本文へ移動

#エージェント

今日 0 件

10月8日

木曜日
  1. Qlik は Amazon Bedrock でどのように企業向けの信頼できる AI を構築したか

    Qlik は Amazon Bedrock を基盤に Qlik Answers を構築し、世界 4 万社超の顧客に出典引用付きのエンタープライズ向け Q&A を提供している。2026 年 2 月の正式提供開始以来、Discovery Agent は顧客のために 10 万件超の異常と外れ値を発見した。

  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. OpenAIとIronclad、AIエージェントのコンピュータ操作能力をどう進めるか

    OpenAIとIroncladは、複雑な契約ワークフローを対象にAIエージェントの訓練と評価を進め、専門業務向けのコンピュータ操作能力の向上を目指している。両社は契約プロセスをテストシナリオとして用い、実際の専門業務におけるAIエージェントの性能を探る。

  3. 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。

10月6日

火曜日
  1. GLM 5.3 が Amazon Bedrock で提供開始

    Z.ai の GLM 5.3 が Amazon Bedrock で提供開始された。753B パラメータの MoE モデルで、コーディングと長時間のエージェントタスク向け。フルマネージド API を通じてクロスリージョン推論、プロンプトキャッシュ、サービスティアを提供し、現在は条件を満たす企業顧客向けに公開されている。

  2. Google、エージェントのプライバシーとセキュリティに関する報告書を公開:文脈的完全性の観点から見る未解決・新興課題

    Googleは報告書「エージェントのプライバシーとセキュリティにおける未解決・新興課題:文脈的観点」を公開した。2025年末にニューヨークで開催されたCAPSワークショップで、学界と業界から50名以上が協力してまとめたもの。報告書は、エージェントが非構造化インターフェース、確率的な制御フロー、自律的な委任という3点で従来のソフトウェアと異なると指摘。Contextual Integrity理論を基盤に、リアルタイムでポリシーを生成する文脈ポリシーエンジンを構築し、システムサンドボックス、モデル推論、ユーザー制御の各層で協調して防御すべきだと主張している。

  3. Amazon Bedrock AgentCore でマルチエージェントシステムの説明可能性と有用性を評価する

    Amazon Bedrock AgentCore Evaluations は組み込み評価器とカスタム評価器に対応し、マルチエージェントシステムの正確性、タスク成功率、行動を測定でき、説明可能性を一級の評価軸として扱う。組み込み評価器は有用性、タスク成功、指示遵守などの汎用軸をカバーし、カスタム評価器は意思決定の根拠、データ引用、コストやサービスレベルなどのトレードオフを検証する。この機能はオンデマンドモードで開発ベンチマークや CI/CD ゲートに、オンラインモードで本番の継続監視とアラートに利用できる。

  4. 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。

  5. 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。

  6. Amazon SageMaker AI、aws-ai-ml スキルを公開——Kiro、Claude Code、Codex などコーディングエージェントに生成 AI 推論最適化機能を提供

    Amazon SageMaker AI は Agent Toolkit for AWS を通じて aws-ai-ml スキルを公開し、Kiro、Claude Code、Codex など MCP 対応のコーディングエージェントに推論最適化とベンチマークの機能を提供する。

10月4日

日曜日
  1. MicrosoftとHugging Face、ThinkingBoxを公開:データベースの最終状態でAIエージェントを採点

    Microsoft Copilot StudioチームとHugging FaceがThinkingBoxを共同公開した。隔離されたMCPツールセッションでエージェントを実行し、回答テキストやツール呼び出しの正当性ではなく、バックエンドの最終状態と副作用を実行可能なチェックで評価する。

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。

  3. Amazon Bedrock AgentCore 上でエージェント AI によるクラウド移行を拡張

    AWS Professional Services は Strands Agents SDK と Amazon Bedrock AgentCore を基に 4 エージェントパターンを構築し、アプリケーションごとの Infrastructure as Code(IaC)開発時間を 3〜4 週間から数分に短縮した。このパターンは 300 以上のアプリケーションを対象とする移行プロジェクトで検証された。

