2026/6/3 9:00:00 ~ 2026/6/4 9:00:00 (JST)

最近の発表

AWS IoT Device Management adds MQTT session data to connectivity status API

AWS IoT Device Management は接続ステータス API に MQTT セッションデータを追加します。これにより、モノのインターネット (IoT) デバイス群全体の接続問題のトラブルシューティングや接続パターンの監査が可能になります。\n 今回のローンチにより、AWS IoT デバイスマネジメントの既存の接続ステータス API が AWS IoT Core が最近リリースした GetConnection API と完全に同等になり、IoT デバイスの詳細な接続情報と MQTT セッション情報をモノ名で取得できるようになりました。すでに利用可能な接続ステータス、タイムスタンプ、および切断理由に加えて、MQTT セッションのタイムアウト値とセッション有効期限の値、および送信元と送信先の IP アドレス、ポート、クライアント VPC エンドポイント ID などのオプションのソケットレベルの詳細も確認できるようになりました。ソケット情報へのアクセスはきめ細かい IAM ポリシーによって制御されるため、アクセスが必要なチームのみに制限できます。 AWS IoT Core の GetConnection API と比較した場合の接続ステータス API の主な利点は、データ保持です。GetConnection はデバイスの接続が切断されてから 30 分間接続とセッションの詳細を保持しますが、接続ステータス API はこの情報を無期限に保存します。つまり、デバイスがオフラインになった後も長い間、接続解除理由の調査、セッションメタデータの確認、問題のトラブルシューティングを行うことができます。 この機能強化は、AWS IoT デバイス管理がサポートされているすべての AWS リージョンで利用できます。AWS IoT デバイス管理は AWS IoT Core Thing レジストリに登録されたデバイスのみをサポートします。詳細については、AWS IoT デバイス管理のドキュメントとリファレンスガイドをご覧ください。

Amazon SageMaker Data Agent now supports conversation history

SageMaker Unified Studio で利用できる Amazon SageMaker データエージェントが会話履歴をサポートするようになったため、データプラクティショナーは分析セッション全体で継続性を維持できます。データアナリストやデータサイエンティストは、ノートブックやクエリエディタのワークフロー内で、エージェントが生成した以前のコードをシームレスに参照したり、複数ステップの分析を再開したり、過去のトラブルシューティングのやりとりをレビューしたりできるようになりました。\n 会話履歴では、チャットパネルのヘッダーにある時計アイコンから過去の会話のスクロール可能なリストにアクセスすることで、中断したところから再開できます。各会話には、簡単に識別できるように自動生成されたタイトルとタイムスタンプが含まれています。複雑な多段階分析を再開する場合でも、エージェントが生成したコードを再利用する場合でも、以前のノートブックを実行したときからのトラブルシューティングを継続する場合でも、会話履歴にはコンテキストが保持されます。データチームは時間を節約し、やり直しを排除し、同時進行中のプロジェクト間でも迅速に行動できるため、コンテキストを再構築するよりもインサイトに集中できます。

会話履歴は、Amazon SageMaker データエージェントが現在利用できるすべての AWS リージョンで利用できます。Amazon SageMaker データエージェントの詳細と、分析ワークフローで会話履歴を活用する方法については、Amazon SageMaker 製品ページをご覧になるか、Amazon SageMaker Unified Studio のドキュメントをご覧ください。

