AWSの基礎力をつけるためにAWS What’s Newを毎日目を通す事を始めました。 最初は日本語訳されたものを見ていたのですが、1週間ほど遅れて訳されるようなので、英語の情報を訳して整理することにしました。
本情報が役立つ人もいるかなと思い公開します。 個人的な理解なので、実際の情報は原典をあたってください。
![AWS運用入門 改訂第2版 押さえておきたいAWSの基本と運用ノウハウ [AWS深掘りガイド] 単行本（ソフトカバー） – 2025/7/11](https://m.media-amazon.com/images/I/61ftnZ09WvL._SY522_.jpg)
AWS運用入門 改訂第2版 押さえておきたいAWSの基本と運用ノウハウ [AWS深掘りガイド] 単行本（ソフトカバー） – 2025/7/11
¥3,520
Amazonで見る
# Amazon Quick Suite Embedded Chat が利用可能に 投稿日: 2025年11月25日
何ができるようになったのか #
Amazon Quick Suite Embedded Chat の一般提供が開始されました。これにより、構造化データと非構造化知識を単一の会話で組み合わせる Quick Suite の会話型 AI を、アプリケーションに直接組み込むことができるようになります。会話型インターフェース、オーケストレーションロジック、またはデータアクセスレイヤーをゼロから構築する必要がなくなります。
何が嬉しいのか #
ユーザーは別のツールではなく、作業している場所で回答を求めています。CRM、サポートコンソール、または分析ポータルなど、どこにいても即座に状況に応じた応答が必要とされます。Embedded Chat を使用することで、ユーザーは埋め込みチャットを離れることなく、KPI を参照したり、ファイルから詳細を取得したり、顧客のフィードバックを確認したり、アクションをトリガーしたりする一連の会話を継続できます。
これまでとどう変わるのか #
- これまで: 会話型インターフェース、オーケストレーションロジック、データアクセスレイヤーをゼロから構築する必要がありました。
- これから: Quick Suite の会話型 AI をアプリケーションに直接埋め込むことができ、1クリック埋め込みまたはAPIベースのiframeを通じて簡単に統合できます。
具体的なユースケース #
- CRM、サポートコンソール、または分析ポータル内で、即座に状況に応じた応答を得る。
- 埋め込みチャットを離れることなく、KPI の参照、ファイルからの詳細取得、顧客フィードバックの確認、アクションのトリガーを行う。
Amazon Quick Flows がスケジューリング機能を導入 #
投稿日: 2025年11月25日
何ができるようになったのか #
Amazon Quick Flows がスケジューリングをサポートし、手動での介入なしに反復的なワークフローを自動化できるようになりました。Quick Flows を指定した時間や間隔で自動的に実行するように設定でき、運用効率が向上し、重要なタスクが常に一貫して実行されるようになります。日次、週次、月次、またはカスタム間隔でスケジュールを設定可能です。アクセス権のある任意のフロー（自分で作成したフローでも、共有されたフローでも）をスケジュールできます。フローをスケジュールするには、スケジューリングアイコンをクリックし、希望する日付、時刻、頻度を設定します。 この機能は現在、IAD、PDX、DUB リージョンで利用可能です。
何が嬉しいのか #
手動での介入なしに反復的なワークフローを自動化できるため、運用効率が向上し、重要なタスクが常に一貫して実行されるようになります。スケジューリング機能の利用に追加料金は発生せず、標準の Quick Flows の使用量に応じた料金のみがかかります。
これまでとどう変わるのか #
- これまで: 反復的なワークフローの実行には手動での介入が必要でした。
- これから: Amazon Quick Flows のスケジューリング機能により、ワークフローを自動的に実行できるようになりました。
具体的なユースケース #
- ダッシュボードからの定期的なレポート生成
- 外部サービスで自分に割り当てられた未処理項目の要約
- 出勤前の日次会議ブリーフィングの生成
Amazon SageMaker HyperPod が Spot インスタンスをサポート #
投稿日: 2025年11月25日
何ができるようになったのか #
Amazon SageMaker HyperPod が Spot インスタンスのサポートを開始しました。これにより、お客様は HyperPod 上で GPU コンピューティングコストをオンデマンドインスタンスと比較して最大90%削減できるようになります。
何が嬉しいのか #
AI ワークロードが大規模になるにつれて、インフラストラクチャコストの最適化はますます重要になります。SageMaker HyperPod の Spot インスタンス統合により、大幅な割引で EC2 の余剰キャパシティを自動的に活用しながら、HyperPod で提供されるマネージド AI エクスペリエンスを享受できます。これにより、フォールトトレラントなワークロードをコスト効率よく大規模に実行することが可能になります。
