AWS What's New Digest

Appearance

2026年05月28日 ​

[General] AWS IoT Core now supports direct messaging for point-to-point communication ​

概要 ​

AWS IoT Coreは、接続中の個々のデバイスへ直接メッセージを送信できるSendDirectMessage APIをサポートしました。配信確認のオプトインや詳細な配信状態の可視化（CloudWatch Logsへの出力）により、配信可視性が向上しメッセージングコスト削減が期待できます。

変更内容・新機能の詳細 ​

従来は単一デバイスへのメッセージ送信はそのデバイスが購読するトピックへ公開する形（publish/subscribe）で行われ、受信側からの配信確認をネイティブに取得する仕組みはありませんでした。今回の機能追加により、SendDirectMessage APIを使ってAWS IoT Coreに接続中の任意のデバイスへポイントツーポイントでメッセージを直接送信できます。送信時にデバイスからの配信確認（delivery acknowledgement）をオプトインでき、配信確認の有無をもとにAPIの詳細な応答コードが返されます。また、配信結果や失敗理由はAmazon CloudWatch Logsへ出力されるため、配信状況の監査や障害解析が容易になります。Direct messagingはAWS IoT Coreが利用可能な全リージョン（Amazon China、AWS GovCloud (US)を含む）で提供されます。開発者向けの利用開始手順や実装詳細はDirect Messagingの開発者ガイドを参照し、料金はAWS IoT Coreの料金ページで確認してください。

影響範囲・利用シーン ​

  • 対象ユーザー: IoT開発者、デバイスメーカー、SRE/運用チーム、プロダクトオーナー
  • 利用シーンまたは効果: 直接制御コマンドや即時応答が必要な通知（リモートコマンド実行、アラート、セキュリティイベント通知、対話型操作）で利用可能。配信可視化により障害原因の特定やSLAsの検証が容易になる。
  • 運用効果: 配信確認に基づく再送や障害対応が効率化され、不要なトピックブロードキャストを減らすことでメッセージングコストが低減する可能性がある。
  • 制約: メッセージ送信先は「AWS IoT Coreに接続中のデバイス」に限定されるため、オフラインデバイスへの配信には向かない。既存のトピックベースのpub/subとは併用可能。

技術的な注意点 ​

  • IAM権限: SendDirectMessageを呼び出すための適切なIAMポリシーが必要。CloudWatch Logsへの出力を利用する場合はlogs:PutLogEvents等の権限も確認すること。
  • リージョン制限: AWS IoT Coreが提供される全リージョン（Amazon China、AWS GovCloud (US)含む）で利用可能と発表されているが、導入前に利用するリージョンでの提供状況を公式ページで再確認すること。
  • コスト: Direct messagingの利用は料金ページに記載される料金体系に従うため、導入前にコスト試算を行うこと。配信確認の仕組みやCloudWatch Logsの出力は追加の課金対象となる可能性がある。
  • 接続状態: 送信対象デバイスはAWS IoT Coreに接続されている必要があり、オフラインデバイスには送れない点に注意。配信確認を得るにはデバイス側でackを返す実装が必要（オプトイン）。
  • CloudWatchログとモニタリング: IoT Coreが出力する配信結果ログはCloudWatch Logsへ流れるため、ロググループ/ストリームの設定と閲覧権限を事前に整備すると良い。
  • SDK/API互換性: SendDirectMessageはAPI（および対応するAWS SDK/CLI）経由で利用可能。既存のトピックベース実装との併用やフォールバック設計を検討すること。

参考情報 ​

[General] AWS Partner Central now supports deal sizing using total contract value (TCV) ​

概要 ​

AWS Partner Central の商談サイズ機能が改良され、パートナーが取引の合計契約金額（TCV）を入力すると自動で月次予測収益（MRR）に変換できるようになりました。これにより手動でのMRR推定が不要になり、商談登録が迅速かつ精度高く行えます。

