Amazon Web Services は、5 つのステップで企業の生成 AI の実現を支援します。

アマゾンのCEO、アンディ・ジャシー氏はかつて、アマゾン ウェブ サービスの目標は、誰もが大企業と同じ高度なインフラストラクチャとコストにアクセスして、独自のイノベーションを実装できるようにすることだと語った。

今年人気が高まった生成AIの分野でも同様です。

Amazon Web Services は、生成 AI は単なる大きなモデルではないと考えています。生成 AI アプリケーション全体は、海に浮かぶ氷山のようなものです。基本モデルは海の上に露出しており、氷山の底では、加速チップ、データベース、データ分析、データセキュリティサービスなど、基本モデル以外の多数のサービスもサポートする必要があります。

この目的のために、Amazon Web Services は、アクセラレーション チップやストレージ最適化を含む基盤となるアクセラレーション レイヤーから、中間レイヤーのモデル構築ツールやサービス、最上位レイヤーの生成 AI アプリケーションに至るまで、完全なエンドツーエンドの生成 AI テクノロジー スタックを提供します。各レイヤーは、顧客のさまざまなニーズに基づいて継続的に革新されています。

アマゾン ウェブ サービス グレーター チャイナの製品部門ゼネラルマネージャーである陳小建氏は、「テクノロジーのアクセシビリティ」という使命を果たすために、アマゾン ウェブ サービスでは、生成 AI を実現するための 5 つの重要な要素を提案し、企業や開発者が生成 AI の潜在能力を最大限に発揮できるように支援していると述べました。

ステップ1: 適切なアプリケーションシナリオを選択し、典型的なシナリオに基づいてビジネスモデルを革新する

マッキンゼー・コンサルティングが2023年6月に発表した「ジェネレーティブAI生産性フロンティアテクノロジーレポート」によると、ジェネレーティブAIテクノロジーがもたらす経済的利益の約4分の3は、マーケティングと販売、製品と研究開発、ソフトウェアエンジニアリング、顧客業務という4つの主要機能から生まれています。これら 4 つの機能は、生成 AI アプリケーションの主な使用領域でもあります。

そのため、企業が生成 AI を実装したい場合、まずは一般的なアプリケーション シナリオから始めて、自社のビジネス展開に適したシナリオを選択し、新しいビジネス モデルを作成する必要があります。

Amazon Web Services は、一般的なアプリケーション シナリオが企業にもたらすビジネス価値には、主に顧客エクスペリエンスの向上、従業員の生産性と創造性の向上、ビジネス プロセスの最適化という 3 つの側面があると考えています。例えば、ハイアールイノベーションデザインセンターでは、生成AIを活用して、テキスト生成グラフィック、画像生成グラフィック、定量グラフィック、フルシーングラフィックの4つの側面で効率を向上させています。オンライン化後、自動設計システムの適用により、関連業務の運用サイクルが20％短縮されました。

ステップ2: 専用の生成AIツールとインフラストラクチャを使用して、コスト効率の高い生成AIアプリケーションを迅速に構築する

基本モデルの継続的な開発と反復により、それぞれの新しい大規模モデルは特定の分野で独自の利点を備えています。数多くの基本モデルの中から自社のビジネスシナリオに最適な基本モデルをどのように選択するかは、生成型 AI アプリケーションを構築する際にすべての企業が直面する課題です。

この目的のために、Amazon Web Services は Amazon Bedrock を立ち上げました。これは、Amazon SageMaker Jumpstart と組み合わせることで、基本モデルに対するさまざまな要件を持つ顧客が簡単かつ安全に基本モデルを選択できるように支援します。

Amazon Web Services では、すべてのビジネス シナリオに適用できる基本モデルは存在しないと考えています。このため、Amazon Bedrock サービスで提供される基本モデルは、Meta、Anthropic、Stability AI、AI21 Labs、Cohere、Amazon Web Services によって開発された Amazon Titan モデル ファミリーなどの主要なサードパーティ サプライヤーから提供されています。 Amazon Web Services は、Amazon Bedrock に最近、Meta の次世代オープンソース大規模モデル Llama2 や Anthropic の Claude2 などの人気のある基本モデルが追加されたことを明らかにしました。

Amazon Bedrock はセキュリティとプライバシーを念頭に置いて開発されており、お客様が機密データを保護するのに役立ちます。まず、ユーザーのデータは、元の大規模モデルのトレーニングには使用されません。第二に、ユーザーは仮想ネットワークなどの独自のプライベート環境を構成して独自の環境トレーニングを実行できます。この環境は他のユーザーから安全に分離され、すべてのデータは暗号化され、データ転送はパブリックネットワークに公開されません。さらに、一部のシナリオで顧客が厳しい規制要件を課す場合、Amazon Bedrock は HIPAA (医療保険の携行性と責任に関する法律) や GDPR (EU 一般データ保護規則) などのコンプライアンス標準を満たします。

Amazon Bedrock Agent は、開発者が幅広いユースケースで複雑なタスクを完了し、独自の知識ソースに基づいて最新の回答を提供する生成 AI ベースのアプリケーションを簡単に作成できるようにする、新しいフルマネージド機能です。開発者は簡単な操作を実行するだけで、Amazon Bedrock エージェント機能によってタスクが自動的に分解され、手動でコーディングすることなくオーケストレーション プランが作成されます。エージェントは、シンプルな API インターフェースを介して会社のデータに安全に接続し、データを機械が読み取り可能な形式に自動的に変換し、関連情報を補足して最も正確な応答を生成します。エージェントは自動的に API を呼び出して、ユーザーのリクエストを満たすことができます。