これまでとどう変わるのか #
- これまで: Amazon SageMaker HyperPod で Spot インスタンスを直接利用する機能はありませんでした。
- これから: Spot インスタンスを利用して GPU コンピューティングコストを大幅に削減できるようになりました。オンデマンドインスタンスと組み合わせて、コスト最適化と保証された可用性のバランスを取ることも可能です。
具体的なユースケース #
- HyperPod EKS クラスターで Spot インスタンスを利用し、Karpenter と統合することで、インテリジェントなオートスケーリング、利用可能な Spot キャパシティの自動検出、およびインスタンスの中断処理を自動化できます。
- CreateCluster API または AWS Console を通じてインスタンスグループを作成する際に、Spot インスタンスを有効にできます。
- CPU および GPU を含む、HyperPod で利用可能なすべてのインスタンスタイプで Spot インスタンスがサポートされます。
- Spot インスタンスのサポートは、SageMaker HyperPod が現在利用可能なすべてのリージョンで提供されます。キャパシティの可用性は EC2 の供給に依存し、リージョンとインスタンスタイプによって異なります。
AWS Service Quotasが自動クォータ管理のサポートを追加 #
投稿日: 2025年11月25日
何ができるようになったのか #
AWS Service Quotasに新しい自動クォータ管理機能が一般提供開始されました。この機能は、お客様の利用状況に基づいてAWSサービスのクォータ値を自動的かつ安全に調整します。
何が嬉しいのか #
お客様は、クォータ使用量を常に監視し、異なるAWSアカウントやリージョンで複数のAWSサービスにわたってクォータ増加をリクエストする運用負担から解放されます。これにより、クォータ枯渇による予期せぬサービス中断のリスクなしに、AWS上でアプリケーションを自信を持ってスケールできるようになります。この新機能は、すべてのAWS商用リージョンで追加費用なしで利用可能です。
これまでとどう変わるのか #
- これまで: クォータ使用量が割り当てられたクォータに近づくと通知を受け取り、手動でクォータ増加をリクエストする必要がありました。
- これから: お客様の利用状況に基づいてAWSサービスのクォータ値が自動的に調整されるため、手動での監視やリクエストの運用負担がなくなります。
具体的なユースケース #
- 成長する顧客需要に対応するために、アプリケーションをAWS上で自信を持ってスケールする。
- 複数のAWSサービスやリージョンにまたがる大規模なインフラストラクチャを運用する際に、クォータ管理の運用オーバーヘッドを削減する。
AWS Glue Data Quality が前処理クエリをサポート #
投稿日: 2025年11月25日
何ができるようになったのか #
本日、AWS は AWS Glue Data Quality の前処理クエリの一般提供を発表しました。これにより、AWS Glue Data Catalog API を介してデータ品質チェックを実行する前にデータを変換できるようになります。この機能により、派生列の作成、特定の条件に基づくデータのフィルタリング、計算の実行、列間の関係の検証をデータ品質評価プロセス内で直接行えます。
何が嬉しいのか #
前処理クエリは、検証前にデータ変換が必要な複雑なデータ品質シナリオに対して、柔軟性を向上させます。この機能により、個別のデータ前処理ステップが不要になり、データ品質ワークフローが効率化されます。
これまでとどう変わるのか #
- これまで: データ品質チェックの前に、別途データ前処理ステップが必要でした。
- これから: データ品質評価プロセス内で直接データを変換し、データ品質チェックを実行できるようになりました。個別の前処理ステップは不要です。
具体的なユースケース #
- 税金と配送料の列から合計料金を計算するなどの派生メトリクスを作成し、データ品質チェックを行う。
AWS IoT CoreがIoTルールからのIoTモノのレジストリデータ取得をサポート #
投稿日: 2025年11月25日
何ができるようになったのか #
AWS IoT Coreは、IoTルールを使用してIoTモノのレジストリデータを動的に取得する新機能を発表しました。これにより、IoTメッセージのフィルタリング、エンリッチ、ルーティング機能が強化されます。新しいget_registry_data()インラインルール関数を使用すると、デバイス属性、デバイスタイプ、グループメンバーシップなどのIoTモノのレジストリデータにアクセスし、この情報をIoTルールで直接活用できます。
何が嬉しいのか #
IoTメッセージのフィルタリング、エンリッチ、ルーティング機能が強化され、より柔軟で効率的なIoTデータ処理が可能になります。これにより、デバイスの状態や属性に基づいた高度なメッセージ処理ロジックをIoTルール内で直接実装できるようになります。
