AWS Machine Learning Blog の最新記事
公式296件の記事
Strands Evals を用いた AI エージェントの失敗検出と根本原因分析
AWS は、生産環境で動作する AI エージェントが失敗した際の理由特定を自動化し、手動診断によるボトルネックを解消する「Strands Evals」の評価手法を発表しました。
Deep Agents と Bedrock AgentCore を活用した文脈豊かな研究エージェントの構築
AWS は、LLM のコンテキスト制限を克服し、深い分析と戦略的推論を両立させるため、Deep Agents と Bedrock AgentCore を組み合わせた新しいアプローチを発表しました。
スーパーチャージャー構築：Rocket Close がエージェント型 AI でタイトル業務を最適化する方法
ロケット・カンパニーズ傘下のデトロイト拠点タイトル代理店 Rocket Close は、住宅購入プロセスのボトルネックとなっていた時間のかかる州固有のタイトル調査を、エージェント型 AI を活用することで効率化しました。
Amazon Quick と Cisco Webex MCP サーバーを用いた会議準備・フォローアップ支援アシスタントの構築
AWS は、Amazon Quick と Cisco Webex の MCP サーバーを連携させることで、会議の準備や事後処理を単一の会話型ワークフローで完結させる方法を公開した。これにより、ユーザーは複数のツールを行き来せずとも必要な情報を一元的に取得できる。
PDF から洞察へ：AWS 生成 AI サービスを用いたインテリジェントなドキュメント処理パイプラインの構築
AWS は、従来の OCR では文脈や意味を理解できない課題に対し、生成 AI を活用した新しいドキュメント処理パイプラインを提案し、手作業によるボトルネック解消とコスト削減を実現するアーキテクチャを紹介している。
内側から再構築：AWS プロフェッショナルサービスがフロンティアチームとして歩み始めた理由
AWS プロフェッショナルサービスは、既存プロセスに AI ツールを追加するのではなく、提供方法を根本的に再構築することで、エンゲージメント期間を数ヶ月から数日に短縮した。
オンデマンドおよびバッチパイプラインによる動的なデータ抽出
AWS は、生成 AI を活用した大規模言語モデルを用いて、紙文書や電子文書から関連データを正確に抽出するインテリジェントなドキュメント処理パイプラインを発表しました。このシステムはオンデマンド推論とバッチ推論の両方のオプションを動的に提供します。
Agent-EvalKit で AI エージェントを体系的に評価する
AWS は、AI エージェントが自律的にツールを選択・実行する際の挙動を出力レベルのテストだけでは評価できないとして、事実捏造や空結果への対応を検証できる「Agent-EvalKit」を発表した。
スパークラインとカスタムソート機能を解放：Amazon QuickSight でトレンドをより迅速に、より賢くソート
AWS はビジネスインテリジェンスツール「Amazon QuickSight」において、データトレンドの可視化を高速化するスパークライン機能と、データをより効率的に整理するカスタムソート機能を新たに追加した。
Amazon Bedrock Data Automation のブループリント抽出精度を最適化する方法
AWS は、インボイスや契約書などの非構造化文書からの構造化データ抽出精度を向上させるため、Amazon Bedrock Data Automation の利用方法を解説した。
フロンティアチームが再構築する AI ネイティブな開発手法
AWS のブログ記事は、Amazon Bedrock チームが AI を単なるコーディングの簡略化ツールではなく開発基盤と位置付けた結果、生産性が最大 10 倍以上向上した事例を紹介している。
カーネルの手動調整を止める：Neuron エージェント開発が AWS Trainium の最適化を加速する方法
AWS は、大規模化する最先端 AI モデル向けに、ハードウェアの性能限界を引き出すための従来の手動カーネル調整に代わり、「Neuron エージェント開発」を活用することで、Trainium プロセッサの最適化効率とパフォーマンスを大幅に向上させる手法を発表した。
Amazon Bedrock AgentCore を活用した AI 搭載機器修理アシスタントの構築方法
AWS は、Amazon Bedrock AgentCore を使用して、農機具の故障診断を支援する AI アシスタントを構築する方法を紹介している。これにより、部品不足による再訪問や稼働停止時間の削減が期待される。
