Amazon Web Services ブログ
第 9 回 AWS ジャパン 生成 AI Frontier Meetup ~学びと繋がりの場~【開催報告】
アマゾン ウェブ サービス ジャパン(以下、AWS ジャパン)が実施する「生成 AI 実用化推進プログラム」は、生成 AI の活用を支援する取り組みです。お客様のニーズに合わせ、公開モデルによるビジネス課題解決を狙う方向けの「モデル活用コース」、カスタムモデルによる課題解決に取り組む方向けの「モデルカスタマイズコース」、フィジカル AI 開発に取り組む方向けの「フィジカル AI 開発支援コース」をご用意しております。
その「生成 AI 実用化推進プログラム」の参加者や、GENIAC(Generative AI Accelerator Challenge)の関係者、生成 AI に関心を持つ企業が一堂に会する「生成 AI Frontier Meetup」が、2026 年 11 月 10 日に開催されました。2024 年 11 月の第 1 回、2025 年 2 月の第 2 回、2025 年 4 月の第 3 回、2025 年 8 月の第 4 回、2025 年 11 月の第 5 回、2026 年 2 月の第 6 回、2026 年 5 月の第 7 回、2026 年 8 月の第 8 回に続き、今回が第 9 回となります。本記事では、イベントの模様をレポートします。
本イベントの司会進行は、AWS ジャパン 戦略事業開発本部 プリンシパル 戦略事業開発マネージャー 塚本 陽子が務め、全体を通じて登壇者の紹介やセッションの案内を行いました。
開会のご挨拶
イベントの冒頭では、AWS ジャパン プリンシパル スタートアップ ソリューションアーキテクト 針原 佳貴が開会の挨拶を行いました。
針原は、生成 AI の活用が各種の事業領域へ広がっていることに触れた後、AWS ジャパンの支援の歩みを振り返りました。2023 年に国産の基盤モデル開発を支援する「LLM 開発支援プログラム」を立ち上げ、2024 年からは利活用の促進にもスコープを広げて「生成 AI 実用化推進プログラム」を提供開始しました。
さらに 2026 年 1 月、ロボットなどの開発を対象とする「フィジカル AI 開発支援プログラム」を発表しました。針原は、本プログラムの第 2 期の参加企業を 2026 年 11 月末まで募集していることを紹介。同プログラムでは、データの集め方や計算リソースの確保、モデル開発の進め方といった技術支援に加え、コストの最適化や勉強会なども提供していると述べ、業務でのフィジカル AI 活用を検討している企業に応募を呼びかけました。
AWS セッション
AWS セッションでは、ゲストスピーカーである OpenAI Japan Account Director 中野 武重 氏(写真上)が登壇。AWS ジャパン サービス & テクノロジー事業統括本部 AI/ML Specialist 竹内 大祐(写真下)をモデレーターに、AI 活用とセキュリティへの対応をテーマとした対談が行われました。
冒頭では竹内が、AWS と OpenAI 社の戦略的パートナーシップについて説明しました。2026 年からは、モデルを OpenAI 社が、インフラを AWS が担う形で、両社が連携して顧客を支援しています。AWS は、カスタムチップの AWS Trainium や Amazon Bedrock を通じて OpenAI 社のモデルを提供してきたほか、両社で共同開発したマネージドサービス Amazon Bedrock Managed Agents, powered by OpenAI も提供しています。さらに、ChatGPT Enterprise を AWS Marketplace から購入できるようになったことを発表しました。
続いて中野 氏が「今日から使いこなす ChatGPT Work 入門」と題し、調査・分析から成果物作成までの統合的な業務支援を行うツール ChatGPT Work を紹介しました。OpenAI 社内では、AI ツールの利用量に占めるエージェントのトークンの割合が、財務・法務では 2026 年 1 月時点の 1〜2% から 6 月には約 90% に、営業では 96% にまで高まったといいます。
この伸びを後押ししたのが、ChatGPT Work の機能の向上と、業務や部署ごとに開発したプラグインだと説明しました。プラグインは、各種外部ツールと AI をつなぐコネクターと、仕事の型であるスキルを組み合わせたものです。
中野 氏はこのほか、ウェブサイトや軽量アプリを Codex で作成し共有できる ChatGPT Sites や、会話していない間もバックグラウンドで自律的に作業を続ける、常時稼働型の AI エージェント ChatGPT Dots などの機能も紹介しました。
