Amazon Web Services ブログ

AWS GameDay @ AWS Summit Japan 2024 結果発表!!

本記事では、2024 年 6 月 20 日、21 日に幕張メッセにて開催された AWS Summit 2024 の Day 2 に実施された、コスト最適化をテーマとした AWS GameDay ~ Frugality Fest(節約祭り!) ~ の開催概要と結果をご報告いたします。

Weekly aws Japan edition

週刊AWS – 2024/7/1週

みなさん、こんにちは。ソリューションアーキテクトの根本です。 今週も週刊AWSをお届けします。 梅雨のはずです […]

スキャンしたPDFをAmazon Q Businessで利用し、生産性を向上させる

Amazon Q Business は、生成 AI 対話アシスタントであり、企業のデータソースに格納されたデジタルコンテンツだけでなくスキャンした PDF からも、事前のテキスト抽出をせずとも直接質問に答えたり、要約を作成したり、コンテンツを生成したり、インサイトを発見することが可能になりました。本記事では、Amazon Q Business を使用し、スキャンした PDF ドキュメントを非同期でインデックス化、リアルタイムでクエリを実行する方法を説明します。

セゾンテクノロジー様の AWS 生成 AI 事例:Amazon Bedrock を活用してサポートエンジニアの回答作成時間を最大 30 % 短縮

セゾンテクノロジーは、「世界中のデータをつなぎ、誰もがデータを活用できる社会を作る」というミッションを掲げています。自社製品である「HULFT(ハルフト)」は、国内外で広く活用されるデータ連携製品へと進化し、近年はポートフォリオをさらに拡充させています。昨今急速に進化をしている生成 AI は企業ミッションとも親和性が高く、セゾンテクノロジー内では個人やプロジェクト、チーム単位で活用方法を模索する動きが活発化していました。そこで、各部門に分散していた生成 AI の知見を集約し発展を加速させるため、全社横断的な研究会である LLM Mavericks を設置し、生成 AI の研究や活用に取り組んでいます。

本ブログでは、LLM Mavericks の活動の一環として、Amazon Bedrock を活用した AI チャットボットを HULFT 製品のテクニカルサポートセンターに導入した事例について解説します。なお、本事例は 2024 年の AWS Summit Japan の基調講演でも取り上げられました。

週刊生成AI with AWS – 2024/7/1週

週刊生成AI with AWS, いろんなお客様の生成AI活用事例を見るだけで勉強になると実感する2024年7日8日号 – 公式Webマガジンbuilders.flashで生成AIに関する3本の記事が公開、株式会社AI Inside様の国内事例ブログを公開。実業務に生成AIを活用するうえでヒントに成り得る3本のブログ記事を公開。サービスアップデートではVisual Stuido IDEでのAmazon Q Developerの一般利用開始、Amazon SageMaker StudioのAmazon S3 Access Grantsとの統合、ほか1件をおしらせ

LLM の埋め込み情報ドリフトを Amazon SageMaker JumpStart から監視する

生成 AI のワークロードで最も有用なアプリケーションパターンの 1 つが Retrieval Augmented Generation (RAG) パターンです。 RAG パターンでは、入力プロンプトに関連する参照コンテンツを探すために、埋め込みベクトル (テキスト文字列の数値表現) に対して類似検索を実行します。埋め込みはテキストの情報内容を捉え、自然言語処理 (NLP) モデルが言語を数値的に処理できるようにします。埋め込みは浮動小数点ベクトルであるため、3 つの重要な質問を用いて分析することができます。参照データは時間とともに変化するか、ユーザーが尋ねる質問は時間とともに変化するか、そして最後に、参照データが尋ねられている質問をどの程度カバーできているかです。

スマートシティ向けの早期火災検知設計モデル : AWS IoT および ML テクノロジーの活用

このブログ記事では、早期警告システムを緊急時対応者に構築するためのデータを接続、収集、活用するにあたり、AWS のサービス群をどのように使用するかを学びます。全体のシステムアーキテクチャについて説明し、データを収集するセンサーやデバイス、AWS IoT サービスを使ったデータ処理と分析、Amazon SageMaker を使ったローコードな ML モデルによる火災予測についても見ていきます。