AWS Summit Japan 2024 レポート

こんにちは。SCSK 稲葉・川原・間世田です。

6月20日と21日に幕張メッセで開催された「AWS Summit Japan 2024」に参加してきました！本イベントは、日本最大のAWSに関する学びの場であり、2日間にわたってさまざまなセッションや展示が行われました。
私たち3名で各セッションやブースを回りましたので、その感想やレポートを共有したいと思います。

イベント概要
基調講演
1. 1日目：AWSと創る次の時代
2. 2日目：ビルダーとテクノロジーが加速する次のイノベーション
セッション
1. 1日目
2. 2日目
EXPO
その他の思い出
感想

イベント概要

AWS Summit Japan 2024は、日本最大の“AWS を学ぶイベント”として、多彩なプログラムが用意されていました。

主に以下のような内容で構成されております。

基調講演
150を超えるセッション
250を超えるEXPOコンテンツ
DeepRacerリーグや開発者向けワークショップ、さまざまな AWS の質問をすることができる「Ask an Expert/Ask an Speaker」

基調講演やセッションなどには、AWSを導入しているパートナー企業やユーザー企業なども参画しています。自社で導入してきたAWSの知見などを発表し、他のAWS利用者がそれを見て学ぶことができるイベントになっております。

基調講演

1日目：AWSと創る次の時代

1日目の基調講演では「AWSと創る次の時代」という題で、既に活用されているAIの活用事例について発表され、後半にはAWSの新サービスの発表も行われました。

AIの活用事例では、画像認識を使用して養殖している魚の病原体を検知したり、データの傾向から病気の予兆を検知するなどさまざまな活用事例が紹介されており、非常に興味深かったです。

また善のためのAIが強調されていて、持続可能な社会の実現に向けた人類の課題に対して、AIでどのように課題を解決するかといった内容が多かった印象です。

後半のAWSの新サービス発表では、AI系のサービスが多く発表されました。
特にClaude3の東京リージョン対応やAmazon Q Businessの日本語版対応が、会場を大きく盛りあげていました。

2日目：ビルダーとテクノロジーが加速する次のイノベーション

生成AI および AI/ML マーケット戦略担当のラフールパサック氏が登壇され、生成AIによる新しい時代を、それらの実現に向けての AWS の戦略や支援を、これまで日本のお客様と創出してきたイノベーション事例とともに紹介されました。

セッションでは、複数の業界におけるクラウドテクノロジーの革新が焦点となりました。金融業界では、SBIがインフラストラクチャをコード化し、効率化を図っています。自動車業界では、TIER 4が大量のテスト資料から開発シミュレーションを作成し、エッジコンピューティングへの展開を推進しています。通信業界では、docomoが5Gの商用展開でAWSを選定し、消費電力を大幅に削減する取り組みを行っています。

また、プロジェクトKuiperによる衛星群の運用や、ANAがAWSにデータ分析基盤を移行し、グループ全体のデータを集約・分析することで競争力を高めています。これらの事例は、データの活用が企業の競争力を飛躍的に向上させ、AIがビジネスの差別化に重要な役割を果たしていると感じました。

さらに、AWSのLLM開発支援プログラムや新しい推論コンポーネントの導入が、デジタル革命が多岐にわたる産業で進行していることが強調されました。これにより、企業は柔軟に業務を変革し、進化を続けることが可能になっています。

電通とJR東海の事例も取り上げられ、電通はAIを活用したマーケティング戦略の展開や、顧客のデータドリブンな分析を通じたサービスの最適化を進めています。一方、JR東海はリニア中央新幹線の運行管理において、地上設備からのリアルタイムデータを活用し、運行計画の最適化と運行監視の効率化を図っています。これらの取り組みは、AWSのテクノロジーを駆使してデータ中心の革新を実現し、それぞれの業界において革新的な成果をもたらしています。

セッションの締めくくりでは、ラフール氏から「あなたが作り上げるのはどんな魔法ですか？」と問いかけられました。これからもAWSを活用した革新がさらに進展し、ビジネスにおける魔法のような変革をもたらすことが期待される素晴らしいセッションでした。

セッション

1日目

Amazon Bedrockの活用によるデジタル教育サービスの生成AI機能拡張

パートナーセッション
【スピーカー】中村寿志氏　株式会社学研メソッド取締役

学研様の生成AI活用事例についてお話しされていました。
学研様では生徒が学習するためのWebシステムを運用しており、学習情報の取得や独自にチューニングした分析システムで学習情報を分析していました。

