物流業界では、EC 市場の急拡大、販売チャネルの多様化、商品ライフサイクルの短期化が同時に進み、サプライチェーン全体の最適化が重要な経営課題になっています。欠品や過剰在庫は、売上機会の損失やコスト増加に直結します。だからこそ、リアルタイムな可視化とデータに基づく意思決定が欠かせません。 こうした課題に応えるのが、日本通運株式会社（以下「日本通運」）が開発・提供する AI 搭載型物流 Web アプリ「DCX（Digital Commerce Transformation）」です。AWS 上に構築された DCX は、在庫管理を中心にモノの流れの情報をつなぎ、データの可視化と AI による予測分析で、サプライチェーン全体の最適化を支援します。 本ブログでは、DCX の概要、AWS を活用したアーキテクチャ、そして最新の AI 機能を紹介します。内容は、2026 年 6 月に開催された AWS Summit Japan 2026 のブース展示をもとにしています。 DCX とは DCX は、日本通運が提供する SaaS 型の物流ソリューションです。在庫管理システム（WMS）として在庫や入出荷を管理し、受注から配送までの工程をリアルタイムで分析・可視化します。 高度な WMS 機能を実装 : アイテム別の入出庫履歴、日々の在庫数量、出荷先ごとの追跡番号などを一元管理。CSV や API によるデータ連携で、お客様のシステムとも簡単につなげることが可能 リアルタイム可視化と多角的な分析 : 受注から配送までの工程をつなぎ、出荷可能な在庫数量や作業進捗をリアルタイムで可視化。売上エリアの傾向や滞留在庫の推移など、さまざまな切り口で分析可能 AI による出荷予測と意思決定支援 : 時系列予測基盤モデル「Chronos-2」による出荷予測で在庫戦略の立案を支援し、Amazon Bedrock AgentCore を活用した対話型 AI で物流データからの迅速な意思決定を支援 導入しやすいサービス体系 : 物流業務を委託する「アウトソーシングサービス」と、お客様自身で在庫管理を行う「クラウドサービス」の 2 種類を提供。初期費用はかからず月額制で利用でき、契約後 2 週間で立ち上げが可能 日本通運が培ってきた「フィジカルなオペレーション」と、最新の「デジタル技術」。この 2 つを融合させ、新たなロジスティクスの価値を届けるのが DCX です。自社 EC を運営する D2C 事業者や販売チャネルの多い企業、物流センターを短期間・低コストで立ち上げたい企業に最適なサービスといえます。AWS 上に構築された DCX は、高い拡張性と安定性を備え、AI による先進的なサービスを提供しています。 DCX のアーキテクチャ — AWS 上での構築 DCX は、在庫管理や受注・出荷を担う DCX 本体と、顧客向け分析基盤「Business Insight」（以下、BI）の 2 つのアプリケーションで構成されています。オプションサービスとして提供される BI では、需要の偏りや在庫の滞留状況を可視化・分析できます。 DCX 本体 — ECS/Fargate によるコンテナ構成 図 1: DCX のアーキテクチャ。 DCX 本体は、 Amazon Elastic Container Service （Amazon ECS）と AWS Fargate 上でコンテナとして稼働しています。以前の運用基盤は Amazon EC2 でした。Fargate への移行とあわせてオートスケールを導入したことで、EC2 運用時に欠かせなかったサーバー台数（キャパシティ）の考慮が不要になりました。さらに、リクエストの増大に合わせてコンテナを増やすスケールアウトも容易になり、繁忙期でも快適なパフォーマンスを維持できています。 Business Insight — Redshift Serverless のデータを分析 図 2: Business Insight のアーキテクチャ。フロントエンドを Vercel でホストし、API を ECS/Fargate 上で提供する構成。 BI も、DCX 本体と同じく ECS/Fargate 上で稼働しています。分析では大量のデータにアクセスするため、接続先には Amazon Redshift Serverless を選びました。 