Amazon SageMaker AI で NVIDIA Isaac Lab を活用し、ロボット強化学習のスケールアップを実現
AWS は、物理的AIの実用化に向け、Amazon SageMaker AI上でNVIDIA Isaac Labを活用することで、複雑なロボットの強化学習を高速化するソリューションを発表した。
ハンズフリー初回損失通知：Strands Agents と Amazon Bedrock AgentCore ブラウザツールを活用したインテリジェントな請求受付
AWS は、多様な証拠を構造化して処理するシステムを開発し、保険調整担当者が未加工データではなく文脈から業務を開始できるようにする技術を公開しました。
Amazon Quick と New Relic を活用したエージェント型インシデントトリアージアシスタントの構築方法
AWS は、サイト信頼性エンジニアが複数のツール間で証拠収集や影響評価を行う負担を軽減するため、Amazon Quick と New Relic を組み合わせたエージェント型インシデントトリアージアシスタントの構築手法を発表した。
欧州における AI の柔軟性解放：EU データ処理とモデルアクセスのためのクロスリージョン推論ガイド
AWS は、最新の生成 AI モデルと高性能計算リソースを活用し、複数の AWS リージョンにまたがるモデルの可用性と容量を効果的に利用しながら、EU 内のデータ処理要件を満たすためのツールを提供するガイドを発表した。
ラップトップを閉じても安全：Amazon Bedrock AgentCore でのコーディングエージェントのホスティング
AWS は、Amazon Bedrock AgentCore を活用することで、開発者がラップトップを閉じた状態でもバックグラウンドで動作するコーディングエージェント（Claude Code や Codex など）を継続して実行可能にする仕組みを発表した。
大規模な意思決定の最適化：直感では対応できない領域での数学的アプローチの活用
AWS は、配送経路の最適化や工場内のロボット制御など、複雑で大規模な意思決定において、人間の直感や手作業が限界に達する課題に対し、数学的最適化技術が有効であることを紹介している。
Amazon SageMaker AI と FHE を用いたエンドツーエンド暗号化 ML 推論の紹介
AWS は、医療記録や機密情報などの敏感なデータをクラウド上で処理する際、データが推論プロセス全体で暗号化されたまま保たれるよう、Amazon SageMaker AI と完全準同型暗号（FHE）を組み合わせた手法を発表した。
Amazon Quick ARNs：跨アカウント移行と名前空間権限の解説
AWS は、ダッシュボードの環境間移行やチーム間共有時に発生する権限問題に対し、Amazon リソース名（ARN）の仕組みを明確に理解することで解決策を提供すると発表した。
マイク不要で Amazon Nova Sonic ボイスエージェントを大規模に評価可能に
AWS は、自然な音声対話を行うビジネス用ボイスエージェントのテスト課題に対し、マイクを使用せずに大規模な評価を実施できる新手法を発表した。
NVIDIA Nemotron 3 Ultra が Amazon SageMaker JumpStart で利用可能に
AWS は、推論速度を5倍向上させ、コストを最大30%削減する「NVIDIA Nemotron 3 Ultra」モデルを、Amazon SageMaker JumpStart でワンクリックデプロイ可能にしたと発表した。
Amazon Bedrock におけるモデル使用量制限リクエストと運用課題の自動処理機能
AWS は Amazon Bedrock の新機能を公開し、10 万社以上の組織が利用する生成 AI サービスにおいて、モデルの使用量制限のリクエスト手続きや運用上の問題のトリアージを自動化した。
Amazon Bedrock で大規模な自律型 AI オペレーションを構築する方法
AWS は、10 万社以上の組織で利用されている Amazon Bedrock を活用し、生産環境で動作するアプリケーションやエージェントを構築するための大規模な自律型 AI オペレーションの構築手法を発表した。
Fundamental社の大型表計算モデル「NEXUS」がAmazon SageMaker JumpStartで利用可能に
AWSは、構造化データからの予測を数ヶ月から数日で実現する目的特化型基盤モデル「NEXUS」のサポートを開始した。これにより企業は、SageMaker JumpStartを通じて同モデルを迅速にデプロイできる。
DLAMI および DLC で SOCI インデックスを活用し、コンテナの起動時間を短縮
