Amazon Web Services ブログ

Category: Amazon Bedrock AgentCore

BMW Group が AWS 上のエージェンティック検索でペタバイト規模のデータからインサイトを引き出す

BMW Group が AWS 上でエージェント検索ソリューションを構築し、ペタバイト規模のデータからインサイトを引き出す取り組みを紹介します。同社の Cloud Data Hub は 20 PB のデータを保存し、1 日平均 110 TB を取り込んでいますが、従来は専門知識がないユーザーにとってデータ分析が困難でした。AWS Professional Services と協力し、Amazon S3 Vectors、Amazon Bedrock、Strands Agents を組み合わせたソリューションを開発。ハイブリッド検索、網羅的検索、SQL クエリの 3 つのアプローチにより、技術スキルに関係なく自然言語でデータにアクセス可能になりました。サーバーレスアーキテクチャによりコスト効率も実現しています 。

エンタープライズにおける AI エージェント: Amazon Bedrock AgentCore を活用したベストプラクティス

本記事では、Amazon Bedrock AgentCore を活用してエンタープライズ向け AI エージェントを構築するための 9 つのベストプラクティスを紹介します。Amazon Bedrock AgentCore は、AI エージェントの作成、デプロイ、管理を大規模に行うために必要なサービスを提供するエージェンティックプラットフォームです。初期のスコーピングから組織全体へのスケーリングまで、すぐに実践できるガイダンスを幅広くカバーしています。

オブザーバビリティエージェントで平均復旧時間を短縮する

Amazon OpenSearch Service と Amazon Bedrock AgentCore を使用したオブザーバビリティエージェントを紹介します。ログ、トレース、メトリクスを自律的にクエリし、相関させることで、インシデント調査を効率化し、平均復旧時間 (MTTR) を短縮できます。

【開催報告】第9回鉄道技術展2025 AWS出展報告

2025年11月26日から29日の4日間、千葉県の幕張メッセにて「第9回鉄道技術展2025（Mass-Tran […]

Amazon.com カタログチームが Amazon Bedrock で自己学習型生成 AI を構築した方法

Amazon.com カタログチームは、Amazon Bedrock を使用して、精度を継続的に向上させながらコストを削減する自己学習システムを構築しました。複数の小規模モデルがコンセンサスを通じてルーチンケースを処理し、不一致が発生した場合にのみスーパーバイザーエージェントを呼び出すアーキテクチャにより、エラー率の継続的な低下を実現しています。

← Older posts