みなさん、こんにちは。AWS ソリューションアーキテクトの三厨です。いよいよ来週からはre:Inventですね。毎年この時期はさまざまなサービスアップデートが発表されるので楽しみにされている方も多いのではないでしょうか。

そして毎年おなじみAWS Japanから提供する re:invent 速報を今年も開催いたします。ぜひこちらのページより事前登録をお願いいたします。

先日 2つの新しいプランを追加した「AWS ジャパン生成 AI 実用化推進プログラム」も非常に多くの申し込みをいただいています。引き続き募集中ですのでよろしくお願いします。

それでは、11 月 17 日週の生成 AI with AWS界隈のニュースを見ていきましょう。Kiro のGAに伴い Kiroweeeeeeek in Japan という集中ブログ連載も開催中ですので、これを機にぜひキャッチアップにお役立てください。

さまざまなニュース

お客様事例

• • 三遠ネオフェニックス様の AWS 生成 AI 事例「Amazon Bedrock と Step Functions を活用したバスケットボール・スカウティングレポート自動生成システムの構築」のご紹介
    三遠ネオフェニックス様は、Bリーグに所属し、豊橋市をホームタウンに、三遠地域（東三河・遠州）をホームエリアに活動するプロバスケットボールクラブです。試合データの増加により人力での分析が困難になり、アナリストの経験に依存する属人化や過密スケジュールでのレポート作成が課題となっていました。これを解決するため、AWS Step Functions と Amazon Bedrock を組み合わせたサーバーレスアーキテクチャを構築しました。Synergy Sports Technology社の分析ツールからスタッツデータをAPI取得し、3つのステップ（分析切り口の抽出、深掘り分析、サマリ生成）で処理を行い、Slackにレポートを自動送信する仕組みを実現しました。その結果、客観的かつ網羅的な分析を自動生成でき、新たな戦術的インサイトの発見とアナリストの負担軽減を実現しています。
  • NTT西日本の AWS 事例：Amazon Bedrock Knowledge Bases を活用した営業支援 AI ボットの開発
    NTT西日本様では、ビジネスチャットの「elgana」を提供しています。サービス開発を進める中で社内の膨大なドキュメントや知識を効果的に活用する必要がありました。この課題に対し、RAG（Retrieval-Augmented Generation）技術を活用した生成AIソリューションを実装しました。Amazon Bedrock Knowledge Basesを中心としたアーキテクチャにより、社内情報を基にした正確な回答生成を実現しています。その結果、業務効率の向上と知識の民主化を達成し、今後さらなる活用範囲の拡大を検討しています。
  • Python 初心者が生成AIとともに短期プログラミング開発に挑戦した結果
    ANAシステムズ様は、航空業界向けのシステム開発を手がける企業です。開発プロセスにおいて、コード作成やレビューに多くの時間を要していました。この課題を解決するため、Pythonと生成AIを組み合わせた開発支援ツールを導入しました。Amazon Bedrockを活用したコード生成・レビュー支援により、開発者の生産性が大幅に向上しました。その結果、開発サイクルの短縮とコード品質の向上を実現し、今後は他の開発言語への展開も視野に入れています。
  • 東京大学 松尾・岩澤研究室主催の AI エンジニアリング実践講座にて、1400 名を超える受講者に AWS 上でのクラウド開発を体験していただきました [ 準備、構築編 ]
    東京大学で実施された大規模AIエンジニアリング実践講座の内容を紹介する連載記事の第1回です。1400名を超える受講者に対して、マルチアカウント環境でのデータ基盤構築を実践的に学んでもらう取り組みについて解説しています。記事では、大規模な教育環境の準備プロセス、AWS Organizations を使ったアカウント管理、受講者ごとの独立した環境構築の自動化など、大規模講座運営のノウハウを共有しています。
  • 東京大学 松尾・岩澤研究室主催の AI エンジニアリング実践講座にて、1400 名を超える受講者に AWS 上でのクラウド開発を体験していただきました [ 演習、運用編 ]
