本文へ移動

#使い方・実践

今日 0 件

10月21日

水曜日
  1. Octave、Amazon Bedrock 上で安全なマルチテナント AI 基盤を構築した方法

    Octave は Amazon Bedrock 上で Cohere Embed v4 を用い、3 層のマルチテナント AI 基盤を構築し、ユースケースごとの展開時間を 50% 短縮した。この基盤は Reliance 品質管理システムに 2 億件規模の文書を組み込み、AgentCore Gateway による実行の分離と Amazon Bedrock Guardrails による入出力の二重フィルタリングで、テナントのデータが越境しないことを確保している。

  2. Amazon SageMaker HyperPodでGPT-OSS-20Bを微調整し多言語推論を実現

    GPT-OSS-20Bは50例の多言語推論テストで、目標言語で推論したのはわずか22%だった(英語100%、フランス語0%、ドイツ語10%、スペイン語0%、イタリア語0%)。チームはAmazon SageMaker HyperPod上でLoRAを用い、SFTとGRPOを組み合わせて微調整し、英語への偏りを是正した。結論として、SFTが主な役割を担い、GRPOは改善の余地がある場合にさらに最適化するもので、技術の選択は能力の差に合わせる必要がある。

  3. Java Champion 3名がGitHub Copilotで生産性を高める方法

    10年以上のJava経験を持つJava Champion 3名が、本番環境とオープンソースプロジェクトでGitHub Copilotを活用した実践を共有した。Vlad Mihalcea氏はCopilotにより数週間かかっていた機能開発を2日に短縮し、65本の記事でカスタムスキルを訓練して生成テキストを自身の文体に合わせた。

10月20日

火曜日
  1. VS Code で GitHub Copilot アプリのセッションを続ける方法

    GitHub Copilot アプリのセッションは VS Code で直接開くことができ、タスク、計画、会話のコンテキスト、およびセッションに対応する worktree とコード diff が保持される。VS Code では変更を一行ずつ確認し、手動で編集し、統合ターミナルでテストを実行し、さらに Copilot に質問を続けられる。完了後は変更をコミットし、セッションに関連する pull request にプッシュできる。

  2. AWS、vLLMで双方向KV転送によりマルチターンのエージェント負荷のTTFTを改善

    AWSはvLLMに双方向KV転送を実装し、decodeノードが後続のターンで計算済みのKVをprefillノードに返して再利用できるようにし、会話履歴の再計算を避けた。Amazon EC2 P5enインスタンスとEFAを用いた1P1D構成では、最長プロンプト時にQwen3-32BでTTFTが約1.6倍、zai-org/GLM-5-FP8で約3.3倍低下した。

  3. Deepgram、AWS Trainium で大規模音声 AI をどう最適化したか

    Deepgram は AWS と協力し、音声認識モデル Nova-3 を Trainium2 に移植した。コールセンター分析や医療文字起こしなどオフラインのバッチ処理が対象。最終構成では Amazon EC2 trn2.3xlarge インスタンス 1 台でモデルを 8 レプリカ動かし、1 ドル当たりの処理音声量は従来の計算基盤より 11%〜70% 多い。

10月17日

土曜日
  1. Amazon Bedrock AgentCore で AI エージェントの本番向け評価フレームワークを構築

    AWS のセールス・マーケティング・グローバルサービス(SMGS)運用チームは、Amazon Bedrock AgentCore Evaluations を基盤に、グローバル現場営業向けマルチエージェントシステムの評価フレームワークを構築した。各リリース前および本番環境で、回答が根拠に基づき正確かどうかを継続的に検証し、失敗の根本原因を追跡する。

10月15日

木曜日
  1. Amazon Bedrock AgentCore で自己改善型の文書処理システムを構築

    AWS は、Amazon Bedrock AgentCore を用いてエージェント型 IDP システムを構築する方法を紹介した。8 つの専用エージェントが認識と学習の 2 つのワークフローを構成し、新しい文書形式を自動で分類、抽出、検証、学習する。システムは 20 分以内にデプロイでき、新しい形式の文書は学習後に抽出指示をそのまま再利用でき、手動でのテンプレート設定は不要だ。

10月14日

水曜日
  1. Amazon SageMaker JumpStart でモデルをデプロイし評価する方法

    Amazon SageMaker JumpStart は事前学習済みモデルのカタログを提供しており、SageMaker Python SDK でモデルをデプロイし、サンプルプロンプトでレイテンシーと単一リクエストの生成速度をテストし、テスト完了後にエンドポイントを削除できる。2026 年、JumpStart は Model Hub での閲覧と事前設定済みエンドポイントのデプロイオプションを追加し、Hugging Face から SageMaker AI へのワンクリックデプロイにも対応した。

  2. Anchor Browser と AgentCore payments で自動支払い可能なエージェントを構築する方法

    AWS がチュートリアルを公開し、Anchor Browser と Amazon Bedrock AgentCore payments の統合方法を紹介。AI エージェントが HTTP 402 Payment Required に遭遇した際に x402 プロトコルの支払いを自動で完了し、タスクを続行できるようにする。

  3. マネージドエンタイトルメントで Amazon Bedrock のプライベート価格オファーを管理する方法

    Amazon Bedrock とマネージドエンタイトルメントを組み合わせると、企業は中央アカウントで AWS Marketplace のプライベート価格オファー(MPPO)を購読し、組織内の複数アカウントにアクセス権を配布できる。

10月13日

火曜日
  1. Amazon SageMaker AI における MoE カーネルエンジニアリング最適化の実践

    MoE モデルの decode 段階で M 次元が小さすぎるために Hopper GPU の利用率が低い問題に対し、AWS は Swap-AB 最適化を提案し、エキスパート出力次元 N=8192 を第一オペランドに引き上げた。H200 上で大規模 MoE モデルに 2~4% のエンドツーエンドスループット向上をもたらし、この最適化は vLLM 0.24.0 以降にマージ済みである。

