生成 AI の実ビジネスへの活用を促進

IPA の DX 動向 2024 では従業員数 1,001 人以上の企業において生成 AI を導入または試験利用をしている企業は 7 割以上に上っています。一方で DX、特に新規サービスの創出やビジネスモデルの根本的な変革を伴うデジタルトランスフォーメーションの進捗は停滞しており、成果の出ている割合は先を進む米国とで 3 倍近い差がある現状は変わっていません。本セッションでは、AWS の 100 社を超える国内の生成 AI 本番導入事例から、特に新規サービス・機能の組込みやビジネスモデルの変革を成し遂げた事例に共通する方程式を解き明かします。

アマゾン ウェブ サービス ジャパン合同会社
シニア機械学習デベロッパーリレーションズ
久保 隆宏

米国拠点のカスタマーサポート部門では、電話対応業務における属人性や業務の偏りが課題でした。これを解決するため、電話窓口を Amazon Connect に移行し、Amazon Connect Contact Lens 等を活用して通話内容の書き起こしや要約、CRM 連携を実現しました。また、Amazon Q Business を導入し、対応水準の均一化を推進しました。本講演では、プロジェクトで直面した課題や解決について詳しく紹介します。

三菱重工業株式会社
デジタルイノベーション本部
DPI部 SoEグループ 主任
山田 悠太 氏

三菱重工業株式会社
デジタルイノベーション本部
DPI部 SoEグループ
岩渕 宏樹 氏

カラクリは創業以来、独自の言語モデルの開発を行ってきました。カラクリの LLM は AWS Trainium を活用することで、低コストながら高性能なモデルを実現しています。このように専用チップを使うことで今まで手をだすことが難しかった領域での LLM の学習も費用対効果を生み出しやすくなってきました。今回は LLM を独自開発する際のユースケースやそれが生み出せる競合優位性についてお話しします。

カラクリ株式会社
Product Management Team
取締役CPO
中山 智文 氏

三菱UFJ銀行市場部門では、市場セールスのマーケティング活動に対する DX を経営計画の重要施策として推進しています。その取り組みの一環で、市場セールスが、よりお客さまニーズに沿った提案活動をタイムリーに行えるよう、機械学習や生成 AI の活用に取り組んでいます。今回はフロント部署とエンジニアチームが密接に協業して、短期間で生成 AI をビジネス実装に結び付け、継続的な改善を実現している取り組みを紹介します。

株式会社三菱UFJ銀行
市場企画部 市場エンジニアリング室
Head of Quant Innovation
堀金 哲雄 氏

ゲームコミュニティの規模拡大に伴い、人手での監視は限界に。弊社では AWS 上に構築した AI システムを用いて、不適切投稿の自動検知・削除を実現。ブランド毀損リスクを軽減しつつ、機械学習の適用によりコミュニティの健全性を維持。運用コストも大幅に削減。本講演ではその取り組みと成果について、技術的観点から解説します。

株式会社ゲームエイト
開発部
CTO
伊林 義博 氏

RAG（Retrieval-Augmented Generation）が登場して時が経ち、すでにナレッジ検索やチャットボットの用途で多く検討・実装されています。一方で、RAG 構築の手間、精度の低さ、図表や画像の処理の難しさ、評価の手間といった課題に直面することも多いです。本セッションでは、 RAG を実現するサービス Amazon Bedrock Knowledge Bases により、それらの課題をどのように解決できるかについて紹介します。

アマゾン ウェブ サービス ジャパン合同会社
AI/ML スペシャリスト ソリューションアーキテクト
近藤 健二郎

生成 AI 技術の急速な発展により、企業のデータ活用と分析手法が大きく変化し、分析・AI ユースケースの収束が加速しています。本セッションでは、AWS re:Invent 2024 で発表されたデータ、分析、AI の統合プラットフォームである、次世代の Amazon SageMaker をご紹介します。次世代 SageMaker によってデータと AI を駆使したイノベーションを促進する概念と仕組み、そしてその中核となる機能について、分かりやすく解説します。

アマゾン ウェブ サービス ジャパン合同会社
ソリューションアーキテクト
西村 忠己

企業内のデータは多くの場合分断されており、統合して分析するにもコストや複雑性、ガバナンスに課題を抱えています。このような課題を解決するために、AWS re:Invent 2024 で Amazon SageMaker Lakehouse が発表されました。オープンテーブルフォーマットである Apache Iceberg を活用したデータアクセスを提供します。本セッションでは Sagemaker Lakehouse がどのようにサイロを解消し分析に役立つかを紹介します。

