2024年12月最初の週にAWS最大のグローバルイベントにして世界最大のクラウドカンファレンス AWS re:Invent 2024 が開催されました。

このブログはAWSのスワミ・シヴァスブラマニアン博士のキーノートをラスベガス現地で目の前で見て感じたことをレポートしています。
スワミさんのキーノートは、5Kマラソンを走った後に遅れて着席しましたので、途中からのレポートとなりますことをご了承ください。
キーノートの内容そのものを知りたい方はYoutubeで動画が公開されていますのでそちらをご覧ください。

また、そもそもAWSって何？詳しく知りたいという方は、こちらの「AWSとは？AWS認定講師が解説」をご覧ください。

AWS re:Invent 2024 Keynote with Dr. Swami Sivasubramanian

5Kマラソンを走り終えてからキーノートへ向かいまして、Rocket Companiesさんのゲスト事例の途中で着席できました。
後ろにも大きなモニターがあるので見やすくて助かりました。

Rocket Companiesさんの事例で印象的だったのが、「イノベーションの民主化」でした。
社内でNavigatorというノーコードツールを開発された。
それはLLMによりアプリ開発を支援するツールで、仕組みを知らなくてもコードを書かなくても、仕事に必要なアプリを開発できるというもの。
Navigatorは、Bedrockを使っています。
Navigatorによって、2,400人のチームメンバーが133のカスタムアプリを開発して年間80万時間の節約になった。
働く人みんながビルダーになったら、かなり強いと思いました。
正しい処理内容を知ってる人たちが、どうすれば仕事が改善できるかを知ってる人たちが、自分たちで正しく素早くアプリを開発していきます。

Pythonを書いたことがない人も自然言語でSageMaker Canvasを使ってAIモデルの構築をサポートしてくれるようになりました。

NFLでは、プロデューサー、編集者、クリエイターのための生成AIアシスタントをQを活用して作成したそうです。
その結果、何かを調べる際の質問への回答が24時間かかっていたものは数秒になり、新入社員トレーニング時間が67%短縮されました。
これまで時間をかけていた範囲の短縮によって、新たなことを学ぶ時間にできますね。

Amazon Q in QuickSight Scenariosが、発表されました。
仮定的なシナリオのための、従来のスプレッドシート分析を、自然言語により人がやるよりも10倍早く行います。
収益計画に対してのシナリオもQが仮定してくれます。それを微調整することもできます。

デモとして、最適なサービスの無料トライアル期間を探るシナリオを実行していました。
Qが、QuickSightダッシュボードで関連データを検索して分析します。
トライアル期間を仮定シナリオとして、収益がどうなるかをデータをもとに計算して結果を算出します。
いくつかのシナリオから回答を導き出して結果を確認できます。

Amazon SageMaker Unified Studio

次世代SageMakerの機能としてマット・ガーマンさんのキーノートで紹介されていたAmazon SageMaker Unified Studioの実用例が始まりました。
営業担当者がより効率的な営業活動をするために、3つのステップ(リード情報の獲得、分析、リードの優先順位付け)を実行されました。

AWS CEOのMatt Garman(マット・ガーマン)氏のKey Noteを山下が解説 | AWS re:Invent 2024参加レポート

最初はCRMからのゼロETLアプリを構築してリードデータを収集。
これを生成AIのプレイグラウンドなどを使って、実行していました。

そして、クエリエディタで実際にはAthenaかRedshiftのいずれかを使ってデータをクエリします。
ほかのデータセットとも連携させたりセグメントを定義して、Lakehouseに保存しました。

1つのノートブックからAmazon Qを使って、モデル開発のためのコードを生成します。
データの前処理、構築、トレーニングをすべて行えます。
そしてモデルが作成できれば、新たなリードに対しての優先順位を推論できる状態にできます。
例えば新たなお客様と何らかの接点があった際に、そのお客様の確度を予測できるということですね。
そのための仕組みをSageMaker Unified Studioで一貫して作成できました。

一目でわかるように、ダッシュボードで可視化できました。
SageMaker Unifiedでモデルの比較、CRMからの収集、分析、モデルの新たな学習、推論を全部行われてました。
機械学習のモデルを開発してデプロイするMLOpsのプラットフォームだったSageMakerは、データ分析担当者が使うフルマネージドなツールになってきたんですね。
それもあって、従来のSageMakerはこれまでどおりのMLエンジニア向けにSageMaker AIになったということですね。

AI学習への取り組み

世界中で5億人の学生がデジタル学習にアクセスできていない。

AWSは200万人にAIトレーニングを無償で提供した。
無料のクラウドトレーニングは2,900万人に提供した。
AWS AI and ML Scholarshipと呼ばれるこれらのトレーニングの卒業生が、水不足問題や、電気自動車バッテリーの再活用などの持続可能性へのソリューションに取り組んでいる。

学生向けのAIデジタルトレーニングを提供する組織を支援するプログラムとしてAI Education Equity Initiativeが発表されました。
5年間で最大1億ドルのクレジットと専門家による技術的ガイダンスを提供する。

学習格差が技術格差に大きな影響を及ぼすんですよね。
技術を使える人は少ないよりも多い方が、AWSにとっても世の中にとっても良いことなので、必然の取り組みとも思いました。