Amazon SageMaker Unified Studio now supports notebook scheduling

Amazon SageMaker Unified Studio では、外部のオーケストレーションインフラストラクチャを管理しなくても、ノートブックインターフェイスから直接ノートブックの実行をスケジュール、パラメータ化、およびオーケストレーションできるようになりました。これにより、日次レポート、データ品質チェック、モデル再トレーニングなどの繰り返し発生するワークロードを自動化することで、お客様はノートブックを実験段階から本番環境に移行しやすくなります。\n インタラクティブなセッションを中断することなく、専用のコンピューティング上でオンデマンドのバックグラウンド実行をトリガーし、スケジュールされた実行や定期的な実行を作成できます。ノートブックのパラメータ化により、複数の運送業者の出荷実績レポートを生成するなど、1 つのノートブックをさまざまな入力に再利用できます。たとえば、パラメータを定義し、スケジュールやオンデマンド実行ごとにその値を上書きできます。また、ワークフローツールの Notebook Operator を使用して複数のノートブックのワークフローを調整し、ある実行からの出力が次の実行への入力となるようにノートブックをチェーン化することもできます。スケジュールされた実行やバックグラウンド実行が失敗した場合でも、SageMaker Data Agent を使用した AI 支援のトラブルシューティングにより、根本原因を特定し、ノートブックで直接修正を提案できるため、解決までの時間を短縮できます。また、Data Agent を使用すると、ナビゲートしなくても自然言語を使用してスケジュールを作成し、ノートブックの実行を開始できます。開始するには、SageMaker Unified Studio プロジェクトでノートブックを開き、「すべて実行」ボタンのメニューを選択して、「バックグラウンドで実行」を選択します。スケジュールを作成するには、ノートブックのヘッダーにあるスケジュールアイコンを選択するか、データエージェントに設定を依頼してください。

ノートブックのスケジューリングは、Amazon SageMaker Unified Studio がサポートされているすべての AWS リージョンで使用できます。詳細については、AWS ブログとユーザーガイドを参照してください。

AWS Step Functions adds AgentCore-powered agentic reasoning step

AWS Step Functions では、Amazon Bedrock AgentCore のマネージドハーネス (現在プレビュー中) との統合を最適化することで、AI エージェントの推論ステップをワークフローに追加できるようになりました。AWS Step Functions は、組み込みのエラー処理、並列実行、および人間による承認ステップで AWS サービスを調整する視覚的なワークフローサービスです。AgentCore ハーネスでは、モデル、ツール、動作を指定する設定を通じてエージェントを宣言できます。AgentCore は、エージェントループをエンドツーエンドで実行する管理環境を提供します。\n

この統合により、文書の分類や非構造化フォームからの要素の抽出など、ワークフロー内の推論タスクを自動化できます。1 つのワークフロー内の異なる決定ポイントで複数のエージェントを並行または順番に実行し、重要なアクションの前に人間の承認を追加できます。ワークフローの実行履歴には、エージェントの入力、出力、トークンの使用状況、期間が Amazon CloudWatch のエージェントターンの詳細へのリンクとともに表示されるため、エージェントのすべての決定を追跡して監査できます。既存のハーネスを再利用することも、Step Functions ビジュアルビルダーである Workflow Studio から直接新しいハーネスを作成することもできます。モデル、システムプロンプト、ツールなどの呼び出しごとのオーバーライドにより、設定を複製することなく、エージェントを各ワークフローコンテキストに適合させることができます。エージェントコンテキストは、ワークフロー実行内またはワークフロー実行間で機能するセッション ID を使用して、複数の呼び出しにわたって保持できます。

ハーネス統合は、AgentCore ハーネスプレビューが利用可能な AWS リージョン (米国東部 (バージニア北部)、米国西部 (オレゴン)、ヨーロッパ (フランクフルト)、アジアパシフィック (シドニー) で利用できます。追加の統合料金なしでワークフローを実行する場合には標準の Step Functions 料金が適用され、モデル推論と関連する AgentCore リソースには Amazon Bedrock と AgentCore の標準料金が適用されます。

ワークフローにエージェント推論を追加する方法の詳細については、AWS Step Functions のドキュメントをご覧ください。

OpenAI GPT-5.4 generally available on Amazon Bedrock in AWS GovCloud (US-West)

Amazon Bedrockは、AWS GovCloud（米国西部）のOpenAIのGPT‑5.4をサポートするようになりました。これにより、政府および規制対象業界の顧客は、AWS GovCloud（米国）のエンタープライズグレードのセキュリティと政府コンプライアンスの範囲に裏打ちされた、OpenAIの最も有能な専門職向けフロンティアモデルにアクセスできます。 \n GPT‑5.4は、ネイティブのコンピューター使用機能と、コーディング、ドキュメント、マルチステップのエージェントタスクにわたる深い推論をサポートします。これらはすべて、分離されたキューとフォールトトレラントワークロード向けの耐久性のある状態を備えたBedrockの高性能推論エンジン上で実行されます。データはパーティション内に保持され、モデルのトレーニングに使用されることはありません。

