて運用データを管理でき、実装時間を数日から数分に短縮できます。 主な使用例： 直通電話番号内線システム : 富裕層顧客を担当アドバイザーに直接ルーティング 季節的サイト閉鎖フラグ : 冬季期間中の特別ルーティング設定 季節的ワクチンキャンペーン : 秋季のワクチン接種促進メッセージの自動再生 Amazon Connect のフローモジュールを強化する 3 つの強力な新機能 Amazon Connect のコアであるフローとモジュールに関する3つの革新的な新機能について解説されています： 1. カスタムブロックによるモジュールの柔軟性向上 JSON スキーマ v4 構文を実装し、入力・出力オブジェクトを正確に制御 カスタムブランチ名の設定により、従来のデータ受け渡しメカニズムの複雑さを解消 2. バージョニングとエイリアシングによるデプロイメント信頼性向上 変更されないモジュールの固定バージョン作成 エイリアス更新による全実装への自動適用 3. ツールとしてのモジュール活用 フロー外での独立実行単位としての利用 AI エージェントによるツールとしての活用が可能 MCP を用いた Amazon Connect の監視運用準備 Amazon Connect の使いやすいエンタープライズクラウドコンタクトセンターについて解説。組織が規模に応じて優れた顧客体験を提供できるよう支援します。Amazon Connect の主要な利点の一つは、Amazon CloudWatch とのネイティブ統合であり、運用活動を分析し、問題が顧客に影響を与える前にアラートを受信する強力な機能を提供することについて詳しく説明されています。 英語記事 AWS re:Invent 2025: カスタマーエクスペリエンスの再構築 | AWS re:Invent 2025: Reimagining customer experience with Amazon Connect AWS re:Invent 2025（12月1-5日、ラスベガス）での Amazon Connect チームの取り組みについて紹介。ビジョナリーリーダー、技術革新者、業界のパイオニアが集結し、インテリジェントな顧客体験の未来を探求する没入型の体験について解説されています。 Amazon Connect の対話型 AI | Leading the conversation with conversational AI in Amazon Connect 現代の顧客体験におけるデジタルコンシェルジュとしての会話型 AI の役割について詳しく解説。人間の言語を自然に理解・処理・応答する能力が、単なる自動化の機会を超えて、AI の効率性と人間の判断力・共感力を組み合わせる方法について説明されています。 Amazon Connect アシスタントでよりスマートなコンタクトセンター体験を創造 | Create smarter contact center experiences with the Amazon Connect assistant コンタクトセンターリーダーが直面する複雑な課題への対応について解説。顧客は全チャネルで即座にパーソナライズされたサービスを期待する一方、人間エージェントは複数のシステム、ナレッジベース、ワークフローを駆使して問題を解決する必要があります。従来のアプローチの課題と革新的なソリューションについて詳しく説明されています。 Amazon Connect at re:Invent 2025: AI で顧客体験の未来を創造 | Amazon Connect at re:Invent 2025: Creating the future of customer experience with AI 顧客体験の未来は、AI の効率性と人間のつながりのどちらかを選ぶことではなく、両方を組み合わせて特別なものを創造することについて解説。re:Invent 2025 で Amazon Connect が発表した、人間チームメイトと連携するインテリジェント AI エージェントによる顧客インタラクション変革の包括的ビジョンについて紹介されています。 Amazon Connect Data Tables でコンタクトセンター運用を簡素化 | Simplify contact center operations with Amazon Connect Data Tables コンタクトセンター運用チームが日常的な変更を行う際に直面する遅延の課題について解説。従来のアプローチでは開発者の支援とコード変更が必要でしたが、Amazon Connect Data Tablesにより管理者がノーコードインターフェースを通じて運用データを管理できるようになった経緯と活用方法について詳しく説明されています。 