SageMaker Inference がマルチインスタンス GPU をサポートし、モデルエンドポイントの GPU 利用率を最大化 2026-11-07 03:01 UTC+9 Amazon SageMaker Inference が NVIDIA Multi-Instance GPU(MIG)による GPU パーティショニングをサポートしました。1 つの GPU をハードウェア分離されたパーティションに分割し、エンドポイントごとに複数のモデルを実行したり、新しいアクセラレータの適切な割合を使用したりできます。本記事では 2 つのオプション API フィールドと、旧世代の GPU 全体との比較測定結果を紹介します。
AWS Machine Learning Blog サイト内本文 SageMaker Inference がマルチインスタンス GPU をサポートし、モデルエンドポイントの GPU 利用率を最大化 後で読む Amazon Quickにおけるエージェントプリミティブの分類体系 2026-11-07 02:34 UTC+9 Amazon Quickチームは、エージェント作業を「いつ」「何を」「誰が」「どのように」という4つの問いに分解することで導き出した、トリガー、エージェント、ケイパビリティ、学習コンテキストからなるプリミティブの分類体系を共有します。この共通語彙により、構築者はシステムを理解しやすくなり、ユーザーからは複雑さが隠されます。
AWS Machine Learning Blog サイト内本文 Amazon Quickにおけるエージェントプリミティブの分類体系 後で読む Amazon ECS Fargate上のサーバーレスMCPサーバー:AIエージェントのデータレイクアクセス 2026-11-07 02:13 UTC+9 Amazon ECSとAWS Fargate上でサーバーレスなModel Context Protocol(MCP)サーバーを構築し、AIエージェントにエンタープライズデータレイクへの安全でメタデータ駆動型のアクセスを提供する方法を紹介します。新しいデータセットの公開にはJSONファイルのみが必要で、データセットごとの統合コードは不要です。
AWS Machine Learning Blog サイト内本文 Amazon ECS Fargate上のサーバーレスMCPサーバー:AIエージェントのデータレイクアクセス 後で読む Okta Cross App AccessとAmazon Bedrock AgentCoreによるAIエージェントアクセスのガバナンス – パート2 2026-11-07 02:09 UTC+9 本記事はシリーズのパート2で、パート1で構築した単一のAIエージェントに対するガバナンスの仕組みを企業規模に拡張する方法を説明します。主な変更点は、Amazon Bedrock AgentCore Gatewayが単一のフロントドアとしてOktaのグラントを引き換え、Cedarポリシーが各ツールをエージェントにバインドし、2番目のエージェントがAmazon EKS上で実行され、AgentCore ObservabilityがAmazon CloudWatchと統合してすべての許可と拒否の決定を追跡する点です。
AWS Machine Learning Blog サイト内本文 Okta Cross App AccessとAmazon Bedrock AgentCoreによるAIエージェントアクセスのガバナンス – パート2 後で読む Okta Cross App Access と Amazon Bedrock AgentCore による AI エージェントアクセスのガバナンス – 第 1 部 2026-11-07 02:09 UTC+9 Okta Cross App Access と Amazon Bedrock AgentCore Identity を使用して AI エージェントのユーザーリソースへのアクセスを統制し、各エージェントが特定のユーザーとして特定のアプリでのみ動作することを保証し、迅速なポリシー適用を実現する方法を紹介します。
AWS Machine Learning Blog サイト内本文 Okta Cross App Access と Amazon Bedrock AgentCore による AI エージェントアクセスのガバナンス – 第 1 部 後で読む Taxbit Assist: Amazon Bedrock AgentCore 上のグラウンデッドでロール認識型の AI エージェント 2026-11-07 01:49 UTC+9 Taxbit は、企業ダッシュボードに埋め込まれた引用付きで権限認識型の AI アシスタントである Taxbit Assist を Amazon Bedrock AgentCore 上に構築しました。この記事では、厳選された知識ベースに基づく回答の根拠付け、ロール認識と地域準拠の安全対策、および本番トラフィックでの継続的な回答品質の測定方法を紹介します。
AWS Machine Learning Blog サイト内本文 Taxbit Assist: Amazon Bedrock AgentCore 上のグラウンデッドでロール認識型の AI エージェント 後で読む Amazon Bedrock AgentCore の Web Answer を始める 2026-11-06 06:04 UTC+9 Amazon Bedrock AgentCore の Web Answer が一般提供開始されました。1回のツール呼び出しで、出典引用付きの統合された回答を返します。本記事では、その仕組み、Web Search との違い、AgentCore Gateway への追加方法、エージェントからの呼び出し方法を解説します。
AWS Machine Learning Blog サイト内本文 Amazon Bedrock AgentCore の Web Answer を始める 後で読む Amazon Bedrock AgentCore Evaluationsで決定モデルを活用する 2026-11-05 03:46 UTC+9 本記事は、ホスト型のJevとオープンソースのStrands Decider 2Bという2つの決定モデルバックエンドを、コードベースの評価器を通じてAmazon Bedrock AgentCore Evaluationsに接続する方法を解説します。確率出力をAgentCoreの評価結果へ変換する仕組みと、リリース判定に使う前に自社トラフィックで評価器を検証する手順も示します。