GPT-5.4 のリージョンの提供状況については、AWS リージョンのページを参照してください。詳細については、ローンチブログをご覧ください。ドキュメントとステップバイステップのチュートリアルについては、Amazon Bedrock のドキュメントと入門ブログをご覧ください。

AWS Compute Optimizer now supports 32-day lookback for EBS volume and ECS service rightsizing recommendations

AWS Compute Optimizer では、追加費用なしで Amazon EBS ボリュームと Amazon ECS の推奨サイズ調整の推奨のルックバック期間をデフォルトの 14 日間から 32 日に延長できるようになりました。ルックバック期間を長くすると、Compute Optimizer が適切なサイジングの推奨事項を生成する際に、月末処理などの月次使用パターンを考慮に入れることができます。これにより、ワークロードの最適化に関する意思決定がしやすくなり、コストとパフォーマンスの向上につながります。\n AWS Compute Optimizer は、EC2 インスタンス、EC2 Auto Scaling グループ、RDS データベース、EBS ボリューム、ECS サービスの 5 種類の推奨事項について 32 日間のルックバック期間をサポートしています。ルックバック期間は、コンソール、AWS SDK、または AWS CLI を使用して、組織、アカウント、またはリソースレベルで設定できます。この機能は、AWS GovCloud (米国) リージョンと中国リージョンを除き、AWS Compute Optimizer が利用可能なすべての AWS リージョンで利用できます。詳細については、AWS コンピュートオプティマイザーユーザーガイドを参照してください。

ARC Region switch adds Amazon Aurora scaling and Amazon Neptune global database failover

Amazon Application Recovery Controller (ARC) のリージョンスイッチは、お客様がマルチリージョンアプリケーションのフェイルオーバーを調整して、リージョンの障害が発生した場合に制限された復旧時間を達成するのに役立ちます。本日、Amazon Aurora サーバーレススケーリング実行ブロック、Amazon Aurora プロビジョニングスケーリング実行ブロック、Amazon Neptune グローバルデータベースフェイルオーバー実行ブロックという 3 つの新しい実行ブロックを発表しました。これにより、マルチリージョンのワークロードのデータベーススケーリングとフェイルオーバーを自動化できます。\n Amazon Aurora グローバルデータベースをアクティブ/パッシブ構成で実行しているお客様は、通常、コストを最小限に抑えるためにスケールダウンした二次クラスターを維持します。フェイルオーバー中は、リクエストをルーティングする前に、本番トラフィックを処理できるように手動でセカンダリクラスターのサイズを調整し、スケーリングする必要があります。これにより、復旧時間が大幅に長くなります。新しい Amazon Aurora サーバーレスと Amazon Aurora のプロビジョニング済みスケーリング実行ブロックは、リージョンの切り替え計画の一環として二次クラスターの適切なサイジングとスケーリングを自動的に行うため、フェイルオーバーが完了したら本番環境のトラフィックに対応できるようになります。 Amazon Neptune グローバルデータベースを運用しているお客様も同様の課題に直面しています。フェイルオーバーでは、アクティブなインシデントのプレッシャーの下で、障害の種類に応じて、スクリプトを作成するか、スイッチオーバーするか、デタッチしてプロモートするかを手動で決定する必要があります。新しい Amazon Neptune グローバルデータベースフェイルオーバー実行ブロックは、計画的な切り替えシナリオと計画外のフェイルオーバーシナリオの両方を 1 つの計画で自動化し、復旧中にカスタムスクリプトを作成する必要がなくなります。 3 つのブロックはすべてクロスアカウントオーケストレーションをサポートしているため、1 つのプランで複数のアカウントやリージョンにわたるデータベース操作を調整できます。詳細については、Amazon Aurora プロビジョニングスケーリング、Amazon Aurora サーバーレススケーリング、Amazon Neptune グローバルデータベースフェイルオーバーに関するドキュメントをご覧ください。

