Upgrade to Pro — share decks privately, control downloads, hide ads and more …

AI Agent を始める前のチェックリスト:実例から学ぶ期待効果の見積りと備えるべきリスク

AI Agent を始める前のチェックリスト:実例から学ぶ期待効果の見積りと備えるべきリスク

AI エージェントを活用する取り組みをこれから始めようという方にむけ、事前のチェック項目をまとめた資料です。下記点でお悩みの方は是非ご活用ください。

・AI エージェントの取り組みは短期になる ? 長期になる ?
・活用に当たり予見しておくべきリスクは ?
・AWS で取り組むとどんなメリットがある ?

以下セミナーでの登壇資料となります。
https://pages.awscloud.com/eib-aiml-250508-reg.html

Avatar for Takahiro Kubo

Takahiro Kubo

May 08, 2025
Tweet

More Decks by Takahiro Kubo

Other Decks in Business

Transcript

  1. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. © 2025, Amazon Web Services, Inc. or its affiliates. All rights reserved. Machine Learning Developer Relations Takahiro Kubo AI Agent を始める前のチェックリスト 実例から学ぶ期待効果の見積りと備えるべきリスク
  2. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 2 自己紹介 アマゾン ウェブ サービス ジャパン合同会社 Machine Learning Developer Relations 久保隆宏 (Takahiro Kubo) 技術監修 翻訳 AI/ML についての技術的な解説や AWS のサービスの紹介はもちろん、 「機械学習の実プロダクトでの活用」 を進めるためのワークショップや情報 提供、また AWS のサービス改善に 取り組んでいます。 単著 寄稿
  3. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 3 AI Agent を始める前に・・・ 生成 AI 技術の発展はどれぐらい続くか ? 1~2 年の投資拡大で 知見を得る短期戦 5~10 年超の見通しで 継続的に取り入れる長期戦
  4. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 4 過去登場した技術は 10 年以上にわたり発展 Mobile Cloud Social Video eCommerce 3D&I AI Web
  5. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 5 生成 AI に対する取り組みは長期戦に
  6. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 6 長期戦なら・・・ コンディション (環境) を整える ケガ (リスク) の予防 レース全体の計画
  7. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 7 特に聞いて頂きたいポイント 役職 企画職 開発者 技術責任者 共通 ・長期の計画を立てる際の 3 つのチェック項目 ・生成 AI を長期で活用する際に発現しうるリスク ・会社内の生成 AI 活用、最新モデル / ユースケースを キャッチアップする環境を整える AWS のアセット ・AI エージェントの技術的特徴と今後の発展動向
  8. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. © 2025, Amazon Web Services, Inc. or its affiliates. All rights reserved. 8 Agenda 1. AI エージェント登場の背景と動向 2. 持続的な AI エージェント活用を進めるため のチェック項目 3. 明日から計画を始めるためのチェックリスト
  9. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. © 2025, Amazon Web Services, Inc. or its affiliates. All rights reserved. 9 Agenda 1. AI エージェント登場の背景と動向 2. 持続的な AI エージェント活用を進めるため のチェック項目 3. 明日から計画を始めるためのチェックリスト
  10. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. AI エージェント登場の背景 テキスト入力の 続きを生成する Key Words: 言語モデル 基礎的な自然言語処理技術から はじまった 10