このWebシステムに対し、生成AIを活用するアイデアがお話しされていました。

学習情報を分析した結果を生成AIが生徒一人に合わせてフィードバックしたり、生徒の質問に生成AIアシスタントが対応し生徒一人ひとりに合わせたヒントを出したり、生徒に合わせた類題を提示したりとたくさんのアイデアがお話しされていました。

このセッションで機械と人間のインタフェースとして生成AIは特に有用だなと感じました。

自社データを用いた生成AIの活用事例

AWSセッション
【スピーカー】中島佑樹氏　アマゾンウェブサービスジャパン合同会社　技術統括本部エンタープライズ技術本部

本セッションでは、生成AIの導入におけるデータの重要性と活用戦略について事例を用いて詳細に解説していました。

まず、生成AIを効果的に活用するためには、良質なデータが不可欠であり、データ適用方式として、検索拡張⽣成 (RAG)、Fine-turning、継続的事前学習の3つの方法が紹介され、それぞれのメリットや具体的な事例が示されました。

具体的な事例としては、RIZAPテクノロジーズ様が社内問い合わせ検索システムを生成AIで構築したケースが紹介されました。このシステム導入により、従業員の問い合わせ対応工数が大幅に削減され、業務効率が向上しました。また、カラクリ株式会社様がカスタマーサポート向けに誠実かつ自然な返答を提供する生成AIを3日で学習させた事例も取り上げられ、生成AIの実用性が強調されていました。

また、データ戦略の重要性について、生成AIを活用するための3つの観点が示されました。

独⾃のカスタムデータを使⽤して AI アプリケーションをする
- 独自データを活用して他社との差別化を図る。
既存のデータ基盤上で⽣成 AI を活⽤する
- 既存のデータ基盤を活用して生成AIワークロードに適用。
生成AIアプリケーションを監査する
- 生成AIアプリケーションの監査機能をONにして責任あるAIを実践。

特に、責任あるAIの実践には生成AIアプリケーションの監査機能をONにすることが第一歩として重要であると強調されました。AWSのリソースを活用し、透明性や公平性を確保するための具体的な方法も提供されています。

このセッションを通じて、生成AIの導入にはデータの質と戦略が非常に重要であることを再認識しました。特に、実際の事例を通じて、生成AIがどのように業務効率を向上させるかが具体的に理解できました。今後のビジネスにおいて、生成AIの活用がどのように進化し、どのように実用化されるのか非常に楽しみです。AWSの提供する多様なツールとサポートを活用することで、企業はより効率的に生成AIを導入し、競争力を高めることができるのだと思いました。

生成AIが変える、データアナリティクス

AWSセッション
【スピーカー】西澤祐介氏　アマゾンウェブサービスジャパン合同会社プロフェッショナルサービス本部ビッグデータコンサルト

生成AIがデータアナリティクスと連携することで何ができるようになったのかお話しされていました。

生成AIとAmazonDataZoneの連携では、データの説明やデータの分析例などを出力でき、AWS Glueとの連携では、自然言語でETLジョブを作成できるとお話しされていました。

また、生成AIとAmazon Redshift クエリエディタが連携することで、自然言語からSQLを生成してデータ分析可能だとお話しされていました。
Quicksightは生成AIと連携することで多くの恩恵を受けられるとお話しされていました。

自然言語でダッシュボードや計算フィールドを作成できたり、ダッシュボードに対してQ&Aインタフェースを提供し質問できるようになると紹介されていました。他にはデータからストーリーテリングを生成できるようになると紹介されていました。

このセッションでは特にQuicksightと生成AIの連携のお話しが興味深く、今後グラフを使用して発表するときはQuicksightと生成AIをぜひとも使用したいと思いました。

AWS 環境におけるセキュリティ調査の高度化と生成 AI 活用

AWSセッション
【スピーカー】勝原達也氏　アマゾンウェブサービスジャパン合同会社セキュリティソリューションアーキテクト

AWS環境でのセキュリティインシデント対応をどのように高度化するかについてのセッションでした。
セッションのポイントを以下にまとめました。

AWSの特性がセキュリティ分析を支える

- 高い可視性：AWSのサービスは詳細なログを提供し、システムの状態を把握しやすくしています。
- 柔軟な自動化機能：自動化により、迅速かつ効率的なインシデント対応が可能です。
- Amazon GuardDuty：脅威検知に特化したサービスで、インシデントの初期検知を担います。
- Amazon Detective：詳細なログ分析を行うサービスで、脅威の根本原因を特定します。