パイプラインファーストの開発体制 図 3: CI/CD パイプラインの構成。GitHub へのプッシュを起点に、ビルド、ECR へのイメージ登録、ECS または Lambda へのデプロイまでを自動化し、結果を Slack に通知する。 開発効率を高めるため、DCX はパイプラインファーストの開発体制を採用し、デプロイを自動化・効率化しています。新しい機能をタイムリーにリリースできるようになり、ユーザー体験の継続的な向上につながっています。 パイプラインは AWS CodePipeline 、 AWS CodeBuild 、 AWS CodeDeploy などの AWS サービスを組み合わせて構築しました。インフラ管理には Terraform を導入し、Infrastructure as Code も実現しています。 データ統合 — Amazon Redshift Serverless と Zero-ETL 図 4: データ統合の構成。DCX と周辺アプリケーションの Aurora PostgreSQL のデータを Zero-ETL 統合で Redshift Serverless に集約し、Business Insight から参照する。 DCX では、日々の倉庫管理業務で使うデータベースと、分析で使うデータベースを分けています。そのため、BI が大規模なクエリを実行しても、ほかの業務には影響しません。 分析用データベースに採用したのは Amazon Redshift Serverless です。データ分析は負荷の変動が大きく、ピークのタイミングも予測しにくいものです。サーバーレスを採用したことで、この課題を解決しながら、コストの最適化も実現しています。 一般に、業務システムから分析システムへデータを移すには、ETL パイプラインの開発と維持が大きな負担になります。DCX は Aurora の Zero-ETL 統合 を採用し、Aurora に蓄積された業務データを Redshift Serverless へ自動で複製することで、この負担を大幅に減らしました。 AI 機能の実装 — Chronos-2 と Amazon Bedrock AgentCore DCX が提供する AI 機能は 2 つ。時系列予測モデルによる出荷予測と、自然言語による問い合わせへの自動応答です。欠品や過剰在庫を防ぐ在庫計画をすばやく立てられるうえ、複雑な操作なしに、滞留在庫の把握から改善策の検討まで進められます。 出荷予測 — Chronos-2 の活用 図 5: 個別 SKU の出荷予測画面。ロケーションと SKU ごとに、実績値と将来の予測値を下位（P30）・中位（P50）・上位（P70）の 3 つの分位点で表示する。 DCX の出荷予測を支えるのは、Amazon Science が開発・公開した時系列予測基盤モデル「 Chronos-2 」です。主な特長は次のとおりです。 ゼロショット予測 : 対象データでモデルの学習を行わなくても予測が可能 Transformer ベースのアーキテクチャ : 生成 AI と同じ Transformer 技術を時系列予測に応用 さまざまな環境で実行可能 : 仮想サーバやコンテナで実行でき、自社のアプリに組み込みやすい（ DCX では ECS で実行） 誰でも使えるオープンモデル : オープンモデルとして公開されており、誰でも無償で利用可能 Chronos-2 の導入により、1 アイテムあたり 1〜2 時間かかっていた予測の算出時間は約 5 分に短縮されました。複数アイテムの一括予測にも対応し、日別・週別・月別で最大半年先まで予測できます。実際の出荷実績と照合すれば、PDCA サイクルを回しながら予測の精度を高めていくことも可能です。 AI チャットによるデータ分析 — Amazon Bedrock AgentCore の活用 図 6: BI LLM Chat の画面。「最も滞留している商品を教えてください」という質問に対し、在庫数と在庫評価額のランキングと、在庫圧縮施策の提案を回答している。 Business Insight には、自然言語で物流データに問いかけられる「BI LLM Chat」を搭載しています。 図 7: BI LLM Chat の構成。 BI LLM Chat は、各エージェントが協調してタスクを遂行するマルチエージェント構成です。