10月10日

土曜日

10月9日

金曜日
  1. Ai2、GPU時間予算でクラスタスケジューリングを再構築した方法

    Ai2は従来の優先度ベースのスケジューラを、GPU時間予算、階層的な公平配分、タイムスライス契約を含む仕組みに置き換えた。これにより、各研究プロジェクトに割り当てるGPU時間の議論は、個別対応の運用業務から透明な行政的予算プロセスへと移行した。

10月8日

木曜日
  1. Cornerstone OnDemand、Amazon Bedrock でデータベース診断時間を 78% 短縮

    Cornerstone OnDemand は Amazon Bedrock と Strands Agents を基盤にマルチエージェントシステム Orion AI を構築し、データベース診断時間を 45 分から 10 分へと 78% 削減した。データベースのライフサイクル操作も 10 以上の手動ステップから 1 回の対話に圧縮し、冗長アラートの中央値は 65% 減少、SRE とデータチーム間の 15 分のレポート遅延はリアルタイムになった。3 人チームが 6 か月で納品した。

  2. agentic automation のビジネスケースをどう構築するか:「工数削減」を超えた ROI モデル

    AWS は agentic automation のビジネス価値を評価するための Agentic Value Model を提唱し、従来の RPA 時代の ROI モデルである「削減工数×人件費−構築コスト」が、例外処理、意思決定の質、変更への耐性、価値実現といった次元を見落としていると指摘した。このフレームワークは McKinsey の「1:3:5 モデル」を引用しており、agentic 技術に 1 ドル投資するごとに、プロセス再設計に 3 ドル、能力構築と定着に 5 ドルを費やす必要があるとしている。

10月7日

水曜日
  1. AgentCore と OpenClaw で文脈を理解する AI アシスタントを構築

    オープンソースのエージェントシステム OpenClaw と Amazon Bedrock AgentCore runtime を基盤に、永続的な記憶を持つ文脈認識型 AI アシスタントを構築できる。AgentCore memory は単発の会話を長期知識に変え、構造化メタデータによる検索にも対応する。

  2. Amazon Bedrock AgentCore、Managed Knowledge Base、Nova Sonic で音声旅行アシスタントを構築

    Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic、Amazon Bedrock Knowledge Bases を基盤に、航空会社のアプリに音声旅行アシスタントを構築できる。旅行者は音声で旅程を照会し、座席を変更し、食事の好みを更新し、有人オペレーターに転送できる。

  3. Amazon SageMaker HyperPod の管理とガバナンスのベストプラクティス

    AWS が Amazon SageMaker HyperPod の管理とガバナンスのベストプラクティスを公開した。組織、プロジェクト、クラスタ、ワークロードの4層の制御モデルを提示し、複数チームが加速コンピューティングクラスタを共有する際の権限と容量の区分けに用いる。

10月6日

火曜日
  1. LangChain と Amazon Bedrock Knowledge Bases によるエージェント検索の実践

    Amazon Bedrock Managed Knowledge Base にエージェント検索機能が追加された。AgenticRetrieveStream API を通じて複数部分からなる質問をサブクエリに分解して実行し、証拠が十分かどうかを判断し、不足していれば再検索する。langchain-aws パッケージはこの機能と標準の Retrieve API の両方を公開している。

  2. Amazon Quick のクロスアカウント資源移行を自動化し、監査可能にする方法

    Amazon Quick の資源のクロスアカウント移行はこれまで手動での再構築しかできなかった。AWS は Amazon Bedrock AgentCore ベースの MCP サーバー Quick Resource Migrator を発表し、Amazon Quick API を通じて agent、action connector、ナレッジベース、flow、space のクロスアカウント移行を一度に完了できるようにした。

10月3日

土曜日
  1. Amazon Quick と Adjudicated Query パターンで数千件のリース契約のコンプライアンスを一括検証

    AWS は Adjudicated Query という設計パターンを提案した。業務ユーザーが Amazon Quick のチャット画面でコンプライアンス上の質問をし、実際の判定は決定論的ルールエンジンが行い、モデルは自然言語を固定型の操作呼び出しに変換して結果を言い直す役割だけを担う。このパターンは完全性レシートによって「スキャン済み = 適合 + 違反 + 保留 + 判読不能」を保証し、バージョン管理されたルールデータで事後監査の追跡を可能にする。リース契約のコンプライアンス、制裁スクリーニング、保険金請求などの高リスク領域に適する。

10月2日

金曜日
  1. AIが開発者の働き方を変える中、GitHubが強化すべき3つのスキルを提示

    GitHubはAI時代に開発者が強化すべき3つのスキルを提唱した。AIエージェントをただ使うのではなく指揮することを学ぶ、AIの最初の回答を安易に信じない、AIで節約した時間をより大きな問題の解決に充てる、の3点である。記事ではGitHub Copilot内蔵のRubber Duck agentを例に挙げ、2つ目のモデルが計画・コード・テストを批判的にレビューすることで、最初のモデルが見落とした問題を発見できると説明している。

  2. AutoSynthData:企業の AI エージェント向けに訓練データを生成

    ServiceNow CoreAI は AutoSynthData を構築した。対象モデルの失敗事例と、より強力な教師モデルの成功軌跡を利用して能力のギャップを特定し、後訓練用の新しいタスクを生成・検証する。カリキュラムはモデルの進歩に応じて、依然として難しいタスクへと動的に移行する。このパイプラインは EnterpriseOps Gym 環境で実演され、タスクはシステム仕様、ユーザープロンプト、検証器の三つで構成され、実現可能性、現実性、難易度の要件を満たす必要がある。