    東京大学AIエンジニアリング実践講座連載の第2回として、実際の演習内容と運用フェーズについて解説しています。受講者が取り組んだデータパイプライン構築、機械学習モデルのデプロイ、マルチアカウント環境でのガバナンス実践など、実務に即した課題を紹介しています。記事では、1400名規模の同時演習を支える監視体制、トラブルシューティングの仕組み、受講者サポートの工夫などについても触れています。また、受講者からのフィードバックや学習効果の測定方法も紹介されており、大規模技術教育プログラムの運営ノウハウが詰まった内容となっています。
  • 東京大学 松尾・岩澤研究室主催の AI エンジニアリング実践講座にて、1400 名を超える受講者に AWS 上でのクラウド開発を体験していただきました [ 後片づけ編 ]
    東京大学AIエンジニアリング実践講座連載の最終回として、講座終了後のリソース削除と振り返りについてまとめています。1400アカウント分のリソースを効率的かつ確実にクリーンアップする自動化の仕組みや、コスト管理のベストプラクティスを解説しています。記事では、削除漏れを防ぐためのチェック機構、予期せぬコスト発生への対策、アカウントのアーカイブ方法などを詳しく紹介しています。また、講座全体を通じて得られた知見、改善点、今後の展望についても触れられており、大規模クラウド教育プログラムのライフサイクル全体を理解できる内容になっています。

技術記事

• • 質問への回答とアクションを実行するエージェント型チームメイト Amazon Quick Suite の発表
    Amazon QuickSight からアップグレードされたAI エージェント機能を持つ「Amazon Quick Suite」について詳しく紹介しています。自然言語でのデータ分析、ダッシュボード作成、インサイト発見に加え、分析結果に基づいたアクションの実行まで可能になりました。記事では、ビジネスユーザーが技術的な知識なしにデータ分析を行える仕組みや、AIエージェントが自動的にデータパターンを発見して提案する機能を解説しています。また、Slackなどのコラボレーションツールとの統合により、チーム全体でのデータ駆動型意思決定を促進する方法も紹介されています。
  • Kiro が一般提供開始: IDE とターミナルでチームと共に開発
    Kiroの一般提供開始を発表する記事です。プレビュー期間中のフィードバックを反映した改善点、新機能、エンタープライズ向けの機能強化について詳しく紹介しています。記事では、チーム開発での活用方法、組織全体でのKiro展開のベストプラクティス、セキュリティとコンプライアンス要件への対応などを解説しています。また、正式リリースに伴う料金体系、サポート体制、今後のロードマップについても触れられており、本番環境でKiroを採用する際の判断材料となる情報が網羅されています。
  • Kiro CLI の紹介：Kiro エージェントをあなたのターミナルへ
    新しいCLIエージェント「Kiro CLI」を紹介する記事です。Kiro CLIは、コマンドラインから自然言語でAWSリソースの操作やコード生成を行える革新的なツールで、ターミナル上で直接AIアシスタントと対話できます。従来のIDE統合とは異なり、シェルスクリプトの作成、インフラ管理、トラブルシューティングなど、CLI中心の作業フローに最適化されています。開発者はターミナルを離れることなく、コンテキストを保持しながら効率的に作業を進められるため、DevOpsエンジニアやインフラエンジニアにとって特に有用なツールとなっています。
  • 道に迷わないために: Kiro のチェックポイント機能の紹介
    Kiroのチェックポイント機能について詳しく解説しています。長時間実行される開発タスクや複雑なマルチステップの作業において、進捗を保存し、必要に応じて特定の時点に戻れる機能です。記事では、チェックポイントの作成方法、管理方法、復元方法について具体的な操作例とともに説明しています。また、試行錯誤が必要な開発作業や、複数の実装アプローチを比較検討する際に、チェックポイント機能がどのように役立つかを実例を交えて紹介しており、開発効率の向上とリスク軽減に貢献する機能であることが理解できます。
  • Kiro : コードは仕様と一致していますか？ 〜プロパティベーステストで「正しさ」を測定する〜
    プロパティベーステストの概念と、Kiroを使った実装方法について解説しています。従来のユニットテストが特定の入力に対する出力を検証するのに対し、プロパティベーステストはコードが満たすべき性質（プロパティ）を定義し、多様な入力パターンで自動的に検証します。記事では、AIシステムの品質保証において特に重要なこの手法を、Kiroがどのようにサポートするかを具体例とともに紹介しています。エッジケースの発見、回帰テストの強化、仕様とコードの整合性確認など、従来のテスト手法では困難だった課題に対する実践的なアプローチが学べる内容です。
