Context intelligence for your data and AI agents at scale｜大規模なデータと AI エージェントのための文脈知能 | AIニュース最前線

エージェントの知能は、推論できるコンテキストの質に依存します。現在、そのコンテキストはデータレイク、データウェアハウス、レークハウス、データベース、ストリーム、そして文書化されたことのない組織内の知識に散在しています。AI エージェントが下す決定を信頼したいと考えていても、エージェントがコンテキストを持たなければそれは実現できません。もし、信頼できる決定を下すために必要なコンテキストへ安全にアクセスできる手段をエージェントに与えたら、どのような可能性が開けるか想像してみてください。 このため、[AWS Summit New York City](https://aws.amazon.com/events/summits/new-york/?trk=803280e6-d5d4-4077-afa1-b4596b721dd8&sc_channel=ps&trk=803280e6-d5d4-4077-afa1-b4596b721dd8&sc_channel=ps&ef_id=CjwKCAjwxb7RBhA5EiwAQ-AAdI8wjDrTmhNV_fDB8_hHK-fJsFz7AhkR2kYns-H-g0Cr38124Gq_yBoCCIoQAvD_BwE:G:s&s_kwcid=AL!4422!3!808196077660!b!!g!!aws%20summit%20new%20york!23835694939!199896619081&trk=803280e6-d5d4-4077-afa1-b4596b721dd8&sc_channel=ps&gad_campaignid=23835694939&gbraid=0AAAAADjHtp9gI9JY17U8zGHKw__xosudz&gclid=CjwKCAjwxb7RBhA5EiwAQ-AAdI8wjDrTmhNV_fDB8_hHK-fJsFz7AhkR2kYns-H-g0Cr38124Gq_yBoCCIoQAvD_BwE) では、データと AI エージェントに対してスケールしたコンテキストインテリジェンス（context intelligence）を提供する一連の革新を発表します。 ## AWS Context（近日公開予定） 本日の基調講演において、AWS Context という新サービスをご紹介しました。このサービスは、既存のデータ間の関係を自動的にマッピングしてナレッジグラフを構築し、組織内の AI エージェントが実行時に管理されたデータ関係、ビジネスルール、ドメイン知識にアクセスできるエージェント型検索機能を提供します。データ管理者やキュレーターは、直感的なコンソール体験を通じてグラフを管理し、推論された関係を検証し、本番環境へプロモートするとともに、ビジネス定義や利用ルールなどのドメイン固有の知識を付与します。 AWS Context は、Amazon Quick を支えるのと同じナレッジグラフ技術を拡張したものです。Amazon Quick では、データセット、ダッシュボード、メタデータをカタログ化する生産環境用のナレッジグラフを毎日数十万人が利用しており、利用パターンから学習してあらゆるインタラクションをよりスマートにしています。このグラフはすでに1日に数百万件のリクエストを処理しています。AWS Context により、個人向けのナレッジグラフを組織全体のナレッジグラフへと拡張し、組織内のエージェントやアプリケーションが参照できる、共有され管理されたコンテキストレイヤーを提供します。既存の Amazon Quick ユーザーは即座に恩恵を受けます。AWS Context が有効化されると、Quick のエージェントは、単一のユーザーの個人用グラフでは提供できない、システム間の関係性、ビジネスルール、そして厳選されたコンテキストを含む、より広範なエンタープライズナレッジグラフへのアクセス権を獲得します。AWS Glue Data Catalog、Amazon SageMaker Unified Studio、および AWS Lake Formation はナレッジグラフと統合されており、チームはビジネスルールや権限を用いてこれを管理でき、AI の支援による自動追加や手動での明示的なキュレーションを通じて新しいコンテキストを追加できます。 コンテキスト層の主要要素は、Apache Iceberg形式でAmazon S3に公開されており、顧客は選択したIceberg準拠ツールを使用してメタデータを消費し、オープン標準に基づいてAWS Contextを基盤とした構築を行うことができます。インフラストラクチャのプロビジョニングや検索パイプラインの構築は不要であり、顧客はAWS Management Consoleで数回のクリックを行うだけで、エージェントのためのコンテキストの収集とキュレーションを開始できます。 その背後にある機能について、もう少し詳しく見てみましょう。 ## エージェントの動作から学習するコンテキスト AWS Contextは、エージェントが使用する回数が増えるほど賢くなります。エージェントがグラフを照会すると、どのソースが正しい結果を生み出し、どの結合パスにエージェントが依存し、どのキュレーション済みルールが適用されるかを観察します。実際の使用状況に基づいてソースをランク付けし、組織全体で学習した内容を共有するため、あるエージェントが正しい結合パスを発見したりスキーマの曖昧さを解決したりすると、他のエージェントもそれを引き継ぎます。これには、人間によるグラフの再キュレーションは必要ありません。 ## 設計上オープンかつポータブル AWS Contextは、構造化および非構造化ソースからの主要なメタデータすべてをAmazon S3テーブル内のApache Iceberg形式で公開します。これにより、Amazon Athena、Amazon Redshift、Apache Spark、またはIceberg互換エンジンを使用してコンテキストを照会したり、その上で下流システムを構築したり、監査したり、移行したりすることが可能になります。 AWS Context は、サードパーティのカタログへの接続も設計されており、AWS 以外のシステムからのコンテキストを同じグラフに持ち込むことができます。エージェントは、Amazon Bedrock AgentCore を基盤としている場合、Amazon EKS にデプロイされている場合、または MCP 互換フレームワークで実行されている場合にかかわらず、アジェンティック検索 API や MCP ツールを通じてこれを照会します。あなたのコンテキストは常に照会可能であり、Apache Iceberg フォーマット（Apache Iceberg）によりポータブルで、完全にあなたのものであることを保証します。 ## デフォルトでアイデンティティを認識し、ガバナンスされる 本番環境に導入するあらゆるエージェントには、ガバナンスに関する問いが伴います。すなわち、「どのデータにアクセスできるのか」、そして「誰の権限の下で、具体的に何をアクセスしたかを証明できるか」という点です。AWS Context は、すべての照会をアイデンティティ認識型とすることで、これらの問いに答えます。各呼び出しは、呼び出し元のユーザーの IAM および Lake Formation の権限を引き継ぐように設計されており、エージェントがアクセスできる関係性は、そのアイデンティティがアクセス権限を持つものに限られます。アクセスがアイデンティティを通じて行われるため、すべての相互作用が監査可能です。セキュリティおよびコンプライアンスチームは、すでに信頼しているのと同じコントロールを使用して、エージェントが何を、どの権限の下でアクセスしたかを検証できます。 ## AWS Glue データカタログのビジネスコンテキストとセマンティック検索（プレビュー） 本日、AWS Glue データカタログにおけるビジネスコンテキストおよびセマンティック検索のプレビューを発表しました。これにより、人間や AI エージェントがデータを発見し理解するためのコンテキストとツールが提供されます。顧客は now、S3 Tables に基づくものを含む Glue テーブル、ビュー、カラムに、ビジネス記述、用語集用語、カスタムメタデータ（metadata）を追加してエンリッチし、カタログ外に保存された追加のデータコンテキストを提供するスキルアセットと関連付けることができます。Glue データカタログ内で技術メタデータと共にビジネスコンテキストがインデックスされることで、顧客は新しい Glue Search API を使用してビジネスの意味に基づいてデータをより迅速に見つけることができ、AI エージェントは文脈を推測するのではなく信頼できる定義に基づいて推論を行うことができます。 また、Glue Data Catalog におけるスキルアセットのプレビューもご提供できることを嬉しく思います。これにより、データプロデューサーは新しいアセットタイプであるスキルアセットを作成できるようになります。このスキルアセットは、S3、Git リポジトリ、ウィキなど、あらゆる場所にホストされているファイル（AI スキル、ガイド用マークダウンファイル、チームのランブックなど）への URI を参照します。スキルアセットをデータアセットに関連付けることで、エージェントに追加的な文脈と指示を提供し、特定のデータを扱う際に必要な情報を段階的に取得できるようにします。これにより、各エージェントに対してプロンプトごとに逐一再教育する必要がなくなります。例えば、スキル URI の場所は、データの粒度や範囲といったデータ利用の詳細、一般的なクエリパターンとベストプラクティス、および使用ルール（いつデータを使用すべきか、結合キーは何かなど）を含むドメイン固有のドキュメントやプロセスを備えたチームのリポジトリを指すことができます。 スキル資産は、AI エージェントがデータエステート内で使用する適切なデータを見つけるのを容易にしますが、それは問題の半分だけです。