セッション内では、AI エージェント発展の今後のビジョンやセキュリティのあり方についても言及されました。最後に竹内は、OpenAI 社の AI サービスを AWS から提供する意義について総括。ChatGPT Enterprise などの利用料を AWS の請求に統合できる Unified Billing や、両社が一体となって顧客を支援する体制を挙げ、セッションを締めくくりました。
カスタマー事例
ここからは、生成 AI 実用化推進プログラムに参加する各社の代表者が登壇し、自社の取り組みを紹介しました。AWS ジャパン サービス & テクノロジー事業統括本部 AI Specialist SAの鯨田 連也(写真左)と Senior GenAI / Agentic AI Sales Manager の官能 翔一(写真右)がモデレーターを務め、登壇者に質問を投げかけつつ進行しました。
株式会社ディー・エヌ・エーの田中 誠也 氏(写真左)と酒井 勝洋 氏(写真右)は、「AI社員の外部システム連携を支える Amazon Bedrock AgentCore」と題して発表しました。
同社では、AI 活用の取り組みの 1 つとして「AI社員」を社内に展開しています。AI社員は、各部署に配置されるマルチテナント構成の常駐型エージェントです。いつ依頼しても応答でき、定期実行の業務も任せられます。同社は AI社員を組織のメンバーと位置づけ、部署に配属して複数人で利用することで、業務改善につなげ、組織にナレッジを残すことを目指しています。社内利用のみならず、外販も行っています。
AI社員に求められる要件として、AI社員ごとに独立して永続化された実行環境を用意すること、その実行環境に認証情報を置かないこと、外部システムへのアクセスログを保存できることの 3 点を挙げました。
実行環境に認証情報を置かないためには、リモート MCP サーバーの利用がほぼ必須になります。同社は OSS のセルフホストとマネージドサービスを比較したうえで、管理やサーバーのコストの面から、外部接続のゲートウェイとして Amazon Bedrock AgentCore Gateway を採用しました。AI社員の実行環境から IAM 認証で AgentCore Gateway を呼び出し、外部の SaaS や社内システムに接続する構成です。工夫した点として、Amazon EC2 のインスタンスプロファイルを使ったキーレス認証と、AI社員ごとに AgentCore Gateway を分けて外部への認証情報を分離したことを挙げました。
運用を進める中で、「AI社員にブラウザを操作させたい」という要望が社内から出てきたため、同社は Amazon Bedrock AgentCore Browser を採用しました。フルマネージドのサーバーレスで運用の手間がかからないことに加え、ログやトレース、画面録画を保存できるため、ガバナンスを担保しやすいことが導入の決め手になったといいます。
今後は、AgentCore から取得したログをもとにした異常検知や、よりきめ細やかな権限制御、配属先に合わせて AgentCore Gateway の接続先をセルフサービスで設定できる仕組みづくりを目指しています。
株式会社電通総研 技術統括本部 クロスイノベーション本部 リーディングエッジテクノロジーセンター 部長の水野 和大 氏は、人による確認、根拠の追跡、継続的な評価を開発・運用のサイクルにどう組み込むかをテーマに、2 つの製品を例に挙げて、生成 AI 時代のソリューション開発について発表しました。
1 つ目の製品は、安全保障貿易管理の該非判定を支援する「GREENLIGHT」です。該非判定とは、輸出する貨物や技術が規制の対象に当たるかを膨大な法令と照らし合わせて確認する業務。食品以外のほぼすべての製品に加え、製造方法などの無形の技術も対象になります。従来の該非判定では、ベテランの暗黙知に頼りがちなことや、1 件の判定に 3 営業日ほどかかること、判定の根拠や承認の履歴が複数の文書やシステムに分散し、後から確認しにくいことが課題でした。「GREENLIGHT」は、こうした業務を AI で効率化します。
「GREENLIGHT」では、判定対象の特定と該非判定のそれぞれで AI が下書きを作り、判定実務者が編集・確定してから次の工程に進む Human-in-the-Loop の設計を採用しました。すべての品目の判定を終えると、承認者による承認に回ります。判定の根拠は、パラメータごとに規制値と資料から抽出した値、その出典を並べて示し、値が規格に基づくものか AI の推測かも表示して、担当者がたどれるようにしました。法令の版ごとにナレッジベースを分けて管理しており、AI の出力が毎回同じになるとは限らないことを前提に、実行したモデルと参照した法令の版をサーバーサイドで記録し、後から履歴を追えるようにしています。