AWS Machine Learning Blog サイト内本文 Amazon Bedrock AgentCore Evaluationsで決定モデルを活用する 後で読む Amazon Quick のスマート承認:重要な判断にこそ人間の監督を 2026-11-05 01:33 UTC+9 Amazon Quick のスマート承認は、既存の権限やガードレールの範囲内で対象となるエージェント操作を審査し、定型作業は自動で通しつつ、機密データや権限変更など影響の大きい判断は人に戻します。承認状況は AWS CloudTrail と Amazon CloudWatch Logs で監査できます。
AWS Machine Learning Blog サイト内本文 Amazon Quick のスマート承認:重要な判断にこそ人間の監督を 後で読む インデジーンがライフサイエンスにおける企業データ品質をどのように現代化し、拡張しているか 2026-11-05 01:25 UTC+9 インデジーンはAWS上のNEXT統合データプラットフォーム内に、本番グレードのLLM駆動型データ品質エージェントを構築しました。このエージェントはコンテキストを考慮したデータ品質ルールを生成し、検証し、人間参加型のガバナンスの下で実行可能なSQLとPythonを生成します。これにより、ライフサイエンス組織は企業データ品質を大規模に拡張できます。
AWS Machine Learning Blog サイト内本文 インデジーンがライフサイエンスにおける企業データ品質をどのように現代化し、拡張しているか 後で読む U MobileがAmazon Bedrock AgentCoreでエージェント型通信オペレーションを構築した方法 2026-11-05 01:23 UTC+9 マレーシアの新興5G通信事業者U Mobileは、Amazon Bedrock AgentCore上にエージェント型AIオペレーションプラットフォーム「AiDaH」を構築しました。本番稼働から9か月で6部門にわたる150以上の運用シナリオを処理し、トラブルチケットを最大84.5%削減しています。
AWS Machine Learning Blog サイト内本文 U MobileがAmazon Bedrock AgentCoreでエージェント型通信オペレーションを構築した方法 後で読む Amazon Quickで構造化データと非構造化データを統合する 2026-11-04 01:49 UTC+9 Amazon Quickは、S3に基づくナレッジベースと強化されたデータセットを接続することで構造化データと非構造化データを統合し、カスタムチャットエージェントが単一の会話インターフェースを通じて両方のデータ型にまたがるビジネス上の質問に回答できるようにします。
AWS Machine Learning Blog サイト内本文 Amazon Quickで構造化データと非構造化データを統合する 後で読む Gen DigitalがAmazon Bedrock AgentCore Web Searchを活用してNorton RevampのAIキュレーションニュースエンジンを構築した方法 2026-11-04 01:43 UTC+9 Gen Digitalは、Amazon Bedrock AgentCore Web Searchを基盤とするAIキュレーションニュースエンジンを備えた、生成AIを活用したプロフェッショナル評判管理プラットフォームNorton Revampを構築しました。このプラットフォームは、ゼロデータエグレスとNortonグレードのプライバシーを維持しながら、リアルタイムで引用付きのコンテンツ提案、目標設定、ニュースフィードを提供します。
AWS Machine Learning Blog サイト内本文 Gen DigitalがAmazon Bedrock AgentCore Web Searchを活用してNorton RevampのAIキュレーションニュースエンジンを構築した方法 後で読む EDB Postgres AI と Amazon Bedrock AgentCore でエージェント型 AI のためのセマンティックレイヤーを構築する 2026-11-04 01:41 UTC+9 EDB Postgres AI 内でガバナンスされたセマンティックレイヤーを構築し、Amazon Bedrock AgentCore 上の Strands Agents エージェントからクエリする方法を紹介します。ビジネス上の意味、結合パス、アクセス制御はすべて Postgres 内に存在し、GRANT と行レベルセキュリティによって各エージェントが読み取れる内容が制限されます。
AWS Machine Learning Blog サイト内本文 EDB Postgres AI と Amazon Bedrock AgentCore でエージェント型 AI のためのセマンティックレイヤーを構築する 後で読む AWS上で超低遅延の音声AIアプリケーションを構築する 2026-11-04 01:40 UTC+9 Cartesiaは、専用設計の状態空間モデル(SSM)とAWSインフラストラクチャを活用し、世界規模で100ミリ秒未満のテキスト読み上げと音声認識を実現しています。SonicモデルをAmazon SageMaker AIまたは自己管理のAmazon EC2 GPUインスタンスにデプロイする方法を紹介します。
AWS Machine Learning Blog サイト内本文 AWS上で超低遅延の音声AIアプリケーションを構築する 後で読む Crawl4AI を使用して Amazon Bedrock Knowledge Bases 用の Web コンテンツを準備する 2026-11-03 02:11 UTC+9 この記事では、オープンソースの Web クローラーである Crawl4AI を Amazon Bedrock Knowledge Bases のコンテンツ準備レイヤーとして使用し、JavaScript レンダリング、選択的抽出、カスタムメタデータ拡充を Web コンテンツが Amazon S3 データソースに到達する前に行う方法を紹介します。
AWS Machine Learning Blog サイト内本文 Crawl4AI を使用して Amazon Bedrock Knowledge Bases 用の Web コンテンツを準備する 後で読む