変更内容・新機能の詳細 ​

パートナーは商談作成／更新時にMRRの推定方法として「Forecast MRR from TCV（TCVからのMRR予測）」を選択できるようになりました。利用者は取引の合計契約金額（USDまたはEUR）と契約期間（月）を入力すると、Partner Central が即座に予測MRRへ変換して表示します。従来の「Forecast MRR」「AWS Pricing Calculator」「手動入力」と並ぶ選択肢として追加され、パイプライン精度向上と商談速度の加速を狙います。本機能は AWS Partner Central のコンソールから利用可能で、AWS Partner Central API for Selling 経由でも利用できます（API は米国東部（バージニア北部）リージョンで提供）。導入手順は Partner Central にログインして商談を作成または更新し、MRR 推定方法で TCV を選んで金額と期間を入力、予測MRRを確認して提出します。TCV→MRR の内部算出は契約期間（ヶ月）と通貨に基づくもので、これによりパートナーの営業チームはより一貫した予測値を使ってパイプライン管理できます。

影響範囲・利用シーン ​

  • 対象ユーザー: AWS パートナープログラム参加企業（販売担当者、セールスオペレーション、パートナー事業管理者）
  • 利用シーン: 商談登録／更新時に合計契約金額（TCV）を入力して自動的に月次収益（MRR）を算出、CRM や営業パイプライン管理に反映する場面
  • 運用効果: 手動でのMRR推定作業が不要になり、商談登録の時間短縮と予測精度向上により案件成立までの速度（deal velocity）を改善し、パイプラインの監査・集計が容易になる

技術的な注意点 ​

  • IAM権限: Partner Central コンソールと API を利用するには Partner Central へのアクセス権限（アカウントと適切なロール）が必要です。API 利用時は認証情報と API 権限を確認してください
  • リージョン制限: コンソール機能は世界展開ですが、AWS Partner Central API for Selling は米国東部（バージニア北部 / us-east-1）リージョンで提供されています。API を通じた統合は対象リージョンに留意してください
  • コスト: 本機能自体の追加課金は発表されていませんが、API 利用や外部 CRM 連携、運用自動化に伴う開発・運用コスト、データ転送費用は発生する可能性があります
  • 通貨制限: TCV の入力通貨は記事時点で USD と EUR が明記されています。その他通貨の扱いについては確認が必要です
  • データ整合性: TCV→MRR の算出は契約期間（月）に基づくため、契約の開始日や部分月の扱い、割引・前受け収益の会計処理との整合性は個別に確認してください
  • API 統合: CRM と連携する場合は AWS Partner Central API ドキュメントに従い、エンドポイント、認証、レート制限、フィールドマッピング（TCV、契約期間、MRR フィールド）を設計してください

参考情報 ​

[SageMaker] Announcing Region Expansion of P6-B200 instances on SageMaker Notebook Instances ​

概要 ​

Amazon EC2 P6-B200インスタンスがSageMakerノートブックインスタンスで米国東部（バージニア北部）にて一般提供開始されました。8基のNVIDIA Blackwell GPU（合計1440 GBの高帯域GPUメモリ）と第5世代Intel Xeon（Emerald Rapids）を搭載し、P5enと比べ最大2倍のAIトレーニング性能を提供します。

変更内容・新機能の詳細 ​

P6-B200は、8基のNVIDIA Blackwell GPUを備え、合計で1440 GBの高帯域GPUメモリを持つEC2インスタンスです。CPUは第5世代Intel Xeon（Emerald Rapids）を採用しており、大規模モデルのトレーニングと推論に最適化されています。SageMakerノートブックインスタンス（およびSageMaker StudioのJupyterLab / CodeEditor）上で利用可能になり、対話的なモデル開発とファインチューニング（大規模言語モデル、Mixture of Experts、マルチモーダル推論モデルなど）をより大きなモデル規模で効率的に実行できます。発表ではP5enと比較して最大2倍のトレーニング性能向上が示されており、ノートブック環境での実験サイクル短縮や大きなワークロードのインタラクティブな検証が可能になります。セットアップ手順やJupyterLab / CodeEditorでの利用方法はSageMakerの開発者向けドキュメントに従ってください。

