2024/12/3 9:00:00 ~ 2024/12/4 9:00:00 (JST)

最近の発表

Amazon Q Developer can now automate code reviews

本日より、Amazon Q Developer はコードレビューを実行して、IDE でコードに関するコメントを自動的に提供したり、疑わしいコードパターンにフラグを付けたり、パッチを入手できる場合はパッチを提供したり、デプロイリスクを評価したりして、コードに関するフィードバックを迅速に得ることができるようになりました。\n Q Developer は、ソフトウェアの設計、構築、テスト、デプロイ、メンテナンスを行う、生成的な AI を活用したアシスタントです。ソフトウェア開発担当のエージェントは、コードリポジトリ全体を深く理解しているため、コーディング以外の多くのタスクを迅速に行うことができます。Q Developerは、コードレビューの第1ラウンドを自動化し、レビューの一貫性を向上させることで、コード作成者が問題をより迅速に修正できるよう支援し、作成者とレビュー担当者の両方のプロセスを合理化します。この新機能により、Q Developer はコードレビューやコード修正のフィードバックをすぐに得ることができるため、イテレーションの速度を上げてコードの品質を向上させることができます。

この機能は、統合開発環境 (IDE) の新しいチャットコマンド /review を使用して利用できます。Amazon Q デベロッパー無料利用枠またはプロ利用枠サブスクリプションの両方で、Visual Studio Code と IntelliJ IDEA 統合開発環境 (IDE) を使用してコードレビューの自動化を開始できます。料金の詳細については、Amazon Q 開発者向け価格をご覧ください。

この機能は Amazon Q Developer が利用できるすべての AWS リージョンで利用できます。ドキュメントの生成を開始するには、Amazon Q Developer にアクセスするか、ニュースブログをお読みください。

Amazon Bedrock now supports multi-agent collaboration

Amazon Bedrock はマルチエージェントコラボレーションをサポートするようになり、組織は複雑なワークフローを解決するために連携する複数の AI エージェントを構築および管理できるようになりました。この機能により、開発者は財務データの収集、調査、意思決定など、特定のビジネスニーズに合わせた特別な役割を持つエージェントを作成できます。Amazon Bedrock は、エージェントとのシームレスなコラボレーションを可能にすることで、組織が金融、カスタマーサービス、医療などの業界全体でパフォーマンスを最適化できるようにします。\n Amazon Bedrock のマルチエージェントコラボレーションにより、組織は複雑なワークフローを簡単にマスターし、さまざまなアプリケーションで非常に正確でスケーラブルな結果を得ることができます。たとえば金融サービスでは、専門のエージェントが連携してデータの収集、傾向の分析、実行可能な推奨事項の提供を行い、それと並行して応答時間と精度を向上させます。このコラボレーション機能により、企業はマルチエージェントのセットアップを迅速に構築、展開、拡張できるため、開発時間を短縮すると同時に、進化するニーズへのシームレスな統合と適応性を確保できます。

マルチエージェントコラボレーションは現在、米国東部 (バージニア北部)、米国西部 (オレゴン)、およびヨーロッパ (アイルランド) の AWS リージョンでご利用いただけます。

詳細については、Amazon Bedrock エージェントをご覧ください。

Amazon Q Business introduces over 50 actions for popular business applications and platforms

本日、Amazon Q Appsを含むAmazon Q Businessが、人気のビジネスアプリケーションやプラットフォームにわたるプラグインにまたがる50以上のアクションのすぐに使用できるライブラリで機能を拡張したことを発表できることを嬉しく思います。この機能強化により、Amazon Q Business ユーザーは Amazon Q Business インターフェイスを離れることなく他のアプリケーションでタスクを完了できるようになり、ユーザーエクスペリエンスと運用効率が向上します。\n 新しいプラグインは、PagerDuty、Salesforce、Jira、Smartsheet、ServiceNow など、広く使用されているさまざまなビジネスツールに対応しています。これらの統合により、ユーザーはチケットの作成と更新、インシデントの管理、プロジェクト情報へのアクセスなどのタスクを Amazon Q Business 内から直接実行できます。Amazon Q Apps では、新しく導入されたアクションを専用のアプリ内で直接利用することで、ユーザーは日常業務をさらに自動化できます。 新しいプラグインは Amazon Q Business が利用できるすべての AWS リージョンで利用できます。 新しいプラグインを使い始めるには、お客様が Amazon Q Business インターフェイスから直接アクセスできます。Amazon Q Business プラグインの詳細と、それらが組織の生産性を高める方法については、Amazon Q Business 製品ページをご覧になるか、Amazon Q Business プラグインのドキュメントをご覧ください。

Amazon Q Developer now provides transformation capabilities for .NET porting (Preview)

本日、AWSは、.NET Frameworkアプリケーションのクロスプラットフォーム.NETへの移植を促進するために、Amazon Q Developerの新しいジェネレーティブAIを活用したトランスフォーメーション機能をパブリックプレビューで発表しました。これらの機能を使用すると、Windows .NET アプリケーションを Linux 対応にモダナイズして、従来の方法よりも最大 4 倍速くなり、ライセンスコストを最大 40% 削減できます。\n 今回の発表により、Amazon Q Developer には、Windows 上で実行されている何百もの.NET Frameworks アプリケーションを Linux 対応のクロスプラットフォーム.NET に移植できるトランスフォーメーションのためのエージェント機能が搭載されました。Amazon Q Developer を使用すると、面倒な手動の移植作業を委任して、チームの貴重な時間をイノベーションに集中させることができます。 Amazon Q Developer と自然言語でチャットして、大まかな変革目標を共有し、それをソースコードリポジトリにつなげることができます。その後、Amazon Q Developer はアプリケーションコードの評価から変換プロセスを開始し、.NET バージョン、サポートされているプロジェクトタイプ、およびそれらの依存関係を特定します。次に、評価したアプリケーションコードを、それに付随する単体テストとともにクロスプラットフォーム.NET に移植します。あなたとあなたのチームは協力して変換プロセスを見直し、調整し、承認することができます。さらに、Amazon Q Developer は、組織のコンプライアンス目標をサポートするために、変革に関する決定の証跡として詳細な作業ログを提供します。 Amazon Q Developer のトランスフォーメーション機能は、ウェブエクスペリエンスによるパブリックプレビューと、Visual Studio 統合開発環境 (IDE) でのパブリックプレビューで利用できます。詳細については、ウェブエクスペリエンスと IDE エクスペリエンスに関するブログを読むか、Amazon Q Developer トランスフォーメーション機能のウェブページとドキュメントをご覧ください。

Amazon DynamoDB zero-ETL integration with Amazon SageMaker Lakehouse

Amazon DynamoDB Zero-ETL を Amazon SageMaker Lakehouse と統合することで、DynamoDB テーブルからデータを抽出して、オープンで安全なレイクハウスである SageMaker Lakehouse に自動的に読み込むことができます。SageMaker Lakehouse を使用すると、DynamoDB 上で実行されているプロダクションワークロードに影響を与えることなく、DynamoDB データに対して分析と機械学習のワークロードを実行できます。今回のリリースにより、以前利用できた Amazon OpenSearch Service と Amazon Redshift Zero-ETL 統合に加えて、SageMaker Lakehouse を使用して分析ワークロードを有効にできるようになりました。\n ノーコードインターフェイスを使用すると、データのレプリケーションとレコードの更新の全プロセスを処理するようにインテグレーションをすばやく設定できるため、データレイク内の DynamoDB データの最新のレプリカを維持できます。このゼロETL統合により、データレプリケーションの複雑さと運用上の負担が軽減され、データから洞察を引き出すことに集中できるようになります。AWS マネジメントコンソール、AWS コマンドラインインターフェイス (AWS CLI)、または SageMaker Lakehouse API を使用してインテグレーションを作成および管理できます。