Toyota Insurance が Amazon Connect で顧客サービスコストを98.5%削減し、60%のセルフサービス率を達成 | How Toyota Insurance cut customer service costs by 98.5% and achieved 60% self-service with Amazon Connect 技術主導の保険代理店であるToyota Insurance Management Solutionsの事例について紹介。主に北米のトヨタ車オーナーにサービスを提供する同社が、運用効率を維持しながら顧客体験を向上させる革新的な方法を継続的に模索している取り組みについて詳しく解説されています。 テスト時間を最大90%削減：Amazon Connect のネイティブテスト・シミュレーション機能の紹介 | Reduce testing time by up to 90%: Introducing native testing and simulation for Amazon Connecte testing time by up to 90%: Introducing native testing and simulation for Amazon Connect コンタクトセンター管理者が直面する持続的な課題である、ライブ運用を中断することなくコンタクトフローを効率的にテスト・検証する方法について解説。従来のアプローチ（手動でのシステム呼び出し、カスタム検証ツールの構築、サードパーティソリューションへの投資）の課題と、新しいネイティブソリューションについて詳しく説明されています。 Amazon Connect AI 強化メールワークフローで顧客サービスを向上 | Boost customer service with Amazon Connect AI-enhanced email workflows Amazon Connect Email の組み込み機能について詳しく解説。統合されたオムニチャネルコンタクトセンタープラットフォーム内で、顧客サービスメールの優先順位付け、割り当て、解決の自動化を実現する方法について説明されています。組織は音声・チャットと並行してメールインタラクションを管理し、顧客属性とコンテンツに基づいてメールをルーティングできます。 Amazon Connect が3つの強力な新機能でフローモジュールを強化 | Amazon Connect enhances flow modules with 3 powerful new capabilities Amazon Connect のコアであるフローとモジュールについて詳しく解説。フローは顧客ジャーニーを定義し、モジュールは運用を合理化する再利用可能な構築ブロックとして機能します。これまで以上に強力で柔軟性があり、保守性を高める3つの新機能について詳しく説明されています。 Amazon Connect と Salesforce 間のケース同期の自動化 | Automate case synchronization between Amazon Connect and Salesforce Amazon Connect と Salesforce の統合について解説。統一された顧客ビューでエージェント体験を簡素化する方法について説明されています。各サービスがそれぞれの領域で優れている一方で、Amazon Connect で作成されたケースが Salesforce に同期されない場合（またはその逆）の課題と解決策について詳しく紹介されています。 常時稼働、常時保証：クラウドベース監視による継続的CX品質の実現 | Always on, always assuring: Unlocking continuous CX quality with cloud-based monitoring 顧客体験の進化する状況について詳しく解説。フライト予約、銀行残高確認、小売ブランドのサポートボットとのチャット等、今日の顧客はすべてのインタラクションが高速で、エラーフリーで、オンデマンドで利用可能であることを期待しています。単一の遅延、欠陥、停止でも顧客が競合他社を探す原因となる現状について説明されています。 Amazon Connect でのマルチスキル予測とスケジューリングの実装 | Implementing multi-skill forecasting and scheduling in Amazon Connect Amazon Connect が提供するコンタクトセンター向けマルチスキル予測・スケジューリング機能について解説。このアプローチは、エージェントを交換可能として扱うのではなく、専門エージェントスキルに基づいて需要をセグメント化します。Amazon Connect により、専門エージェントが高価値インタラクションを処理することを保証しながら、コストのかかるスタッフィング不均衡を解消する方法について説明されています。 Blink by Amazon が AWS Glue Zero ETL を使用してコンタクトセンターレポートを合理化した方法 | How Blink by Amazon streamlined contact center reporting using AWS Glue Zero ETL 大規模なコンタクトセンターワークフォースの管理において組織が長年直面してきた課題について解説。