Amazon Web Services ブログ

Kiro Web の自律モードで技術的負債に大規模に立ち向かう

技術的負債への従来のアプローチは、開発者の時間を保守に割り当てて機能提供を遅らせるか、負債が複利で膨らむのを放置するかの二択を強います。対話型の AI コーディングアシスタントは個々のタスクを速くしてくれますが、それでもすべてのステップで開発者がループの中にいる必要があります。私たちが欲しかったのは第三の選択肢、つまり issue を読むところからプルリクエストを開くところまで保守タスクを一気通貫で引き受け、エンジニアは判断が最も価値を持つコードレビューでだけ関わる、という形です。それが Web の Kiro の autonomy モードです。保守を含む幅広いタスクをこなせるエージェンティックなソフトウェアエンジニアリングツールで、エンジニアはより価値の高い仕事に集中できます。実際にどうなったかというと、2 か月のあいだに Kiro は私たちのリポジトリ群で 87 件のオープン issue に対応するプルリクエストを提出しました。これは、それまでの 22 か月（約 2 年）でチームが対応してきた量に迫る数です。本記事では、どのようにセットアップしたか、2 つのケーススタディの詳細、そして自分のリポジトリで Kiro を自律的に使う方法を紹介します

Kiro の GPT‑5.6 モデルが 100 万トークンのコンテキストウィンドウに対応

Kiro の IDE、CLI、Web のすべてで、GPT‑5.6 Sol、Terra、Luna が 100 万トークンのコンテキストウィンドウに対応します。これにより、コードベース全体、長文ドキュメント、長く続いたマルチターンのエージェント履歴を、チャンク分割や要約を挟まず、細部を失わないまま 1 回のリクエストで処理できるようになります。

AWS Weekly Roundup: Amazon Bedrock 上の OpenAI GPT-6 Astra、Amazon Quick デスクトップ GA、学生向け Kiro など (2026 年 9 月 14 日)

ニューヨークの 9 月中旬には、特別なエネルギーがあります。パンプキンスパイスラテがたっぷりとあり、気温も下が […]

自動推論による数学的確実性の 10 年: Automated Reasoning Group が歩んだ道

Automated Reasoning Group (ARG) の発足から 10 年の歩みを振り返ります。自動推論による形式的検証は研究プロトタイプから、Amazon Inspector、IAM Access Analyzer、Reachability Analyzer といったお客様向けサービスへと発展しました。Nitro Isolation Engine や暗号実装、認可エンジンの正しさを証明した内部の取り組み、Amazon Bedrock Guardrails の自動推論チェックによる生成 AI のハルシネーション防止、そして Amazon Bedrock AgentCore や Kiro でのエージェンティック AI への展開まで、システムを「おそらく正しい」だけでなく「正しいと証明できる」ものにする数学的確実性の価値を紹介します。

エージェント型 AI による ERP ビジネスプロセス運用の変革

大量のトランザクションを扱う企業にとって、ERP システムにおける手作業の例外処理は、重要なビジネスプロセスの遅延やお客様満足度・収益認識への影響を招くボトルネックとなります。本記事では、Accenture が Amazon Bedrock や Amazon Bedrock AgentCore、Strands Agents SDK、AWS Lambda、Amazon RDS、AWS Step Functions といった AWS サービスを用いて構築した、エージェント型 AI ソリューションをご紹介します。このソリューションは、Direct Ship（直送）請求業務の例外管理を、手作業から自律的でエージェント主導の解決へと転換し、展開からわずか 5 週間で業務上の摩擦の軽減、課題解決の加速、売上の実現の向上を実現しました。SAP S/4HANA との統合により、対話型の Digital Assistant がリアルタイムの運用データへのアクセスと文脈に沿った解決策の推奨を提供します。

← Older posts