本文にスキップ
AI News HubLIVE
サイト内リライト7 分で読了

AIをデモから世界のビジネスへ:AWS Forward Deployed Engineeringの取り組み

記事の要約

AWS Forward Deployed Engineeringは15カ国で提供開始され、45日間のスプリントでAIをプロトタイプから本番環境へ移行し、顧客が所有する基盤、ワークフロー、ガバナンスを残します。

ソースAWS Machine Learning Blog著者: Dr. Asa Kalavade
AIをデモから世界のビジネスへ:AWS Forward Deployed Engineeringの取り組み
誤りを報告

訂正窓口はまだ利用できません。記事情報をコピーして保存できます。

訂正案内
本文へ

AWS Forward Deployed Engineering(FDE)は現在、米国、メキシコ、ブラジル、カナダ、オーストラリア、シンガポール、インド、韓国、日本、英国、ドイツ、オランダ、フランス、スウェーデン、サウジアラビアの15カ国で、商業および公共部門の顧客に提供されています。このサービスは、数十の本番環境対応アクセラレータによって支えられ、企業がAIをデモ段階から実際の本番環境へと進めるのを支援します。

多くの企業はすでに動作するAIプロトタイプを構築しています。例えば、請求書を読み取るモデル、カード紛争を解決するエージェント、顧客の質問に数秒で答えるシステムなどです。こうしたデモは関係者に強い印象を与えますが、組織が本番環境に導入しようとすると、実際の問題が現れます。本番データはテストセットよりも雑然としており、監査人は各決定の理由を説明するよう求め、利用量はパイロットグループから全社へと拡大し、最も重要なルールは人々の頭の中にしか存在しないことが多いのです。これらはモデルの問題ではなくビジネスの問題であり、AIが本当に成果を出すかどうかを左右します。デモから本番環境への「最後の1マイル」こそ、ほとんどのAIプロジェクトが停滞する場所であり、AWS FDEチームが時間を費やす領域です。

AWS FDEは今年6月に開始され、それ以来、金融サービス、医療、スポーツ、メディア、小売など、商業および公共部門の顧客と協力してこれらの問題に取り組んできました。チームは最も困難な問題を3つの層に分類しています。基盤層、ワークフロー層、ガバナンス層です。各層は見た目以上に難しく、前の層の上に積み重なります。

第一層は基盤層です。エージェントが大規模に有用な作業を行うには、アイデンティティ、セキュリティ、コンテキスト、ガバナンス、運用制御といった基盤が必要で、これらは初日から本番環境対応でなければならず、後続のすべてのユースケースで共有される必要があります。コンテキストが最大のギャップとなることが多く、ほとんどの顧客はデータがシステム全体に分散しており、エージェントが推論に必要とするビジネスの共通モデル(オントロジー)が存在しません。共有基盤がなければ、2回目のパイロットは1回目とほぼ同じコストがかかり、統合が再構築され、教訓が引き継がれません。多くの組織は、最初に基盤を構築する決断をし、各ユースケースがゼロからではなく前のユースケースの上に構築されるようにします。AWSはこれを「AIリセット」と呼んでいます。Samsung Life Insuranceは、4つの関連会社がそれぞれゼロからAIポイントソリューションを構築していました。FDEチームは45日間で、単一のコントロールプレーンと組み込みのコンプライアンスを備えたガバナンスされたエージェントプラットフォームを構築しました。新しいエージェントは再構築ではなく、登録とポリシー割り当てを通じて展開されるようになりました。

第二層はワークフロー層です。請求処理、KYCレビュー、カード紛争、ローン組成、請求書照合、許認可、カスタマーサービスなど、大量かつルール重視のプロセスを自動化します。ここはAIが即座に測定可能な成果を出せる領域です。しかし本当の難しさは自動化そのものではなく、各決定の背後にあるビジネスルールを明らかにすることにあります。例えば、請求書と発注書が一致しない場合、どちらの記録が優先されるのか?例外はいつ自動でクリアでき、いつ人間の介入が必要なのか?経験豊富な従業員は判断でこれらの質問に答えますが、その判断はほとんど文書化されていません。知識がシステム自体に埋もれていることもあります。Rio Tinto Iron Oreは、30年前のOracleシステム上で世界で最も複雑な鉱山から船積みまでのサプライチェーンを運用しています。そのシステムには5,000以上のデータベーステーブルと140のアプリケーションがあります。マッピングには数か月かかっていましたが、FDEチームは数週間でマッピングするエージェントを構築し、Rio Tintoのチームが検証して構築できる依存関係を明らかにしました。既存のものをマッピングすることは始まりに過ぎません。最大の機会は、組織がAIを使って既存の業務をいかに効率化するかという問いをやめ、AIが仕事のやり方をどう変えるかという問いを始めるときに現れます。