主要な問題の一つは、顧客関係管理（CRM）システムとレポートツール間のデータ一貫性の維持です。コンタクトセンタースーパーバイザーが直面する複数の課題点について詳しく説明されています。 Amazon Connect エージェントワークスペースでサードパーティアプリケーションとしてエージェント間通話を有効化 | Enable agent to agent calling as a third-party (3P) application in Amazon Connect agent workspace 協調的なコンタクトセンター環境において、エージェント同士が直接接続する能力が生産性を大幅に向上させ、問題解決を合理化できることについて解説。文脈情報の転送、スーパーバイザー支援の要請、チーム間の協力など、エージェント間通話が内部コミュニケーションの向上において重要な役割を果たすことについて詳しく説明されています。 Amazon Connect Tasks を使用したコンタクト後調査による顧客満足度スコアの分析 | Analyze customer satisfaction scores with post-contact surveys using Amazon Connect Tasks 顧客満足度（CSAT）がコンタクトセンターでのインタラクション後の顧客の認識を測定するために使用される主要メトリクスの一つであることについて解説。CSATコール後調査は、コンタクトセンターで提供される体験とサービスを微調整するための診断ツールとして重要であることについて詳しく説明されています。 Amazon Connect でビデオ通話を安全に実装 | Securely implement enterprise-ready video calling in Amazon Connect Amazon Connect のビデオ通話機能について詳しく解説。組織が人間エージェントと顧客間の対面インタラクションを提供できるようにします。しかし、組織は適切な認証を確保しながら、この機能を安全に実装することに注意を払う必要があります。エンドユーザー認証を含む Amazon Connect での安全なビデオ通話の設定方法について説明されています。 Amazon Connect でケース管理ワークフローを自動化 | Automate case management workflows with Amazon Connect 今日の多くのコンタクトセンターが、解決を遅らせ、運用コストを増加させ、ケースが見落とされるリスクを伴う手動ケース管理プロセスに苦労していることについて解説。特に、厳格なSLAとコンプライアンス要件が適用される保険などの規制業界において顕著です。従来のツールがしばしば失敗する中で、顧客は現在、タイムリーな更新、プロアクティブなコミュニケーション、サービスジャーニー全体でのシームレスなエスカレーションを期待していることについて詳しく説明されています。 Inside Amazon Connect | Inside Amazon Connect: The evolution of a disruptor Amazon Connect が AI を活用した顧客体験ソリューションとして、より低コストで優れた成果を可能にすることについて解説。2017年の公開ローンチ以来、Amazon Connect は AI リーダーとなり、あらゆるタイプの組織が顧客とのインタラクション方法を変革してきました。先週の Q3 2025年決算報告で、Amazon が Amazon Connect の重要なマイルストーンを発表したことについて詳しく紹介されています。 Amazon Connect と Amazon Lex を使用した NatWest での銀行セルフサービスの簡素化 | Simplifying banking self-service at NatWest using Amazon Connect and Amazon Lex 英国有数の金融機関の一つである NatWest Group の事例について解説。小売、商業、プライベートバンキング部門にわたって幅広い銀行サービスを提供する同行が、既存のレガシープラットフォームからコンタクトセンター運用を近代化し、自然言語コールステアリング（NLCS）エンジンの管理において直面した重要な課題について詳しく説明されています。 Amazon Connect と Amazon Lex でチャネル間のインタラクションコンテキストを保持 | Preserve interaction context across channels with Amazon Connect and Amazon Lex 今日の顧客が音声通話、ウェブチャット、モバイルアプリ、SMS、iMessage、Facebook、X などの様々なソーシャルメディアプラットフォームなど、好みのコミュニケーションチャネルを通じて組織とインタラクションすることを好むことについて解説。チャネルの選択は、多くの場合、顧客の現在の状況に依存することについて詳しく説明されています。 詳細情報 : AWS Contact Center Blog 皆さまのコンタクトセンター改革のヒントになりそうな内容はありましたでしょうか？ぜひ、実際にお試しいただき、フィードバックをお聞かせいただけますと幸いです。 Amazon Connect ソリューションアーキテクト 坂田