影響範囲・利用シーン ​

  • 対象ユーザー: 機械学習エンジニア、データサイエンティスト、研究者、MLOpsチーム
  • 利用シーン: ノートブック上での大規模モデルの対話的開発・ファインチューニング（LLM、Mixture-of-Experts、マルチモーダルモデル）、生成AIアプリケーションのプロトタイピング（エンタープライズコパイロット、テキスト／画像／映像生成など）
  • 運用効果: トレーニング・実験の時間短縮により反復サイクルが速くなり、より大きなモデルをノートブック環境で直接扱えるため開発効率が向上します
  • 留意点: 高性能インスタンスのため時間単価は高く、コスト管理（使用時間、スポット利用やジョブ分割の検討）が必要です

技術的な注意点 ​

  • IAM権限: SageMakerノートブックインスタンス作成・起動に必要なIAMロール・ポリシー（SageMakerFullAccess等）と、必要に応じてS3やECR、KMS等へのアクセス権を確認してください
  • リージョン制限: 本発表時点では AWS US East (N. Virginia)（us-east-1）のSageMakerノートブックインスタンスで利用可能です。その他リージョンには未展開の可能性があります
  • コスト: P6-B200は高性能・高コストのインスタンスです。実験用途では起動時間の最小化、チェックポイント保存、スポットやジョブバッチ化の検討を推奨します
  • サービスクォータ: GPUインスタンスの上限（サービスクォータ）が適用されます。必要に応じてAWSサポートへクォータ増加申請を行ってください
  • ソフトウェア互換性: 使用するフレームワーク（PyTorch、TensorFlow等）や分散学習ライブラリ（DeepSpeed、FSDP等）のGPUドライバ／CUDA／cuDNNバージョン互換性を確認してください。SageMaker内のカーネルイメージやコンテナを最新化することを推奨します
  • ノートブック設定: 大規模GPUメモリを活かすには適切なインスタンスタイプ選択のほか、インスタンス起動時のライフサイクル設定、ストレージ（EBS）サイズ/スループットの調整が必要です

参考情報 ​

[SageMaker] SageMaker Notebook Instances now support P5.4xl instance types ​

概要 ​

Amazon SageMaker のノートブックインスタンスで EC2 P5.4xl（NVIDIA H100 搭載）が一般提供されました。大規模モデルの学習や推論を高速化し、コスト効率を改善します。

変更内容・新機能の詳細 ​

今回のリリースで SageMaker ノートブックインスタンスが Amazon EC2 P5.4xl をサポートします。P5 ファミリーは NVIDIA H100 Tensor Core GPU を採用しており、深層学習（DL）や高性能計算（HPC）ワークロードに対して高い演算性能を提供します。AWS の案内によれば、前世代の GPU ベース EC2 インスタンスと比べて最大で処理時間が4倍、学習コストは最大で40% 削減できる可能性があるとされています。主な用途は大規模言語モデル（LLM）や拡散モデルなどのトレーニングおよびデプロイで、質問応答、コード生成、画像・動画生成、音声認識といった生成系AIアプリケーションに向きます。SageMaker ノートブックインスタンス上で JupyterLab や CodeEditor を使って作業するための設定や手順については開発者ガイドを参照してください。提供リージョンは米国東部（バージニア北部、オハイオ）、米国西部（オレゴン）、アジア太平洋（ムンバイ、東京、ジャカルタ）、南米（サンパウロ）です。