  11. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. AI エージェント登場の背景 テキスト入力の 続きを生成する Key Words: 言語モデル 会話形式入力の 続きを (外部知識と 連携し) 生成する Key Words: Instruction Tuning RLHF RAG * Training language models to follow instructions with human feedback (2022) * Retrieval-Augmented Generation for Knowledge- Intensive NLP Tasks (2020) 2022 11 Instruct GPT 以後、 ”対話形式の生成” が 実用的なレベルに
  12. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. AI エージェント登場の背景 テキスト入力の 続きを生成する Key Words: 言語モデル 会話形式入力の 続きを (外部知識と 連携し) 生成する Key Words: Instruction Tuning RLHF RAG * Training language models to follow instructions with human feedback (2022) * Retrieval-Augmented Generation for Knowledge- Intensive NLP Tasks (2020) タスク完了に至る 計画を生成する Key Words: Reasoning model (Thinking model) * Evaluation of OpenAI o1: Opportunities and Challenges of AGI (2024) タスク完了に至る 計画を実行する Key Words: AI Agent * SWE-bench: Can Language Models Resolve Real-World GitHub Issues? (2023) * AgentBench: Evaluating LLMs as Agents (2023) AI Agent (2025) + 画面入力・操作 を扱えるように * Introducing computer use, a new Claude 3.5 Sonnet, and Claude 3.5 Haiku (2024) 外部システム連携 計画策定能力 外部連携可能な データ形式を生成 し処理を起動する Key Words: Function Calling Code Interpreter * Gorilla: Large Language Model Connected with Massive APIs (2023) * Function calling and other API updates (2023) 12
  13. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. AI エージェントの特徴 モデルの計画能力と構造データ出力機能 により、 目的の指示のみでタスクを完了する 13
  14. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. お 客 様 プ ロ フ ィ ー ル “ ビジネスの課題 ソリューション 導入効果 © 2025, Amazon Web Services, Inc. or its affiliates. All rights reserved. 本田技研工業 : LLM エージェントによりコールセンターへの 問合せ対応期間を数日から数分に効率化 ” • ホンダでは、同社の車両を利用する顧客からの 問合せ対応の効率化と品質改善が課題となって います。 • 現在、コールセンターへの問合せは、チケット を起票する形でグローバルチームに対応が依頼 されます。同チームでは複数の社内システム、 および車両走行ログが格納されたDBなど、複 数の情報源から必要な情報を収集し、調査結果 をまとめた回答を作成する必要があります。 • 各地域とグローバル側の担当者のやりとりが発 生するため、1チケットあたりの対応に数日間 を要することがあります。また、回答内容も各 担当者の経験などに依拠しており、質の均質化 が望まれています。 • AWS Generative AI Innovation Center (GenAIIC)では、この課題を解決するため、 生成AIを用いたチャットボットを構築し、 具体的な問合せに対する正しい回答が生 成できるかを検証。 • 問合せ内容に基づくチケットの作成、同 チケットの対応のために参照すべき情報 やログデータなどを取得するためのAPI リクエストや SQL 文の作成と実行と、こ れらの処理をサブタスクとして実行可能 な LLM エージェントを開発。これらの情 報に基づいた調査内容をレポートとして 作成する LLM も併せて実装。 • LLM による問合せ対応のアーキテク チャ構築:生成AIの活用を想定した各 種ドキュメントの前処理、同処理後 のドキュメントを検索対象としたベ クトル DB、Amazon Athena による アクセスログ検索など、問合せ対応 に必要なバックエンドアーキテク チャを構築。 • 高精度かつ高速な問合せ対応: ホンダ から提供されたデータに基づく8つの ユースケースについて、LLM により 平均 70% 以上の高い確率で適切な 回答が得られることを確認。処理時 間も各問合せに対し数分程度で完了。 “ GenAIIC からの支援により、当社コールセンターにおける対応の大幅な効率化を生成AIで 実現できる見込みが得られ、感謝しています。本プロジェクトを通じ、当社内での生成 AI 活用をさらに拡張するための学びが得られたことも、非常に貴重な経験となりました。 野川 忠文 電動事業開発本部 SDV事業開発統括部 コネクテッドソリューション開発部 部長 I N D U S T R Y 自動車 C O U N T R Y 日本 本田技研工業(ホンダ)は、日本 を代表するグローバル企業で、自 動車、オートバイ、発電機などの 製造を主要事業としています。 1948 年に創業された同社は、 世界有数の自動車メーカーとして 成長し、革新的なデザイン、先進 的な技術、そして環境への配慮で 全世界から評価されています。