SageMaker Lakehouse との DynamoDB Zero-ETL 統合は、米国東部 (バージニア北部)、米国東部 (オハイオ)、米国西部 (オレゴン)、アジアパシフィック (東京)、アジアパシフィック (香港)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、ヨーロッパ (ストックホルム)、ヨーロッパ (フランクフルト)、ヨーロッパ (アイルランド) の AWS リージョンで利用できるようになりました。

詳細については、DynamoDB インテグレーションにアクセスし、ドキュメントをお読みください。

Announcing Amazon S3 Metadata (Preview) – Easiest and fastest way to manage your metadata

Amazon S3 メタデータは、ほぼリアルタイムで更新される自動化された簡単にクエリできるメタデータにより、S3 データを即座に発見して理解するのに役立つ最も簡単で迅速な方法です。これにより、S3 データをキュレーション、特定、ビジネス分析やリアルタイム推論アプリケーションなどに使用することができます。S3 メタデータは、サイズやオブジェクトのソースなどのシステム定義の詳細を含むオブジェクトメタデータと、タグを使用して製品 SKU、トランザクション ID、コンテンツレーティングなどの情報をオブジェクトに注釈できるカスタムメタデータをサポートしています。\n S3 メタデータは、バケットにアップロードされたオブジェクトからメタデータを自動的に取得し、そのメタデータを読み取り専用テーブルでクエリできるように設計されています。バケット内のデータが変更されると、S3 メタデータは数分以内にテーブルを更新して最新の変更を反映します。これらのメタデータテーブルは、表形式データ用に最適化された新しい S3 ストレージサービスである S3 テーブルに保存されます。S3 テーブルと AWS Glue データカタログの統合はプレビュー段階にあり、Amazon Data Firehose、Athena、Redshift、EMR、QuickSight などの AWS アナリティクスサービスを使用して、S3 メタデータテーブルを含むデータのストリーミング、クエリ、および視覚化を行うことができます。さらに、S3 メタデータは Amazon Bedrock と統合されているため、AI の起源、作成タイムスタンプ、生成に使用された特定のモデルを指定するメタデータを使用して、AI が生成した動画に注釈を付けることができます。 Amazon S3 メタデータは現在、米国東部 (バージニア北部)、米国東部 (オハイオ)、および米国西部 (オレゴン) の各リージョンでプレビュー段階にあり、まもなく他のリージョンでも利用できるようになります。料金の詳細については、S3 の料金表ページをご覧ください。詳細については、製品ページ、ドキュメント、AWS ニュースブログをご覧ください。

Amazon Bedrock Guardrails now supports Automated Reasoning checks (Preview)

Amazon Bedrock Guardrailsに自動推論チェックセーフガードが導入されたことで、AWSは自動推論を当社のジェネレーティブAIサービスに組み込んだ最初で唯一の大手クラウドプロバイダーになりました。自動推論チェックは幻覚を検出し、大規模言語モデル (LLM) の応答が正確であることの検証可能な証拠を提供するのに役立ちます。自動推論ツールは正確性を推測したり予測したりしません。その代わり、専門家が作成した自動推論ポリシーへの準拠を確実な数学的手法に基づいて検証し、結果として透明性を高めています。関連性のあるコンテキスト化された情報に会話形式でアクセスできるようにすることで、ユーザーエクスペリエンスを向上させ、運用コストを削減するために LLM を使用する組織が増えています。しかし、LLM は幻覚に陥りがちです。LLM は説得力のある答えを出すことができるため、こうした幻覚は発見が難しい場合がよくあります。幻覚が発生する可能性があり、なぜ幻覚が発生したのかを説明できないと、正確さが重要なユースケースへのジェネレーティブAIの採用が遅れます。\n 自動推論チェックにより、各分野の専門家は、業務ワークフローや人事ポリシーなどの分野の知識をまとめた自動推論ポリシーと呼ばれる仕様をより簡単に構築できます。Amazon Bedrock Guardrails のユーザーは、生成されたコンテンツを自動推論ポリシーと照合して検証することで、不正確さや明記されていない仮定を特定し、記述が正確である理由を検証可能な方法で説明できます。たとえば、自動推論チェックを設定して、複雑な人事ポリシー (従業員の在職期間、勤務地、業績に対する制約など) で定義されているトピックに対する回答を検証し、その回答が正しい理由を裏付けとなる証拠とともに説明できます。 AWS アカウントチームに連絡して、米国東部 (バージニア北部) および米国西部 (オレゴン) の AWS リージョンの Amazon Bedrock Guardrails の自動推論チェックへのアクセスをリクエストしてください。詳細については、Amazon Bedrock Guardrails にアクセスしてニュースブログをご覧ください。

Amazon DynamoDB global tables previews multi-Region strong consistency

本日のプレビュー版から、Amazon DynamoDB グローバルテーブルはマルチリージョンの強い一貫性をサポートするようになりました。DynamoDB グローバルテーブルは、何万ものお客様が使用する、完全マネージド型の、サーバーレス、マルチリージョン、マルチアクティブデータベースです。この新機能により、Recovery Point Objective (RPO) が 0 の高可用性マルチリージョンアプリケーションを構築できるようになり、最高レベルの耐障害性を実現できるようになりました。 \n マルチリージョンの強力な整合性により、アプリケーションはグローバルテーブル内のどのリージョンからでも常に最新バージョンのデータを読み取ることができ、複数のリージョンにわたる一貫性を管理するという差別化されていない面倒な作業が不要になります。ユーザープロファイル管理、在庫追跡、金融取引処理など、一貫性が厳しいグローバルアプリケーションを構築する場合に役立ちます。

複数リージョンの整合性が強い DynamoDB グローバルテーブルのプレビューは、米国東部 (バージニア北部)、米国東部 (オハイオ)、および米国西部 (オレゴン) の各リージョンで利用できます。マルチリージョンの整合性が強い DynamoDB グローバルテーブルは、既存のグローバルテーブル料金に基づいて請求されます。グローバルテーブルマルチリージョンの強い整合性の詳細については、プレビュードキュメントを参照してください。DynamoDB グローバルテーブルの詳細については、グローバルテーブルの情報ページと開発者ガイドを参照してください。

AWS Glue Data catalog now automates generating statistics for new tables

AWS Glue データカタログは、新しいテーブルの統計の生成を自動化するようになりました。これらの統計は Amazon Redshift と Amazon Athena のコストベースオプティマイザー (CBO) と統合されているため、クエリのパフォーマンスが向上し、コスト削減が見込まれます。\n Amazon Redshift や Amazon Athena などのクエリエンジンは、テーブル統計を使用して、クエリを実行する最も効率的な方法を判断します。以前は、AWS Glue データカタログで Apache Iceberg テーブルの統計を作成するには、テーブルの設定を継続的に監視して更新する必要がありました。AWS Glue Data Catalog では、カタログを 1 回設定するだけで、新しいテーブルの統計を自動的に生成できるようになりました。Lake Formation コンソールでデフォルトカタログを選択し、テーブル最適化設定タブでテーブル統計を有効にすることから始めることができます。新しいテーブルが作成されるか、既存のテーブルが更新されると、すべての列の行のサンプルを使用して統計が生成され、定期的に更新されます。Apache Iceberg テーブルの場合、これらの統計には個別値 (NDV) の数が含まれます。Parquet などの他のファイル形式では、NULL の数、最大値と最小値、平均長などの追加の統計情報が収集されます。Amazon Redshift と Amazon Athena は更新された統計情報を使用してクエリを最適化し、最適な結合順序やコストベースの集計プッシュダウンなどの最適化を行います。Glue カタログコンソールでは、更新された統計と統計生成の実行状況を可視化できます。