影響範囲・利用シーン ​

  • 対象ユーザー: 機械学習エンジニア、データサイエンティスト、リサーチャー、SRE/運用チーム
  • 利用シーン: 大規模言語モデルや拡散モデルの実験・高速プロトタイピング、トレーニング前のノートブック上での前処理・小規模トレーニング・デバッグ、推論用モデルのパフォーマンス評価
  • 運用効果: トレーニング・推論の時間短縮による開発サイクル短縮、オンデマンドで高性能 GPU を利用することでリソース効率とコスト効率が向上
  • コスト影響: 単価は高めのインスタンスタイプだが、処理時間短縮によりトータルの学習コストが低減する可能性がある（AWS の示す最大40% 削減はワークロード次第）
  • リージョン影響: サポートされるリージョン以外では利用不可のため、リージョン選定やデータ所在地の要件に注意が必要

技術的な注意点 ​

  • IAM権限: SageMaker ノートブックを起動・管理するための適切な IAM ロールとポリシー（sagemaker:、ec2: 関連の権限など）が必要。必要最小権限の検討を推奨します。
  • リージョン制限: 現時点での提供リージョンは US East (N. Virginia, Ohio)、US West (Oregon)、APAC (Mumbai, Tokyo, Jakarta)、SA (São Paulo) のみ。その他リージョンでは未対応です。
  • コスト: P5 インスタンスは高性能GPUを搭載するためオンデマンド料金・スポット料金ともに高めです。実行時間短縮によるトータルコスト削減が見込める一方、コスト管理（スポットの利用、実行時間の短縮、不要リソースの停止）が重要です。
  • サービス制限／Quota: アカウントの GPU インスタンス上限（Quota）が適用されます。必要に応じて Service Quotas から引き上げ申請を行ってください。
  • 互換性: ノートブック環境（ライブラリ、CUDA、ドライバ、NVIDIA コンテナランタイムなど）の互換性確認が必要です。開発者ガイドに従って JupyterLab/CodeEditor の設定を行ってください。
  • 運用上の注意: 長時間の大規模トレーニングはノートブックインスタンスより SageMaker Training ジョブや分散トレーニングを検討したほうが管理/スケーリング面で有利です。

参考情報 ​

[SageMaker] SageMaker Notebook Instances now support P5en.48xl instance types ​

概要 ​

Amazon SageMakerのノートブックインスタンスで、EC2のP5en.48xl（8 x H200 GPU）インスタンスタイプが一般提供されました。H200とGen5 PCIe、Nitro v5/EFAの組合せにより分散学習や推論での帯域・レイテンシ改善が期待できます。

変更内容・新機能の詳細 ​

P5en.48xlは8基のNVIDIA H200 GPUを搭載し、従来P5のH100と比べてGPUメモリ容量が約1.7倍、GPUメモリ帯域が約1.4倍向上しています。加えて4th Generation Intel Xeon Scalableプロセッサを採用し、CPU⇄GPU間でGen5 PCIeを利用可能となることで最大約4倍の帯域を実現します。ネットワーク面ではNitro v5プラットフォームによる第3世代EFA（最大約3200 Gbps）をサポートし、P5比で最大35%のレイテンシ改善が報告されています。これらはAll-reduce等の集合通信のパフォーマンス改善に寄与し、大規模分散トレーニング、生成AI、低遅延推論、リアルタイム処理、HPCワークロードで効果を発揮します。SageMakerノートブックインスタンスでの提供リージョンは米国東部（バージニア北部、オハイオ）、米国西部（オレゴン）、アジアパシフィック（東京）です。利用開始時はノートブック作成画面でP5en.48xlを選択し、H200に対応した最新のSageMakerカーネル/コンテナ（NVIDIAドライバ、CUDA、対応フレームワーク）を使用してください。JupyterLabやCodeEditorの利用方法はSageMakerの開発者ガイドを参照してください。

影響範囲・利用シーン ​

  • 対象ユーザー: 機械学習エンジニア、データサイエンティスト、HPC/研究者
  • 利用シーン: 大規模分散ディープラーニング（All-reduce等の集合通信が重要なトレーニング）、生成AIモデルの学習・高性能推論、リアルタイムデータ処理、HPCワークロード
  • 運用効果: CPU⇄GPU間およびノード間通信帯域の向上とレイテンシ低減により、分散トレーニング時間短縮・スケーラビリティ向上、推論レイテンシ改善が期待できる