これまでとどう変わるのか #
- これまで: IoTルール内でIoTモノのレジストリデータに直接アクセスし、メッセージのフィルタリング、エンリッチ、ルーティングに利用することはできませんでした。
- これから: 新しい
get_registry_data()インラインルール関数を使用することで、IoTルール内でデバイス属性、デバイスタイプ、グループメンバーシップなどのIoTモノのレジストリデータに直接アクセスし、メッセージ処理に活用できるようになります。
具体的なユースケース #
- AWS IoT Coreの接続ライフサイクルイベントをフィルタリングし、モノの属性（例：「テスト」または「本番」デバイス）に基づいて、ライフサイクルイベントをダウンストリーム処理のために異なるエンドポイントにルーティングする。
- 他のデバイスのレジストリデータでIoTメッセージをエンリッチまたはルーティングする。例えば、センサーの閾値温度をIoTモノのレジストリから取得し、ゲートウェイが中継するメッセージに追加する。
AWS Glue Data Qualityが強化されたレポート作成のためのルールラベリングをサポート #
投稿日: 2025年11月25日
何ができるようになったのか #
本日、AWS Glue Data Qualityの機能であるルールラベルが一般提供を開始しました。これにより、データ品質ルールにカスタムのキーと値のペアのラベルを適用できるようになり、整理、フィルタリング、ターゲットを絞ったレポート作成が向上します。この機能強化により、ビジネスコンテキスト、チームの所有権、コンプライアンス要件、またはデータ品質とガバナンスのニーズに合ったカスタム分類でデータ品質ルールを分類できます。
何が嬉しいのか #
ルールラベルは、データ品質結果を整理・分析する効果的な方法を提供します。特定のラベルで結果をクエリして、特定のカテゴリ内の失敗したルールを特定したり、チームやドメインごとのルール結果をカウントしたり、異なるステークホルダー向けに焦点を絞ったレポートを作成したりできます。これにより、既存の監視およびレポート作成ワークフローとの統合が容易になります。
これまでとどう変わるのか #
- これまで: データ品質ルールをビジネスコンテキスト、チームの所有権、コンプライアンス要件などで柔軟に分類し、それに基づいて詳細なレポートを作成することが困難でした。
- これから: ルールラベルを使用して、データ品質ルールを細かく分類し、特定のカテゴリの失敗ルールを特定したり、チームやドメインごとのルール結果をカウントしたり、焦点を絞ったレポートを簡単に作成できるようになります。
具体的なユースケース #
- 財務チームに関連するすべてのルールに「team=finance」というラベルを適用し、財務チームに特化した品質メトリクスを示すカスタマイズされたレポートを生成できます。
- 優先度の高いルールに「criticality=high」というラベルを付けて、修正作業の優先順位を付けることができます。
- ラベルはDQDLの一部として作成でき、ルール結果、行レベルの結果、API応答の一部としてクエリできるため、既存の監視およびレポート作成ワークフローに容易に統合できます。
Amazon SageMaker AI MCP ServerによるAmazon SageMaker HyperPodクラスターの管理 #
投稿日: 2025年11月25日
何ができるようになったのか #
Amazon SageMaker AI MCP Serverが、Amazon SageMaker HyperPodクラスターのセットアップと管理をサポートするようになりました。これにより、AIコーディングアシスタントが、モデルトレーニングとデプロイのためのAI/MLクラスターをプロビジョニングおよび操作できるようになります。
SageMaker AI MCP Serverには、AIアシスタントがエンドツーエンドのAI/MLクラスター操作を効率化するためのツールが含まれています。これには、Amazon EKSまたはSlurmによってオーケストレーションされるHyperPodクラスターを、ネットワーク、ストレージ、コンピューティングリソースを最適化するCloudFormationテンプレートを使用して、前提条件を含めて確実にセットアップする機能が含まれます。 また、スケーリング操作、ソフトウェアパッチの適用、様々なメンテナンス作業を含む、クラスターおよびノード管理のための包括的なツールも提供されます。
何が嬉しいのか #
Amazon SageMaker HyperPodは、生成AIモデルの構築における、トレーニング、ファインチューニング、デプロイといったモデル開発タスクをAIアクセラレータのクラスター全体で迅速にスケーリングすることで、差別化されていない重い作業を軽減します。 この新機能により、AIアシスタントはリアルタイムで様々なAWSサービスのコンテキストを理解し、AIを活用したアプリケーション開発を強化します。 データサイエンティストはインフラストラクチャの専門知識を必要とせずにAI/MLクラスターを大規模にセットアップできるため、最も重要なモデルのトレーニングとデプロイに集中できます。クラスター管理者にとっては、日常業務が効率化されます。 さらに、AWS API MCP Server、AWS Knowledge MCP Server、Amazon EKS MCP Serverと連携することで、すべてのSageMaker HyperPod APIを完全にカバーし、クラスターノードへのアクセス不能などの一般的な問題を効果的にトラブルシューティングできます。