  • Kiroweeeeeeek in Japan 開催のお知らせ
    Kiroweeeeeeek in Japanの概要を紹介する記事です。1週間にわたる連載企画の全体像と、各連載記事のテーマ（実装ガイド、IDE連携、セキュリティ、ペアプログラミング、シェルスクリプティングなど）について説明しています。この企画は、Kiroの多様な活用方法を段階的に学べるように設計されており、初心者から上級者まで幅広い読者に対応しています。各記事では実践的なユースケースとベストプラクティスを紹介し、読者がすぐに自分の環境でKiroを活用できるようサポートしています。
  • Kiro 導入ガイド：始める前に知っておくべきすべてのこと
    Kiroweeeeeeek in Japan連載の第1回として、Kiroの基本的な実装方法を解説しています。セットアップ手順から基本的な使い方、初期設定のベストプラクティスまで、ステップバイステップで説明しています。記事では、Kiroのインストール方法、認証設定、プロファイル管理、基本的なコマンド操作について詳しく解説しており、初めてKiroを使う方でもスムーズに始められる内容となっています。また、よくある問題とその解決方法も紹介されており、導入時のトラブルシューティングにも役立ちます。
  • Amazon Q Developer の IDE プラグインから Kiro に乗り換える準備
    Kiroweeeeeeek in Japan連載の第2回として、IDE上のAmazon Q DeveloperとCLI上のKiroの連携と使い分けについて解説しています。IDE統合とCLI統合それぞれの強みを理解し、開発フローに応じて最適なツールを選択する方法を学べます。記事では、コード編集時はIDE統合を、インフラ操作やスクリプト作成時はKiroを使うといった、ハイブリッドな活用パターンを紹介しています。また、両ツール間でのコンテキスト共有や、ワークフロー全体でのAI活用戦略についても触れており、開発環境全体の生産性向上に貢献します。
  • Kiro を組織で利用するためのセキュリティとガバナンス
    Kiroweeeeeeek in Japan連載の第3回として、Kiroを企業環境で安全に利用するためのセキュリティとガバナンスの考慮事項を解説しています。IAMポリシーの設定、アクセス制御、監査ログの管理、コンプライアンス要件への対応など、エンタープライズ利用に必要な要素を網羅的にカバーしています。記事では、最小権限の原則に基づいたポリシー設計、チーム全体でのKiro利用ガイドラインの策定、セキュリティインシデント発生時の対応手順などを具体的に紹介しています。組織全体でKiroを安全に展開するための実践的なベストプラクティスが学べる内容です。
  • Kiroを使ったペアプログラミングのすすめ
    Kiroweeeeeeek in Japan連載の第4回として、KiroとのペアプログラミングによるAI駆動開発の実践方法を紹介しています。従来の人間同士のペアプログラミングとは異なり、AIアシスタントとの協働により、コード品質の向上と開発速度の加速を同時に実現できます。記事では、Kiroに適切な指示を出す方法、生成されたコードのレビューとリファクタリング、テストケースの作成支援など、実践的なペアプログラミングのテクニックを解説しています。AIアシスタントと効果的に協働しながらコードを書く新しい開発スタイルを体験でき、個人開発者からチーム開発まで幅広く応用できる内容となっています。
  • インフラエンジニアのあなたも！Shell スクリプト開発で Kiro を使ってみよう
    Kiroweeeeeeek in Japan連載の第5回として、Kiroを活用したシェルスクリプト作成について解説しています。複雑なシェルスクリプトも自然言語で要件を伝えるだけで生成でき、運用自動化が大幅に効率化されます。記事では、ログ解析スクリプト、バックアップ自動化、システム監視スクリプトなど、実務でよく使われるシェルスクリプトの生成例を紹介しています。また、生成されたスクリプトのエラーハンドリング改善、パフォーマンス最適化、可読性向上のためのリファクタリングなど、Kiroを使った継続的な改善プロセスも解説されており、インフラエンジニアの日常業務に直接役立つ内容です。
  • AWS で利用できる Anthropic ソリューションのご紹介