「GREENLIGHT」の基盤には Amazon Bedrock を採用しました。エンタープライズの顧客が多い同社にとって、入力したデータが学習に使用されないことや、プライベートネットワーク内で接続できることは大きな利点でした。また、Amazon Bedrock Knowledge Bases と Amazon S3 Vectors で法令の版ごとの検索基盤をマネージドかつ低コストに用意できることや、機能ごとにモデルを選べる点も評価しました。
2 つ目の製品は、企業の視点と世の中の潮流を掛け合わせて、AI エージェントが網羅的な未来シナリオを生成する「未来望遠鏡」です。1 度に数百件のシナリオを生成するため、Amazon SQS と最大 6 並列のワーカーによる非同期のジョブキューで処理し、Amazon Bedrock AgentCore Runtime で実行しています。水野 氏は、エージェントのインフラ構築の手間が減ることに加え、オートスケーリングが標準で備わっている点を AgentCore の利点に挙げました。600〜900 件ほどのシナリオを並行して生成した際も、問題なく処理できたといいます。
株式会社カケハシ SRE の小野田 卓 氏は、Claude Enterprise の導入にあたって取り組んだ、AI ツールのコストの可視化と管理について紹介しました。
同社は、エンジニアだけでなくビジネス部門や管理部門でも AI を積極的に使っていく方針を打ち出しました。チームプランの上限である 150 名を超える利用が見込まれたことから、Claude Enterprise の導入を決めたといいます。SSO に利用している Okta と SCIM で連携でき、アカウント管理の手間を減らせることも導入の後押しになりました。一方で、サブスクリプション型のチームプランと異なり、エンタープライズプランは完全な従量課金制です。企業全体としてのコスト最適化を行う必要がありました。
そこでまず取り組んだのが、コストの可視化です。Claude の前日の利用金額と当月の累計額を、毎日 Slack に通知しています。通知の仕組みは、Amazon EventBridge で 1 日 1 回処理を起動し、Claude の Analytics API から利用状況を取得して、AWS Lambda で整形してから Slack に投稿するシンプルなアーキテクチャです。通知の内容が普段の利用傾向と異なる場合は、管理者が Datadog で原因を詳しく調べます。
もう 1 つの取り組みは、コストの管理です。属性ごとにユーザーのグループを作り、それぞれに利用上限を割り振っています。ただし、業務が立て込んだ利用者が上限に達して AI を使えなくなる事態を避けるため、Slack ワークフローから上限緩和を申請できる仕組みを用意しました。申請が届くと、ワークフローが Google スプレッドシートで管理している予算の残高と照合します。残高内に収まれば、上長や金額に応じた上位の職責者の承認を経て、上限の引き上げまでが自動で進みます。
上限緩和の申請で当月の累計額が一定を超えた利用者には、緩和の手続きが終わった後に、社内で独自に用意した「アドバイザー」機能が起動します。Analytics API の情報をもとに申請者の利用傾向を分析して伝えるとともに、手元の利用状況をさらに掘り下げるための調査用プロンプトを渡します。申請者がこのプロンプトを Claude Code に貼り付けると、改善できる点が CLAUDE.md への追記案として示され、本人が承認すれば反映されます。利用者がなるべく意識しなくても、より良い使い方が定着するようにしています。
最後に小野田 氏は、コストを常に意識しなければならない状態は、管理する側にも利用する側にも負担になると指摘。仕組みを作り、その運用フローに乗るだけで利用者がコストを意識せずに使える状態にしておくことが大切だと締めくくりました。
学校法人藤田学園 藤田医科大学 CTO、理事長補佐の森川 富昭 氏は、医療機関としての AI との向き合い方を、学内で開発を進めるシステムとともに紹介しました。
医療に限らず多くの組織が抱える問題として、森川 氏は、さまざまな人がそれぞれに仕組みを作った結果、システムの全体像を統合して把握できない事態が起きうることを挙げました。そこで同大学は、学内にアーキテクトを置いて標準化を進め、データを管理・活用する基盤「MIG(Medical Intelligent Gateway)」を構築しました。この「MIG」を中心としてサービスを生み出す取り組みを「F-ANDY」として展開しています。