技術的な注意点 ​

  • IAM権限: SageMakerノートブック作成・実行、関連するEC2リソース（ENI等）やECR/S3へのアクセス権限が必要です。必要なRoleとポリシーを事前に確認してください。
  • リージョン制限: 現時点での提供リージョンは米国東部（バージニア北部、オハイオ）、米国西部（オレゴン）、アジアパシフィック（東京）です。他リージョンでは未提供の可能性があります。
  • コスト: H200搭載のP5enは高性能な分、オンデマンド・スポット・Savings Planなどいずれも従来インスタンスより高額になる可能性があります。コスト見積りと予算管理を事前に行ってください。
  • インスタンス制限/クォータ: アカウントのインスタンスクォータ（vCPU/インスタンス数）により起動制限があるため、必要ならサポート経由でクォータ引上げ申請が必要です。
  • ソフトウェア互換性: H200向けのNVIDIAドライバ、CUDA、cuDNN、対応するフレームワーク（PyTorch/TensorFlow等）のバージョンが必要です。SageMaker提供の最新カーネルやコンテナイメージを利用するか、カスタムイメージでドライバを整備してください。
  • EFA/Nitro要件: 第3世代EFA（Nitro v5）を利用するためのカーネル/ライブラリ要件がある可能性があります。分散トレーニングでEFAを使う場合は対応ライブラリ（MPI/UCX等）やドライバの確認が必要です。

参考情報 ​

[Emr] Amazon EMR now supports Apache Spark 4.0.2 in general availability ​

概要 ​

Amazon EMRがApache Spark 4.0.2を一般提供でサポート開始しました。EMRの3つのデプロイモデル（EMR on EC2、EMR on EKS、EMR Serverless）すべてで利用可能です。

変更内容・新機能の詳細 ​

Spark 4.0.2はANSI SQLサポートやVARIANT型によるネイティブな半構造化データ対応、行/列単位の細粒度アクセス制御（Lake Formationとの連携によるFGAC）、Apache Iceberg v3テーブルフォーマットのサポート、強化されたストリーミング制御などを提供します。ANSI SQL対応により従来のSQLスキルでSparkジョブの記述が可能になり、VARIANT型はJSONなどの半構造化データをスキーマ柔軟に扱えます。Lake Formation登録テーブルに対する読み書きのFGACをSparkジョブ内で適用でき、Iceberg v3はより強いトランザクション保証とデータ系譜（audit trail）を提供します。ストリーミング関連の改善は、状態管理の複雑さを低減し監視性を向上させるため、詐欺検出やパーソナライゼーションなどのリアルタイムアプリケーションの開発と運用を加速します。Spark 4.0.2は全リージョンのEMRで利用可能で、既存アプリケーションの移行を支援するためにApache Sparkアップグレードエージェントが利用できます。

影響範囲・利用シーン ​

  • 対象ユーザー: データエンジニア、データサイエンティスト、ETL開発者、SRE/運用チーム
  • 利用シーン: ANSI SQLでのバッチ/ETLパイプライン作成、VARIANTを使った半構造化データ処理、Lake Formation登録テーブルへのアクセス制御適用、Iceberg v3を使ったデータレイクのトランザクション管理とコンプライアンス対応、リアルタイムストリーミングアプリ（不正検知、パーソナライゼーション等）の高速デプロイ
  • 運用効果: SQL標準化で開発効率が向上し学習コストを削減、FGACとIceberg v3によりガバナンスと監査対応が強化、ストリーミング改善でレイテンシ/信頼性の高いリアルタイム処理が実現される