これまでとどう変わるのか #
- これまで: AI/MLクラスターのセットアップと管理には、手動での作業やインフラストラクチャの専門知識が必要でした。AIアシスタントがHyperPodクラスターを直接プロビジョニング・操作する機能は提供されていませんでした。
- これから: AIコーディングアシスタントがAmazon SageMaker AI MCP Serverを通じてHyperPodクラスターのセットアップと管理を自動化できるようになります。CloudFormationテンプレートによる最適化されたクラスター作成、Amazon EKSまたはSlurmによるオーケストレーション、および包括的なクラスター管理ツールが利用可能になります。
具体的なユースケース #
- AIコーデンディングアシスタントを使用して、生成AIモデルのトレーニングやファインチューニングのために、最適化されたHyperPodクラスターを迅速にプロビジョニングする。
- データサイエンティストがインフラストラクチャの知識なしに、大規模なAI/MLクラスターをセットアップし、モデル開発に集中する。
- クラスター管理者が、スケーリング、パッチ適用、メンテナンスなどの日常的なHyperPodクラスター操作をAIアシスタントを通じて効率的に実行する。
- クラスターノードへのアクセス不能などの一般的な問題を、AIアシスタントがAWS API MCP Serverなどと連携して診断・トラブルシューティングする。
Amazon OpenSearch Service が Agentic Search を導入 #
投稿日: 2025年11月25日
何ができるようになったのか #
Amazon OpenSearch Service は Agentic Search を発表しました。これにより、インテリジェントなエージェント駆動型検索を通じて、ユーザーがデータと対話する方法を変革します。Agentic Search は、ユーザーの意図を理解し、適切なツールを編成し、OpenSearch DSL (domain-specific language) クエリを生成し、シンプルな「agentic」クエリ句と自然言語検索用語を通じて意思決定プロセスの透明な要約を提供する、インテリジェントなエージェント駆動型システムを導入します。
Agentic Search は OpenSearch のクエリ計画と実行を自動化し、複雑な検索構文の必要性を排除します。この機能は、会話をメモリに保存する機能を持つ複雑な対話を処理する「会話型エージェント」と、効率的なクエリ処理のための「フローエージェント」の2種類のエージェントを提供します。組み込みの QueryPlanningTool は、大規模言語モデル (LLM) を使用して DSL クエリを作成し、技術的な専門知識に関係なく検索を可能にします。ユーザーは API または OpenSearch Dashboards を通じて Agentic Search を管理し、エージェントを設定および変更できます。Agentic Search の詳細設定では、外部 MCP サーバーに接続し、カスタム検索テンプレートを使用できます。
Agentic Search は、OpenSearch Service バージョン 3.3 以降で、OpenSearch Service が利用可能なすべての AWS 商用リージョンおよび AWS GovCloud (US) リージョンでサポートされています。
何が嬉しいのか #
インテリジェ-ントなエージェント駆動型検索により、ユーザーはデータと対話する方法が変革されます。複雑な検索構文が不要になり、技術的な専門知識に関わらず検索が容易になります。システムは推論プロセスを説明しながら結果を提供するため、透明性が向上します。
これまでとどう変わるのか #
- これまで: 複雑な検索構文が必要で、OpenSearch クエリの計画と実行を手動で行う必要がありました。高度な検索には技術的な専門知識が求められました。
- これから: Agentic Search が OpenSearch クエリの計画と実行を自動化します。ユーザーは自然言語で検索でき、技術的な専門知識がなくても検索にアクセスできるようになります。システムは推論プロセスを説明します。
具体的なユースケース #
- 「30,000ドル未満の赤い車を見つけて」や「前四半期の売上トレンドを表示して」のように、自然言語で質問できます。
- 新しい AI Search Flows プラグインで利用可能な Agentic Search ユースケースを使用して、エージェントを構築し、エージェント駆動型検索を実行できます。