  15. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. お 客 様 プ ロ フ ィ ー ル “ ビジネスの課題 ソリューション 導入効果 © 2025, Amazon Web Services, Inc. or its affiliates. All rights reserved. 本田技研工業 : LLM エージェントによりコールセンターへの 問合せ対応期間を数日から数分に効率化 ” • ホンダでは、同社の車両を利用する顧客からの 問合せ対応の効率化と品質改善が課題となって います。 • 現在、コールセンターへの問合せは、チケット を起票する形でグローバルチームに対応が依頼 されます。同チームでは複数の社内システム、 および車両走行ログが格納されたDBなど、複 数の情報源から必要な情報を収集し、調査結果 をまとめた回答を作成する必要があります。 • 各地域とグローバル側の担当者のやりとりが発 生するため、1チケットあたりの対応に数日間 を要することがあります。また、回答内容も各 担当者の経験などに依拠しており、質の均質化 が望まれています。 • AWS Generative AI Innovation Center (GenAIIC)では、この課題を解決するため、 生成AIを用いたチャットボットを構築し、 具体的な問合せに対する正しい回答が生 成できるかを検証。 • 問合せ内容に基づくチケットの作成、同 チケットの対応のために参照すべき情報 やログデータなどを取得するためのAPI リクエストや SQL 文の作成と実行と、こ れらの処理をサブタスクとして実行可能 な LLM エージェントを開発。これらの情 報に基づいた調査内容をレポートとして 作成する LLM も併せて実装。 • LLM による問合せ対応のアーキテク チャ構築:生成AIの活用を想定した各 種ドキュメントの前処理、同処理後 のドキュメントを検索対象としたベ クトル DB、Amazon Athena による アクセスログ検索など、問合せ対応 に必要なバックエンドアーキテク チャを構築。 • 高精度かつ高速な問合せ対応: ホンダ から提供されたデータに基づく8つの ユースケースについて、LLM により 平均 70% 以上の高い確率で適切な 回答が得られることを確認。処理時 間も各問合せに対し数分程度で完了。 “ GenAIIC からの支援により、当社コールセンターにおける対応の大幅な効率化を生成AIで 実現できる見込みが得られ、感謝しています。本プロジェクトを通じ、当社内での生成 AI 活用をさらに拡張するための学びが得られたことも、非常に貴重な経験となりました。 野川 忠文 電動事業開発本部 SDV事業開発統括部 コネクテッドソリューション開発部 部長 I N D U S T R Y 自動車 C O U N T R Y 日本 本田技研工業(ホンダ)は、日本 を代表するグローバル企業で、自 動車、オートバイ、発電機などの 製造を主要事業としています。 1948 年に創業された同社は、 世界有数の自動車メーカーとして 成長し、革新的なデザイン、先進 的な技術、そして環境への配慮で 全世界から評価されています。 目的 : チケット への回答 手段 : 社内システムや DB から必要な情報を収集 結果 : 70% 以上 の確率で回答
  16. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. AI エージェントの特徴 : 事例を基に AI エージェント 環境 目的 : 「チケットに回答」 結果 : 回答 ※説明のために形式化しているため、実際に事例の中で取られた手法と一致しない点に注意ください ①計画 : チケットに回答するには どんな情報が必要 ? ・顧客 DB にある購入車種 の詳細情報 ・ファイルサーバーにある 障害対応マニュアル ・チケット DB にある過去 の類似対応履歴 ・・・ ②行動 : クエリを実行 ・DB クエリ (SQL) 作成 ・ファイルサーバーを検索 ③観測 : データを取得 ・購入車種のインプット ・障害対応方法のインプット 16