AWS Glue Catalog 統計の自動化のサポートは、通常、米国東部 (バージニア北部、オハイオ)、米国西部 (北カリフォルニア、オレゴン)、ヨーロッパ (アイルランド)、アジアパシフィック (東京) の各リージョンで利用できます。詳細については、ブログ投稿を読み、AWS Glue Catalog のドキュメントをご覧ください。

Amazon S3 Access Grants now integrate with AWS Glue

Amazon S3 Access Grants が AWS Glue と統合され、AWS での分析、機械学習 (ML)、アプリケーション開発のワークロードに使用できるようになりました。S3 アクセス権限は、Entra ID や Okta や AWS ID およびアクセス管理 (IAM) プリンシパルなどのアイデンティティプロバイダー (IdP) のアイデンティティを、Amazon S3 に保存されているデータセットにマッピングします。この統合により、バケットポリシーや個々の IAM ロールを作成して管理しなくても、Glue 5.0 以降でジョブを実行するエンドユーザーの S3 権限を管理できるようになります。\n AWS Glue は、S3 を含む複数のソースからのデータ調査、準備、統合を簡素化するデータ統合サービスを提供します。S3 Access Grants を使用すると、S3 のバケットまたはプレフィックスへのアクセス許可を、既存の社内ディレクトリのユーザーやグループ、または IAM ユーザーとロールに付与できます。適切なユーザーグループのエンドユーザーが Glue ETL for Apache Spark を使用して S3 にアクセスすると、データの読み取りと書き込みに必要な権限が自動的に付与されます。また、S3 Access Grants では、IdP のユーザーグループにユーザーが追加されたり削除されたりすると、S3 権限が自動的に更新されます。 Amazon S3 アクセス権限のサポートは AWS Glue 5.0 以降を使用している場合に利用でき、AWS Glue 5.0 と AWS IAM アイデンティティセンターが利用できるすべての商用 AWS リージョンで利用できます。料金の詳細については、Amazon S3 の料金表と Amazon Glue の料金表をご覧ください。S3 アクセス権限の詳細については、S3 ユーザーガイドを参照してください。

Amazon SageMaker Lakehouse integrated access controls now available in Amazon Athena federated queries

Amazon SageMaker は、Amazon Athena でデータをクエリする際に、接続、検出、クエリ、およびフェデレーテッドソースへのきめ細かなデータアクセス制御の適用をサポートするようになりました。Athena は、抽出、変換、ロード (ETL) スクリプトを使用せずに SQL を使用して、データレイクや Amazon Redshift、Amazon DynamoDB、Snowflake などのフェデレーテッドデータソースを簡単に分析できるようにするクエリサービスです。これで、データワーカーは SageMaker Lakehouse 内でこれらのデータソースに接続して統合できるようになりました。フェデレーションされたソースメタデータは SageMaker Lakehouse に統合されているため、きめ細かなポリシーを 1 か所に適用できるため、分析ワークフローの合理化とデータの保護に役立ちます。\n Amazon SageMaker Unified Studio にログインして SageMaker Lakehouse のフェデレーテッドデータソースに接続し、Athena でフェデレーテッドデータソースをクエリするときに適用される列ベースとタグベースのアクセス権限でデータを管理できます。SageMaker Unified Studio の他に、Athena コンソールと API を使用してこれらのデータソースに接続できます。新しいユーザーエクスペリエンスでは、データソースへの接続を簡単に作成および管理できるようになり、コネクタの設定を自動化および合理化できます。 これで、組織はデータがどこに保存されているかにかかわらず、セキュリティ体制を強化しながら、統合されたデータソースから洞察を引き出すことができます。SageMaker Lakehouse が利用可能なすべての AWS リージョンで、フェデレーテッドソースの統合ときめ細かなアクセス制御が利用できます。詳細については、SageMaker Lakehouse のドキュメントをご覧ください。

AWS expands data connectivity for Amazon SageMaker Lakehouse and AWS Glue

Amazon SageMaker Lakehouse は、データベース、データレイク、エンタープライズアプリケーションにわたるデータソースへの接続の作成、管理、使用を効率化する統合データ接続機能を発表しました。SageMaker Lakehouse の統合データ接続には、接続設定テンプレート、基本認証や OAuth 2.0 などの標準認証方法のサポート、接続テスト、メタデータの取得、データプレビューなどが含まれます。お客様は、SageMaker Unified Studio (プレビュー)、AWS Glue コンソール、または AWS Glue の API を使用してカスタムビルドアプリケーションを通じて SageMaker Lakehouse 接続を作成できます。\n SageMaker Lakehouse の統合データ接続では、データ接続は一度設定すれば、SageMaker Unified Studio、AWS Glue、Amazon Athena でデータ統合、データ分析、データサイエンスのユースケースに再利用できます。接続テストで認証情報を検証することで、確立された接続に自信を持つことができます。メタデータを参照できるため、データソースの構造とスキーマを理解し、関連するテーブルとフィールドを特定できます。最後に、データプレビュー機能では、ソースフィールドをターゲットスキーマにマッピングしたり、必要なデータ変換を特定したり、ソースデータクエリに関するフィードバックを即座に受け取ったりすることができます。 SageMaker Lakehouse のユニファイド接続は、Amazon SageMaker Lakehouse または AWS Glue が利用できる場所であれば利用できます。開始するには、AWS Glue 接続ドキュメントまたは Amazon SageMaker Lakehouse データ接続ドキュメントを参照してください。

Introducing AWS Glue 5.0

本日、AWS Glue 5.0 の一般提供を発表できることを嬉しく思います。AWS Glue 5.0 では、パフォーマンスの向上、セキュリティの強化、Amazon Sagemaker Unified Studio と Sagemaker Lakehouse のサポートなどをご利用いただけます。AWS Glue 5.0 では、データ統合ワークロードを開発、実行、スケーリングして、より迅速に洞察を得ることができます。\n AWS Glue はサーバーレスでスケーラブルなデータ統合サービスで、複数のソースからのデータを簡単に発見、準備、移動、統合できます。AWS Glue 5.0 では、パフォーマンスとセキュリティが新たに改善され、エンジンが Apache Spark 3.5.2、Python 3.11、および Java 17 にアップグレードされます。Glue 5.0 では、オープンテーブル形式のサポートが Apache Hudi 0.15.0、Apache Iceberg 1.6.1、および Delta Lake 3.2.0 に更新され、データレイクのパフォーマンス、コスト、ガバナンス、プライバシーに関する高度なユースケースを解決できるようになりました。AWS Glue 5.0 では、Spark ネイティブのきめ細かなアクセス制御が AWS Lake Formation に追加されたため、Amazon S3 データレイクにテーブル、列、行、およびセルレベルのアクセス権限を適用できます。最後に、Glue 5.0 では Sagemaker Lakehouse のサポートが追加され、Amazon S3 データレイクと Amazon Redshift データウェアハウスにわたるすべてのデータを統合できるようになりました。 AWS Glue 5.0 は現在、米国東部 (バージニア北部)、米国東部 (オハイオ)、米国西部 (オレゴン)、ヨーロッパ (アイルランド)、ヨーロッパ (ロンドン)、ヨーロッパ (ストックホルム)、ヨーロッパ (フランクフルト)、アジアパシフィック (香港)、アジアパシフィック (ソウル)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、アジアパシフィック (東京)、カナダ (中央)、南米 (サンパウロ) で一般提供されています。地域。 詳細については、AWS Glue 製品ページとドキュメントをご覧ください。