AWS は Deep Learning AMI と AWS Deep Learning Containers に Seekable OCI (SOCI) のサポートを追加しました。これにより、コンテナイメージの効率的な管理が可能となり、コールドスタート時間の削減を実現します。
Amazon SageMaker AI で SFT と DPO を活用し、エージェントのツール呼び出し精度を向上させる方法
AWS は、Amazon SageMaker AI を使用して教師あり学習（SFT）と直接最適化（DPO）を適用することで、AI エージェントが適切なツールを選択する精度を高め、エラー率やサポートコストを削減できると発表した。
Amazon Nova Forge におけるハイパーパラメータ最適化の芸術と科学
AWS は、独自データや専門知識を扱うタスクに強い大規模言語モデルを構築する「Amazon Nova Forge」において、ハイパーパラメータ最適化の手法について解説した。
Amazon Bedrock AgentCore を活用し、Baz が AI エージェントのコードレビュー精度を向上させた方法
Baz は開発者と製品要件の乖離により手動レビューが非効率だった課題に対し、Amazon Bedrock AgentCore を導入。これにより機能要件や設計意図への適合性を自動検証可能となり、納期短縮と品質の一貫性向上を実現した。
AgentCore Gateway を用いた MCP クライアント向けの安全な認証コードフロー構築
AWS は、Kiro などのエージェント型コーディングアシスタントと企業システム間での安全なアクセスを実現するため、AgentCore Gateway を活用した認証コードフローの構築方法を公開しました。
Amazon Bedrock AgentCore のアイデンティティ設定で AWS Secrets Manager のシークレットを参照可能に
AWS は、Amazon Bedrock AgentCore のアイデンティティ機能において、AWS Secrets Manager に保存された機密情報を直接参照できる機能を公開した。これにより、AI エージェントが外部 API を呼び出す際、コードへのハードコーディングやプロンプトでの露出を防ぎつつ、実行時に安全に認証情報を取得できるようになる。
Amazon Quick を活用した希少がん研究の変革：生体医学データベースの統合による画期的発見
AWS は、Amazon Quick を用いてゲノム解析や臨床試験データなど多様な生体医学データベースを統合する手法を発表し、従来の数週間かかる分析準備を大幅に短縮した。
Amazon Bedrock で OpenAI のモデルと Codex が一般利用可能に
AWS は、GPT-5.5、GPT-5.4、および Codex を Amazon Bedrock 上で一般提供開始した。これにより、開発者は同社の高性能推論エンジンを用いて、これらの AI モデルを本番環境のアプリケーションやエージェントへ即時にデプロイできるようになった。
Amazon Bedrock AgentCore Gateway の MCP サポート拡張
AWS は、企業向けに Amazon Bedrock AgentCore Gateway で Model Context Protocol（MCP）サーバーの運用を支援する機能を強化しました。これにより、大規模環境での細粒度アクセス制御、ツール利用状況の可視化、データ漏洩防止、および集中型認証管理が可能になります。
Amazon Bedrock AgentCore Gateway でポリシーと Lambda インターセプタを用いた AI エージェントのセキュリティ強化
AWS は、組織規模で展開される多数の AI エージェントが数千種類のツールに安全にアクセスできるよう、Amazon Bedrock AgentCore Gateway にポリシー機能と Lambda インターセプタを追加したと発表した。
Amazon Bedrock AgentCore を用いた、組み込みのガードレールによる安全なエージェント決済の実現
AWS は、エージェントが支払いが必要なツールやウェブリソースを利用する際に取引を完了できるよう、Amazon Bedrock AgentCore 決済機能を発表した。この新機能により、エージェントは安全なガードレール内で自動決済を実行可能となる。
Amazon Bedrock AgentCore を用いた大規模なエージェント AI の運用管理「AgentOps」の紹介
AWS は、予測不能な意思決定やコスト増などの課題に対応するため、Amazon Bedrock AgentCore に基づく「AgentOps」を公開し、大規模なエージェント AI の運用管理手法を提供した。