  17. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 今後の動向 : より「行動」と「環境」が広がる タスク完了に至る 計画を生成する Key Words: Reasoning model (Thinking model) * Evaluation of OpenAI o1: Opportunities and Challenges of AGI (2024) 会話形式入力の 続きを (外部知識と 連携し) 生成する Key Words: Instruction Tuning RLHF RAG * Training language models to follow instructions with human feedback (2022) * Retrieval-Augmented Generation for Knowledge- Intensive NLP Tasks (2020) 外部連携可能な データ形式を生成 し処理を起動する Key Words: Function Calling Code Interpreter * Gorilla: Large Language Model Connected with Massive APIs (2023) * Function calling and other API updates (2023) タスク完了に至る 計画を実行する Key Words: AI Agent * SWE-bench: Can Language Models Resolve Real-World GitHub Issues? (2023) * AgentBench: Evaluating LLMs as Agents (2023) + 画面入力・操作 を扱えるように * Introducing computer use, a new Claude 3.5 Sonnet, and Claude 3.5 Haiku (2024) 実行できる 行動の増加 動作できる環境 の増加 * ブラウザ操作 * 音声対話 * 多様なシステムの つなぎ込み (MCP) * 認証・認可の整備 20XX 17
  18. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. © 2025, Amazon Web Services, Inc. or its affiliates. All rights reserved. Agenda 1. AI エージェント登場の背景と動向 2. 持続的な AI エージェント活用を進めるため のチェック項目 3. 明日から計画を始めるためのチェックリスト 18
  19. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 19 生成 AI 導入の基本的な進め方 生成 AI を試し 知見を共有する Step 1 生成 AI に業務を 任せ実用性を確認 Step 2 Step 3 生成 AI の実績を 内外に広める KPI : PoC 候補アイデア数 KPI : 業務に応じた効果指標 KPI : 関係者の数・職位
  20. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 20 持続的な生成 AI 導入を進めるためのチェック項目 生成 AI を試し 知見を共有する Step 1 生成 AI に業務を 任せ実用性を確認 Step 2 Step 3 生成 AI の実績を 内外に広める KPI : PoC 候補アイデア数 KPI : 業務に応じた効果指標 KPI : 関係者の数・職位 新技術を継続的に検証・ 展開できる環境はあるか? リスクを計測し対応でき る体制はあるか ? あるべき姿に向けた段階 の定義と計画はあるか ?
  21. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 21 Step1 : 試すフェーズのチェック項目 新技術を継続的に検証・展開できる環境はあるか?
  22. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 22 生成 AI の能力は日々向上、 向上に伴うユースケースも日々増加 https://epoch.ai/data/ai-benchmarking-dashboard 日常的な検証・展開による用途の 検討は不可欠 左図は、博士号を持つ人でも正答率 65% 程度である GPQA データセットで、30% 台から専門家以上になるまで約 1 年半。
  23. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 23 そうはいっても・・・ 😫 日々起こる変化をキャッチアップするリソースを割けない 😫 ユーザーに展開する UI までは実装しきれない 😫 AWS で AI エージェントを実装するのは学習コストが高い
  24. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 24 Generative AI Use Cases (GenU) による展開 プロンプトの書き方を覚えなくても生成 AI の鉄板ユースケースをすぐに利用できる アプリケーション。 • 導入実績 上場企業や医療機関をはじめとした 1,000 を 超えるお客様での利用実績 • アクセス制限 ログイン認証や SAML 連携 (Azure AD / Google Workspaces 等) による認証に加え、 IP アドレスを制限可能 • データセキュリティ 送受信されるデータは暗号化され第三者の 参照やモデルの学習に使用されることがない。 データの流通を国内に閉じることも可能。 チャットはもちろん、翻訳、文書校正、要約な ど頻繁に使う機能をビルトインで提供。 ※ AWS が MIT ライセンスの元 GitHub 上で オープンソースとして開発。導入するにはお客 様の AWS 環境へのデプロイが必要です
  25. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 25 Generative AI Use Cases によるキャッチアップ 日々のレベルで機能を更新。 DeepSeek や Palmyra といっ た新しく発表したモデルにも ほぼ即日で対応。 v4.2.0 (5/7) : Nova Sonic, Nova Premier, Llama4, Palmyra 対応等 V4.1.0 (4/21) : 国際化対応 (i18n) Nova Reel 対応