第三層はガバナンス層であり、すべての変化に対応して有効であり続ける必要があります。ガバナンスはプロジェクトの一フェーズではなく、アーキテクチャの一部です。エージェントが増えるにつれて、セキュリティリスク、コスト、説明責任を果たすべき決定も増加します。各エージェントには、人間のアイデンティティとは別に、独自のアイデンティティ、権限、監査証跡が必要です。基盤となるモデルは確率的であるため、エージェントの結果を予測可能かつ監査可能に保つ監視が不可欠です。システムは、モデルのドリフト、ビジネスルールの変化、データ形式の変更、規制の厳格化、新たなセキュリティ問題の発生など、周囲のあらゆる変化に対応して機能し続けなければなりません。ガバナンスが最後に来ると、それは本番を阻むゲートになりますが、初日から組み込まれていれば、ビジネスが迅速に動くための基盤となります。Marshは、自社の監査基準に耐えるエージェントを必要としていました。FDEチームは最初からこれらの制御を組み込み、最初のユースケースは作業開始から約2か月で本番環境に到達しました。対象領域の効率は最大70%向上し、一部のプロセスステップは数時間から数秒に短縮されました。Marshはその後作業を拡大し、システム自体を拡張し続けています。

AWS FDEのアプローチは、スピード、スケール、制御を組み合わせています。AWSのエンジニア、科学者、プロダクトマネージャーからなる小規模チームが、顧客のエンジニアと専門AIエージェントのチームと協働します。多くのFDEは、Amazon Bedrock、Amazon Bedrock AgentCore、Kiro、AWS Quick、AWS Security Hubを構築したサービスチーム出身であり、AWS規模でAI製品を構築・運用した経験を顧客環境に持ち込みます。チームは45日間のスプリントで、顧客自身のAWSアカウント内で高価値のビジネス問題を本番環境に移行します。顧客はスピード、スケール、制御の間で選択する必要はありません。

スピード面では、顧客は広範な目標や曖昧な問題を持ち込むことがあります。FDEはビジネス関係者と問題を明確化し、初日から顧客の環境で、顧客のデータとアイデンティティ・セキュリティ制御を通じて構築します。チームは実際の業務担当者と短いサイクルで反復し、各サイクルで実際のケースを提示することで、明文化されていないルールが浮かび上がります。これらのルールは「リビングコンテキスト」に取り込まれ、AWSが撤退した後もシステムは学習を続けます。プロトタイプと本番環境の間で再構築は不要で、常に動作するデモを確認でき、評価は重要な成果に対する進捗を追跡し、四半期以内に本番システムを提供します。

スケール面では、ポイントソリューションは1つのユースケースで迅速に動けますが、次の5つのユースケースのための基盤を残しません。各FDEチームは同じ方法で作業し、AWS自身のサービスチームが広範な問題を実用的な成果に導くために使用するAI-Driven Development Lifecycle(AI-DLC)を採用します。チームは、AIサービス構築の経験を反映したAWSスタックを展開し、顧客環境に適応させます。これには、ビジネスの仕組みに関するリビングコンテキスト、エンジニアとエージェントチームが構築するワークベンチ、Amazon Bedrock AgentCore上のランタイム、ガバナンス・成果・コスト・エージェントパフォーマンスのためのコントロールタワーが含まれます。ドキュメント処理や顧客感情分析などの一般的なタスク用のアクセラレータが標準部分を処理するため、各新しいワークロードはビジネス固有の内容に集中できます。スタック、コンテキスト、制御は1つのユースケースから次へと引き継がれます。顧客のコンテキストがスケーリングを可能にします。例えば、最初のユースケースが販売自動化ワークフローであれば、そのコンテキストは顧客のAWSアカウントに存在するため、次のユースケースであるサプライチェーン最適化はゼロからではなくそれを基に構築されます。コンテキスト、ツール、AWSサービスが一箇所にあるため、各ユースケースは前回よりも速く構築できます。