Amazon Bedrock Model Distillation is now available in preview

Amazon Bedrock Model Distillation を使用すると、お客様は Amazon Bedrock の最も高性能なモデルに匹敵する、ユースケース固有の精度を実現する、より小さく、より高速で、費用対効果の高いモデルを使用できます。\n 今日、お客様のユースケースに合わせて精度を上げるために、より小規模でコスト効率の高いモデルを微調整することは、顧客がプロンプトとレスポンスを記述し、トレーニングデータセットを改良し、トレーニングデータセットが多様な例を取り込んでいることを確認し、トレーニングパラメータを調整する必要がある反復プロセスです。 Amazon Bedrock Model Distillation は、教師モデルから合成データを生成するのに必要なプロセスを自動化し、学生モデルのトレーニングと評価を行い、推論用の最終的な抽出モデルをホストします。反復の負担をいくらか軽減するために、Model Distillation では、お客様のユースケースに最も適したさまざまなデータ合成方法を適用して、特定のユースケースの高度なモデルにほぼ一致する抽出モデルを作成することがあります。たとえば、Bedrockは類似のプロンプトを生成してトレーニングデータセットを拡張したり、顧客が提供したプロンプト/レスポンスのペアを優良な例として使用して高品質の合成応答を生成したりする場合があります。 詳細については、当社のドキュメントとブログをご覧ください。

Amazon SageMaker Lakehouse and Amazon Redshift support for zero-ETL integrations from eight applications

Amazon SageMaker Lakehouse と Amazon Redshift は、アプリケーションからのゼロETLインテグレーションをサポートするようになりました。これにより、セールスフォース、SAP、ServiceNow、Zendeskを含む8つのアプリケーションからのデータの抽出とロードが自動化されます。Amazon SageMaker Lakehouse は、お客様の分析と AI への取り組みのためのオープンで統一された安全なレイクハウスとして、これらの統合を強化してデータ管理プロセスを合理化します。\n これらの ETL を使用しない統合は AWS によって完全に管理されるため、ETL データパイプラインを構築する必要性は最小限に抑えられます。この新しいゼロETL統合により、カスタマーサポート、リレーションシップマネジメント、ERPアプリケーションから貴重なデータを効率的に抽出し、データレイクとデータウェアハウスにロードして分析することができます。ゼロETL統合により、ユーザーの運用上の負担が軽減され、データパイプラインの設計、構築、テストに必要な数週間にわたるエンジニアリング作業が省けます。ノーコードインターフェイスでいくつかの設定を選択するだけで、Zero-ETL 統合をすばやくセットアップして、データレイクとデータウェアハウスにデータの最新のレプリカを自動的に取り込み、継続的に維持することができます。ゼロETL統合により、アプリケーションデータからインサイトを引き出し、組織内のデータサイロを解消し、運用効率を向上させることに集中できます。分析や機械学習に Apache Spark と Amazon Redshift を使用して、アプリケーションデータの分析を強化できるようになりました。データ取り込みプロセスを最適化して、分析や洞察の獲得に集中しましょう。

Amazon SageMaker Lakehouse と Amazon Redshift による 8 つのアプリケーションからのゼロ ETL 統合のサポートは、現在、米国東部 (バージニア北部)、米国東部 (オハイオ)、米国西部 (オレゴン)、アジアパシフィック (香港)、アジアパシフィック (シンガポール)、アジアパシフィック (シドニー)、アジアパシフィック (東京)、ヨーロッパ (フランクフルト)、ヨーロッパ (アイルランド)、ヨーロッパ (ストックホルム) で一般提供されています。

AWS Glue コンソール、AWS コマンドラインインターフェイス (AWS CLI)、または AWS Glue API のいずれかを使用してインテグレーションを作成および管理できます。詳細については、「Zero-ETL とは何か」と「AWS Glue とは」を参照してください。

AWS announces Amazon SageMaker Lakehouse

AWS は、分析と人工知能 (AI) を簡素化する、オープンで安全な統合データレイクハウスである Amazon SageMaker Lakehouse を発表しました。Amazon SageMaker Lakehouse は、Amazon S3 データレイクと Amazon Redshift データウェアハウスにわたるすべてのデータを統合し、1 つのデータコピーに基づいて強力な分析と AI/ML アプリケーションを構築できるようにします。\n SageMaker Lakehouse では、Apache Iceberg オープンスタンダードを使用して、その場でデータに柔軟にアクセスしてクエリを実行できます。SageMaker Lakehouse 内のすべてのデータは、SageMaker Unified Studio (プレビュー) と Amazon EMR、AWS Glue、Amazon Redshift、Apache Spark などのエンジンからクエリできます。すべての分析ツールや機械学習ツールやエンジンに一貫して適用される、きめ細かな権限を定義することで、レイクハウス内のデータを保護できます。SageMaker Lakehouse では、既存の投資を活用することができます。Redshift データウェアハウスのデータを分析や AI/ML にシームレスに利用することができます。さらに、分析用に最適化された Redshift マネージドストレージ (RMS) を活用してデータレイクを作成できるようになりました。レイクハウスにデータを取り込むのは簡単です。Zero-ETL を使用して、運用データベース、ストリーミングサービス、およびアプリケーションからデータを取り込んだり、フェデレーションクエリでインプレースデータをクエリしたりできます。 SageMaker Lakehouse は、米国東部 (バージニア北部)、米国東部 (オハイオ)、ヨーロッパ (アイルランド)、米国西部 (オレゴン)、カナダ (中部)、ヨーロッパ (フランクフルト)、ヨーロッパ (ストックホルム)、ヨーロッパ (ロンドン)、アジアパシフィック (シドニー)、アジアパシフィック (香港)、アジアパシフィック (東京)、アジアパシフィック (シンガポール)、アジアパシフィック (ソウル)、南米 (サンパウロ) でご利用いただけます。

SageMaker Lakehouse には SageMaker Unified Studio から直接アクセスできます。さらに、SageMaker Lakehouse には AWS コンソール、AWS Glue API、CLI からもアクセスできます。詳細については、SageMaker Lakehouse にアクセスし、ローンチブログをご覧ください。価格情報については、こちらをご覧ください。

Amazon Q Developer announces automatic unit test generation to accelerate feature development

本日、Amazon Q Developer は、ユニットテストの生成プロセスを自動化する新しいエージェントの一般提供を発表しました。このエージェントは、「/test」というシンプルなプロンプトを使用して簡単に開始できます。プロンプトが表示されたら、Amazon Q はプロジェクトの知識を利用して自動的にテストを生成してプロジェクトに追加し、コードの品質を迅速に向上させます。\n また、Amazon Q 開発者はテストを追加する前に同意を求めるため、意図しない変更が行われないように常に最新情報を把握できます。自動化により、包括的な単体テストの作成に必要な時間と労力が節約され、革新的な機能の構築に集中できます。ユニットテストをすばやく追加し、コード全体の対象範囲を拡大できるため、組織は安全かつ確実にコードをリリースでき、ソフトウェア開発ライフサイクル全体にわたる機能開発を加速できます。 ユニットテストの自動生成は通常、Visual Studio Code と JetBrains の統合開発環境 (IDE) で利用できます。また、新しい GitLab Duo with Amazon Q サービスの一部として、Amazon Q Developer が利用できるすべての AWS リージョンでパブリックプレビューとして利用することもできます。ユニットテスト生成の詳細をご覧ください。