人工知能（ AI ）を活用したショッピングエージェントが目新しいものから必需品へと進化する中、消費者の商品発見と購入方法を根本的に変革することが期待されています。これらのインテリジェントなデジタルアシスタントは、近い将来、複数のマーケットプレイスを同時にナビゲートし、価格、品質、在庫状況、消費者の好みなどの複雑な基準に基づいて瞬時に購入決定を下せるようになるでしょう。小売企業にとって、この変化は存亡に関わる課題であると同時に、前例のない機会でもあります。 この変化の初期事例はすでに定着しています。この変化の初期の例はすでに現実のものとなっています。Amazon の Buy for Me 機能や Perplexity のショッピング機能は、消費者がインテリジェントエージェントに購入決定を委ねる AI 仲介型コマースの第一波です。業界予測では、eコマース、オムニチャネル革新、パーソナライズされた顧客体験の急速な普及により、小売業における AI 市場は 2030年までに1,640億ドルを超える と予想されています。 Google が商品検索を変革した際に検索エンジン最適化（ SEO ）が不可欠となったように、小売業者は今、AI エージェントがカタログと顧客の間を仲介する世界に備える必要があります。AI エージェントが商品データ、在庫システム、価格設定エンジンをリアルタイムで理解し、対話できるようにする標準化された AI 通信プロトコルは、デジタルコマースインフラの次なる進化を象徴しています。これらのプロトコルを早期に導入する企業は、AI 主導のコマースが加速する中で、大きな市場シェアを獲得できるでしょう。 この変革には、技術的な実装以上のものが求められます。デジタルコマース戦略の根本的な見直しが不可欠です。Amazon Web Services  ( AWS ) 上に AI プロトコル対応のインフラストラクチャを構築し、顧客体験を再構築するなど、今すぐに行動を起こす小売業者は、AIエージェントによる市場認知度の向上、顧客獲得コストの削減、そして AI を介したショッピングを好む消費者の増加に対応できる能力など、先行者利益を享受できるでしょう。 ビジネス課題： AI 仲介型コマースへの適応 小売企業は、新世代の消費者が購入決定に AI アシスタントを頼るようになる中で、ますます複雑な市場に直面しています。人間のブラウジングと検索エンジン向けに最適化された現在のeコマースインフラストラクチャには、AI エージェントが必要とするセマンティックな豊富さが欠けています。複数のシステムに散在する商品情報、一貫性のないデータ形式、リアルタイムの在庫課題も、AI エージェントが小売業者の提供商品を効果的に表現することを妨げる障壁となっています。 AI エージェントとの相互作用のための標準化されたプロトコルがなければ、小売業者は以下のリスクに直面します： AI エージェントからの不可視性：AIが適切に処理できるフォーマットで作成されていない商品は、エージェントを介した購入には表示されません。 競争上の不利：消費者がエージェントを介したショッピングに移行するにつれて、AI に最適化されたインフラストラクチャを持つ競合他社が市場シェアを獲得するでしょう。 仲介コストの増加：サードパーティのアグリゲーターが小売業者と顧客の間に介入することで、このギャップを埋めて彼ら自身が定着する可能性があります。 ファーストパーティデータアクセスの喪失：AIエージェントとの直接的な関係がなければ、小売業者は貴重な顧客インサイトを仲介業者に奪われてしまいます。 エージェント通信のための AI プロトコルの理解 小売業におけるAIとシステム間、およびAI同士の通信の未来を形作る複数の通信プロトコルがあります：Model Context Protocol （ MCP ）、Agent-to-Agent （ A2A ）通信フレームワーク、Agentic Commerce Protocol（ ACP ）、Agentic Payment Protocol（ AP2 ）です。 A2Aフレームワークは、AI エージェント同士が直接通信し、複数の専門能力を必要とする複雑なタスクを調整することを可能にします。小売の業務において、これはショッピングエージェントが配送タイミングを最適化するためにロジスティクスエージェントと協力したり、価格比較エージェントが在庫エージェントと連携してリアルタイムの在庫状況更新を提供したりすることが考えられます。