Amazon Web Services ブログ

Category: Amazon Machine Learning

AgentCore Gateway の MCP サーバー統合による MCP アーキテクチャの変革

AI エージェントが大規模に利用されていく中で、独自の Model Context Protocol (MCP) サーバーを作成し、特定のユースケースやドメイン、組織の機能やチーム向けに AI エージェントをカスタマイズするケースが増えています。また、既存の MCP サーバーやオープンソースの MCP サーバーを AI ワークフロー用に統合する必要もあります。カスタムビルド、パブリック利用可能、オープンソースなどの様々な形態の MCP サーバーを、AI エージェントが容易に利用できる組織全体で統一されたインターフェースに効率的に統合する方法が必要です。

[対談記事] 「その AI の精度が 1% 上がったとき、顧客価値は？」 freee が語る、価値創出論と AI ネイティブ組織への変革

「スモールビジネスを、世界の主役に。」をミッションに掲げるフリー株式会社。創業時から「AI CFO」というビジョンを描いてきた同社は、LLM (Large Language Models、大規模言語モデル) 登場を機に、生成 AI を活用した AI ネイティブな組織への本格的な変革に乗り出した。技術選定、組織体制の構築、そして何より「成功基準」という独自のフレームワークを確立し、全社で AI 活用を推進。チャットサポートの解決率約 50% 向上、営業効率の劇的な改善、そして BPaaS (Business Process as a Service) 事業での構造改革など、着実に成果を積み重ねている。AI プロダクトマネージャーの木佐森氏に、その変革の全貌を聞いた。

顧客駆動のチームでAI 駆動の手綱を握る : ML Enablement Workshop による副作用の解消

Claude Code や Kiro といった AI 駆動の開発ツールや開発環境によりコーディングの生産性が飛躍的に高まっています。さらに、AI DLC をはじめとした開発方法論が AI の適用範囲を開発プロセス全体に広げることで、 “本番リリースまでの時間” は数倍に短縮されつつあります。その生産性向上に着目が集まる一方で、リリース速度が事業の成長を阻害するリスクが観測され始めています。技術的には本番環境に影響するバグが週次になるリスク、ビジネス的には十分に顧客の課題を解決しない機能が増え利用率が下がるリスクが挙げられます。Amazon の実践する「顧客に必要とされないものを作らない」製品開発プロセス Working Backwards は特に事業リスクを低減するのに役立ちます。本記事では、Working Backwards を「誰もが」実践できるよう、生成 AI を用い企画からモックの開発、データの収集から改善まで緻密にデザインされたプログラム ML Enablement Workshop と 20 社超の提供実績から得られたフィードバックを紹介します。

AWS を活用した公共部門向け大規模言語モデルの構築

このブログ記事では、公共部門での活用を想定したカスタム大規模言語モデル (LLM) の開発について、科学的アプローチと定量的な成果評価を軸に、そのライフサイクル全体を解説します。

仰星監査法人様の AWS 生成 AI 活用事例 ：株式会社 Sapeet 様支援のもと、Dify を用いて生成 AI アプリを構築し、機微な情報を扱えるセキュアな環境でクライアント情報の収集・環境分析調査時間の 87% 削減を実現

本ブログでは株式会社 Sapeet (以下：Sapeet) が開発・導入を支援した、仰星での社内生成 AI 基盤の概要とその中でどのように AWS のサービス群が活用されているかを紹介します。

← Older posts
Newer posts →