さまざまなサービスを高速に開発するには、LLM の活用が欠かせません。そして、開発したものを無秩序に散在させず、本番環境で安全に運用するためには、標準化されたプラットフォームを用意する必要があります。そこで同大学のチームでは、ステージングを経て本番に移行できる環境や、コンテナでソフトウェアを管理する仕組みを自前で構築しました。この基盤に採用したのが Red Hat OpenShift Service on AWS です。
こうした安全な土台を整えたうえで、チームは FDE(Forward Deployed Engineer)として現場に入り、要件定義から実装までを一貫して担っています。
その成果の 1 つが、レセプト(診療報酬明細書)のチェックです。同大学の病院ではこの業務に 150 人が携わっています。これまで Excel やマクロ、チェックシステムで行ってきた作業を、「F-ANDY」の仕組みで代替できるところまで作り込んでいるといいます。
もう 1 つが、セキュリティを守る「F-ANDY Guard」です。AI を使った外部からの攻撃が容易になる中、アイデンティティからデバイス、ネットワーク、アプリケーション、データまで、内部から守る設計が重要になっています。新たな脆弱性が公開されると、「F-ANDY Guard」は複数の情報源をもとにシステムのどこが影響を受けるかをすぐに特定し、対処につなげます。
森川 氏は、医療機関として果たすべき役割を見据えながら、今後も「F-ANDY」を拡張していきたいと展望を述べました。
フィジカル AI 開発支援プログラム 採択企業の事例
今回から、「フィジカル AI 開発支援プログラム by AWS ジャパン」の第 1 期に参加した企業が事例を発表する枠も設けられました。
同社の工場では、個々の工程の自動化は進んでいる一方で、工程の間で物を運んだり部品を補充したりする作業は、まだ自動化できていない部分が多いといいます。そこで同社が目指すのが、1 台のロボットが現場を見て指示を理解し、仕分けや組み立てなどの複数の作業をこなす「多能工」のロボットです。
ロボットの制御には、画像と言語の入力をもとにして、モーターをどれだけ動かすかといった制御指令値(アクション)を出力する VLA(Vision-Language-Action)モデルが使われます。ただし VLA では、ロボットのハードウェア構成ごとにデータを集めて学習し直す必要があります。片腕から双腕、ヒューマノイドへと構成が変われば、予測すべき制御指令値の次元も増えていきます。異なるロボット間のデータを再利用できず、ロボット毎にデータセット構築・学習が必要になるため、時間やコスト面で非効率であることが、VLA の課題の一つです。
この課題に対して同社が今回のプログラムで取り組んだのが、LAM(Latent Action Model)の開発です。人やロボットがさまざまな作業をしている動画から、動作を抽象的な共通の表現に圧縮して学習し、その表現を予測するように VLM を学習させます。最後にハードウェアごとの調整を加えることで、同じベースモデルからさまざまな構成のロボットを動かせるようにする狙いです。
学習には、GPU を 8 基搭載した Amazon EC2 P5 インスタンス 5 ノード(計 40 基の GPU)の環境を構築しました。LAM の学習から VLA の学習までの 1 試行を約 4 日で終えられるようになり、モデルの改良を週 1 回のサイクルで回せる体制を整えたといいます。
評価は主にシミュレーション環境で行いました。実験室の環境を 3D 空間生成サービスの Marble で 3D モデル化し、台車などの物体も 3D アセット生成サービスの Tripo AI でアセット化したうえで、ロボットのシミュレーターとして定番の Isaac Sim 上で検証しました。
低コストな卓上ロボットアームの SO-ARM 101、小型ヒューマノイドの Unitree G1、6 軸協働ロボットアームの UR3 という 3 つの構成を同じアーキテクチャのモデルで動かし、物体を台車のケースに入れるタスクをこなせることを確認。ヒューマノイドの実機でも動作を確かめました。ベンチマークでも、すべての構成で LAM ありが LAM なしを上回ったほか、LAM を使った 2B のモデルが、LAM なしの 7B のモデルと同水準の性能を達成したといいます。
すでに同社の御殿場工場では、音声で指示を出すとヒューマノイドが来客に展示物を案内する取り組みが動いています。最後に金箱 氏は、フィジカル AI の進め方に悩む企業に向けた伴走支援サービスも紹介しました。
Woven by Toyota Head of AI, Chief Software Engineer の Quan Kong 氏は、同社が開発する大規模マルチモーダル基盤モデル「Woven City AI Vision Engine」の取り組みを紹介しました。