A2A 通信により、複数の AI システムがシームレスに連携する必要がある高度なワークフローを実現します。 ACP は、AI エージェントが小売業者を発見、評価、取引するための標準化された方法を確立し、ショッピングエージェントが商品情報を要求し、複数の販売者間で提供内容を比較する方法を定義します。これに補完的に、AI 仲介取引における決済およびチェックアウトプロセスを標準化し、自律的な購入のための安全な認証情報管理と取引承認に対処します。 しかし、ほとんどの小売業者にとって、MCP が最も戦略的な出発点となります。ACP や AP2 などのプロトコルがショッピングジャーニーの特定のタッチポイントに対処する一方で、MCP の汎用アーキテクチャは、初期の商品発見と調査から比較ショッピング、在庫確認、購入後サポートまで、顧客体験全体をカバーします。この包括的なアプローチにより、単一の MCP 実装で複数のユースケースやエージェントタイプに対応でき、それぞれの専用プロトコルごとに個別の統合を必要とせずに済みます。 さらに、MCP は AI エコシステム全体で幅広く採用されています。主要な AI プラットフォームとエージェント・フレームワークはすでに MCP サポートを統合しており、ネットワーク効果を生み出して AI システム通信の事実上の標準となっています。この広範な採用により、小売業者は、統一されたインフラストラクチャを通じて、商品の発見、属性の比較、在庫状況、価格評価、購入取引、支払い処理、注文追跡、顧客サービスなど、AI を介したあらゆるインタラクションをサポートできるようになります。MCP は、AI ショッピング エージェントが小売システムを理解し、一貫性と予測可能な方法でインタラクトできるようにする「言語」と考えてください。HTTP が Web 通信を標準化し、インターネット革命を可能にしたのと同様に、MCP は、閲覧からチェックアウト、フルフィルメント、さらにその先まで、カスタマー ジャーニーのあらゆる段階で AI エージェントがビジネスデータにアクセスして解釈する方法を標準化することを目指しています。 戦略的優位性は明確です：MCP インフラストラクチャに最初に投資することで、小売業者は、ACP や AP2 などの専門プロトコルが成熟するにつれてそれらに対応できる柔軟な基盤を構築しながら、新興の AI エージェントエコシステムにサービスを提供するために必要な技術能力を即座に確立します。これにより、MCP は、ドメイン固有のプロトコルの代替ではなく、すべての後続の AI コマース革新を可能にする必須のベースラインとして位置づけられます。 強固なデータ基盤の構築 MCP サーバーを実装する前に、小売業者は堅牢なデータ基盤を確立する必要があります。これは単に技術に関することではなく、商品情報、在庫データ、ビジネスルールがAI対応であることを確保することです。 商品情報アーキテクチャ 商品データは基本的な SKU レベル情報を超えて進化する必要があります。AI エージェントには以下を含む豊富でセマンティックな商品説明が必要です： 単純なカテゴリを超えた詳細な属性分類 補完商品間の関係マッピング 使用コンテキストとアプリケーションシナリオ 代替品に対する比較優位性 リアルタイム在庫インテリジェンス 瞬時の決定を下す AI エージェントには、静的な在庫スナップショットでは不十分です。データレイヤーは以下をサポートする必要があります： すべてのチャネルにわたるミリ秒精度の在庫状況 輸送中商品に基づく予測在庫 位置情報を認識したフルフィルメントオプション 高需要アイテムの動的割り当てルール 統合価格設定とプロモーションエンジン AI エージェントは総顧客価値を評価するため、以下への統合アクセスが必要です： すべてのチャネルにわたるリアルタイム価格設定 アクティブなプロモーションと適格性ルール ロイヤルティプログラムの特典と階層固有の価格設定 競合価格ポジショニングデータ ソリューション概要：AWS 上の MCP サーバー AWS 上の MCP サーバーは、AI エージェントを有効にするクラウドネイティブアプローチを提供します。 このソリューション は、小売企業が必要とするパフォーマンス、スケーラビリティ、セキュリティを提供する AWS の実証済みインフラストラクチャを使用します。 高レベル実装アプローチ 以下の段階的アプローチは、AWS 上で MCP ベースのアーキテクチャを構築、統合、スケールする方法を概説しています。 フェーズ1：基盤 – 商品カタログデータをAIエージェントに公開することに焦点を当てて、AWS 上でコア MCP インフラストラクチャを確立します。このフェーズには、安全な API エンドポイントの設定、認証プロトコルの実装、監視フレームワークの確立が含まれます。このフェーズでは、チームは既存の商品データを MCP 互換形式にマッピングし、AI 理解に必要な変換レイヤーを作成します。 