制御面では、顧客は構築されたものを所有します。すべては顧客のAWSアカウント内で、顧客のアイデンティティ、ネットワーク、セキュリティ制御の下で実行されます。顧客のエンジニアは最初のスプリントからAWSのエンジニアと協働し、実際のビジネス問題を通じてアーキテクチャとデリバリー手法の両方を学びます。これにより、エンゲージメント終了後もソリューションを運用・拡張できます。AWSチームが撤退すると、顧客チームはコントロールタワーを通じてシステムを運用し、すべてのエージェントを統治、保護、監視する単一のビューを持ちます。成功は、顧客チームがAWSなしでどれだけ構築できるかで測定されます。最初または2番目のプロジェクトの後、AWSは顧客が独自のAIソフトウェアファクトリーを運営することを望んでいます。ある金融サービス顧客はAI-DLCでこれを実現し、エージェントとエンジニアが協働して構築し、スループットが53%向上、コードレビューが56%高速化しました。顧客は選択肢も保持します。モデルは急速に進化しており、より優れた、またはより費用対効果の高いモデルが登場した場合、Amazon Bedrockを通じて再構築なしで採用でき、能力とコストの両方を制御できます。独自のコーディングエージェントを持ち込むこともできます。AWSスタックはAPI、オープンスタンダード、コネクタを介してシステムに接続し、ハイブリッド環境で動作し、既存のツールとパートナーを維持します。

これはフライホイール効果です。顧客チームは向上し、能力は各ユースケースとともに成長します。AWSサービスも向上し、エンジニアが顧客から学んだことを製品に還元します。AWS全体が顧客の周りで機能します。カスタマーデベロップメントエンジニアリングが初期のアイデアを探求し、FDEが最も困難な問題を本番環境に移行し、AWS Professional ServicesとAWSパートナーが組織全体に作業を拡大し、AWSサポートがシステムを稼働させ続けます。顧客はAIに対するAWSの深いサポートを受けながら、その使用方法を制御し続けます。

AWS FDEは現在、15カ国で商業および公共部門の顧客に提供され、購入も簡単になりました。各45日間のスプリントはFDE利用規約の下で固定価格が設定され、顧客のAWSアカウントを通じて請求されます。顧客が変革のどの段階にあってもサポートします。始めたばかりの顧客には、安全でガバナンスされた基盤とその上の最初のワークフローを構築します。仕事のやり方を変える準備ができた顧客には、請求処理やKYCレビューなどのワークフローを再構築し、顧客が直接使用するショッピングや問題解決などのワークフローも含めます。レガシーアプリケーションに阻まれている顧客には、エンジニアと協力して各新しいワークフローに再利用できるソフトウェアファクトリーを構築します。すでに本番環境でスケーリングしている顧客には、問題を発見・修正するエージェントでシステムを安全に保ち、成果あたりのコストを削減します。開始する準備ができたら、AWSアカウントチームに連絡し、成果に責任を持つ幹部と、AWSエンジニアと共に構築する準備ができたエンジニアをお連れください。AWSのエージェントがアクセス、データ、セキュリティチェックなどの設定作業の多くを担当するため、作業は数日以内に開始できます。

要点と分析を開く

記事インテリジェンス

エンジニア中級

要点

  • AWS FDEは米国、メキシコ、ブラジル、カナダ、オーストラリア、シンガポール、インド、韓国、日本、英国、ドイツ、オランダ、フランス、スウェーデン、サウジアラビアの15カ国で利用可能。
  • AI導入の三大障壁は、基盤層(アイデンティティ、セキュリティ、コンテキスト、ガバナンス)、ワークフロー層(文書化されていない業務ルールの発掘)、ガバナンス層(変化に対応し続けること)。
  • Samsung Life Insurance、Rio Tinto Iron Ore、Marshなどの顧客事例では、45日間のスプリントで測定可能な成果を達成。
  • FDEチームは顧客のエンジニアと協働し、顧客のAWSアカウント内で稼働するシステムを納品。顧客は完全な制御と長期的な拡張性を保持。

要点と分析は自動生成され、誤りを含む場合があります。原典をご確認ください。