Amazon Web Services ブログ

Category: Developer Tools

AI 時代に組織はどう変わるか — Jeff Barr が語る開発チームの未来と、三菱電機の挑戦

本記事は、三菱電機グループの社内 AWS ユーザーグループ「MAWS（Mitsubishi AWS User Group）」シリーズの第 3 弾です。第 1 弾では一人のエンジニアの小さな行動から 300 人を超えるコミュニティへと成長した誕生ストーリーを、第 2 弾では実務への展開や経営層との対話、次世代への継承といった MAWS の進化をお伝えしました。2026 年 3 月 6 日、755 名に成長した MAWS のリーダーたちが AWS Tokyo Executive Briefing Center に集まり、AWS VP / Chief Evangelist の Jeff Barr とのセッションが実現しました。Jeff の 23 年間の AWS での経験をもとに、AI 時代における開発組織の変化、生産性のパラダイムシフト、そして人材育成の課題について議論が交わされました。本記事では、セッションで共有されたインサイトと、MAWS メンバーとの対話から見えてきた AI 時代の組織変革の姿をお伝えします。

[資料公開 & 開催報告] Amazon Q Developer & Kiro Meetup #5 を開催しました

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。

AST を活用した Kiro の高精度なコード編集

エージェントが 1 つの関数を見つけるために何千行も読み込み、わずかなフォーマットの違いのせいで更新に失敗することは AI コーディングアシスタントを使っているすべての開発者が経験したことがあるでしょう。現在のアプローチはファイル全体を読み込み、完全一致の文字列マッチングを行いますが、トークンを大量に消費し、簡単に壊れてしまいます。私たちはより良いものを構築しました。

三菱電機のエンジニア 33 名が 3 日間で体感した AI 駆動開発の可能性 — AI-DLC Unicorn Gym 座談会

2026 年 1 月、三菱電機株式会社 電力システム製作所 電力 ICT センターで、 3 日間にわたる「AI-DLC Unicorn Gym」が開催されました。 AI 駆動開発ライフサイクル（AI-DLC）を組織的に体験する Unicorn Gym に、 33 名のエンジニアが参加。本記事では、運営を担当した電力 ICT センターの中村様が聞き手となり、実際に参加した増成様、相原様、小森様に体験を語っていただきました。

本ブログでは、Amazon ElastiCache の耐障害性テストを AWS Fault Injection Service（AWS FIS）を使って実施する方法をご紹介します。キャッシュが常に利用可能という前提でアプリケーションを構築していると、実際の障害発生時に予期せぬクラッシュが起きることがあります。この記事では、ElastiCache for Valkey クラスターのセットアップから、AWS FIS 実験テンプレートの作成、フェイルオーバー実験の実行、Amazon CloudWatch を使った結果の監視・分析まで、ステップバイステップで解説します。Multi-AZ 構成での自動フェイルオーバーの動作確認や、アプリケーションの接続処理・キャッシュミス時の挙動を検証する方法を学ぶことで、本番環境での障害に備えた堅牢なシステム設計に役立てることができます。

AWS Fault Injection Service を使用した Amazon ElastiCache の耐障害性テスト

本ブログでは、Amazon ElastiCache の耐障害性テストを AWS Fault Injection Service（AWS FIS）を使って実施する方法をご紹介します。キャッシュが常に利用可能という前提でアプリケーションを構築していると、実際の障害発生時に予期せぬクラッシュが起きることがあります。この記事では、ElastiCache for Valkey クラスターのセットアップから、AWS FIS 実験テンプレートの作成、フェイルオーバー実験の実行、Amazon CloudWatch を使った結果の監視・分析まで、ステップバイステップで解説します。Multi-AZ 構成での自動フェイルオーバーの動作確認や、アプリケーションの接続処理・キャッシュミス時の挙動を検証する方法を学ぶことで、本番環境での障害に備えた堅牢なシステム設計に役立てることができます。

AI コーディングに潜む非効率性とその発見方法

AI コーディングエージェントの評価では、合格/不合格メトリクスだけでは見えない非効率性が存在します。Kiro チームは CORAL と呼ぶ適応学習システムを構築し、実際のユーザーセッションからトラジェクトリベースの分析を行っています。具体的な発見として、glob パターンの違いによるサイレント検索失敗（修正後に誤りを 99% 削減）や、cd コマンドの誤用（18% のセッションに影響）への自動修正対応などが挙げられます。このシステムにより、モデル再トレーニング不要で継続的な改善が実現されています。

← Older posts