Category: Artificial Intelligence

当初から、私たちは Kiro を最高の AI コーディング体験を提供できるように構築してきました。それは、現在の最先端コーディングモデルを搭載し、高品質な出力を中心にすべてを構築することを意味していました。6 ヶ月前、私たちは Auto を導入しました。これは、フロンティアモデルと特化型モデルを組み合わせ、インテント検出、キャッシング、その他の最適化技術を重ねることで、パフォーマンス、効率性、出力品質に優れたバランスを提供するエージェントモードです。本日、Kiro にオープンウェイトモデルを追加し、IDE と CLI の両方で利用可能になりました。

Kiro CLI が Agent Client Protocol（ACP）をサポートしたことをお知らせします。これにより、Kiro の Agentic AI 機能を他の IDE から直接利用できるようになりました。現在 ACP をサポートしている IDE には、Eclipse、Emacs、JetBrains IDE、Neovim、Toad、Zed などがあります。私にとって、これは重要なワークフローの課題を解決するものです。

2026 年 2 月 2 日週に行われた注目のリリースとアップデートをご紹介します。これらはすべて、AWS で […]

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。

こんにちは、Amazon Connect ソリューションアーキテクトの梅田です。2025 年 11 月・ 12 […]

週刊生成AI with AWS、AI-DLCと実用化事例が充実の2026年2月3日週号 – 11社合同AI-DLC Unicorn Gymの開催報告、熊本中央病院様の生成AI環境構築事例を紹介。また、KiroでのOpus 4.6対応、AIを活用したゲーム制作、AWS DevOps Agent開発の教訓、オブザーバビリティエージェント、フィジカルAI、鉄道技術展出展報告などのブログ記事も。サービスアップデートではClaude Opus 4.6のBedrock対応、Structured Outputs、Browser Profiles、SageMaker JumpStartでの新モデル追加をはじめとする8件のアップデートを紹介。

Amazon は、Amazon Nova 基盤モデルを含む AI モデルおよびアプリケーションを対象としたプライベート AI バグバウンティプログラムを開始しました。このプログラムでは、セキュリティ研究者やパートナー大学の専門家と連携し、プロンプトインジェクションやジェイルブレイク、CBRN 関連の脅威の検出など重要な領域でモデルをテストします。参加者は有効な脆弱性の報告に対して 200 ドル から 25,000 ドル の報奨金を獲得でき、次世代の AI セキュリティ研究者の育成も目指しています。

今日の急速に進化するソフトウェア環境において、Java アプリケーションの保守とモダナイゼーションは、多くの組織が直面する重要な課題です。新しい Java バージョンがリリースされ、ベストプラクティスが進化するにつれて、効率的なコード変換の必要性がますます重要になっています。この記事では、Java アップグレード用の AWS Transform custom のすぐに使える変換を活用する方法について説明します。この記事の最後までに、変換プロセスを完全に制御しながら、これらの標準化された変換を使用して Java アプリケーションを効率的にモダナイズする方法を理解できるようになります。

AI を活用することで、ゲーム開発の初期段階でコンセプトをインタラクティブにし、数分でプレイ可能なプロトタイプを作成できます。AWS re:Invent 2025 で紹介する Agentic Arcade は、マルチエージェントオーケストレーション、プログラマティックアセット生成、セマンティック検索を組み合わせ、開発サイクルの早い段階で創造的な方向性を探索し検証する方法を示します。

オープンソースの Visual Asset Management System (VAMS) が NVIDIA Isaac Lab との統合により、ロボットアセット向けの GPU アクセラレーション強化学習に対応しました。このパイプラインでアセット管理ワークフローから直接 RL ポリシーのトレーニングと評価ができ、AWS Batch でスケーラブルな GPU コンピューティングを活用できます。