Category: Artificial Intelligence

Kiro のローンチ当初、ユーザーから最も要望の多かった「すべてのタスクを一括実行」機能を、私たちは意図的に実装しませんでした。エージェントが自律的に複数タスクを実行すると、失敗時の問題特定に多くの時間がかかるためです。過去数か月間、プロパティベーステスト（PBT）、LSP 診断、サブエージェントなど、バッチ実行を本当に安全にする基盤を構築してきました。本日リリースする「すべてのタスクを一括実行」機能は、各タスクの出力を厳格な検証プロセスで確認しながら、自動実行のスピードと信頼性を両立します。

本ブログは 株式会社デジナーレ 様と Amazon Web Services Japan 合同会社が共同で執筆 […]

週刊生成AI with AWS、充実の2026年1月12日週号 – 弥生様のAI-DLC実践、Dify Enterprise on AWSイベント、Kiro Meetup #5などの開催報告ブログを紹介。また、Amazon Nova Premierによるコード移行、AWS Transform for VMwareの新機能などのブログ記事も。サービスアップデートではAmazon Lexの音声認識改善、AWS Data ExportsのBedrock操作可視性向上、SageMaker HyperPodのクォータ検証機能など6件のアップデートを紹介。

このイベントは、AWS re:Invent 2025 でアップデートのあった Kiro の機能紹介と、お客様による Amazon Q Developer / Kiroの実践活用事例をテーマに実施しました。まずソリューションアーキテクトの稲田から Kiro の概要と AWS re:Invent 2025 前後で発表されたアップデートをご紹介しました。続いて、株式会社ゼンリンデータコム様、株式会社NTTドコモ様から Amazon Q Developer / Kiro の社内展開や活用方法の事例を共有していただきました。最後に株式会社リクルート様に AI-DLC の導入状況について発表していただきました。

AWS Security Incident Response に AI を活用した調査エージェントが追加されました。この新機能により、セキュリティイベント発生時の証拠収集と分析が自動化され、調査時間を大幅に短縮できます。調査エージェントは CloudTrail ログ、IAM 設定、EC2 インスタンス情報などを自動的に収集・相関付けし、包括的なタイムラインとサマリーを提示します。自然言語で調査内容を記述でき、必要に応じて AWS CIRT へのエスカレーションも可能です。

こんにちは！ アマゾン ウェブ サービス ジャパンのソリューションアーキテクト馬渕です。普段は交通業界のお客様 […]

AWS Transform for VMware に新しい AI 機能が追加され、VMware マイグレーションが大幅に強化されました。チャットベース操作、マルチアカウントサポート、動的な移行計画、Cisco ACI、Palo Alto、Fortinet を含む拡張ネットワークサポートにより、エンドツーエンドマイグレーションを効率化します。

本稿は弥生株式会社様と AWS Japan の共同執筆により、AI 駆動開発ライフサイクル（AI-DLC）Unicorn Gym の実践を通じて得られた学びと今後の取り組みをお伝えするものです。
2025年、生成 AI の台頭により開発現場は大きな変革期を迎えました。弥生株式会社でも AI ツールの導入を推進してきましたが、従来の開発手法と AI のポテンシャルをどう融合させるべきか、プロダクトごとに異なる環境の中で最適な手法を模索している段階にありました。こうした中、AWS が提唱する「AI 駆動開発ライフサイクル（AI-DLC）」が、開発プロセスを再定義する鍵になると考え、2025年12月10日から12日の3日間にわたって「AI-DLC Unicorn Gym」を AWS と共同で実施しました。本記事では、その実践から得られた学びを共有します。

このシリーズのパート1では、Amazon Q BusinessとAmazon Bedrockの力を組み合わせて、SAP Early Watch Reportsから実用的なインサイトを得る方法、およびBusiness Data Automationを使用したIntelligent Document ProcessingをSAPシステムの請求書データ処理に使用する方法を検討しました。この投稿では、Amazon Bedrock Knowledge Bases for Structured Dataを使用して、SAPデータに関する質問に自然言語形式で回答する方法を実演します。

本記事では、Kiro の仕様駆動開発ワークフローを使用したチャットアプリケーション開発において、プロパティベーステスト（PBT）が従来のテスト手法では発見困難なセキュリティバグをどのように発見したかをお伝えします。75 回目のテスト反復で __proto__ というプロバイダー名が JavaScript プロトタイプの誤った処理を露呈し、ランダム生成による体系的な入力空間の探索が、手動コードレビューや単体テストでは見逃されるエッジケースを効果的に発見できることを実例とともに紹介します。