ステップ3: データ基盤を統合し、プライベートデータを活用し、差別化された競争優位性を生み出す

データは、汎用 AI を、ビジネスと顧客を理解するパーソナライズされた AI 生成モデルに変換するための鍵となります。データを効果的に調整し、容易にアクセスする方法をまだ見つけていない企業は、生成 AI を微調整して、潜在的に変革をもたらすユーザーを引き出すことができません。

生成 AI のための強力なデータ「基盤」を構築するには、モデルの構築と微調整に使用されるさまざまな種類のデータを保存できる包括的なサービス セットが企業に必要です。同時に、企業はデータ サイロを解体し、すべてのデータにいつでもアクセスできるようにするために、サービス間の統合も必要です。さらに、企業はデータ セキュリティを確保し、生成 AI アプリケーションの構築のライフサイクル全体を通じてそれを管理する必要もあります。

Amazon Web Services は、生成 AI の分野におけるユーザーの個人情報、セッション情報管理、プライベートドメイン知識ベースなどのアプリケーションシナリオ向けに特別に構築されたデータベースを提供します。検索拡張生成 (RAG) のために処理する必要があるベクターデータに対応するため、Amazon Web Services は Amazon OpenSearch Service、Amazon Aurora PostgreSQL、Amazon RDS for PostgreSQL にベクターデータベース機能を追加しました。お客様はこれらの機能を使用して、機械翻訳や生成 AI アプリケーションで使用される埋め込みを保存および検索できます。ベクターをデータと同じ場所に配置すると、データの接続が容易になり、データの重複が減ります。

ステップ4: クラウドネイティブサービスを使用してAIアプリケーションの構築を加速し、アジャイルなビジネスイノベーションを支援する

Amazon Web Services で数百万の顧客にサービスを提供し、数え切れないほどのアプリケーション近代化変革を経験する過程で、私たちは貴重な経験も蓄積してきました。それが生成 AI 時代の構築者に役立つことを願っています。

まず、Amazon Web Services では、マイクロサービスとイベント駆動型アーキテクチャを中心とした設計フレームワークを重視しています。各機能モジュール間の相互依存性を疎結合で処理することで、アジャイルなイノベーションをより効果的に実現できます。

第二に、サーバーレス ファースト戦略により、運用と保守が簡素化され、効率が向上します。

3 番目に、データ意思決定の優先順位は、Amazon Web Services の重要な設計コンセプトの 1 つです。データを資産のように評価し、アプリケーションの中核的な競争障壁として、データ機能を生成 AI アプリケーションの設計に組み込みます。

4 番目に、セキュリティ フェンスと衝撃面の制御も、アプリケーション構築プロセスにおける Amazon Web Services の重点事項です。これにより、事故の爆発半径が縮小され、セキュリティとデータのコンプライアンスと保護がこれまでにないほど重要な位置に置かれます。

5 番目に、車輪の再発明を避けることも、Amazon Web Services が常に主張してきた概念です。 Amazon Web Services は、テクノロジー自体に加えて、DevOps、Infrastructure as a Service、自動化などの最新のアプリケーションガバナンスの概念にも継続的に投資し、企業内でのアプリケーション資産とプラクティスの共有を促進し、効率的で俊敏なビルダー文化を構築します。

ステップ 5: すぐに使用できる生成 AI サービスを使用して、反復的な作業を排除し、イノベーションに集中します。

プログラミングは、生成 AI 技術が急速に適用される分野の 1 つになります。ソフトウェア開発者は、かなり浅く差別化されていないコードを書くのに多くの時間を費やし、本当の革新に費やす時間がほとんどありません。インターネットからコード スニペットをコピーすると、無効なコードやセキュリティ リスクのあるコードを誤ってコピーしたり、オープン ソース コードの使用を効果的に追跡できなかったりする可能性があります。

これらの問題を解決するために、Amazon Web Services は Amazon CodeWhisperer を立ち上げました。これは、基本モデルと高度なオプションの両方で使用される AI コーディング コンパニオンであり、リアルタイムでコード提案を生成して、開発者の生産性を大幅に向上させます。 Amazon Web Services が実施した生産性テストによると、Amazon CodeWhisperer を使用した参加者は、使用しなかった参加者と比較して、タスクを 57% 速く完了し、成功率が平均で 27% 高くなりました。

最近、Amazon Web Services は、以前よりも優れたコード提案を生成できる Amazon CodeWhisperer カスタム機能もリリースしました。これにより、顧客は、内部 API、データベース、ベスト プラクティス、アーキテクチャ パターンなどをカバーできるプライベート コード リポジトリを使用して、CodeWhisperer のコード推奨事項を安全にカスタマイズできるようになります。

Amazon Web Services は、生成 AI アプリケーションの開発は、単なる製品とサービスの結合ではなく、挑戦的な体系的なプロジェクトであると考えています。そのため、顧客の最終アプリケーションの商用化をいかに加速させるかは、Amazon Web Services が常に懸念してきた課題です。 Amazon 独自のリソースに加えて、Amazon Web Services では、生成 AI アプリケーションの構築におけるさまざまな技術的問題の解決とアプリケーションの実装の加速を支援するために協力する強力なパートナー エコシステムも構築する必要があります。

Amazon Web Services では、クラウド サービスに加えて、ソリューション アーキテクト、製品技術の専門家、人工知能実験、データ ラボ、ラピッド プロトタイピング チーム、プロフェッショナル サービス チーム、トレーニングおよび認定部門、その他のリソースも提供し、顧客の成功を支援します。同時に、Amazon Web Services はエコシステム パートナーやスタートアップ サークルと協力して、生成 AI の大規模なエコシステムを構築し、生成 AI テクノロジーの実装をさらに支援します。