Amazon Web Services ブログ

Category: General

キヤノンITソリューションズ株式会社様:ローコード開発プラットフォームのコード生成機能を 3 ヶ月で構築。サービス利用者は開発工数を最大 50% 削減可能に

キヤノンITソリューションズ株式会社様の生成AI活用事例:
ローコード開発プラットフォームのコード生成機能を 3 ヶ月で構築。サービス利用者は開発工数を最大 50% 削減可能に。
生成AIを活用することで既存のサービスを強化した先進的な取り組みをご紹介します。

Weekly Generative AI with AWS

週刊生成AI with AWS – 2025/3/24週

3月24日週も盛りだくさんの内容でした。製造業の設計開発におけるAI活用事例や、新機能追加されたAmazon Q Developer、冠水検知システムを開発した照明メーカーの事例など、最新の生成AI関連ニュースを紹介しています。また、Amazon BedrockやAmazon Q Businessなどのサービスアップデートとして、コンテンツフィルター機能の追加やコスト可視化機能の実装、連携機能の強化などを取り上げています。

Amazon Q Developer の新しいコンテキスト機能で、コードのコントロールを強化しよう

このブログでは、開発者が自分の開発ワークフローを完全にコントロールできるようになる、Amazon Q Developer の強力な新機能を紹介します。これらの機能は現在 Visual Studio Code で利用可能で、ワークスペースコンテキスト、明示的なコンテキスト指定、プロンプトライブラリ、プロジェクトルールの活用によるソフトウェアプロジェクトの効率化、コーディング標準の維持、生産性の向上を実現できます。他の IDE を使用している開発者向けにも、これらの機能のサポートは今後提供される予定です。経験豊富な開発者でも、これから始めようとしている方でも、これらの機能によって開発タスクへの取り組み方が大きく変わるはずです。

AWS IoT Device Client で 3 時間以内に IoT ソリューションの概念実証を構築

AWS は皆様の IoT の取り組みをサポートするため、「Get Started with AWS IoT (英語版)」の提供を開始することをお知らせいたします。このハンズオンワークショップでは、AWS IoT Device Client を使用した IoT プロジェクトの概念実証 (PoC) を、ステップバイステップで解説します。

岩崎電気株式会社様の AWS 生成 AI 事例「カメラ付き照明で冠水検知を実現。照明の専門メーカーとして80年以上の歴史を持つ製造業のモノとコト融合

製造業における「モノ」と「コト」の融合事例として注目される岩崎電気様の取り組み。80年以上の歴史を持つ照明専門メーカーが、 AWS の生成AIサービス「 Amazon Bedrock 」を活用して道路冠水自動検知システムを開発しました。従来は専用センサーが必要だった冠水検知を、カメラ付き照明と生成 AI の組み合わせで実現。監視員の労力を80%削減し、24時間リアルタイム監視を可能にしています。企画から約2ヶ月という短期間でプロトタイプを完成させ、 GenU を用いた効率的な検証とコスト効率を考慮した AI モデルの使い分けが成功要因となりました。暗所でも照明との一体化により鮮明な画像で冠水検知が可能になり、今後は検知対象を火災や交通事故にも拡大する計画で、生成 AI 活用による製品開発の可能性を広げています。

CDK Garbage Collection の発表

アセットを大規模に活用する CDK 開発者は、時間の経過とともにブートストラップされたバケットやリポジトリに古いデータや使用されていないデータが蓄積されることに気付くかもしれません。ユーザーが自分でこのデータをクリーンアップしようとしても、CDK は安全に削除できるデータを判断する明確な方法を提供していませんでした。この問題を解決するために CDK Garbage Collection のプレビュー版リリースを発表できることを嬉しく思います。これは、ブートストラップされた Amazon S3 バケットと Amazon ECR リポジトリ内の古いアセットを自動的に削除する CDK の新機能で、ユーザーの時間とコストを節約します。この機能は AWS CDK バージョン 2.165.0 から利用可能です。
CDK Garbage Collection により、お客様の CDK の使用体験を損なうことなく、関連するストレージコストを削減できるでしょう。

大規模マルチモーダル AI による鉄道車両の異常画像検知システムの実証実験

この投稿は、JR東日本、ドイツ鉄道、JEISが、車両外観検査の画像にAIを活用する取り組みについて紹介したものです。従来の手法の課題を克服するため、大規模マルチモーダルAIを用いた異常画像検知システムの実現可能性を検証しました。