フェーズ2：統合 – 在庫管理、価格設定エンジン、注文管理プラットフォームを含む既存の小売システムに MCP サーバーを接続します。このフェーズは、リアルタイムデータ同期と、すべての顧客タッチポイント間での一貫性の確保を重視します。統合パターンでは、AWS のネイティブコネクタとイベントドリブンアーキテクチャを使用することで、既存システムへの影響を最小限に抑えます。 フェーズ3：インテリジェンス – パーソナライゼーション機能、需要予測の統合、動的価格設定の最適化といったコンテキストインテリジェンスを活用し、MCP のレスポンスを強化します。このフェーズでは、基本的なデータ公開をインテリジェントなコマース機能へと変換し、AI エージェントが顧客のコンテキストとビジネス目標に基づいてカスタマイズされたレスポンスを受け取ることを可能にします。 フェーズ4：スケール – 高度なキャッシング戦略、グローバル配信、マルチリージョンフェイルオーバー機能を実装することで、エンタープライズスケールのトラフィックを処理できるようソリューションを拡張します。このフェーズでは、インフラストラクチャが数百万件もの AI エージェントのインタラクションをサポートしながら、1 秒未満の応答時間を維持できるようにします。 実装における主要な考慮事項 データガバナンスと品質 – 成功の鍵は、強力なデータガバナンスプラクティスの確立です。これには、標準的な製品定義の作成、データ品質監視の実装、プライバシー規制へのコンプライアンス確保が含まれます。AWS は、 データリネージの追跡 と 品質監視 のためのツールを提供しています。 セキュリティとアクセス制御 – MCP サーバーは、AI エージェントの ID を検証し、アクセスポリシーを適用し、機密性の高いビジネスデータを保護する高度なセキュリティモデルを実装する必要があります。AWS の Identity and Access Management (IAM) サービスは、AI プラットフォームとの安全で監査可能な接続を構築するための基盤を提供します。 パフォーマンスの最適化 – AI エージェントは、ほぼ瞬時の応答を期待しています。実装においては、インテリジェントなキャッシュ、一般的なリクエストの事前計算、効率的なデータ取得パターンを通じて、クエリパフォーマンスを最適化することに重点を置く必要があります。AWS のグローバルインフラストラクチャは、レイテンシーを最小限に抑えるエッジコンピューティング戦略を可能にします。 主要なビジネス利益 AWS に MCP サーバーを実装することで、ビジネス全体にわたって大きなメリットがもたらされます。 戦略的な観点から見ると、MCP サーバーを導入する小売業者は、AI コマースにおけるマーケットリーダーとしての地位を確立し、競合他社が変化に気付く前に、先進的でテクノロジーを活用したブランドを確立できます。この先行者利益は、エージェントが豊富でアクセス可能なデータを提供する小売業者を自然に好むため、AIプラットフォームからの優遇待遇に繋がります。さらに、小売業者は仲介業者に依存せずに AI プラットフォームと直接関係を築くことで、顧客関係をコントロールし、サードパーティへの集約に伴う利益率の低下を回避できます。 運用面では、MCP の実装により組織全体の効率性が大幅に向上します。データアクセスの標準化により、小売業者は AI プラットフォームやショッピングエージェントごとに個別の接続が不要になるため、複数の統合ポイントを管理する複雑さが軽減されます。このアーキテクチャの簡素化により、新機能の市場投入までの時間が短縮され、メンテナンスのオーバーヘッドも削減されます。さらに、AI エージェントのインタラクションを統合的に把握することで、自動購入パターンに関するより深い洞察が得られ、小売業者は人間と AI の両方の顧客に対して最適なサービス提供が可能になります。このプラットフォームはイノベーションの基盤としても機能し、小売業者は動的バンドル、予測在庫配置、アルゴリズムによる価格設定戦略といったAI を活用した新しい機能を迅速に試すことができます。 リスク軽減の観点では、AWS 上の MCP サーバーは、将来の市場の混乱に対する重要な保護を提供します。この標準ベースのアプローチにより、小売業者は独自のプラットフォームにロックインされたり、AI 環境が進化する中で陳腐化に直面したりすることがありません。ベンダー独立性を維持することで、小売業者は新規参入者に適応する柔軟性を保持しながら、複数のAI プラットフォームと同時に作業できます。このアーキテクチャにより、小売業者は AI コマース、データプライバシー、アルゴリズムの透明性に関する新たな規制にも準拠できます。これは、世界中の政府が AI ガバナンスフレームワークに取り組む中で重要な考慮事項です。 エンタープライズにおける考慮事項 MCPサーバーの導入を成功させるには、技術設計にとどまらず、セキュリティ、組織の準備、既存のエンタープライズシステムとの統合にも配慮する必要があります。 