  26. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 26 AI エージェントの組込みに対応 Amazon Bedrock Agents で作成したエージェントを組み込んで利用することが可能。
  27. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. Amazon Bedrock Agents による開発 AI エージェント 環境 目的 : 「チケットに回答」 結果 : 回答 ①計画 : ②行動 : ③観測 : Amazon Bedrock Agents で利用可能な基盤モデル で計画 Action Groups に登録さ れた API の実行 Knowledge Bases の検索 </> Code Interprepreter に よるコード実行 Computer use による 画面操作 Session 単位でインタラ クションを自動記録可能 27 AI エージェントの動作に必要なコンポーネントを Managed で提供
  28. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. お 客 様 プ ロ フ ィ ー ル “ ビジネスの課題 ソリューション 導入効果 © 2025, Amazon Web Services, Inc. or its affiliates. All rights reserved. 株式会社アイ・アイ・エムは セイコーグループの事業会社 です。日本でいち早くコン ピューターの性能管理に取り 組み、「性能管理」、「セ キュリティ」、「AI 型予兆管 理」のソリューションを提供 しています。 I N D U S T R Y 情報通信・インターネット C O U N T R Y 日本 お客様の求める「改善案がすぐ欲しい」という要望を実現すること ができました。AWS の伴走支援のおかげで価値ある顧客体験を提供 できました 株式会社アイ・アイ・エム 常務執行役員 CTO 住友 邦男 様 株式会社アイ・アイ・エム 部長 熊本 真子様 株式会社アイ・アイ・エム: 生成 AI を活用し、経験の少ない方が習熟者と同等の意思決定 ができる予兆予測サービスを 6 か月で構築 • お客様の重要なビジネスを支える様々 なサービスの障害兆候検知とサジェス チョンサービスを提供する上で、障害 対応、サーバーメンテナンス、利用者 への価値を産まない部分の開発などに エンジニアの工数の半分以上を要して いた。 • お客様のシステム統計情報の分析エンジ ンに Amazon SageMaker Pipeline や Amazon EventBridge スケジューラーを 用いて自動化。 • 35 年培った IIM の専門知識を基にした サジェスチョンを Amazon Bedrock の Agents と Knowledge Bases を用いて自 動化。 • 異常の兆候と裏付けグラフ、サジェス チョンを Amazon QuickSight でコスト 効率よく表現。 • AWS のフルマネージド型サービスを活用 することにより、サービスのセキュリ ティや顧客体験の向上に専念でき、2 年 を想定していたサービス開発を半年 で終えることができた。 • IIM の専門知識の自動提供により、経験 の少ない方でも改善活動に取り組める顧 客体験を実現した。一例では、これまで 監視アラートから分析・改善で 2 週間か ら 1 か月かかっていた業務を即日〜数日 にできた。
  29. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 29 NTT データ様での LangGraph × Bedrock による 広告素材作成エージェント開発 https://qiita.com/yamato0811/items/54117737efd4a066531e 作成できた広告のサンプル 広告の「キャッチコピー文」と「画像」を生成する Multi-Agent アプリケーションを実装。 オープンソースと組み合わせ、バックエンドに AWS を活用する方式も選択できる。
  30. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 30 Step2 : 任せるフェーズのチェック項目 リスクを計測し対応できる体制はあるか ?
  31. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 31 持続的な期間においてリスクは高確率で発現する エア カナダ : 2024/2 忌引割引の利用が、事後でも可能と生成 AI チャットボットが誤って回答。 払い戻しについて裁判となり、エア カナダが敗訴。裁判所は、「自社サービスの 運用をゆだねる以上、出力結果に対し当該企業が責任を負うべき」と判断。 チャットボットは事案発生後に停止。 マクドナルド : 2024/6 ドライブスルーでの AI 音声注文システムを 2021 年に導入。2023 年に、注文が 誤認識される様子が Tiktok で拡散、100 店舗以上に展開していたシステムを 撤去することを 2024 年 6 月に決定。 Dynamic Parcel Distribution (DPD) : 2024/1 フランスの配送会社で、AI チャットボットが求める回答をしないことに苛立った ユーザーが、DPD について悪口を言うよう指示したところ、会社批判を行う返信 を始めた。その様子がソーシャルメディアで拡散し、チャットボットは一時運用 停止となった。
  32. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 32 AI エージェントが動作する環境で発現しうる リスクの兆候を監視する必要がある 環境 ミッション リスクの兆候を示す KPI 安全性重視: 医療、航空、原子力等 人命に関わる判断やシステム操作について、 安全性を最優先し、エラーを最小化する ・インシデント数 ・シミュレーション合格率 (%) ・フォールバック頻度 ・トレーニング完了率 コンプライアンス重視 : 銀行、保険、製薬等 複雑な規制環境において法令・規制遵守を徹 底し透明性のある意思決定と監査可能な記録 を行う ・規制に基づく正答率 ・規制の網羅性 ・回答 / 判断に至るトレースの完全性 業務効率重視 : 製造、物流 生産性と効率性を最大化し、運用コストを削 減しながら、プロセスの信頼性と品質を維持 する ・サイクルタイム ・スループット ・誤答率 ・例外対応時間 人間体験重視 : 小売、教育、ホスピタリティ 顧客満足度を最大化し、パーソナライズされ た体験を提供することで、顧客ロイヤルティ と長期的な関係を構築する ・顧客満足度スコア ・リピート / 解約率 ・エスカレーション数 イノベーション重視: スタートアップ、R&D 部門 新しいアイデアや技術を迅速に検証し、市場 に投入することで競争優位性を確立し、ユー ザー基盤の拡大と維持を実現する ・アクティブユーザー数 ・新規顧客獲得数 ・コスト エアカナダ の場合
  33. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 33 監視して「どうする」を決めておく必要がある KPI は「対応方法」を教えてくれるわけではない。 エアカナダは顧客満足度やエスカレーション数をモニタリングしていたかもしれな いが、「その値が異常であった場合の対応」に課題があった。 組織横断のチームで閾値と、超えた場合の対応を決めておく必要がある。
  34. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 34 そうはいっても・・・ 😫: 導入先部門における、リスク対応による工数増への忌避感 😫: リスクを上回る費用対効果があることの証明が困難 😫: リスクの評価は人手でないと困難
  35. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 35 実績が出ている事例を基にゴールを共有 AWS の事例集を無料で公開 日本のお客様の 100 を超える本番業務・サービスで実際に活用し定量的効果が得ら れたお客様事例を AWS Web サイト上で公開 2025 年 4 月版で AI エージェント事例も複数追加
  36. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 36 ML Enablement Workshop による ワンチームの組成 企画の段階からビジネス面、技術面、運用面の実現性やリスクを洗い出すために 新規サービスや機能の実装に関わる人を一同に集め、顧客の体験から逆算する Amazon のプロダクトづくりのプロセス “Working Backwards” を実践・習得。 効果計測 KPI を決め、ワークショップ後 ~6 ヵ月での到達まで計画する。 資料は 一般公開済 プロダクト マネージャー データ サイエンティスト 開発者 営業 プリセールス デザイナー カスタマー サポート CTO
  37. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 37 リスクの高いアプリケーション利用を、 トレースで検知 • Amazon Bedrock Guardrails により、標準に加え カスタムのプロンプトで 特定リスクを検知 • Application Signals を活用し Guardrail のスコアを リクエスト単位で記録。 オープンソースの観測 フレームワーク OpenTelemetry 互換のため、 対応したツールでのモニタリ ングが可能 https://aws.amazon.com/jp/blogs/mt/improve-amazon-bedrock-observability-with-amazon-cloudwatch-appsignals/ ソースコードに手を入れなくても、自動 計装によりかなりの部分追跡できる
  38. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 38 Step3 : 広めるフェーズのチェック項目 あるべき姿に向けた段階の定義と計画はあるか ?
  39. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 39 長期戦のマイルストンを決めて着実に到達する Level 5 Level 4 Level 3 Level 2 Level 1 AI 主体 人間主体 タスクの受付から完了まで、 AI が自律的に実行 特定条件下において、AI が自律的に タスクを実行 左記は、自動運転のレベルを ベースにした「業務の委譲」 レベル。 • どんな業務 (環境) で • 何年後に • どの Level まで到達するか を決めて着実に到達していく。 緊急・例外時に人間が介入する前提 で AI が自律的にタスクを実行 人間の業務を、指示に基づき一部 「代行」する 人間の業務を AI が「支援」する