Amazon Keyspaces (for Apache Cassandra) now provides CDC iterator position

Amazon キースペース (Apache Cassandra 用) は、変更データキャプチャ (CDC) ストリームの GetRecords レスポンスでイテレータの位置を返すようになりました。これは、コンシューマーがストリームの先端に達したかどうか、または追加のレコードが使用可能かどうかを示します。Amazon キースペースは、スケーラブルでサーバーレスのマネージド型 Apache Cassandra 互換データベースサービスです。これにより、お客様はインフラストラクチャを管理しなくても AWS で Cassandra ワークロードを実行できます。CDC ストリームは行レベルの変更をキースペーステーブルに取り込むため、お客様はダウンストリームの分析、レプリケーション、イベント駆動型アプリケーションと統合できます。\n 以前は、新しいレコードが入手可能かどうかに関係なく、お客様が CDC ストリームを一定の頻度でポーリングしていたため、リソースの使用が非効率になり、CDC の消費コストが不必要でした。イテレータの位置により、お客様はイテレータがストリームの先端にあるのか、それとも保留中のレコードがあるのかに基づいてポーリング頻度を調整できるようになり、タイムリーなデータ処理を維持しながら CDC の消費コストを削減できるようになりました。GetRecords レスポンスには、AT_TIP または BEHIND_TIP のいずれかを返す IteratorPosition フィールドを含む IteratorDescription 構造体が含まれるようになりました。これにより、お客様はデータ統合パイプラインとイベント駆動型アーキテクチャを最適化できます。

この機能は、Amazon キースペース CDC がサポートされているすべての AWS リージョンで利用できます。この機能を使用するには、お客様は最新の AWS SDK に更新する必要があります。詳細については、Amazon キースペース製品ページにアクセスし、Amazon キースペース開発者ガイドの「変更データキャプチャ (CDC) ストリームの使用」を参照してください。

Amazon SageMaker Unified Studio now supports a localized experience in twelve languages

Amazon SageMaker Unified Studio は、ユーザーインターフェイス全体で 12 言語のサポートを導入することで、グローバルなアクセシビリティを強化しました。サポートされている言語には、英語 (アメリカ)、中国語 (簡体字と繁体字)、フランス語、ドイツ語、インドネシア語、イタリア語、日本語、韓国語、ポルトガル語 (ブラジル)、スペイン語、トルコ語が含まれます。今回の発表により、グローバルチームのデータエンジニア、アナリスト、データサイエンティストは、最も使い慣れた言語でナビゲーション、構築、共同作業を行えるようになり、摩擦が減り、生産性が向上します。\n 優先言語は、ブラウザーのデフォルト言語設定に基づいて自動的に検出されます。プロフィール設定で「言語セレクター」を選択し、言語を選択することで、希望する言語を設定することもできます。選択した言語は SageMaker Unified Studio のユーザーインターフェイス全体に適用されます。 この機能は、Amazon SageMaker Unified Studio が利用可能なすべての AWS リージョンで、AWS IAM アイデンティティセンターベースのドメインと IAM ベースのドメインの両方で使用できます。詳細については、Amazon SageMaker Unified Studio のドキュメントをご覧ください。

Amazon SageMaker AI launches multi-turn reinforcement learning for AI agent model customization