Amazon FSx for LustreとTurboQuantによるGPUDirect活用でLLMの読み込み加速とコンテキストウィンドウ拡大
AWSは、GPUの高帯域メモリへの大規模言語モデル（LLM）読み込み時間の短縮とコンテキストウィンドウの拡大を実現する技術として、Amazon FSx for LustreとTurboQuantをGPUDirectと組み合わせて活用する方法を発表した。
MCP を活用した時系列データベースとの Amazon Quick 統合による市場インテリジェンスの強化
Amazon は、Model Context Protocol（MCP）を Amazon Quick に統合し、金融アナリストが複雑なデータベースクエリを実行せずに時系列市場データにアクセスできる機能を追加しました。これにより、高頻度取引パターンの分析効率が向上します。
Amazon SageMaker AI LLM推論における包括的な観測可能性：GPU利用率からLLM品質まで
AWSは、大規模言語モデル（LLM）をAmazon SageMaker AI Inferenceでスケール展開する際、従来のソフトウェアとは異なる不確実な出力に対応するため、GPU利用率やLLMの品質変化を追跡する包括的な観測可能性の重要性について解説した。
Amazon SageMaker AI でアゼルバイジャン語の言語モデルをトレーニングする手法
AWS は、PyTorch や Hugging Face Transformers などのオープンソースツールを活用し、Azercell Telecom と共同でアゼルバイジャン語対応の言語モデルを Amazon SageMaker AI 上で構築・トレーニングするソリューションを発表した。
埋め込み型 Amazon SageMaker AI MLflow アプリをカスタムポータルに構築する方法
AWS は、大規模な機械学習チーム向けに、SSO を統合した内部ポータルへ Amazon SageMaker AI の MLflow アプリを安全かつスケーラブルに埋め込む手法を発表しました。
REST API プロキシを用いたAmazon SageMaker MLflowへの外部アクセスの簡素化
AWSは、既存のHTTPSベースのインフラ要件に対応するため、REST APIプロキシを使用してAmazon SageMaker MLflowへの外部アクセスを容易にする機能を発表した。
AWS上のLangSmithを用いたディープエージェントの評価方法
AWSとパートナーのランチェーンが共同で、非確定的なAIエージェントの動作を検証する手法を公開した。これは本番環境への展開前にエラーを早期に発見し、ワークフロー全体への悪影響を防ぐための評価フレームワークである。
Amazon Bedrock AgentCore のデータセット管理機能を活用し、エージェントの成長に合わせて拡張可能なテストスイートを構築する方法
AWS は Amazon Bedrock AgentCore の新機能として、バージョン管理されたテストケースをデータセットとして管理する機能を公開した。これにより、オンライン信号とオフライン基準を組み合わせた評価が可能となり、エージェントの時間経過に伴う改善を正確に把握できる。
Claude Opus 4.8 が AWS で利用可能に
AWS は、Anthropic の最新モデル「Claude Opus 4.8」を Amazon Bedrock および「Claude Platform on AWS」で提供開始した。この新モデルは、生産環境でのワークフローやエージェント型コーディングにおいて改善をもたらす。
Amazon Quick と Snowflake Cortex AI を活用した AML アラート自動選別
AWS と Snowflake を利用する金融機関向けに、両社の統合フレームワークにより、AML（マネーロンダリング）アラートの選別を自動化する仕組みが紹介された。
Amazon Bedrock AgentCore を活用したビジネスサポート用 AI エージェントの構築
AWS は、Works Human Intelligence が日本企業の人事システム「COMPANY」で導入する事例を共有し、Amazon Bedrock AgentCore を使用して業務支援用の AI エージェントを構築する方法を紹介している。
データ過多から実行可能な洞察へ：Verizon Connect がエージェント型 AI を 10 万人規模にスケーリングした方法
AWS Machine Learning Blog は、Verizon Connect チームが車両管理における大量データの処理課題に対し、エージェント型 AI を導入して 10 万人のユーザーで活用している事例を紹介しています。