    AnthropicのClaudeモデルをAWS上で活用するためのソリューションパターンを包括的に紹介しています。Amazon Bedrockを通じたClaude活用の基本から、高度なユースケースまで幅広くカバーしています。記事では、Claudeの特徴である長いコンテキストウィンドウ、高度な推論能力、安全性への配慮などを活かしたアーキテクチャ設計のベストプラクティスを解説しています。また、RAG実装、エージェント構築、マルチモーダル処理など、実践的な実装パターンと、それぞれのユースケースに適したモデル選択のガイダンスも提供されており、Claudeを使った生成AIアプリケーション開発の全体像を理解できます。
  • Claude Code on AWS パターン解説 – Amazon Bedrock / AWS Marketplace
    ClaudeのコーディングAI機能をAWS環境で活用するための具体的なパターンを解説しています。コード生成、レビュー、リファクタリング、デバッグ支援など、開発ワークフローの各段階でClaudeを効果的に活用する方法を紹介しています。記事では、Amazon BedrockとAWS Marketplaceの両方でのClaude利用方法を比較し、それぞれのメリットと適用シーンを明確にしています。また、CI/CDパイプラインへの統合、コードレビュー自動化、技術的負債の削減など、実務での活用例も豊富に紹介されており、開発チーム全体の生産性向上に貢献する実践的な内容となっています。
  • Amazon CloudWatch MCP Server と Amazon Q CLI で SAP 運用を効率化 – Part 3
    CloudWatch MCP ServerとAmazon Q CLIを組み合わせたSAP運用効率化の連載記事Part 3です。Model Context Protocol (MCP) を活用して、SAP環境の監視データをAIエージェントが理解し、運用タスクを自動化する方法を解説しています。記事では、CloudWatchメトリクスとログをMCPサーバー経由でAIエージェントに提供し、自然言語での問い合わせに対して適切な運用アクションを実行する仕組みを詳しく説明しています。SAP特有の複雑な運用要件に対応しながら、AIを活用した効率的な監視・対応フローを構築する実践的な手法が学べます。
  • Amazon CloudWatch MCP Server と Amazon Q CLI で SAP 運用を効率化 – Part 4
    SAP運用効率化連載の最終回として、より高度な自動化シナリオと実践的なユースケースを紹介しています。インシデント対応の自動化、予防保全のためのパターン分析、運用レポートの自動生成など、AIを活用した次世代のSAP運用管理手法を解説しています。記事では、実際の運用現場で発生する複雑な問題に対して、AIエージェントがどのように対応するかを具体例とともに示しています。また、チーム全体でのナレッジ共有や、運用品質の継続的改善にAIをどう活用するかについても触れており、SAP運用の未来像を描く内容となっています。
  • 参加前にチェック – AWS re:Invent 2025 での Well-Architected とクラウド最適化セッションガイド
    AWS re:Invent 2025のWell-ArchitectedとCloud Optimizationに関するセッション情報をまとめたガイドです。参加すべきセッションの選び方、事前に押さえておくべきポイント、各セッションの難易度や対象者を詳しく紹介しています。記事では、Well-Architected Framework の最新アップデート、コスト最適化の新しいアプローチ、サステナビリティを考慮したアーキテクチャ設計など、注目のトピックを網羅しています。また、セッション間の関連性や推奨される受講順序も示されており、限られた時間で最大限の学びを得るための戦略的なプランニングに役立つ内容です。
  • re:Invent 2025 クラウド財務管理セッション完全ガイド：参加前に押さえておきたいポイント
    re:Invent 2025のクラウド財務管理に関するセッション情報を網羅したガイドです。コスト最適化、予算管理、FinOpsの実践、チャージバック・ショーバックの仕組みなど、財務管理に関する最新情報を得られるセッションを体系的に紹介しています。記事では、CFOやFinOpsチーム向けのビジネス寄りのセッションから、エンジニア向けの技術的なコスト最適化手法まで、幅広い視点でのセッション情報を提供しています。また、AWS Cost Anomaly Detection、Savings Plans、Reserved Instancesなどの最新機能に関するセッションも紹介されており、組織全体でのクラウドコスト管理戦略を学べる内容です。