  40. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 40 そうはいっても・・・ 😫: 巻き込むステークホルダーを増やしていくためのきっかけや場がない 😫: 全社的な方針の話になりそうで気後れする 😫: 新しく巻き込んだステークホルダーへのトレーニングや教育に割く時間がない
  41. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 41 AWS の Executive 向けのプログラムを活用 AWS Executive Insights で Amazon の継続的にイノベーションを起こす手法を発信。 AWS Executive Briefing Center (EBC) を活用し個別課題について具体的に話すこと も可能。 https://aws.amazon.com/jp/executive-insights/ebc-executive-briefing-center/ https://aws.amazon.com/jp/executive-insights/
  42. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 42 AWS での事例化を通じた 社内外へのプレゼンス向上 AWS のイベントで 動画チャンネルで 外部広告で https://www.youtube.com/watch?v=RJkDBchnixQ https://www.youtube.com/@JPAmazonWebServices ※ AWS での事例化や、イベントやメディアでの露出は確約されるものではございません
  43. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 43 AWS の教育プログラム スキル・アセスメントに 基づく個別学習プラン AWS専門家が設計した ハイブリッド型 トレーニング 人気の認定資格 お客様の業務目標に不可欠な AI/ML スキルの定義と、ギャップを埋める ための学習計画を提供 オンライン、インストラクター主導 クラス、ゲーム感覚の学習等、多様 な研修ニーズに対応 AWS Skill Builder に、生成AI含む 100以上の AI/ML 学習リソース 安全なサンドボックス環境でインタ ラクティブに学習 認定資格により AI/ML の専門性を 証明。試験料の支援により優秀な 人材のを維持確保に貢献 2024/8/13 より新規認定開始 AWS Certified AI Practitioner AWS Certified Machine Learning Engineer - Associate
  44. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. © 2025, Amazon Web Services, Inc. or its affiliates. All rights reserved. 44 Agenda 1. AI エージェント登場の背景と動向 2. 持続的な AI エージェント活用を進めるため のチェック項目 3. 明日から持続的な未来に向けて行動する
  45. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 45 本日のサマリ • AI エージェントへの取り組みは、今後 10 数年にわたって続くことになる長期戦 • 生成 AI の活用は、試す、任せる、広めるの 3 Step が基本 📢 長期戦に備えるには事前のチェックが重要 • [Step 1] 試す : 新技術を継続的に検証・展開できる環境はあるか? • [Step 2] 任せる :リスクを計測し対応できる体制はあるか ? • [Step 3] 広める : あるべき姿に向けた段階の定義と計画はあるか ? • AWS は各ステップのよくある課題を解決するサービス、プログラムを提供できる
  46. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 46 Next Action のためのクイックリファレンス 生成 AI 事例集 AWS Generative AI Solution Box ML Enablement Workshop 役職 企画職 開発者 技術責任者 共通 業務やサービスで提供したい体験を ワンチームで検討し生成 AI 適用を開始 新規技術・用途の展開に役立つ AWS のアセットを 1 クリックでデプロイ AI エージェントを含めた生成 AI の 事例を確認
  47. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. 47 一番早く先頭に立った人が勝者とは限らない。 走り続けられる環境・リスク対策・計画を大切に
  48. © 2025, Amazon Web Services, Inc. or its affiliates. All

    rights reserved. Thank you! © 2025, Amazon Web Services, Inc. or its affiliates. All rights reserved.