Introducing the next generation of Amazon SageMaker

本日、AWS は、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 を発表しました。今回の発表では、広く採用されている AWS の機械学習と分析機能が統合され、データへの統一されたアクセスと組み込みのガバナンスにより、分析と AI の統合エクスペリエンスが提供されます。モデル開発、ジェネレーティブ AI アプリケーション開発、データ処理、SQL 分析用の使い慣れた AWS ツールを使用して、チームは単一の開発環境からコラボレーションし、より迅速に構築できます。このツールは、ソフトウェア開発用の最も有能なジェネレーティブ AI アシスタントである Amazon Q Developer によって加速されます。\n 次世代の SageMaker には、Amazon SageMaker Unified Studio (プレビュー)、Amazon SageMaker Lakehouse、Amazon SageMaker データおよび AI ガバナンスなどの新機能も導入されています。新しい SageMaker Unified Studio では、データや AI のユースケースを問わず、ユーザーは自分のデータを発見し、その作業に最適なツールを使用して活用することができます。SageMaker Unified Studio には、Amazon EMR、AWS Glue、Amazon Redshift、Amazon Bedrock、および既存の Amazon SageMaker Studio で現在利用できるさまざまなスタンドアロンスタジオの機能とツール、クエリエディター、ビジュアルツールが集められています。SageMaker Lakehouse は、データサイロを減らし、Amazon Simple Storage Service (Amazon S3) データレイク、Amazon Redshift データウェアハウス、サードパーティおよびフェデレーションデータソース全体でデータを統合するオープンデータアーキテクチャを提供します。SageMaker Lakehouse では、Apache Iceberg 互換のツールとエンジンを使用して、データへのアクセスやクエリを柔軟に行うことができます。Amazon DataZone 上に構築された Amazon SageMaker Catalog を含む SageMaker データと AI ガバナンスにより、ユーザーはデータと AI のワークフローを安全に発見、管理、コラボレーションできるようになります。

次世代の Amazon SageMaker が利用できる AWS リージョンの詳細については、「サポート対象リージョン」を参照してください。

詳細を確認して使用を開始するには、以下のリソースをご覧ください。

Amazon SageMaker 製品ページ

Amazon SageMaker ドキュメンテーション

AWS マネジメントコンソールの Amazon SageMaker

Amazon Q Developer adds operational investigation capability (Preview)

Amazon Q Developer を使用すると、AWS 環境全体の運用調査をほんのわずかな時間で迅速に行うことができます。Amazon Q Developer は、お客様の AWS クラウド環境とリソースを深く理解しているため、お客様の環境の異常を探し、調査すべき関連シグナルを明らかにし、考えられる根本原因仮説を特定し、問題をより迅速に修正するのに役立つ次のステップを提案します。 \n Amazon Q Developer は、問題の検出から優先順位付け、修復に至るまで、運用上のトラブルシューティングの過程全体を通じてお客様と協力します。AWS マネジメントコンソールの任意の Amazon CloudWatch データウィジェットで [調査] アクションを選択すると、調査を開始できます。CloudWatch アラームがトリガーされたときに自動的に調査するように Amazon Q を設定することもできます。調査が始まると、Amazon Q 開発者は、CloudWatch テレメトリ、AWS CloudTrail ログ、デプロイ情報、リソース設定の変更、AWS ヘルスイベントなど、お客様の AWS 環境に関するさまざまなシグナルをふるいにかけます。

CloudWatch では、チームが協力して調査結果を追加したり、関連するシグナルや異常を確認したり、潜在的な根本原因仮説の提案を確認したりできる専用の調査環境が提供されるようになりました。この新機能では、関連する AWS Systems Manager Automation のランブック、AWS re: Post の記事、およびドキュメントが表示されるため、AWS 環境全体の一般的な運用上の問題に対する修正案も得られます。また、AWS Chatbot 経由で Slack などの既存の運用ワークフローと統合することもできます。

Amazon Q Developer の新しい運用調査機能は、米国東部 (バージニア北部) リージョンでのプレビュー期間中、追加料金なしで利用できます。詳細については、「はじめに」と「ベストプラクティス」のドキュメントを参照してください。

Amazon EC2 Trn2 instances are generally available

本日、AWS は Amazon Elastic Compute Cloud (Amazon EC2) Trn2 インスタンスの一般提供と、AWS Trainium2 チップを搭載した Trn2 UltraServers のプレビューを発表しました。EC2 キャパシティブロック経由で利用可能な Trn2 インスタンスと UltraServer は、ディープラーニングとジェネレーティブ AI トレーニングと推論のための最も強力な EC2 コンピューティングソリューションです。\n Trn2 インスタンスを使用すると、大規模言語モデル (LLM)、マルチモーダルモデル、拡散変換器など、最も要求の厳しい基盤モデルをトレーニングしてデプロイし、幅広い AI アプリケーションを構築できます。最も高性能で最先端のモデルでトレーニング時間を短縮し、画期的な応答時間 (トークンの待ち時間当たり) を実現するには、1 つのインスタンスでは実現できないほど多くのコンピューティングとメモリが必要になることがあります。Trn2 UltraServers は、高帯域幅で低レイテンシーのファブリックである NeuronLink を使用して、4 つの Trn2 インスタンスの 64 個の Trainium2 チップを 1 つのノードに接続する、まったく新しい EC2 サービスです。ご参考までに、UltraServersは業界トップクラスの応答時間を実現し、最高のリアルタイム体験を生み出すのに役立ちます。トレーニングに関しては、UltraServerはスタンドアロンインスタンスと比較して、モデル並列処理のための集団通信が高速になるため、モデルトレーニングの速度と効率が向上します。

Trn2 インスタンスには 16 個の Trainium2 チップが搭載されており、最大 20.8 ペタフロップスの FP8 コンピューティング、1.5 TB の高帯域幅メモリ、46 TB/s のメモリ帯域幅、3.2 Tbps の EFA ネットワーキングを実現します。Trn2 UltraServerには64個のTrainium2チップが搭載されており、最大83.2ペタフロップスのFP8コンピューティング、合計6TBの高帯域幅メモリ、合計185 Tbpsのメモリ帯域幅、12.8 TbpsのEFAネットワーキングを実現します。どちらもEC2 UltraClustersにデプロイされており、分散型トレーニングにノンブロッキングでペタビットのスケールアウト機能を提供します。Trn2 インスタンスは通常、米国東部 (オハイオ) AWS リージョンでは、ML 用 EC2 キャパシティブロックを通じて trn2.48xlarge サイズで提供されています。

Trn2 インスタンスの詳細と Trn2 UltraServer へのアクセスをリクエストするには、Trn2 インスタンスページをご覧ください。

Data Lineage is now generally available in Amazon DataZone and next generation of Amazon SageMaker