エージェントには、データを集約する前に適用すべきフィルタ、追従すべき結合パス、技術スキーマには表示されない注意点など、その使い方も知らなければなりません。現在、AWS Agent Toolkit には、AI エージェントが Glue Data Catalog と連携して作業するためのデフォルトスキルや、Amazon Athena や S3 Tables などの他の機能も含まれています。多くの企業では、データチームが開発した独自のスキルを持っています。始めたい開発者は、リモートで完全に管理される AWS MCP を使用して任意の MCP 互換エージェントを接続し、AWS サービススキルにアクセスするか、Claude Code、Cursor、Amazon Kiro に aws-data-analytics プラグインをインストールすることで、AI エージェントに対してデータ検索や分析の実施、あるいは AWS やその他のカスタムスキルを用いてそのデータを基盤としたアプリケーション構築を依頼できます。AgentCore ハーネスで構築されたエージェントは、1 行のコードで AWS Agent Toolkit のすべての AWS スキルにアクセス可能です。これにより、あなたのエージェントは迅速に AWS サービスの専門知識とベストプラクティスを活用できるようになります。 ## Amazon S3 アノテーション（一般提供開始） 顧客がデータレイクに独自のコンテキストを追加しやすくするため、Amazon S3 アノテーションの一般提供を開始しました。これは、S3 オブジェクトに直接リッチで照会可能なビジネスコンテキストを付与し、そのコンテキストを S3 Iceberg テーブルに保存する新しい方法です。顧客はこれまで、オブジェクトタグやユーザー定義メタデータを用いて S3 内のオブジェクトを記述してきましたが、これらはアクセス制御などの運用タスクや、アップロード時に設定される少量の情報には依然として適切なツールです。しかし、顧客がデータの上にエージェントを構築するにつれ、より多くのメタデータを付与したいと考えています。彼らは、スケーラブルにエージェントが読み取り、行動できるリッチなコンテキストを作成・進化させたいのです。S3 アノテーションは、オープンデータ形式でこの機能を提供します。S3 に保存される各オブジェクトには最大 1GB のコンテキストを付与できます。アノテーションは可変であり、データの変化に応じてコンテキストを進化させることができます。S3 アノテーションは S3 ストレージ内の S3 オブジェクトと共に存在します。つまり、コピーやレプリケーション操作を通じて関連する S3 オブジェクトと一緒に移動し、オブジェクトが削除されるとともに削除されます。アノテーションを使用すれば、別途メタデータデータベースを構築・同期する必要もなければ、データの遅延（drift）を防ぐための管理も不要です。 注釈は S3 メタデータを通じて照会可能になります。バケットに注釈テーブルを有効化すると、すべての注釈が自動的に完全に管理された Iceberg テーブル（Iceberg table）へ流れます。Amazon Athena、Amazon Redshift、または Iceberg 互換エンジンを使用して、すべてのオブジェクト間で照査を行うことができます。また、S3 Tables MCP サーバーを通じて、エージェントは自然言語で注釈を発見できます。 [Amazon S3 注釈](https://aws.amazon.com/blogs/aws/amazon-s3-annotations-attach-rich-queryable-context-directly-to-your-objects/) を利用すると、豊富なビジネスコンテキストを直接 S3 オブジェクトに付与し、大規模なスケールで照会できるようになります。これにより、エージェントは別途メタデータシステムを構築することなく必要な情報を見つけることができます。 コンテキストは AI エージェントのためのデータレイクであり、これらの革新を通じて、あらゆる規模の組織や企業間でデータを扱う AI エージェント向けの知識と知性の基盤を構築しています。 ## 著者について ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/06/16/mailan-100x133.jpg) **Mai-Lan Tomsen Bukovec** AWS のテクノロジー副社長である Mai-Lan Tomsen Bukovec は、デジタルトランスフォーメーション、ビジネス分析、機械学習、生成 AI、次世代の顧客体験のために数百万人の AWS 顧客が依存する Amazon クラウドデータサービスを統括しています。25 年以上にわたる技術業界での経験を持つ Mai-Lan は、クラウドベースの技術を駆使して企業の転換を支援する先駆者です。

大規模なデータと AI エージェントのための文脈知能

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト