AWS Summit 2026で見えたSIerにとっての Amazon Quickの位置づけ

2026/06/25-26で開催された AWS Summit Japan 2026 に参加してきました。
本LT登壇では、AWS Summit 2026で得たAmazon Quickに関する情報を展開しようと思います。
セッションから企業展示ブースからAWSスペシャリストに聞いて理解したことを整理します。

Transcript

1. 1 AWS Summit 2026で見えたSIerにとっての Amazon Quickの位置づけ 定 兼太郎
2. 2 0. 自己紹介 定 兼太郎 ／ Sada Kentaro 資格 現在 AWS 10冠 趣味 登山、カメラ、海外旅行、フットサル 業種 ： SIer 分野 ： クラウド＆セキュリティ 業務 ： 企業のクラウド環境のアーキテクチャを設計・開発 興味 Amazon Quick 、 Podcast
3. 3 1．はじめに 2026/06/25-26で開催された AWS Summit Japan 2026 に参加してきました。 本LT登壇では、AWS Summit 2026で得たAmazon Quickに関する情報を展開しようと思います。 セッションから企業展示ブースからAWSスペシャリストに聞いて理解したことを整理します。 企業展示会 AWS展示会❶ セッション様子
4. 4 2. 本LTでお話しすること １． Quickについて理解をビジネス視点深める データ活用の背景 Amazon Ｑｕｉｃｋについて SIerの課題と価値領域 各IT社の動き PoCの検証と評価軸
5. 5 3． データ活用の変革 BIは「見るための道具」からAIと一緒に気づき、判断し、動くための基盤へ変わりつつある 従来 BIドリブン 現在 AIドリブン 売上・在庫・顧客情報など表形式で整理された構造化データを 中心に行われてきた 文書・議事録・メール・問い合わせ履歴・マニュアルなどの 非構造データの活用も広がってきている 生成AIの登場により、データ活用は「扱うデータの拡張」と「分析利用者の拡大」が進んでいる ❶ 企業のデータ活用は構造化データ中心の可視化から、非構造化データを含む知識活用へと拡大している ❷ データ分析の専門人財に依存していた分析業務を現場利用者へと拡大している 構造化データ 構造化データ 非構造化データ BIツール データサイエンティスト AI ユーザ 事前に定義されたダッシュボード 構造化データ中心 Agentic AI 人がビジュアルを理解 AIエージェントが分析、 自律的にアクション 構造化＆非構造化データの両方
6. 6 4． Amazon Quickについて Amazon Quickとは・・・ → 企業データと業務アプリをAIで繋ぎ、分析・検索・自動化を統合する業務型のAIエージェント基盤 → データを見るためのBIではなく、仕事を前に進めるためのAIエージェント基盤 Amazon QuickSight Amazon Quick Suite リブランディング 名称変更 Amazon Quick BI Dashboard RAG AI Agent Automation 構造化データを可視化する 社内文書・ナレッジにAIでアクセスする ユーザの業務文脈に応じて分析・提案する Slack連携、資料作成、などのアクションへ繋げる Quick ＝ BI Dashboard ＋ RAG ＋ AI Agent + Automation
7. 7 4． Amazon Quickについて Quick Spaceｓ Quick Sight Quick ChatAgent Quick Flows Quick Research → 定型業務の自動化 → 社内外データ調査・分析 Quick Index AI活用 データベース ファイルデータ → データのベクトル化 ユーザ Quick SpaceｓをAIが参照できるナレッジベースとして、Quick ChatAgent やQuick ResearchがLLMを介して分析を実施 Qucik ChatAgent がQuick FlowｓやAutomateを利用して分析結果に基づいたタスクの自動化を実施 参照 BI活用 概念図 → 自然言語での対話による分析 Quick Automate →プロセスの自律実行 参照 → データの統合・検索 → データの可視化 情報収集 分析 実行