AWS は、Amazon DataZone でデータリネージの一般提供を開始したことを発表しました。次世代 Amazon SageMaker は、AWS Glue と Amazon Redshift からリネージを自動的にキャプチャして、ソースから消費までのリネージイベントを視覚化する機能です。この機能は OpenLineage と互換性があるため、データプロデューサーは OpenLineage 対応システムから、または API を通じてキャプチャされたリネージイベントを使用して自動リネージを強化し、データコンシューマーに包括的なデータ移動ビューを提供できます。\n この機能により、AWS Glue、Amazon Redshift、Spark の実行によるスキーマの系統キャプチャとデータ資産と列の変換がツールで自動化され、一貫性が保たれ、エラーが減少します。組み込みの自動化機能により、ビジネスデータカタログでデータを共有するようにデータが設定されている場合、ドメイン管理者とデータプロデューサーは系統イベントのキャプチャと保存を自動化できます。データ利用者は系統を包括的に把握することで資産の出所に対する信頼を得ることができ、データ生産者は使用状況を把握することで資産への変更の影響を評価できます。さらに、データリネージ機能はイベントごとに系統をバージョン管理できるため、ユーザーは任意の時点の系統を視覚化したり、資産やジョブの履歴全体にわたる変化を比較したりできます。この履歴系統により、データがどのように進化してきたかをより深く理解できます。データ資産のトラブルシューティング、監査、および整合性の検証には不可欠です。 データリネージ機能は通常、Amazon DataZone と次世代の Amazon SageMaker が利用できるすべての AWS リージョンで利用できます。 詳細については、Amazon DataZone と次世代の Amazon SageMaker をご覧ください。

Amazon Q in QuickSight unifies insights from structured and unstructured data

現在一般提供されているQuickSightのAmazon Qは、Amazon Q Businessとの統合により、構造化データソースと非構造化データソースからの統一された洞察をユーザーに提供します。構造化データは従来のシステムで管理されていますが、ドキュメントライブラリ、ウェブページ、画像などの非構造化データは、その多様性と分散性により、ほとんど活用されていません。\n QuickSight の Amazon Q により、ビジネスユーザーは、データベース、データレイク、データウェアハウスなどの従来の BI データソースから得たインサイトを、非構造化ソースからのコンテキスト情報で補強できるようになりました。ユーザーは QuickSight の BI インターフェイス内で、マルチビジュアルな Q&A やデータストーリーを通じて詳細なインサイトを得ることができます。ユーザーは、マルチビジュアル Q&A を使用して自然言語で質問したり、Amazon Q Business からのコンテキストインサイトによって補足されたビジュアライゼーションやデータサマリーを取得したりできます。QuickSight の Amazon Q のデータストーリーを使用すると、ユーザーはドキュメントをアップロードしたり、Amazon Q Business の非構造化データソースに接続したりして、コンテキストを追加してデータを説明する詳細な説明やプレゼンテーションを作成できます。この統合により、組織は手作業で照合する必要なく、すべてのデータから得たインサイトを活用できるようになり、より多くの情報に基づいた意思決定、時間の節約、データ主導のビジネス環境における大きな競争力につながります。 この新機能は通常、米国東部 (バージニア北部) および米国西部 (オレゴン) の AWS リージョンのすべての Amazon QuickSight Pro ユーザーが利用できます。 詳細については、AWS ビジネスインテリジェンスブログ、「Amazon Q ビジネス新着情報」の投稿をご覧ください。また、QuickSight を 30 日間無料でお試しいただけます。

Announcing GitLab Duo with Amazon Q (Preview)

本日、AWSは、ソフトウェア開発とワークロード変換のための高度なエージェント機能をGitLabのエンタープライズDevSecOpsプラットフォームに直接組み込んだ、GitLab DuoとAmazon Qのプレビューを発表しました。今回の発表により、Amazon Q を搭載した GitLab Duo は、ソフトウェア開発、セキュリティ、トランスフォーメーションに関する複雑で複数ステップのタスクを自動化し、タスクやチーム全体でシームレスな開発体験を実現しました。これらはすべて、開発者がすでに知っている使い慣れた GitLab ワークフローを使用しています。 \n GitLab Duo を使用すると、開発者はクイックアクションを使用して Amazon Q エージェントに問題を委任できます。これにより、新機能の迅速な構築、AI 支援によるコードレビューによる品質とセキュリティの最大化、単体テストの作成と実行、レガシー Java コードベースのアップグレードが可能になります。ソフトウェア開発ライフサイクル（SDLC）全体にわたるGitLabの統合データストアにより、Amazon Qプロジェクトコンテキストが提供され、ソフトウェア開発のエンドツーエンドのワークフローを加速および自動化できます。これにより、これまでチーム間のコラボレーションに必要だった複雑なツールチェーンが簡素化されます。

ソフトウェア開発を効率化:新しい機能のアイデアが 1 つの課題からすぐにマージできるコードへと数分で移行できます。コメントにフィードバックをもらって GitLab から直接イテレーションを行うことで、開発ワークフローをエンドツーエンドで加速できます。

コードの最適化:新しいマージリクエスト用にユニットテストを生成することで、開発者の時間を節約し、チーム全体で一貫した品質保証慣行を確実に実施できます。

品質とセキュリティを最大化:AI 主導のコード品質、セキュリティレビュー、生成された修正を提供し、フィードバックサイクルを短縮します。

エンタープライズワークロードの変革:Java 8 または 11 のコードベースから始めて、開発者は GitLab プロジェクトから Java 17 に直接アップグレードして、アプリケーションのセキュリティとパフォーマンスを向上させ、技術的負債を取り除くことができます。

詳細については、Amazon Q 開発者統合ページをご覧ください。

Announcing the preview of Amazon SageMaker Unified Studio

本日、AWS は次世代の Amazon SageMaker を発表しました。これには Amazon SageMaker Unified Studio のプレビューリリースが含まれます。Amazon SageMaker Unified Studio は、コラボレーションを可能にし、チームがデータ製品をより迅速に構築できるようにする、データと AI の統合開発環境です。SageMaker Unified Studio には、データ処理、SQL 分析、機械学習モデル開発、ジェネレーティブ AI アプリケーション開発のための、AWS アナリティクスと AI/ML サービスの使い慣れたツールが集約されています。SageMaker Unified Studio からアクセスできる Amazon SageMaker Lakehouse は、オープンソースと互換性があり、アマゾンシンプルストレージサービス (Amazon S3) データレイク、Amazon Redshift データウェアハウス、サードパーティおよびフェデレーションデータソースに保存されているデータへのアクセスを提供します。企業のセキュリティ要件を満たすのに役立つ強化されたガバナンス機能が組み込まれています。\n SageMaker Unified Studio では、組織全体のデータや AI 資産の検索、アクセス、クエリを行い、プロジェクトで協力してデータ、モデル、ジェネレーティブ AI アプリケーションなどの分析や AI アーティファクトを安全に構築、共有できます。SageMaker Unified Studio には、ビジュアル抽出、変換、読み込み (ETL) による統合データパイプラインの構築、ML モデルの開発、カスタムのジェネレーティブ AI アプリケーションの作成を行う機能があります。新しく統合された Jupyter Notebooks では、さまざまなコンピューティングリソースやクラスター間でのシームレスな作業が可能になり、統合された SQL エディターではさまざまなソースに保存されているデータをすべて単一のコラボレーション環境内でクエリできます。Amazon Bedrock IDE (以前は Amazon Bedrock Studio) が SageMaker Unified Studio の一部となり、パブリックプレビュー段階で SageMaker Unified Studio の一部となり、ジェネレーティブ AI アプリケーションを迅速に構築およびカスタマイズする機能が提供されています。ソフトウェア開発において最も有能なジェネレーティブ AI アシスタントである Amazon Q Developer が SageMaker Unified Studio に統合され、開発ライフサイクル全体のタスクを迅速化および合理化できるようになりました。