セッションでは、仮想的なセキュリティインシデントを通じて、どのように脅威が検知されるかを具体的に説明されていて、GuardDutyが検知する脅威の種類や、Amazon Detectiveを用いた詳細なログ分析の方法が紹介されました。具体的な脅威検知の流れとしては、次のようなプロセスが示されていました。

- GuardDutyの検知：偵察活動、インスタンス侵害、アカウント侵害などの脅威を検知。
- Detectiveでの詳細なログ分析：検知された脅威を基に、詳細なログ分析を実施。
- 生成AIの活用：自然言語でのクエリ生成により、分析作業が効率化。

生成AIはセキュリティ専門家を即座に置き換えるものではないですが、その活用により専⾨家は優れた成果を得ることができると述べられました。AWSのナレッジと自社固有の構成情報を基に、生成AIが優れたインサイトを提供し、セキュリティチームを強力にサポートしてくれます。

AWSのセキュリティサービスと生成AIの組み合わせにより、セキュリティ分析がより効率的かつ効果的に行える未来が見えてきたと思います。今後もAWSのセキュリティサービスの進化に注目していきたいです。

2日目

なぜ、AWS 活用のメリットを実感できないのか？～内製化・運用改善の考え方～

パートナーセッション
【スピーカー】浅野佑貴氏　株式会社ＢｅｅＸ　事業開発室

AWS Partnerから見た内製化支援の活用方法のナレッジを共有するセッションでした。
まず、内製化支援の活用方法を考える前に、AWSのメリットを実感できない理由として以下が挙げられていました。

継続的な変更・改善を行うためのコスト・プロセスを確保していない
「どの様な課題を解決することに使えるアップデートか？」を考えていない

前提として、AWSを活用して実現したいことは「ビジネス環境の変化に追随し、最新IT技術を取り込む」ことです。
しかし現状は、AWSサービスのアップデートが想像以上に速く・多く、自分たちに必要なアップデートが何か見極められなかったり、継続的な構成変更を計画せず、移行初期からのメリット享受を優先してしまったりすることが多いようです。

そこから考えると、内製化を進めるためのポイントは以下となります。

改善のための専任リソース(Teams)を確保する
通常業務を行ったまま改善業務を行うことは負担が大きいです。そのため専任Teamが必要とのことですが、会社の”理解”を得ることが個人的には一番難関だと感じました。セッションでも、Teamが機能するために必要なカルチャー/会社の仕組みの整備には時間がかかるため、3つめのポイントの実践が推奨されていました。
不足する役割・スキルをサポートするパートナーとの協業
必ずしもAWSサービス固有の深い知識が必要な訳では無いです。より重要なのは、担当システムの課題がどの様な技術課題なのかを把握し、どの様な課題を解決することに使えるかを考えることです。CCoEによるナレッジ収集・共有は組織的なソリューションの一つですが、ここは専門家(AWSパートナー)のナレッジを活用することで補うことができます。
取り組みレベルは段階的に成熟させる
内製化とは自社リソースですべて実施するものではなく、どこまでを自社で行うかを見極めることが必要です。例として3段階のアプローチが挙げられており、自社で行う範囲として、Lv1：企画の一部⇒Lv2：企画+開発の一部⇒Lv3：企画から運用まで
また、どのレベルが正解といったわけではなく、内製化を行うシステム・領域によってレベルを使い分けることが重要とのことでした。

弊社も内製化支援を行っており、私も支援を行った経験があったため、非常に参考となるセッションでした。

AWS技術支援テクニカルエスコートサービス｜SCSK株式会社

テクニカルエスコートサービスはAWSの導入に関して課題に直面されているお客様にAWS認定資格保有者が参画いたします。

NTT の生成AI「tsuzumi」とともに挑む新たなチャレンジ（AWS LLM 開発支援プログラムを用いた技術検証等）

パートナーセッション
【スピーカー】爪長美菜子氏　日本電信電話株式会社研究開発マーケティング本部執行役員　マーケティング部門長

NTT版LLM「tsuzumi」の紹介と活用領域、案件対応から浮き出たLLM利活用時の主な課題が伝えられたセッションでした。

「tsuzumi」の特徴として、軽量・高い言語性能・高カスタマイズ性・マルチモーダル性を挙げていました。特にパラメタサイズは、GPT-3の1/25である7Bサイズと非常に軽量のようです。驚くべきことに、「図表・イラストの読解（infoVQA）」と「複数画像の複合読解（SlideVQA）」ではGPT-3.5、GPT-4を凌ぐ精度となっていました。