セキュリティとコンプライアンス AWS 上の MCP サーバーは、保存時および転送時の暗号化、IAM ベースのアクセス制御、継続的なコンプライアンス監視など、プラットフォームの包括的なセキュリティ制御を継承しています。このアーキテクチャは、決済処理の PCI-DSS、サービス組織の SOC 2、国際事業の GDPR など、業界固有の要件をサポートしています。 変更管理 AI エージェントが主要な顧客チャネルになった場合、組織は新しい運用モデルに備える必要があります。これには、AI に最適化された製品説明に関するマーチャンダイジングチームのトレーニング、アルゴリズム購入者向けの価格戦略の更新、AI チャネルのパフォーマンスに関する新しい KPI の設定などが含まれます。 統合戦略 MCPの導入は、既存のシステムを置き換えるのではなく、補完するものでなければなりません。AWSは、主要な小売プラットフォーム向けの構築済みコネクタ、イベントドリブン型の統合パターン、API管理ツールなど、幅広い統合機能を提供しています。このアプローチにより、既存の投資を維持しながら新しい機能を実現できます。 戦略的考慮事項 MCP 導入を評価する際、経営幹部は組織の準備状況を複数の側面から評価する必要があります。意思決定の枠組みは、データの準備状況を把握することから始まります。例えば、商品情報と在庫情報が統一されたアクセス可能な形式で存在しているか、それとも複数のレガシーシステムに分散しているかを検証します。次に、技術能力を評価し、社内チームが導入に必要なクラウドとAPI の専門知識を有しているか、あるいはパートナーのサポートが必要かどうかを判断します。市場タイミングの考慮も同様に重要です。小売業者は、顧客が AI ショッピングアシスタントの導入を開始しているか、あるいは競争圧力により迅速な対応が求められているかを評価する必要があります。 投資期間の計画には、12～18ヶ月の変革タイムラインとそれに伴うリソースのコミットメントを慎重に検討する必要があります。戦術的なテクノロジー導入とは異なり、MCP の導入は商取引の未来への戦略的な賭けであり、経営陣の支援と部門横断的な連携が不可欠です。組織は、既存の技術ベンダーやマーケットプレイスパートナーとの関係、確立されたチャネル戦略への潜在的な混乱を含む、より広範なエコシステムの影響を考慮する必要があります。最も成功した実装は、MCP を孤立した技術プロジェクトとしてではなく、マーチャンダイジング、マーケティング、オペレーション、カスタマーサービスに触れる根本的なビジネス変革として扱います。 多くの場合、実装の成功は技術的な要素よりも、企業文化の準備状況によって左右されます。組織は、アルゴリズムが顧客となり、新たな指標、インセンティブ構造、そして運用プロセスが必要となるパラダイムシフトに備える必要があります。先進的な小売業者は、既に「 AI コマース」チームを立ち上げ、テクノロジーとビジネス機能を連携させ、MCP への投資を最大限に活用できるようにしています。 小売変革の時代におけるリーダーシップ AI を介したコマースへの移行は、eコマースの誕生以来、小売業界にとって最も重大な変革です。AWS 上に MCP サーバーを実装する小売業者は、顧客体験とデータのコントロールを維持しながら、AI エージェントと直接的な関係を構築することで、この新たな環境で成功するための基盤を築くことができます。 先行者利益のチャンスはまだ開かれていますが、永遠に続くわけではありません。AI ショッピングエージェントが消費者の信頼と市場シェアを獲得するにつれ、MCP インフラを持たない小売業者は、特定のカテゴリーの購買層全体から見えなくなってしまうリスクがあります。AWS の実績あるクラウドプラットフォームと包括的なパートナーエコシステムを活用することで、大企業向け小売業者はこの変革に自信を持って乗り越え、潜在的な混乱を競争優位性へと転換することができます。 著者について Aditya Pendyala Aditya は、ニューヨークを拠点とする AWS のプリンシパルソリューションアーキテクトです。クラウドベースのアプリケーションの設計において豊富な経験を有しています。現在は、大規模企業と協働し、拡張性、柔軟性、そして耐障害性に優れたクラウドアーキテクチャの構築を支援し、クラウドに関するあらゆる側面について指導しています。シッペンズバーグ大学でコンピュータサイエンスの理学修士号を取得しており、「学ぶことをやめれば、成長もやめてしまう」という格言を信じています。 Martin Sakowski Martin Sakowski は、AWS のシニアソリューションアーキテクトであり、革新的なデジタルプラットフォームの構築に15年以上の経験があります。小売業の近代化を専門とし、大企業のテクノロジーインフラ変革による成長促進と顧客体験の向上を支援しています。 翻訳はソリューションアーキテクトの程が担当しました。原文は こちら です。