アマゾン ウェブ サービス ジャパン合同会社
ソリューションアーキテクト
野上 恭平

近年、意思決定にはデータが必要不可欠になってきています。生成 AI が BI ツールに組み込まれることにより、ダッシュボードの提供やインサイトの抽出が格段に便利になりました。本セッションでは、Amazon QuickSight を使って効率化を図りながら大規模にまで展開し、さらに Amazon Q in QuickSight を活用してダッシュボードからインサイト得て、業務を改善する方法をご紹介します。

アマゾン ウェブ サービス ジャパン合同会社
ソリューションアーキテクト
溝渕 匡

RAG アプリケーションの提供には、データソースへの接続、検索や生成、画面の開発が必要です。Amazon Q Business を活用することでこれらの構築が不要になり、スピーディーに社内 RAG を用意することが可能です。本セッションではいかに簡単に Amazon Q Business で RAG を構築できるか、また、より使いやすくなった Amazon Q Business の最新アップデートをご紹介します。

アマゾン ウェブ サービス ジャパン合同会社
AI/ML スペシャリスト ソリューションアーキテクト
飯塚 将太

コードの提案を行う AI アシスタントの利用が広まっています。しかし、ソフトウェア開発ライフサイクル全般における実装のフェーズはあくまで一部であり、その他テストやメンテナンスフェーズのタスクも多くの労力を必要とします。Amazon Q Developer はコードの提案を超えて、ユニットテストの自動生成、自動コードレビュー、ドキュメントの生成など複雑なタスクを解決することができます。本セッションでは、開発者が新機能を顧客に届けるまでの過程をさらに迅速化する、新しいエージェント機能をご紹介します。

アマゾン ウェブ サービス ジャパン合同会社
ソリューションアーキテクト
長谷川 大

生成 AI エージェントは、ユーザーの入力に対して基盤モデルが様々なタスクを自律的に遂行するアプリケーションです。エージェントは単独での利用だけでなく、複数連携させることで、運用管理の分離、役割分担による効率化、並列処理による広範なタスク実行など、様々な利点が得られます。本セッションでは、AWS re:Invent 2024 で発表された Amazon Bedrock Agents の multi-agent collaboration (プレビュー) を中心に、生成 AI エージェントの可能性を広げるマルチエージェント手法のメリット、仕組みや、AWS での実現方法を紹介します。

アマゾン ウェブ サービス ジャパン合同会社
ソリューションアーキテクト
安藤 慎太郎

生成 AI の実活用が普及する中、大規模な本番活用を検討した際に、よりコスト効率の良いモデルやアプローチのニーズが高まっています。AWS re:Invent 2024 では、国内でも人気の高い Anthropic の Claude に加えて、新たに Amazon Nova や Amazon Bedrock Marketplace 上の 100 以上のモデルが利用可能になりました。またそれらのモデルを効率よく利用するための、Prompt Caching や Prompt Routing、Model Distillation など、発展的な機能も登場しました。本セッションではそれらの新機能がどのような状況で活用できるのかを分かりやすく解説します。

アマゾン ウェブ サービス ジャパン合同会社
シニアソリューションアーキテクト
石見 和也

生成 AI は、ビジネスにおける革新的な可能性をもたらしますが、既存の学習済みモデルをそのまま活用するだけでは、必ずしもビジネスニーズに十分に対応できない場合があります。ファインチューニングは、独自のデータを追加して生成 AI モデルをカスタマイズする手法であり、ビジネスでの活用度を大幅に高めることができます。本セッションでは、ファインチューニングの意義とメリットについて説明し、AWS サービスを活用した実践的な手法をご紹介します。

アマゾン ウェブ サービス ジャパン合同会社
シニアソリューションアーキテクト
千代田 真吾

生成 AI や機械学習モデルの開発・運用において、品質管理や効率化が大きな課題となっています。Amazon SageMaker AI は、実験管理、モデル評価、パイプライン構築、セーフガード実装など、包括的な MLOps/FMOps 機能を提供することでこれらの課題に対応します。本セッションでは、AWS のエコシステムを活用して、基盤モデル (FM) を含む ML モデルの構築から本番環境へのデプロイまでを効率的に実現する方法と、実際の導入事例を紹介します。

アマゾン ウェブ サービス ジャパン合同会社
ソリューションアーキテクト
大前 遼