LLM利活用時の主な課題として「精度」・「精度のゴール設定」・「データ整備」の三本を挙げていました。

精度
- 精度40%〜70％から出発すること
- チャンキング、検索手法の精査、pre-retrieval等で精度向上が必要であること
精度のゴール設定
- PJ開始時に精度の定義合わせが重要であること
データ整備
- フォーマットの違い等でのデータ整備にコストがかかる

PoCを行っている方も多いですが、データ整備に課題を感じている方も多いのではないでしょうか。
私もデータ整備を行ってくれる生成AIないかなぁ〜と日々感じています…

余談ですが、セッション冒頭で名前の由来も話されており、「雅楽で用いられる鼓が演奏の流れを統率する役割を担っていることになぞらえ、これからの自然言語処理技術の発展をリードしていく存在をめざす」とのことでした。日本らしく、素敵な名前です。

AIアプリ開発プロジェクトの始め方

AWSセッション
【スピーカー】⼤渕⿇莉氏　アマゾンウェブサービスジャパン合同会社　サービス&テクノロジー事業統括本部

セッションの冒頭では、AIの基本的な概念とそれらの違いについてお話されていて、特に生成AIについては、テラバイト規模のデータで学習し、追加学習なしに人間と同等のコンテンツ生成能力を持つことが強調されました。AIの最大の特徴として「AIは間違えることがある（精度100%にはならない）」という点が挙げられ、入力が決まれば出力の「予測値」が決まるため、単純なロジックでは計算できない現象を予測する際に使われることが多く、必ず誤差が生じることが説明されました。

また、生成AIは、プロンプトエンジニアリングを通じて多様な表現形式や応答の微調整が可能です。しかし、プロンプトが肥大化する場合にはファインチューニングの検討が必要となります。

AIを自社アプリに組み込む具体的なステップは以下になります。

課題のフレーミング
データ処理
モデル開発
モデルのデプロイ
モデル性能監視

ビジネスゴールがないと、評価指標や評価データを作れず、AIが正しく機能しているかを評価できないため、ビジネスゴールの設定が非常に重要になります。

安全で信頼性の高い生成AIソリューションの実現には、生成AIを利用する際の入出力データの適切性を確保するためのガードレールやモデレーション機能が重要です。Amazon Bedrock や Amazon Rekognition などのAWSサービスを活用することで、より安全で信頼性の高い生成AIソリューションを構築することが可能となります。

このセッションを通じて、AIアプリ開発プロジェクトの始め方と、従来のAIと生成AIの違い、AWSが提供する豊富なAIサービスについて深く理解することができました。特に、ビジネスゴールの設定の重要性や、適切なAIサービスの選択が成功の鍵であると感じました。AWSのAIサービスを活用することで、AIアプリ開発がより身近で現実的なものになると感じました。

チームのつながりをInfrastructure as Codeでデザインする

AWSセッション
【スピーカー】高野賢司氏　アマゾンウェブサービスジャパン合同会社技術統括本部ストラテジック製造グループ

チームがDevOpsできるようになるにはどのような障壁を乗り越えないといけないのかというお話でした。

従来の分断されたチームでは、それぞれのチームがタスクの完了だけに注目し、フィードバック受け取って改善しなくなるという問題点がありました。

目標とするDevOpsできるチームは、コードをコミュニケーションの中心に置くことでフィードバックに基づいた継続的な改善を行うことができるチームとお話しされていました。

目標達成するためにはインフラストラクチャをコードで管理すること、バージョン管理ツールでコードを管理すること、チーム全員がコードを理解できることなどが挙げられていました。

DevOpsをできるようになるまでの手順を段階的に紹介されていたので非常に勉強になりました。

Amazon CodeCatalyst と Amazon Q で開発者の生産性を向上！ – AI アシスタントの活用方法 –

AWSセッション
【スピーカー】柳久保友貴氏　アマゾンウェブサービスジャパン合同会社デジタルサービス技術本部 ISV/SaaSソリューション部

昨年11月のアップデートにて、Amazon CodeCatlyst での Amazon Q によるソフトウェア開発タスク支援が発表されており、本セッションではそのデモンストレーションが行われました。

