1. 【最重要】Kiro、Lean形式検証をハーネスに適用 — 18件の実コード上の反例を発見

原文発表：11月2日／AWS日本語版：11月3日。 Kiroのハーネスは、会話コンテキスト、長い会話の圧縮、プロンプトキャッシュのプレフィックス、セッション復元、ツール呼び出しの承認を管理します。こうした状態依存の処理は通常の単体テストでは抜けやすく、Leanによる性質検証を試しました。

なぜ重要か

モデルの推論能力とは独立した実装バグが、エージェントの振る舞いを静かに変える可能性があります。コードと仕様の両方を検証することが重要です。

技術・API・評価

評価上の限界： 18件の反例はコードでも再現されましたが、すべてが実害のある脆弱性を意味するわけではありません。証明した性質も、モデル化した仕様に対するもので、実装全体の無欠陥を保証しません。

要点： Kiroは11月2日、エージェントのハーネス実装をLeanでモデル化し、実コードと照合する自動検証の成果を発表した。 26関数のモデルで96件の性質・観察を調べ、70件を証明、2件を有界検査、18件を反証してコードでも再現した。 11月3日のAWS日本語記事は原文の翻訳であり、別イベントとして数えない。

一次情報： AWS Japan / Kiro公式記事

↑ 今日の5件に戻る

2. AWS、Kimi K3のインド国内限定推論を提供 — データ所在地を推論プロファイルで制御

公式公開：11月3日。 新モデルの初発表ではなく、既存Kimi K3の地理的な推論処理先を制限する新しい選択肢です。

なぜ重要か

個人情報・規制データを扱うアプリでは、APIの呼び出し元だけでなく実際に推論するリージョンが重要です。

API・実装

pythonfrom aws_bedrock_token_generator import provide_token
from openai import OpenAI
region = "ap-south-1"
client = OpenAI(
    base_url=f"https://bedrock-runtime.{region}.amazonaws.com/openai/v1",
    api_key=provide_token(region=region),
)
response = client.chat.completions.create(
    model="in.moonshotai.kimi-k3",
    messages=[{"role":"user","content":"この文書を要約して"}],
    max_completion_tokens=2048,
)

注意： ログ・メトリクスは呼び出し元リージョンに保存されます。処理先の制限とログ保存先の設計を分けて確認してください。

要点： AWSは11月3日、Bedrock上のKimi K3でムンバイとハイデラバードだけを処理先にするIndia geographic inferenceを紹介した。 推論プロファイルin.moonshotai.kimi-k3を指定すれば、インド国外への推論処理を避けられる。 OpenAI互換Chat Completions/Responsesに加えConverse/InvokeModelに対応し、画像文書の抽出や構造化出力も扱える。

一次情報： Amazon Web Services公式記事

↑ 今日の5件に戻る

3. 【日本】ニッセイ情報テクノロジー、AI-DLC v2で基幹保守開発を実証

記事公開：11月2日／事例は9月の実施結果。 日本生命とニッセイ情報テクノロジーが金融基幹系の保守開発にAI-DLC Workflows v2を適用しました。新しい製品発売ではなく、国内の実運用に近い検証事例です。

なぜ重要か

AI-DLC v2は進行や承認ゲートをLLMの解釈に委ねず、コード化したワークフローエンジンで制御します。監査記録と責任分界が必要な金融システムに適しています。

実装・API・評価

評価の限界： ワークショップの成果であり、従来手法より何%速いといった結論は未発表。残りの改修を含むPoCとウォーターフォール並走比較が進行中です。

要点： AWSは11月2日、日本生命・ニッセイ情報テクノロジーがAI-DLC Workflows v2を基幹保守開発へ適用した事例を公開した。 54人・7チームが3日間のワークショップに参加し、帳票改修の7つのIntentのうち2つを完了した。 内製Reactアプリ、Claude Agent SDK、MCP、Bedrock Knowledge Bases、Redmine承認を組み合わせた。

一次情報： AWS Japan / ニッセイ情報テクノロジー公式記事

↑ 今日の5件に戻る

4. AWS、Crawl4AIとBedrock Knowledge BasesのRAG取り込みパイプラインを公開

技術記事公開：11月2日。 新しいBedrock機能の発売ではなく、Crawl4AIをWebデータ前処理に使う公式サンプル構成です。

なぜ重要か

RAGで誤回答が増える原因はLLMだけでなく、ナビゲーションや古い本文を混ぜたインデックスにあります。本文だけの抽出と出典URL・取得時刻のメタデータ化が有効です。

実装・API

textEventBridge (定期実行)
  -> ECS Fargate (Crawl4AI / JS描画 / 本文抽出)
  -> S3 (Markdown + metadata sidecar)
  -> Bedrock Knowledge Bases StartIngestionJob
  -> Retrieve / AgenticRetrieveStream

注意： メタデータによる検索フィルタはアクセス制御ではありません。重複実行防止、失敗通知、削除同期はサンプルに不足するため本番利用時に追加してください。

要点： AWSは11月2日、Crawl4AIでWebページをMarkdownとメタデータに変換してBedrock Knowledge Basesへ取り込む実装ガイドを公開した。 EventBridge→ECS Fargate→S3→Knowledge Basesの取り込みジョブという構成をCDKで再現できる。 JavaScript描画、本文抽出、URL範囲制限、検索結果の出典管理を自分で調整できる。

一次情報： Amazon Web Services公式記事

↑ 今日の5件に戻る

5. Circle K、Bedrock AgentCoreで障害一次調査を15分未満に短縮

事例記事公開：11月2日／AgentCore版の本番稼働開始：2026年4月。 Circle KのDevOpsチームが障害の一次調査をエージェントで自動化しました。

なぜ重要か

人間の運用判断を残したまま、ログ収集と原因候補の整理を自動化した実測事例です。自動修復は将来計画であり、現時点の実装と区別します。

アーキテクチャ・性能・料金

評価条件： 67〜75%短縮はCircle Kの内部インシデント対応指標に基づき、独立した比較試験ではありません。AgentCore Runtimeは長時間セッションを扱えますが、通知用Lambdaの最大15分実行時間は別の制約です。

要点： AWSは11月2日、Circle KがBedrockのAIエージェントでDevOps障害の一次調査を自動化した事例を公開した。 GrafanaアラートをSNS/SQS/Lambdaで受け、AWSリソース、OpenSearchログ、GitHubコードを照合してSlackに根拠付き要約を返す。 同社内部指標では従来45〜60分だった一次調査が15分未満となり、67〜75%短縮した。

一次情報： Amazon Web Services / Circle K公式記事

↑ 今日の5件に戻る