  • AWS re:Invent 2025: 4つの変革的テーマで学ぶセキュリティセッションガイド
    re:Invent 2025のセキュリティに関するセッションを4つの変革的テーマ（ゼロトラスト、AI/MLセキュリティ、脅威検知と対応、コンプライアンスとガバナンス）に分けて紹介しています。各テーマごとに、基礎から応用まで段階的に学べるセッション構成を解説しています。記事では、生成AIアプリケーションのセキュリティ対策、サプライチェーンセキュリティ、クラウドネイティブなセキュリティアーキテクチャなど、最新のセキュリティトレンドに対応したセッション情報を提供しています。また、実際のインシデント対応事例や、セキュリティ自動化のベストプラクティスを学べるセッションも紹介されており、包括的なセキュリティ戦略の構築に役立つ内容です。
  • re:Invent 2025 で学ぶ AI を活用した運用管理の構築方法
    re:Invent 2025のAI駆動型運用管理に関するセッション情報を紹介しています。AIを活用した運用自動化、異常検知、インシデント対応、予測的メンテナンスなど、次世代の運用管理手法を学べるセッションをまとめています。記事では、Amazon Q Developer の運用調査機能、CloudWatch の AI 機能、Systems Manager の自動化機能など、AWSの最新運用ツールに関するセッションを体系的に紹介しています。また、AIOpsの実践事例、運用コストの削減手法、チーム全体での運用効率化戦略など、実務に直結する内容を学べるセッション情報も提供されており、運用チームの変革を目指す方に最適なガイドとなっています。

サービスアップデート

• • Amazon Q Developer のコスト管理機能を強化
    Amazon Q Developer に強化されたコスト管理機能が追加されました。開発チームは、Q Developer の利用状況とコストをより詳細に追跡・管理できるようになり、予算管理が容易になります。ユーザーごと、プロジェクトごとの利用状況を可視化でき、コスト最適化の意思決定がしやすくなります。
  • Amazon Bedrock Data Automation で同期的な画像処理をサポート
    Amazon Bedrock Data Automation が同期的な画像処理に対応しました。これにより、リアルタイムでの画像分析や処理が必要なユースケースにおいて、即座に結果を取得できるようになります。ドキュメント処理、OCR、画像からのデータ抽出などのワークフローがより効率的になり、レスポンスタイムが重要なアプリケーションでの活用が広がります。
  • Amazon Bedrock Model Import で OpenAI GPT OSS モデルをサポート
    Amazon Bedrock の Model Import 機能が大幅に拡張され、OpenAI の GPT OSS モデルのカスタムウェイトのインポートに対応しました。これにより、お客様は既存のモデルをカスタマイズして Amazon Bedrock の統合された環境で管理・運用できるようになり、インフラストラクチャの管理が不要なサーバーレス環境で運用し、運用の複雑さが軽減されます。
  • Amazon Bedrock が追加リージョンで利用可能に
    Amazon Bedrock の提供リージョンが拡大されました。より多くの地域のお客様が、低レイテンシーで生成AIサービスを利用できるようになります。データレジデンシー要件への対応も容易になり、グローバルな展開が加速します。
  • Amazon Bedrock Guardrails がコーディングユースケースに対応
    Amazon Bedrock Guardrails がコーディングユースケースに特化した保護機能を提供開始しました。コード生成時のセキュリティリスク、脆弱性のあるコードパターン、不適切なコード生成を防ぐためのガードレールを設定でき、安全なコード生成AIアプリケーションの構築が可能になります。企業環境でのコード生成AI活用において重要なセキュリティ要件を満たせます。
  • Amazon Bedrock Guardrails Automated Reasoning Checks で自然言語サポートを追加