具体的にはAmazon Q によって、単体テストの作成やPull Requestのコメント作成・レビューコメントの要約等です。驚くべきこと「Title」欄に一文記入するだけで、前述の処理の作成を行ってくれていました。エンジニア初心者でも簡単にアプリケーション作成を行えるでしょう。（生成AIのコードの正確性の理解は必要ですが。）

また、「レビューコメント」の作成によって、大規模変更の際に大きくエンジニアの負担を減らすことができます。今までは大きな変更の際、差分が多くなってしまい、そのすべてを確認し、理解する必要がありました。この機能により、エンジニアの負担を大幅に削減することができます。

データセンターのラックぜんぶ抜く！SCSKだからできる脱オンプレの秘策とは？

パートナーセッション
【スピーカー】岸岡学氏　ＳＣＳＫ株式会社　クラウドサービス事業本部事業推進部クラウド営業課長
髙島豊徳氏　沖電気工業株式会社常務理事情報責任者

本セッションでは、沖電気工業株式会社（OKI）のCIOである高島様と共に、実際のクラウド移行プロジェクトの具体的な取り組みと成功の秘訣について語られました。クラウドのメリットを理解し活用を進めようとする企業は多いものの、さまざまな理由で踏みとどまっている企業が多く存在するのが現実です。2日目の最後のセッションにもかかわらず、多くの方々が来場していて、クラウド移行に関する関心の高さを感じました。

沖電気工業株式会社様は広範な事業領域と高いセキュリティ要件を持つため、膨大な業務システムのクラウド移行には多くの課題がありました。特に、事業ごとに異なるシステム要件や古いシステムのモダナイズ、クラウド移行が難しいシステムが存在していました。さらに、2026年までに約800台のサーバ（100ラック相当）を含む現行データセンターの移転・移行が必要で、クラウド利用促進とシステム刷新を同時に進める必要がありました。

この課題に対し、ハード面、ソフト面、マネジメント面の三位一体のアプローチが成功の鍵となりました。

ハード面（設備/体制）
最新データセンター、自社プライベートクラウドとAWSへの直接コネクティビティを提供し、営業・技術一体となったデリバリ体制を整備したこと

ソフト面（技術/サービス）
オンプレミスも把握しているAWSスペシャリストによる全体計画、プロジェクト推進、最新技術への追随とAWS社と共同で立ち上げた移行アセスメント、移行仕分け、移行作業パッケージを利用した迅速で安心安全な移行

マネジメント面
当初の目的を定期的に経営レベルで見直し、共通ゴールをぶらさずに、現場メンバーがプロジェクトに専念できることを最優先したこと

今後は、クラウドシフト/サーバレス化、そしてアプリケーションのモダナイゼーションを目指しています。

今回のセッションを通じて、SCSKとOKI様がどのようにしてデータセンターの完全移行を実現したか、その具体的な施策と成功の秘訣を深く理解することができました。特に、SCSKのAWSに対する深い理解と高い技術力が、脱オンプレミスを実現する上で不可欠な要素であると強く感じました。

SCSKは、AWS戦略協業パートナーとして、トータルサポートを提供していて、豊富なサービスメニューと延べ2000を超えるAWS認定技術者が、お客様のクラウドジャーニーを最適なルートで案内しています。Lift & Shiftフェーズでの課題に対して、これまで培ったノウハウを活かし、ビジネスに必要なITサービスをフルラインナップで提供することができます。

クラウド移行を考えている企業にとって、今回のセッションは非常に参考になる内容でした。SCSKの技術力とサポート体制により、多くの企業が安心してクラウドへの移行を進めることができると確信しました。

EXPO

AWS DeepRacer

白熱の戦いが繰り広げられていました。私が観戦したときは8秒台が決勝ラインでしたが、最終結果はどうなったのでしょう…？

AWS Village

生成AI・Developer・Industry・セキュリティのテーマごとに4つのエリアに分かれて、様々なソリューションの個々の基本的な機能から選定や組み合わせまで、実際に動くデモを見ながら学ぶことができました。
個人的に一番テンションがあがったのが、「AWS Snowball Edge」の展示でした。