  4. Amazon Quick が Live Data in Apps を発表:AI が構築したアプリがガバナンス済みデータセットをリアルタイム照会

    Amazon Quick は、AI が構築した Quick Apps 向けに Live Data in Apps を発表した。アプリを開くたびにガバナンス済みの Quick Sight データセットをリアルタイムで照会し、構築時の静的スナップショットに依存しなくなる。SPICE と Direct Query の両データセットモードに対応し、照会は閲覧者の権限で実行され、既存の行レベル・列レベルのセキュリティルールが自動的に適用される。各閲覧者は初回利用時にデータセットごとの個別認可が必要で、匿名・公開アクセスには対応しない。

  5. Amazon Bedrock AgentCore で環境エージェントを構築:イベント駆動シグナルから human-in-the-loop ワークフローまで

    Amazon Bedrock AgentCore は「環境エージェント(ambient agent)」の構築に対応する。Amazon S3 のイベント通知、EventBridge ルール、Lambda トリガーなどのイベントストリームから直接起動し、ユーザーが会話を開始する必要はなく、複数のイベントを並行して処理できる。

10月1日

木曜日
  1. Google DeepMind、フロンティアモデル「Gemini 4 Argon」を発表

    Google DeepMindは新たなフロンティアモデル「Gemini 4 Argon」を発表した。まずFairwind Programの信頼できるサイバー防御担当者に開放し、その後開発者、企業、消費者向けに提供する。価格は入力100万トークンあたり2ドル、出力100万トークンあたり10ドルから。

9月30日

水曜日
  1. Amazon Bedrock AgentCore Runtime Instancesで複数エージェントの音楽制作パイプラインを構築

    AWSの公式ブログが、Amazon Bedrock AgentCore Runtime Instancesに3エージェントの音楽制作パイプラインを配置する例を紹介した。作曲エージェントはClaude Sonnet 4.6で音楽の制作要件を生成し、インスタンスのNVIDIA L4上でACE-Stepを実行して音声をレンダリングする。納品エージェントは共有ボリュームの.wavを読み、測定とDSP処理を行う。適合確認エージェントは独立して再測定し、楽曲ライブラリーとの和声的類似度を調べる。

  2. GPT-6.1 Sol、Amazon Bedrockで一般提供開始

    GPT-6.1 SolがAmazon Bedrockで一般提供され、エージェント型コーディング、コンピューター操作、日常の専門業務に向けて推論能力を強化した。OpenAIによると、DeepSWE v1.1でGPT-6 Astraの約5分の1のタスク単価で同等の成績を達成し、GPT-6 Solの最高成績を6.4ポイント上回った。

  3. Amazon Quickのプロンプト設計の基本ガイド

    Amazon Quickのプロンプト設計は自然言語の依頼に対するAI機能の回答品質を左右する。公式の2部構成シリーズの第1部は、コンポーネントに共通する原則と再利用できる枠組みを扱う。CRISPEは文脈と制約、役割と責任、意図と入力、手順と範囲などを含み、抽象的な説明より具体化、業務の文脈、例示が有効だと強調する。

9月29日

火曜日
  1. ProvenanceGuard:MCPエージェントの出所を考慮した事実確認

    Hugging FaceはMCPエージェント向けの生成後検証層ProvenanceGuardの論文を公開した。ツール出力の出所を保持し、「事実は正しいが帰属先が違う」情報源間の混同を検出する。医療エージェントの実際の281トレースで、専門家が阻止すべきと判断した139主張のうち138件を阻止した。出所識別の正確さは約86%で、4種類の検証器との比較で最高得点だった。

  2. Microsoft Research Asiaシンガポール研究所、設立1年で先端AI研究と人材育成を推進

    Microsoft初の東南アジア研究所であるMSRA – Singaporeは、設立以来1年間、次世代AIモデルとエージェントシステム、分野別AI、AIネイティブな研究実践、人材のエコシステムの4分野に注力した。シンガポールの医療関係者とマルチモーダル医療AIや自己進化する診断エージェントを研究し、EDBと2026年2月に物流・交通AIの幹部円卓会議を開催した。

9月28日

月曜日
  1. Amazon Nova ActとBedrock AgentCoreで合成監視を実現

    Amazon Nova ActとAmazon Bedrock AgentCoreを使うエージェント駆動の合成監視構成は、SeleniumやPlaywrightのDOMセレクタースクリプトを自然言語の動作指示で置き換える。マルチモーダルLLMが画面のスクリーンショットを読み、ログイン、注文、決済などの重要な手順を実行する。