Amazon Redshift Serverless に蓄積された在庫・出荷などのデータや、S3 に格納された各種ドキュメントを参照し、ユーザーの問い合わせに回答します。ドキュメントの参照に使うのは Amazon Bedrock Managed Knowledge Base 。ユーザーとの過去の会話は、AgentCore Memory による長期記憶の機構で保持しています。 実装には AgentCore ハーネス を利用しました。AgentCore ハーネスなら、プログラムコードを書かずに AI エージェントを構築・運用できます。しかも、メモリやツール連携、オブザーバビリティなど AgentCore が提供する機能をそのまま活用できます。DCX では、こうして高品質な AI エージェントを短期間で開発し、新しい機能をすぐにユーザーへ届けられるようになりました。 今後の展望 日本通運は今後も、AI をはじめとするデジタル技術を DCX に積極的に取り入れていきます。国内外の拠点に蓄積される物流データと NX グループのグローバルな知見を活かし、お客様の物流現場の効率化と品質向上、そしてサプライチェーンにおける新たな価値の創造を支援していく方針です。 まとめ 本記事では、日本通運の DCX において、AWS の各種サービスがどのように利用されているのかを紹介しました。サーバーレスや CI/CD によって高度な開発・運用体制を確立し、AI やデータ分析技術によって付加価値の高いサービスを利用者に提供し続けています。これらは工夫次第で、どのような業種・企業規模でも取り入れられるアプローチです。みなさまのビジネスにも、ぜひ AWS の先進的なテクノロジーを積極的に活用してみてください。

アマゾン ウェブ サービス ジャパン合同会社（以下、AWS ジャパン）は、2026 年 9 月 24 日（木）に、AWS ジャパン オフィスで「Kiro Meetup #8」を開催しました。Kiro Meetup は、Kiro を使っている方が集まり、使い方の工夫や最新アップデートを共有するコミュニティイベントです。今回はオフィス移転後の新しい会場での開催となりました。 当日は、AWS から Kiro の最新アップデートと Kiro Crew の詳細を紹介したあと、三菱電機株式会社の中村 信夫 氏と小森 裕之 氏、東海旅客鉄道株式会社の倉澤 瑞希 氏、株式会社オープンアップシステムの藤牧 正和 氏にライトニングトークでご登壇いただきました。同じ日の午後には、同会場でハンズオン「手を動かして実感する、Kiro が変える開発体験」も開催しています（ ハンズオンの開催報告 もあわせてご覧ください）。本記事では、Meetup の模様をレポートします。 イベント概要 開催日時: 2026 年 9 月 24 日（木）18:00〜20:30 会場: AWS ジャパン オフィス アジェンダ Kiro の最新アップデート: AWS ジャパン Developer Transformation エンゲージメントマネージャー Katz Ueno (カツ) Kiro Crew Dive Deep: AWS ジャパン ソリューションアーキテクト 小西 杏典 お客様ライトニングトーク 三菱電機株式会社 中村 信夫 氏、小森 裕之 氏 東海旅客鉄道株式会社 倉澤 瑞希 氏 株式会社オープンアップシステム 藤牧 正和 氏 クロージング ネットワーキング 本イベントの司会進行は AWS ジャパン 事業開発マネージャー 井形 健太郎が務めました。 開会のご挨拶 冒頭では、シルバーウィーク明けの平日夜に集まった参加者へのお礼とともに、Kiro Meetup の成り立ちを紹介しました。Kiro Meetup は 2025 年に Amazon Q Developer の Meetup として始まり、Amazon Q Developer や Kiro を使っている方がユースケースやアップデートを共有し、和気あいあいと過ごす場として続けてきました。オフィス移転の影響で間が空いたものの、今後も継続して開催していく予定です。 Kiro の最新アップデート スピーカー: AWS ジャパン Developer Transformation エンゲージメントマネージャー Katz Ueno (カツ) 最初のセッションでは、Katz が前回の Kiro Meetup（2026 年 3 月）以降の半年間を振り返り、86 件の Changelog から注目の 8 件を紹介しました。