    Amazon Bedrock Guardrails の Automated Reasoning Checks は、形式検証と呼ばれる技術を利用して生成AIモデルの出力の正確性とポリシー準拠を検証する機能です。このアップデートにより、セキュリティポリシーやコンプライアンス要件を自然言語で記述でき、より直感的にポリシー検証を行えるようになります。技術的な専門知識がなくても、ビジネス要件を直接ポリシーとして表現できます。
  • Amazon Bedrock で Priority と Flex の推論サービスティアを発表
    Amazon Bedrock に新しい推論サービスティア「Priority」と「Flex」が追加されました。Priorityティアは低レイテンシーが求められるミッションクリティカルなワークロード向けで、安定したパフォーマンスを保証します。Flexティアはコスト効率を重視したバッチ処理向けで、スループット重視のワークロードに最適です。ユースケースに応じた最適な選択が可能になり、コストとパフォーマンスのバランスを取りやすくなります。
  • Amazon Bedrock Data Automation が Speech Analytics で10言語に対応
    Amazon Bedrock Data Automation のSpeech Analytics機能の対応言語が10言語に拡大されました。日本語を含む多言語でのドキュメント処理やデータ抽出が可能になり、グローバルなビジネスでの活用が広がります。多言語対応により、地域を問わず一貫したデータ処理ワークフローを構築できます。
  • Amazon SageMaker にビルトインAIエージェント機能を搭載したNotebooksを発表
    Amazon SageMaker に、AIエージェントが組み込まれた新しいNotebook機能が追加されました。データサイエンティストや機械学習エンジニアは、自然言語でコードの生成や説明、デバッグの支援を受けられるようになり、開発効率が大幅に向上します。Notebook内で直接AIアシスタントと対話しながら作業を進められるため、機械学習ワークフローがよりスムーズになります。この機能により、初心者でも高度な機械学習タスクに取り組みやすくなります。
  • Amazon SageMaker Data Agent を発表 – 分析とAI/ML開発を加速
    Amazon SageMaker に新しいData Agent機能が追加されました。この機能により、データの準備、探索、変換といった時間のかかる作業を自動化できます。自然言語でデータ処理のリクエストを行うと、AIエージェントが適切なデータ処理パイプラインを構築してくれるため、データサイエンティストはモデル開発により多くの時間を割けるようになります。データエンジニアリングの専門知識がなくても、高度なデータ処理が可能になる画期的な機能です。
  • Amazon SageMaker HyperPod で IDE と Notebooks の AI 機能を発表
    大規模な機械学習トレーニング向けの Amazon SageMaker HyperPod に、IDEとNotebookのAI支援機能が追加されました。分散トレーニング環境でもAIアシスタントの支援を受けながら開発できるようになり、大規模モデルの開発効率が向上します。複雑な分散トレーニングのコード作成やデバッグも、AIの支援により容易になります。
  • Amazon EKS と ECS でフルマネージド MCP サーバーをプレビュー提供開始
    Amazon EKS と Amazon ECS で、Model Context Protocol (MCP) サーバーのフルマネージドサービスがプレビューとして提供開始されました。コンテナ環境でのAIモデルのコンテキスト管理が簡素化され、より効率的なAIアプリケーションの構築が可能になります。MCPサーバーの運用負荷が軽減され、開発者はアプリケーションロジックに集中できます。
  • Amazon Lex で Wait and Continue 機能が10言語に対応
    会話型AIサービスの Amazon Lex に、Wait and Continue 機能が追加され、日本語を含む 10言語に対応しました。ユーザーが応答を考える時間を取れるようになり、より自然な会話体験を提供できます。タイムアウトの柔軟な制御により、ユーザーフレンドリーな対話フローを実現できます。
  • Amazon EC2 P6 B300 インスタンス – NVIDIA Blackwell Ultra GPU 搭載で提供開始