Kong 氏が携わる Woven City は、人やモノ、情報、エネルギーのモビリティを実証するテストコースと位置づけられた、実際の街のプロジェクトです。本プロジェクトにおいて、Kong 氏は映像を理解する VLM の研究・開発に取り組んでいます。この技術は、ロボットや車にとどまらず、さまざまな領域に応用できます。たとえば街のセキュリティカメラとつなげば安全・安心のためのサービスや異常検知に、車載カメラとつなげば車内のサービスや周辺道路の理解に、工場のカメラとつなげば作業者の行動の理解に使えるといいます。
同社は、「Woven City AI Vision Engine」の 1.0 を 2026 年の初めにリリースしました。2.0 は、クラウド・オンプレミス向け、エッジ・車載向け、大規模処理向けとモデルのサイズを分け、2026 年中に順次展開を進めています。特徴は、映像の時間と空間を理解する力です。2.0 では、映像内の物体や人物を検知・追跡するグラウンディングの機能が加わったほか、推論の機能も強化されました。
性能面では、Visual Intelligence に関する 12 の主要なベンチマークで、既存の他社VLM を上回るトップレベルの性能を示したといいます。1.0 と比べても、映像内の時間と空間から対象を特定する Video Grounding で 38%、Visual Reasoning で 48% 性能が向上しました。なお 1.0 は、GENIAC 第 2 期でモデル賞を受賞したモデルです。
今後に向けては、人がプロンプトを書いて AI が応答する受け身のやり取りではなく、映像そのものをプロンプトとして AI が自律的に動くストリーミング VLM も開発しています。たとえば作業手順をタスクとして最初に定義しておけば、AI が映像を監視し続け、各工程が正しく行われているかを人の指示なしに確認します。工場や化学プラント、施設のセキュリティ、小売、建設など、利用範囲を広げていく考えです。
「Woven City AI Vision Engine」の 1.0 はすでに AWS Marketplace で SDK として提供されており、2.0 も近く展開される予定です。Kong 氏は、モデルの学習やテスト、開発にも AWS のクラスターを大規模に活用しているとし、さまざまな場面で AWS と連携していると語りました。
登壇者の方々
クロージング
クロージングでは塚本より、次回の第 10 回「生成 AI Frontier Meetup」を 2027 年 2 月 17 日に開催予定であることを説明しました。加えて、今後予定されているイベントについても案内しました。
2026 年 11 月 30 日(月)から 12 月 4 日(金)まで、米国・ラスベガスで開催。AWS が主催するグローバルなクラウドコンピューティングコミュニティのための「学習型カンファレンス」です。世界中のクラウドコミュニティがここに集い、未来を共に築き上げます。1 週間にわたるイベント期間中、画期的な基調講演、ハンズオンの技術セッション、対話形式の学習機会を通じて、クラウドのパイオニアや革新者たちが、クラウド移行から生成 AI に至るまで、世界を変える画期的なソリューションを生み出します。
2026 年 AWS re:Invent 速報(AWS Black Belt Online Seminar)
2026 年 12 月 4 日(金)12:00〜13:00 にオンラインで開催。AWS re:Invent 2026 で発表された新サービスや新機能を、1 時間に凝縮して紹介します。
また、フィジカル AI 開発支援プログラム第2期の申し込みを2026 年 11 月 30 日(月)まで受け付けていることを紹介しました。
参加者交流会の様子
セッション終了後の交流会では、各セッションで取り上げられたテーマをきっかけに、参加者同士が意見を交わし、知見を共有しました。登壇者に直接質問する参加者の姿も見られ、業界や立場を越えて「学びと繋がり」を深める本イベントらしい場となりました。
会場内には、技術的な相談に応じる「Ask an Expert」コーナーや、各種の疑問を気軽に相談できる「よろず相談」コーナーも設けられ、AWS ジャパンのメンバーが参加者の方々の質問に回答いたしました。
おわりに
第 9 回を迎えた本イベントでは、各社が生成 AI を業務で活用するための実践的な取り組みを共有しました。今回から加わったフィジカル AI 開発支援プログラムの事例では、AI の活用が工場や街といった現実の現場へ広がりつつあることがうかがえました。AWS ジャパンは、今後もコミュニティの活性化や技術支援を通じて企業の生成 AI 活用を後押しし、その実用化と発展に貢献してまいります。