大きな流れは、Kiro Web の一般提供や Kiro Crew のオープンソース公開で使える場所が増えたこと、そして Cloud Sessions などで実行場所がローカルからクラウドへ広がったことです。 Kiro IDE 1.0 / 1.1 : エージェントとのやり取りに集中できる画面「Agent Focus」が加わりました。権限はワークスペースごとにも全体共通でも設定でき、カスタムエージェントは Markdown で定義できます。Windows と Linux の ARM64 環境でもネイティブに動作するようになりました。 Kiro Web の一般提供開始（9 月 1 日） : ブラウザだけで開発できるようになりました。対話しながら進める Collaborative モードと、計画から PR の作成までを自律的に進める Autonomous モードがあります。 Kiro CLI 2.0 と V3 : Windows 11 でネイティブに動作するようになり、CI/CD に組み込めるヘッドレスモードも加わりました。IDE や Web と同じハーネスで動く V3 も、プレビューとして公開されています。 Cloud Sessions と Configuration Sync : セッションをクラウド上で動かせるようになり、別のマシンから続きを再開できます。 .kiro の設定も、クラウドを通じて複数のマシンで同期できます。 モデル : OpenAI の GPT-5.6 と、Anthropic の Claude Opus 5、Claude Sonnet 5 が使えるようになりました。9 月 16 日には、Kiro Enterprise 向けに Claude Fable 5.1 のプレビュー提供が始まっています。 ガバナンスとコンプライアンス : Kiro が ISO/IEC 27001:2022 の認証範囲に加わり、IDE と CLI は HIPAA 適格になりました。利用状況のメトリクスを OpenTelemetry で送信できるほか、超過利用に上限を設定することもできます。 仕様駆動開発の強化 : タスクを並列で実行できるようになりました。途中の承認を挟まずに要件・設計・タスクをまとめて作る Quick Spec（公開時の名称は Quick Plan）と、要件のあいまいな点や矛盾を洗い出す Analyze Requirements も加わっています。 Kiro Crew の登場 : 複数の Kiro CLI をまとめて動かす、常駐型のエージェント基盤です。詳しくは次のセッションで紹介されました。 最後に、登壇で使った資料は Kiro Crew で下書きしたことを種明かし。アップデートの一覧とリンクなど、Kiro Crew が Changelog を読み込んで作成したことを紹介しました。あわせて、開発者向けコミュニティ AWS Builder Center をご紹介。相互のコミュニケーションが取れることもアピールしました。 Kiro Crew Dive Deep スピーカー: AWS ジャパン ソリューションアーキテクト 小西 杏典 続いて、ISV/SaaS 業界のお客様を支援するソリューションアーキテクトで、Kiro CLI のコントリビューターでもある小西が、Kiro Crew の仕組みを解説しました。 小西はまず、いまの AI エージェント開発には、人が席を離れると作業が止まる、セッションをまたぐと前の会話を忘れる、セッションが直列にしか動かない、という 3 つの課題があると指摘しました。Kiro Crew は、これらを解決する「永続的なオープンソースのワークスペース」で、次の 4 つの特徴を備えています。 永続的かつ自己改善型 : メモリとスケジュールがセッションや再起動をまたいで残り、ユーザーからの修正は「レッスン」として蓄積されます。 マルチエージェントオーケストレーション : cron や Webhook をきっかけに複数ステップのタスクを自律的に実行し、サブエージェントを並列に動かします。 オープンで拡張可能 : App SDK で独自のアプリを組み込め、Slack や Teams などのメッセージチャネルからも操作できます。 