    最新の NVIDIA Blackwell Ultra GPU を搭載した Amazon EC2 P6 B300 インスタンスの提供が開始されました。大規模言語モデルのトレーニングや推論において、従来世代と比較して大幅な性能向上とコスト効率の改善を実現します。最先端のAIワークロードに最適なインスタンスで、より高速なモデル開発が可能になります。
  • Amazon Polly で生成AIを活用した新しい TTS エンジンを発表
    Amazon Polly に生成AI技術を活用した新しいText-to-Speech (TTS) エンジンが追加されました。より自然で表現豊かな音声合成が可能になり、感情表現やイントネーションの質が大幅に向上しています。カスタマーサービス、コンテンツ制作、アクセシビリティ向上など、幅広い用途での活用が期待されます。
  • Amazon CloudWatch で EKS のコンテナ単位のサブミニッツ GPU メトリクスをサポート
    Amazon CloudWatch が、Amazon EKS 上のコンテナ単位で1分未満の粒度でGPUメトリクスを収集できるようになりました。AIワークロードのパフォーマンス監視とトラブルシューティングがより詳細に行え、GPU利用率の最適化やコスト削減に役立ちます。リアルタイムに近い監視により、問題の早期発見が可能になります。
  • AWS Security Incident Response で AI 駆動型調査機能を発表
    AWS Security Incident Response に、AIエージェントを活用した自動調査機能が追加されました。セキュリティインシデント発生時に、AIが自動的に関連情報を収集・分析し、対応を支援することで、インシデント対応時間を大幅に短縮できます。セキュリティアナリストの負担を軽減し、より迅速な脅威対応が可能になります。
  • AWS WAF で Web Bot 認証サポートを追加
    AWS WAF に Web Bot 認証機能が追加されました。正規のボット（検索エンジンクローラーなど）と悪意のあるボットを区別し、適切にトラフィックを制御できるようになります。ボット対策の精度が向上し、正規ユーザーへの影響を最小限に抑えながらセキュリティを強化できます。
  • Amazon CloudWatch Application Signals に GitHub Action MCP Server を追加
    Amazon CloudWatch Application Signals に GitHub Action との統合機能と MCP Server の改善が追加されました。CI/CDパイプラインとアプリケーション監視の連携が強化され、開発ワークフローがより効率的になります。デプロイメントの品質を自動的に監視し、問題を早期に検出できます。
  • AWS Marketplace で Bedrock AgentCore Runtime 向け A2A Server を提供開始
    AWS Marketplace で、Amazon Bedrock AgentCore Runtime 向けの Agent-to-Agent (A2A) Server が提供開始されました。複数のAIエージェント間の連携を容易にし、より複雑なAIワークフローの構築が可能になります。エージェント間の通信プロトコルが標準化され、マルチエージェントシステムの開発が簡素化されます。
  • AWS DMS Schema Conversion で SAP Sybase ASE から PostgreSQL への変換をサポート
    AWS Database Migration Service (DMS) の Schema Conversion 機能が、SAP Sybase ASE から PostgreSQL へのスキーマ変換をサポートしました。レガシーデータベースからの移行がより容易になり、モダナイゼーションを加速できます。
  • AWS Transform for VMware で Landing Zone 設定生成機能を強化
    AWS Transform for VMware に、Landing Zone 設定を自動生成する機能が追加されました。VMware環境からAWSへの移行計画を立てる際に、適切なLanding Zone構成を自動的に提案してくれるため、移行プロジェクトの初期設計が効率化されます。

今週は以上です。それでは、また来週お会いしましょう！

著者について