SageMaker Unified Studio がプレビューで利用可能な AWS リージョンの詳細については、「サポート対象リージョン」を参照してください。

開始するには、以下のリソースを参照してください。

セージメーカーの概要

セージメーカードキュメンテーション

AWS マネジメントコンソールの SageMaker

Announcing Amazon S3 Tables – Fully managed Apache Iceberg tables optimized for analytics workloads

Amazon S3 Tables は、Apache Iceberg サポートが組み込まれた初めてのクラウドオブジェクトストアであり、表形式のデータを大規模に保存する最も簡単な方法でもあります。S3 テーブルは分析ワークロード専用に最適化されているため、セルフマネージドテーブルと比較して、クエリのスループットが最大 3 倍速く、1 秒あたりのトランザクション数が最大 10 倍多くなります。S3 テーブルは Apache Iceberg 標準をサポートしているため、一般的な AWS やサードパーティのクエリエンジンで表形式のデータを簡単にクエリできます。さらに、S3 テーブルは、データレイクが拡大し進化しても、継続的にテーブルメンテナンスを行い、クエリ効率とストレージコストを経時的に自動的に最適化するように設計されています。S3 テーブルと AWS Glue データカタログの統合はプレビュー段階にあり、Amazon Data Firehose、Athena、Redshift、EMR、QuickSight などの AWS アナリティクスサービスを使用して、S3 メタデータテーブルを含むデータのストリーミング、クエリ、視覚化を行うことができます。\n S3 テーブルでは、表形式のデータを格納するための新しいバケットタイプであるテーブルバケットが導入されました。テーブルバケットを使用すると、テーブルをすばやく作成し、テーブルレベルの権限を設定してデータレイクへのアクセスを管理できます。その後、標準 SQL を使用してテーブルにデータをロードしてクエリし、行レベルのトランザクション、クエリ可能なスナップショット、スキーマの進化などの Apache Iceberg の高度な分析機能を活用できます。テーブルバケットではポリシー主導型のテーブルメンテナンスも行えるため、コンパクション、スナップショット管理、非参照ファイルの削除などの運用タスクを自動化できます。

Amazon S3 テーブルは現在、米国東部 (バージニア北部)、米国東部 (オハイオ)、および米国西部 (オレゴン) の各リージョンで利用でき、まもなく他のリージョンでも利用できるようになります。料金の詳細については、S3 料金表ページをご覧ください。詳細については、製品ページ、ドキュメント、AWS ニュースブログをご覧ください。

Amazon Q Developer can now generate documentation within your source code

本日より、Amazon Q Developer はプロジェクト内の readme ファイルとデータフロー図を自動的に生成して、コードを文書化できるようになりました。 \n 現在、開発者の報告によると、コーディングには 1 日あたり平均 1 時間しか費やしていません。ほとんどの時間を、コードベースの学習、ドキュメントの作成とレビュー、テスト、デプロイメントの管理、問題のトラブルシューティング、脆弱性の発見と修正など、退屈で差別化されていない作業に費やしています。Q Developerは、ソフトウェアの設計、構築、テスト、デプロイ、メンテナンスを行うジェネレーティブAIを活用したアシスタントです。ソフトウェア開発担当のエージェントは、コードリポジトリ全体を深く理解しているため、コーディング以外の多くのタスクを迅速に行うことができます。この新機能により、Q Developerは既存のコードベースをより早く理解できるよう支援したり、新機能を迅速に文書化したりできるため、顧客への機能の提供に集中できます。

この機能は、統合開発環境 (IDE) の新しいチャットコマンド /doc を使用して利用できます。Amazon Q デベロッパー無料利用枠またはプロ利用枠サブスクリプションを利用すると、Visual Studio Code と IntelliJ IDEA IDE 内でドキュメントの生成を開始できます。料金の詳細については、Amazon Q 開発者向け価格をご覧ください。

この機能は Amazon Q Developer が利用できるすべての AWS リージョンで利用できます。ドキュメントの生成を開始するには、Amazon Q Developer にアクセスするか、ニュースブログをお読みください。

Announcing Amazon Bedrock IDE in preview as part of Amazon SageMaker Unified Studio

本日、Amazon Bedrock IDE のプレビュー版のリリースを発表します。これは Amazon SageMaker Unified Studio (プレビュー) に統合されたガバナンスされたコラボレーション環境 (プレビュー) で、開発者がジェネレーティブ AI アプリケーションを迅速に構築してカスタマイズできるようにするものです。さまざまなスキルレベルの開発者が Amazon Bedrock の高性能基盤モデル (FM) や高度なカスタマイズ機能にアクセスして、カスタムのジェネレーティブ AI アプリケーションを共同で構築するための直感的なインターフェイスが提供されています。\n Amazon Bedrock IDE を Amazon SageMaker Unified Studio に統合することで、ジェネレーティブ AI 開発におけるデータ、ツール、ビルダーの間の障壁が取り除かれます。チームは、ジェネレーティブ AI アプリケーションを構築するための Amazon Bedrock IDE の専用ツールとともに、好みの分析ツールや ML ツールにアクセスできるようになりました。開発者は、Retrieval Augmented Generation (RAG) を利用して独自のデータソースからナレッジベースを作成し、エージェントは複雑なタスクを自動化し、ガードレールは責任ある AI 開発を行うことができます。この統一されたワークスペースは複雑さを軽減し、ビジネスニーズに合った、即時生産可能な責任あるジェネレーティブ AI アプリのプロトタイピング、イテレーション、デプロイを加速します。 Amazon Bedrock IDE が Amazon SageMaker ユニファイドスタジオで利用できるようになり、5 つのリージョンでサポートされるようになりました。サポートされているリージョンの詳細については、Amazon SageMaker Unified Studio リージョンガイドを参照してください。 Amazon Bedrock IDE とその機能の詳細については、Amazon Bedrock IDE ユーザーガイドを参照してください。この管理者ガイドを使用して「ジェネレーティブ AI アプリケーション開発」プロジェクトプロファイルを有効にして Bedrock IDE を使い始めてください。

Announcing Amazon Nova foundation models available today in Amazon Bedrock

最先端インテリジェンスと業界トップクラスの価格パフォーマンスを実現する新世代の最先端 (SOTA) 基盤モデル (FM) である Amazon Nova を発表できることを嬉しく思います。Amazon Bedrock で本日販売されている Amazon Nova モデルは以下のとおりです。\n