セキュアで、あなたの管理下に : OS のサンドボックス、段階的な承認ゲート、自社のハードウェア上での実行、監査ログを備えています。 編集・実行・デバッグを繰り返す「インナーループ」は Kiro CLI や Kiro IDE で対応できますが、スケジュール実行や CI の監視のように人が離れても動き続ける「アウターループ」には常時稼働のゲートウェイが必要です。Kiro Crew はこのゲートウェイとしてセッション、メモリ、セキュリティなどを管理し、その裏で Kiro CLI がエージェントとして動きます。セキュリティは多層防御で、 ~/.aws や ~/.ssh へのアクセスはどの設定でも解除できない基本制限としてブロックしています。 まとめとして小西は、1 つのセッションで開発を進めるなら Kiro IDE / CLI、セッションをまたぐ記憶やスケジュール実行、継続的な運用には Kiro Crew、という使い分けを示しました。 お客様ライトニングトーク ここからは、Kiro を活用している 3 社にライトニングトークでご登壇いただきました。 三菱電機株式会社 中村 信夫 氏、小森 裕之 氏「Kiro が組織に広がってきた！」 三菱電機株式会社 中村 信夫 氏と、小森 裕之 氏にご登壇いただきました。 前半の中村氏は、「重厚長大」の風土が残る電力部門で Kiro をどう広げたかを紹介しました。中村氏の部門では、社員と協力会社が参加する約 700 名のコミュニティ「YOKOHAMA UNITED」を運営しており、毎週の勉強会はこれまでに 137 回を数えます。2025 年 7 月の Kiro 発表の直後から使い始め、AWS を講師に招いた勉強会には約 100 名が参加しました。2026 年 1 月には、約 30 名が 3 日間参加する AI-DLC Unicorn Gym を、トップダウンで開催しました。定員 16 名で募集した社内ハンズオンに 90 名を超える社員が集まったほか、新入社員向けのアジャイル研修では、例年のマシュマロチャレンジの代わりに Kiro を使い、各チームが 2 回のスプリントで飲み会の日程調整システムを作り上げたといいます。中村氏は「組織トップダウンとコミュニティボトムアップのシナジー」が大切だったと振り返りました。 後半の小森氏は、Kiro を開発ワークフローに組み込み、部門のソフトウェア開発フローを標準化する取り組みを紹介しました。部門内の Kiro のユーザーは約 900 名にのぼります。AWS がオープンソースで公開している開発手法 AI-DLC V2 のワークフローを Kiro の上で動かし、2 つの工夫を加えています。1 つ目は、実装とレビューを別のモデルに担わせることです。生成 AI は自分の出力を正しいと思い込みやすいため、Kiro で OpenAI と Anthropic の両方のモデルを選べる点を生かし、Claude のモデルで要件・設計・実装を行い、AI-DLC V2 の工程ごとの AI レビューは GPT-5.6 に任せ、最後に人が確認して承認します。2 つ目は、AI-DLC V2 のレビューの重さを工程ごとに選べるようにしたことです。既定では敵対的検証によるレビューが 2 回走りますが、「重い」という声があったため、工程に応じて回数を減らすなど、品質と時間のバランスを取る設定を試しています。 東海旅客鉄道株式会社 倉澤 瑞希 氏「現場の『こうしたい』を、動くものへ ～Kiro で変わった技術開発の進め方～」 東海旅客鉄道株式会社 倉澤 瑞希 氏にご登壇いただきました。 倉澤氏は新幹線の保線の現場を長く経験したあと、技術開発部の DX チームへ異動し、アプリ開発の経験がないところから取り組みを始めました。Kiro は 2025 年 12 月から利用しており、用途は、データ分析やシミュレーター、3D 点群の可視化などの実装 PoC、要件定義やレビュー、報告資料や研修資料などのドキュメント作成、CI/CD や GitLab などの環境構築・運用の 4 つに広がっています。 代表的なプロダクトとして、駅の改良工事で資材の置き場所が旅客の流れを妨げないかを検証する「駅旅客流動シミュレーション」と、ベテラン社員の暗黙知を AI がインタビュー形式で引き出して蓄積する「熟練者ナレッジ蓄積」についてプロトタイプを短期間で実装した例を紹介しました。 