ウェブサービス・SaaS 企業における生成 AI 活用例

DMM.com が Amazon Bedrock (Claude3.5 Sonnet) を活用した新しいユーザーレビュー承認システムをどのように開発したかご紹介します。

オズビジョンが、ポイントモール「ハピタス」の検索体験向上のために 生成 AI を活用したセマンティックサーチ機能をどのように導入したかご紹介します。

ルームクリップ株式会社 が CPU 動作する画像系の AI モデルである SAM、CLIP を Lambda で動かし、物体検出システムをどのように実装したか解説します。

Pairs サービスの運営にあたって、障害対応で行われるやり取りの集約と、そこから中間報告書、ポストモーテム文書の作成を自動化するまでのプロセス Amazon Bedrock を活用してどのように実現したかご紹介します。

株式会社ペライチにおける Amazon Bedrock と AWS の各種サービスを利用した AI ホームページ作成サービスの実装の背景、開発プロセスについてご紹介します

株式会社サイバーエージェントが Dify と Amazon Bedrock を組み合わせることで、どのようにセキュリティオペレーションの自動化を効率よく実現できたのかご紹介します。

ナビプラス株式会社の生成 AI を活用した「レビュー投稿 AI サポート機能」の開発において、プロンプトの工夫点や開発体制・リリースまでのステップをご紹介します。

Amazon Bedrock と Claude 3 を使って、F.F.B.株式会社が生成 AI によって、ユーザーが写真を撮影するだけで画像をもとに最適なキャプションとハッシュタグを生成する機能をどのように実装したか解説します。

ピクシブ株式会社が AWS をベースに LLM・音声認識・音声合成を用いてキャラクターと対話するためのアプリケーション構築を行った際の技術選定についてご紹介します。

GreenSnap が Amazon Bedrock と Amazon Titan Image Generator G1 を活用して、どのように理想の庭の画像を生成する新サービスを実現したかご紹介します。

Author : 高畑 匡秀 (GreenSnap 株式会社)

ニフティ株式会社が、Amazon Bedrockを活用して定期的に配信するニュース記事の 3 行要約を生成し、サーバーレスに API として配信するシステムを構築した方法を紹介します。

Author : 中村 伊吹 (ニフティ株式会社)

note が Amazon Titan Text Embeddings を活用し、様々な用途で再利用できるようにデータを保存し、似ている記事を推薦する機能や、カテゴリー属性の判断する機能をどのように開発したかご紹介します。

Author : 漆山 和樹 (note株式会社)

レアジョブ英会話が、Amazon Bedrock を使った生成 AI レッスンレポート機能を開発した際の注意点や設計の事例をご紹介します。

Author : 羽田 健太郎 (株式会社レアジョブテクノロジーズ)

Amazon Bedrock は 生成 AI アプリケーションを簡単に構築が可能なフルマネージドサービスです。「どんな機能があるの？」「どんなメリットがあるの？」と、まだ Amazon Bedrock のことをあまりご存知ない方もいらっしゃるのではないでしょうか。本セッションでは、AWS re:Invent 2023 で発表された最新情報を含めた Amazon Bedrock の全体像を紹介します。

基盤モデルの登場により、多様なタスクをファインチューニングなしでもある程度こなせるようになってきました。一方で、ユースケースによってはファインチューニングを行うことで精度向上などのメリットが期待できます。本セッションでは、生成 AI モデルをファインチューニングする意義についてお話しするとともに、AWS 上でファインチューニングを行う選択肢を紹介します。

生成 AI は大きな可能性を秘めていますが、生成 AI 単体ではビジネス価値創出に限界があります。生成 AI を最大限に活用するためには、生成 AI をアプリケーションに組み込み、他の AWS サービスと連携させることが重要です。本セッションでは、アプリケーション開発のステップと留意点、最適な基盤モデルの選択方法、AWS サービスと連携する際のポイントなどを、具体例とともに紹介します。

AWS re:Invent 2023 で発表された Amazon Q は、生成 AI を安全かつ手軽に社内で利用できるサービスです。自然言語を理解できる Amazon Q に文書要約や回答生成を任せることで、社員の業務効率の向上が期待できます。また、厳格なアクセス制御とプライバシー保護により、セキュリティ面でも安心して利用できます。本セッションでは、Amazon Q の具体的なユースケースや使い方をデモ形式で分かりやすく紹介します。

業種を問わず LLM のユースケースとして幅広く期待が寄せられている、ドキュメントからのデータ抽出について、金融業界での事例を題材に具体的かつ実践的な取り組みをお話しします。Amazon Bedrock を利用した決算短信、有価証券報告書等からの情報抽出システムを本番環境で利用する際のポイントや、ハルシネーションやデータプライバシーなどのリスクを最小化するための実践的なノウハウなどについて深堀りします。

生成 AI を用いたアプリケーションを簡単に構築可能なサービス Amazon Bedrock の使い方を、ステップバイステップでご紹介します。またコンソール画面から基盤モデルを有効化し、利用する方法をお伝えします。さらに、実際にアプリケーションへ組み込むための Python SDK での呼び出し方についても触れます。