Amazon SageMaker AI では、マルチターン強化学習 (RL) が提供されるようになりました。これは、マルチステップのエージェントタスクでモデルを微調整するための新しいサーバーレスモデルカスタマイズ手法です。SageMaker AI モデルのカスタマイズにより、教師付き微調整、検証可能な報酬からの強化学習 (RLVR)、AI フィードバックによる強化学習 (RLAIF) などの手法を使用して基盤モデルを適応させることができます。独自のトレーニングインフラストラクチャを構築して運用するという差別化されていない重労働は必要ありません。マルチターン RL は、自社のエージェント環境に合わせてモデルをトレーニングし、エージェントがタスク全体で下す一連の決定すべてに報いることでこれを拡張します。これにより、ターゲットワークロードで大規模な汎用モデルのタスク精度と同等かそれを上回るように、より小規模で低コストのモデルを専門化できるようになります。\n エージェントが多段階のタスクを確実に完了できるようにするためのモデルのトレーニングは複雑で時間がかかり、多くの場合、構築に数週間かかるカスタムインフラストラクチャが必要になります。SageMaker のマルチターン RL サービスが、お客様に代わってこれに対応します。Amazon Bedrock AgentCore Runtime 上で実行されているエージェントを接続してフルマネージド型ホスティングを行ったり、Amazon EKS、Amazon EC2、AWS Fargate、または任意のフレームワークを使用して任意のインフラストラクチャ上で実行されているエージェントを接続したりできます。SageMaker AI は、ロールアウトのオーケストレーションやトラジェクトリの収集からトレーニング、チェックポイント管理に至るまで、トレーニングループ全体を管理します。組み込みの MLflow 追跡により、エージェントの軌跡、報酬、トレースを検査できます。評価ジョブは報酬、パス @k、トラジェクトリメトリクスをレポートするので、SageMaker AI エンドポイントや Amazon Bedrock にデプロイする前にモデルをベンチマークできます。マルチターン RL は完全にサーバーレス機能として実行されるため、処理されたトークンに対してのみ支払いが発生し、インフラストラクチャのプロビジョニングや管理は不要です。

マルチターン RL は、Amazon SageMaker AI モデルのカスタマイズの一環として、SageMaker Studio と SageMaker Python SDK を通じて現在ご利用いただけます。サポートされているモデルには、us-west-2のQwen 3.6 27B、Nova Lite 2.0、GPT-OSS-20B、Gemma 31B、およびus-east-1のNova Lite 2.0、GPT-OSS-20Bが含まれます。SageMaker AI でマルチターン強化学習を始めるには、Amazon SageMaker AI ドキュメントをご覧ください。

AWS Config now supports 9 new resource types

AWS Config では、Amazon Bedrock、Amazon Bedrock AgentCore、Amazon SageMaker などの主要なサービスで、さらに 9 種類の AWS リソースタイプがサポートされるようになりました。この拡張により、AWS 環境全体の対象範囲が広がり、さらに幅広いリソースをより効果的に発見、評価、監査、修正できるようになります。\n 今回のリリースで、すべてのリソースタイプで記録を有効にした場合、AWS Config はこれらの新しいリソースを自動的に追跡します。新たにサポートされたリソースタイプは、Config ルールと Config アグリゲーターでも使用できます。

AWS Config を使用して、リソースが利用可能なすべての AWS リージョンで、新たにサポートされる以下のリソースタイプをモニタリングできるようになりました。

リソースタイプ:

AWS:: Bedrock:: フローエイリアス

AWS:: 岩盤エージェントコア:: エバリュエータ

AWS:: Bedrock Agent コア:: ゲートウェイターゲット

AWS:: Bedrock Agent コア:: オンライン評価設定

AWS:: Bedrock Agent Core:: ランタイムエンドポイント

AWS:: セージメーカー:: クラスター

AWS:: セージメーカー:: エンドポイント

AWS:: セージメーカー:: モデルパッケージグループ

AWS:: セージメーカー:: パイプライン

Amazon ECS Managed Instances now supports AWS Trainium and AWS Inferentia

Amazon Elastic Container Service (Amazon ECS) マネージドインスタンスは、幅広いジェネレーティブ AI ワークロードにわたるトレーニングと推論のためのスケーラブルなパフォーマンスとコスト効率を実現するように設計された専用の AI アクセラレーターである AWS Trainium と AWS Inferentia をサポートするようになりました。Amazon ECS マネージドインスタンスは完全マネージド型のコンピューティングオプションで、Amazon EC2 の全機能を利用できるようにしながら、インフラストラクチャ管理のオーバーヘッドを排除するように設計されています。ECS マネージドインスタンスは、インフラストラクチャの運用を AWS にオフロードすることで、パフォーマンスを向上させ、総所有コストを削減しながら、ワークロードの迅速な起動とスケーリングを支援します。\n ECS Managed Instances を使用すると、必要なアプリケーションパフォーマンスと必要なシンプルさが得られます。これで、ECS マネージドインスタンスのキャパシティプロバイダーを作成し、Inferentia2、Trainium1、Trainium2 などの必要なアクセラレーテッドインスタンスタイプを選択し、タスク定義の ResourceRequirement セクションに Neuron_Core=all 構成を追加できます。これにより、Amazon ECS は、指定したインスタンスを起動し、インスタンスごとに 1 つのタスクを実行し、最適なパフォーマンスを実現するためにアクセラレータのすべてのリソースをワークロードに自動的に割り当てるよう指示されます。 ECS マネージドインスタンスの使用を開始するには、AWS コンソール、Amazon ECS MCP Server、またはお好きなコードとしてのインフラストラクチャツールを使用して、新規または既存の Amazon ECS クラスターで有効にしてください。通常の Amazon EC2 コストに加えて、プロビジョニングされたコンピューティングの管理料金が請求されます。ECS マネージドインスタンスの詳細については、機能ページ、ドキュメント、AWS ニュースリリースブログをご覧ください。

Amazon RDS for Db2 launches support for IBM Db2 v12.1 and Db2 Community Edition

Db2 用の Amazon RDS が IBM Db2 v12.1 をサポートするようになりました。Db2 v12.1 では、RDS が Db2 スタンダード、Db2 アドバンス、および Db2 コミュニティエディションをサポートするようになりました。Db2 Community Edition は、スタンダード・エディションとアドバンスト・エディションで利用できるすべての機能を提供しており、開発およびテスト・アプリケーションの商用ソフトウェア・ライセンス料はかかりません。これにより、ソフトウェア・ライセンスを気にすることなく、マネージド・データベース・サービスを使用して Db2 アプリケーションの開発とテストを簡単に開始できます。\n Db2 Community Edition を使用するには、IBM Web サイトから IBM カスタマー ID を無料で入手し、Amazon RDS コンソールを使用してデータベースインスタンスを作成します。詳細については、Amazon RDS for Db2 のドキュメントを参照してください。Db2 12.1 に含まれる新機能については、IBM のドキュメントを参照してください。 Db2 コミュニティエディションをサポートする Amazon RDS for Db2 12.1 は、現在 Db2 用 Amazon RDS が利用可能なすべての AWS リージョンでご利用いただけます。

AWS IoT Core adds new logs to troubleshoot connectivity and authentication

AWS IoT Core には、モノのインターネット (IoT) フリート全体にわたるデバイス接続の問題と認証エラーのトラブルシューティングに役立つ 2 つの新しい Amazon CloudWatch Log イベントタイプが用意されています。\n 新しい Ping ログイベントタイプは、デバイスが MQTT Keep-Alive メッセージを送信したときに出力され、接続を維持できなかった接続やデバイスを特定できます。新しい Connection.AuthnError ログイベントタイプは、認証失敗により拒否された接続試行と、何が悪かったかを示す詳細なエラーコードを記録するので、認証情報や証明書に関する問題をより迅速に解決できます。

まず、ご希望のログレベルと Amazon CloudWatch ロググループの送信先を指定して AWS IoT Core 設定でイベントレベルのロギングを設定し、これらの新しいイベントタイプを選択してください。この 2 つの新しいイベントタイプは、AWS IoT Core 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、AWS IoT Core 開発者ガイドの AWS IoT ログエントリを参照してください。

AWS Blogs

Amazon Web Services ブログ (日本語)

AWS News Blog

AWS Architecture Blog

AWS Big Data Blog

AWS Database Blog

AWS for Industries

Artificial Intelligence

AWS Messaging Blog

Networking & Content Delivery

AWS Storage Blog

Open Source Project

AWS CLI

Amplify UI

Firecracker

AWS Load Balancer Controller