倉澤氏がプロダクト以上に大きかったと話したのは、技術開発の進め方の変化です。以前は研究員が要望と業務知識を整理してベンダーやメーカーに伝え、設計・実装してもらっていました。Kiro の導入後は、研究員が自然言語で「こうしたい」を言語化し、Kiro がスペック化と実装を担い、研究員が確認して判断する、というサイクルを自ら高速に回せるようになりました。倉澤氏は「Kiro は魔法ではなく増幅器」と表現し、0 を 100 にするのではなく、研究員が持つドメイン知識や現場の課題という「1」を大きくしてくれるものだと説明しました。そのうえで、Kiro を導入するだけでなく、使い方そのものをチームで育てることが大切だと締めくくりました。 株式会社オープンアップシステム 藤牧 正和 氏「人的資本経営による AI 導入と直面した課題のご紹介」 株式会社オープンアップシステム 藤牧 正和 氏には、AI 駆動開発を進める中で直面した失敗や課題を中心にご紹介いただきました。 同社は社員 700 名弱のシステム開発会社で、2025 年 1 月から AI の研究を始め、同年 3 月には Amazon Q Developer を使い始めました。約 1 年半の試行錯誤を経て、AI を中心にシステム開発ができる段階にたどり着き、現在は大手 SIer からの AI 開発導入の相談にも応じています。全部門で AI を使っており、最もよく使われているのは Kiro です。 直面した課題として、藤牧氏は次のような点を挙げました。「自分の仕事が増えるだけ」という抵抗は、新人が 1 か月かけてもできるかどうかだった作業が 1 時間ほどで終わったことをきっかけに解消し、一気に広まりました。セキュリティはガイドラインとオプトアウト設定で対応し、プロンプトの上手い下手による差は Steering で AI の動かし方を標準化して埋めました。プロンプトの工夫に時間をかけすぎるバイブコーディングの限界にぶつかったことから、仕様駆動開発で正確に開発できる Kiro に全員で移行しています。現在の課題は、AI に指示する力を持つ人材と、上流から開発全体を見通してコーディネートできる人材の育成で、採用と育成の方針も見直したといいます。 最後に藤牧氏は、AI を導入しても仕事は減らず、むしろできることが増えて仕事も増えると述べ、人を資本として活かす「人的資本経営」の観点で AI への投資を進めていると語りました。 おわりに 今回の Meetup では、Kiro の半年分のアップデートと Kiro Crew の仕組みを紹介し、3 社に Kiro を組織に広げる取り組みを語っていただきました。三菱電機株式会社様は、トップダウンとコミュニティによるボトムアップの両輪で利用を広げています。東海旅客鉄道株式会社様は、研究員が自ら「こうしたい」を実装まで回せるようになりました。株式会社オープンアップシステム様は、全部門での AI 活用で直面した課題と人材育成の見直しを共有してくださいました。3 社に共通していたのは、Kiro を導入するだけで終わらせず、使い方そのものを組織で育てている点です。 AWS ジャパンは、今後も Kiro Meetup を継続して開催し、Kiro を使う皆様が知見を共有できる場を提供してまいります。ご登壇いただいた皆様、ご参加いただいた皆様、ありがとうございました。 登壇資料 Kiro の最新アップデート: Kiro Meetup #8 Kiro アップデート (2026/3/21〜2026/9/24) Kiro Crew Dive Deep: Kiro Crew Dive Deep 三菱電機株式会社 中村 信夫 氏、小森 裕之 氏「 Kiro が組織に広がってきた！ 」 東海旅客鉄道株式会社 倉澤 瑞希 氏「 現場の『こうしたい』を、動くものへ ～Kiro で変わった技術開発の進め方～ 」 株式会社オープンアップシステム 藤牧 正和 氏「 人的資本経営による AI 導入と直面した課題のご紹介 」

こんにちは。社内のセキュリティ業務にAIを取り入れる業務を担当している、Security Development Division（LINE Plus Security R&D）チームです。この記事は...