8. 8 4． Amazon Quick について ブラウザ デスクトップアプリ モバイルアプリ Amazon Quick Quick Spaces Amazon Quick はブラウザ・モバイル・デスクトップで利用することが可能 Web閲覧や調査を支援 外出先での確認・軽量利用を支援 ローカルファイル、通知、接続サービスまで扱い実務全体を支援 デスクトップアプリの登場により、Amazon Quickは「Webで使うAI」から「仕事の現場で動くAI」へ拡張する役割を持った
9. 9 5． SIerの課題と価値領域 Amazon Quickは導入ハードルが低いため、単なる初期設定や接続作業だけではSIerの提供価値を出しにくい 価値領域 ＃ １ ２ ３ ４ 5 Quick初期設定・データ接続 セキュリティ・ガバナンス設計 ナレッジ整理 RAG品質改善・エージェント改善 定着支援 提供内容 Quickの初期セットアップアップ、ユーザ/グループ、基本権限の設計 Quickに渡すべきデータの設計とデータ加工 権限、認証、ログ、監査の設計・整備 ナレッジの分割、メタデータ・検索精度を設計 業務別ににAIエージェントの作成 現場部門が使えるように教育・ユースケースの作成・部門展開 導入支援 活用設計 活用設計 継続改善 継続改善 価値が高い 価値が低い → 「導入支援」に加えて、業務成果に繋がる「活用設計」と「継続改善」を提供する必要がある 課題
10. 10 6． 各IT会社の動きについて Amazon Quick市場は現時点（2026年6月29日）では立ち上がり期となり、 「先行知見活用型」「自社ナレッジ接続型」「汎用エージェントパッケージ型」で顧客接点を獲得しようとしている 先行知見活用型 自社ナレッジ接続型 汎用エージェントパッケージ型 タイプ1 タイプ2 タイプ3 先行して得た導入ノウハウや 検証知見を基に支援をする 自社に蓄積した技術情報・問い合わせ情報 をQuickに接続し、顧客向けに提供する 汎用的な業務エージェントを パッケージとして作成して提供する Amazon Quick クライアント SIer 導入支援 Quickの ナレッジ Amazon Quick クライアント SIer データ接続 自社ナレッジ Amazon Quick クライアント SIer エージェント共有・作成 エージェントナレッジ 初期導入は標準化・低価格化しやすく、差別化として顧客固有の データ・ナレッジ・業務プロセスに合わせたQuick活用設計にある
11. 11 7． PoCの検証と評価軸 Amazon QuickのPoCでは、可視化・要因分析・業務アクション化の３段階で実用性を検証する STEP１ STEP2 STEP3 ステップ 検証概要 構造化データの可視化・対話分析 非構造化データを含めた分析 分析結果からのアクション自動化 データを見て、ビジネス課題や問いが生まれる状態を作る 例） ダッシュボードの作成、AI Chatとの対話による分析 数値だけでは見えない背景・理由・顧客の声を拾い理由を探る 例） 非構造化データの取り込みと活用、リサーチ機能による深い分析 分析結果を通知・レポート・施策・改善を自動化できるか検討する 例） 有用な分析からの業務アクションの自動化、パワポ資料の作成など 定量的評価 KPI可視化数 回答有用率 非構造化データの分析による 仮説創出数 利用者満足度 課題創出数 ビジネス課題（解約率低下、問 い合わせ数向上）の有用施策数 エージェント作成数 ワークフロー作成数 レポートの通知数、施策化数 可視化で終わらせず、データから課題を生み、構造化データと非構造データから施策・改善アクションにつなげる
12. 12 8． まとめ 従来の分析のためのBIツールではなく、業務AI基盤として訴求されていた Amazon Quickはダッシュボード作るためのBIツールではなく、データ分析、ナレッジ検索、AIエージェント、自動化を 統合する業務AI基盤としてセッションでは紹介されていた Amazon Quickの価値は「分析結果」から「次のアクション」まで広がっている データを「見る」だけでなく、「聞く」「探す」「判断する」「動く」まで支援する方向として広がる 導入の容易性により、継続改善の重要性が高まってきている 導入ハードルは低いため、SＩｅｒはセキュリティ・ガバナンス以外にも、活用設計・継続改善が必要 AWS Summit 2026 で見えたAmazon Quickの今