Amazon Nova Micro はテキストのみのモデルで、非常に低コストでレイテンシーの低いレスポンスを実現します。

Amazon Nova Lite は、画像、動画、テキスト入力を非常に高速に処理できる、非常に低コストのマルチモーダルモデルです。

Amazon Nova Pro は、精度、速度、コストの最適な組み合わせで幅広いタスクに対応する、高性能なマルチモーダルモデルです。

Amazon Nova Canvas は最先端のイメージ生成モデルです。

アマゾン・ノヴァ・リール、最先端の動画生成モデル。

Amazon Nova Micro、Amazon Nova Lite、Amazon Nova Pro は、それぞれのインテリジェンスクラスで最も高速で費用対効果の高いモデルです。これらのモデルは、RAG やエージェントアプリケーションでも使いやすく効果的になるように最適化されています。Amazon Bedrock のテキストとビジョンの微調整により、Amazon Micro、Lite、Pro をカスタマイズして、ニーズに最適なインテリジェンス、スピード、コストを実現できます。Amazon Nova Canvas と Amazon Nova Reel では、ウォーターマークやコンテンツ管理などの AI を安全かつ責任を持って使用するためのコントロールが組み込まれており、プロダクショングレードのビジュアルコンテンツにアクセスできます。Amazon Nova 製品ページでは、これらのモデルの最新のベンチマークと例を確認できます。 Amazon Nova ファンデーションモデルは、米国東部 (バージニア北部) リージョンの Amazon Bedrock でご利用いただけます。Amazon Nova Micro、Lite、Pro の各モデルは、クロスリージョン推論により米国西部 (オレゴン) および米国東部 (オハイオ) リージョンでもご利用いただけます。Amazon Nova の詳細については、AWS ニュースブログ、Amazon Nova 製品ページ、または Amazon Nova ユーザーガイドをご覧ください。Amazon Bedrock コンソールから Amazon Bedrock の Amazon Nova ファンデーションモデルを使い始めることができます。

Amazon Q Business now provides insights from your databases and data warehouses (preview)

本日、AWS は Amazon Q Business と Amazon QuickSight の統合のパブリックプレビューを発表しました。これにより、構造化データソース (データベース、ウェアハウス) と非構造化データ (ドキュメント、Wiki、電子メール) からの回答を 1 つのアプリケーションに統合する革新的な機能が提供されます。\n Amazon Q Business はジェネレーティブ AI を活用したアシスタントで、エンタープライズシステム内のデータや情報に基づいて質問に答えたり、要約を提供したり、コンテンツを生成したり、タスクを安全に完了したりできます。Amazon QuickSight は、インタラクティブなダッシュボード、レポート、分析を通じて構造化データを視覚化し、理解するのに役立つビジネスインテリジェンス (BI) ツールです。組織はビジネスインサイトを得るためにジェネレーティブ AI を活用したいと考えていますが、非構造化データや構造化データへのアクセスは断片化されています。 QuickSight との統合により、お客様は QuickSight の豊富なデータソースコネクタセットを通じて、構造化されたソースを Amazon Q Business にリンクできるようになりました。Amazon Q Business は、構造化されたソースから得られた QuickSight の回答と、文書にあるその他の関連情報を組み合わせて、リアルタイムで回答します。たとえば、ユーザーが収益の比較について尋ねると、Amazon Q Business が PDF 形式の財務レポートと QuickSight のリアルタイムのグラフやメトリックスからの回答を返します。この統合により、ナレッジソース間のインサイトが統合され、組織はこれまでインサイト収集に必要とされていた時間と複雑さを軽減しながら、より多くの情報に基づいた意思決定を行えるようになります。 この統合は、米国東部 (バージニア北部) および米国西部 (オレゴン) の AWS リージョンのすべての Amazon Q Business Pro、Amazon QuickSight Reader Pro、および Author Pro ユーザーが利用できます。詳細については、Amazon Q Business ドキュメントサイトを参照してください。

Announcing Amazon Aurora DSQL (Preview)

本日、AWS は、アクティブ-アクティブ高可用性を備えた新しいサーバーレスの分散 SQL データベースである Amazon Aurora DSQL のプレビューを発表しました。Aurora DSQL では、事実上無制限のスケーラビリティ、最高の可用性を備え、インフラストラクチャの管理が不要で、いつでも利用可能なアプリケーションを構築できます。アプリケーションのスケーリングと耐障害性を簡単にできるように設計されており、分散型 SQL の読み取りと書き込みが最も高速です。\n Aurora DSQL では、読み取り、書き込み、コンピューティング、ストレージを個別に柔軟にスケーリングできるだけでなく、水平スケーリングも事実上無制限に行えます。データベースのシャーディングやインスタンスのアップグレードを行わずに、あらゆるワークロードの需要に合わせて自動的にスケーリングされます。そのアクティブ-アクティブ分散アーキテクチャは、単一リージョンの可用性が 99.99%、マルチリージョンの可用性が 99.999% で、単一障害点がないように設計されており、障害復旧も自動化されています。これにより、どのリージョンのエンドポイントに対しても、すべての読み取りと書き込みの一貫性と耐久性が保証されます。Aurora DSQL は PostgreSQL と互換性があり、使いやすい開発者エクスペリエンスを提供します。

Aurora DSQL は、米国東部 (バージニア北部)、米国東部 (オハイオ)、および米国西部 (オレゴン) の AWS リージョンでプレビューできるようになりました。

Aurora DSQL の機能と利点について詳しくは、Aurora DSQL の概要ページとドキュメントをご覧ください。Aurora DSQL はプレビュー期間中は無料でご利用いただけます。Aurora DSQL コンソールにアクセスするか、Aurora DSQL API または AWS CLI を使用すれば、ほんの数ステップで開始できます。

Amazon Q Developer transformation capabilities for mainframe modernization are now available (Preview)

本日、AWSは、お客様とパートナーがメインフレームアプリケーションの大規模な評価と最新化を加速するのに役立つ、Amazon Q Developerの新しいジェネレーティブAI搭載機能をパブリックプレビューで発表しました。\n Amazon Q Developer はエンタープライズ対応で、大規模なモダナイゼーション、フェデレーテッド ID、コラボレーションのしやすさに合わせた統一されたウェブエクスペリエンスを提供します。Amazon Q Developer エージェントは、お客様のコードベースの分析と文書化、不足しているアセットの特定、モノリシックアプリケーションのビジネスドメインへの分解、モダナイゼーションの波の計画、コードのリファクタリングなど、お客様に常に最新情報を伝えます。Amazon Q Developer と自然言語でチャットして、大まかな変革目標、ソースリポジトリへのアクセス、プロジェクトのコンテキストを共有できます。Amazon Q Developer エージェントは、組織のナレッジベースを理解して拡大するために、アプリケーションアセットを自律的に分類して整理し、包括的なコードドキュメントを作成します。エージェントは、ジェネレーティブ AI を用いた目標主導の推論とモダナイゼーションの専門知識を組み合わせて、お客様のコードベースとトランスフォーメーションの目標に合わせてカスタマイズされたモダナイゼーション計画を策定します。その後、エージェントとの反復的な連携を通じて、計画を共同でレビュー、調整、承認することができます。提案されたプランが承認されると、Amazon Q Developer エージェントは、ビジネスロジックを維持しながら、COBOL コードをクラウドに最適化された Java コードに自主的にリファクタリングします。

面倒なタスクを自律的な Amazon Q Developer エージェントに委任してレビューと承認を受けることで、あなたとあなたのチームは協力して、ジェネレーティブ AI の大規模言語モデルを使用して、より迅速なモダナイゼーション、より大きなプロジェクト規模、より良い変革の質とパフォーマンスを推進できます。十分に文書化され、説明可能なトランスフォーメーションの意思決定記録を維持することで、ガバナンスとコンプライアンスを強化できます。

詳細については、ブログを読み、Amazon Q Developer トランスフォーメーション機能のウェブページとドキュメントをご覧ください。

AWS Blogs

Amazon Web Services ブログ (日本語)

AWS News Blog

AWS Big Data Blog

AWS Contact Center

Containers

AWS Database Blog

AWS Machine Learning Blog

Networking & Content Delivery

AWS Security Blog

Open Source Project

AWS CLI

Amplify for JavaScript