技術的な注意点 ​

  • IAM権限: Lake FormationのFGACを利用する場合、Spark実行ロールおよびユーザーに対してLake FormationとS3アクセスの適切な権限が必要です
  • 互換性/アップグレード: Spark 3.x系からの互換性に注意。ユーザー定義関数(UDF)、サードパーティーライブラリ、Spark固有APIの差分による動作変更が発生する可能性があり、事前のテストとコード修正が必要です
  • EMRデプロイモデル: Spark 4.0.2はEMR on EC2、EMR on EKS、EMR Serverlessの各モデルで利用可能ですが、各モデル固有の設定（コンテナイメージ、実行ロール、リソース割当）を確認してください
  • Iceberg v3移行: Iceberg v3の機能を利用する場合、既存のテーブル移行・メタデータ互換性を検証する必要があります。トランザクション挙動とスナップショット管理の違いに注意してください
  • ストリーミング: 状態処理やチェックポイントの挙動が変わる可能性があります。クエリ再起動・スケール時の状態移行や監視（メトリクス/ログ）を事前に評価してください
  • リージョン制限: 記事では「EMRが利用可能なすべてのリージョンで利用可能」とされていますが、特定リージョンでの機能差やリージョンロールアウトの遅延があり得るため、利用リージョンのEMRコンソール/リリースノートで確認してください
  • コスト: 新機能自体に追加料金は明示されていませんが、Icebergメタデータ操作やストリーミング処理の増加によるI/Oやコンピューティングコストの上昇、EMR on EKS/Serverlessでのリソース使用増がコスト増につながる可能性があります

参考情報 ​

[Glue] AWS Glue large and memory optimized workers now available in Europe (Spain) Region ​

概要 ​

AWS GlueがAWS Europe (Spain)リージョンで大容量（G.12X/G.16X）およびメモリ最適化（R.1X/R.2X/R.4X/R.8X）のワーカーをサポート開始しました。これにより、スペインリージョンでも大規模・メモリ集約型のETLジョブをより高速に処理できます。

変更内容・新機能の詳細 ​

今回追加されたワーカーは2つのカテゴリに分かれます。G.12X/G.16Xは既存のG（一般的なコンピュート）ラインナップを拡張したもので、より多いコンピュート、メモリ、ストレージを提供し、CPUバウンドやI/O負荷が高い大規模ジョブに適しています。Rシリーズ（R.1X/R.2X/R.4X/R.8X）はG相当のワーカーと比べてメモリ量が2倍となる設計で、キャッシュやシャッフル、集約などメモリ集約型のSpark処理に向いています。これらワーカーはAWS Glue StudioのUI、ノートブック、Visual ETL、あるいはGlue Job API経由でジョブ定義時に選択可能です。結果として、より複雑な変換（joins/aggregations）、大規模データの処理、メモリ依存の演算を短時間で実行しやすくなります。実運用ではジョブ実行時のexecutorメモリ使用量、シャッフル量（shuffle spill）、ガベージコレクションやI/O待ち時間をモニタリングして最適なワーカータイプと数を選定してください。

影響範囲・利用シーン ​

  • 対象ユーザー: データエンジニア、ETL開発者、データサイエンティスト、SRE/運用チーム
  • 利用シーン: メモリ集約型のSparkキャッシュ/シャッフル/集約処理、大規模ジョインや複雑な変換を含むETLパイプライン、バッチ処理の高速化
  • 運用効果: ジョブのスループット向上、シャッフルスピルやOOMの低減により失敗率の低下と実行時間短縮が期待できる
  • コスト影響: 大きなワーカーはリソース単価が高いため、処理時間短縮と単位時間当たりコストのバランスを評価する必要がある
  • リージョン: 利用可能なのはAWS Europe (Spain)リージョン（その他リージョンでの利用可否はドキュメントで確認）

技術的な注意点 ​

  • IAM権限: Glueジョブの作成・更新・実行に必要なGlue関連IAM権限が必要です（Glue:CreateJob/UpdateJob/StartJobRun等）
  • リージョン制限: 本アップデートはEurope (Spain)リージョンへの追加です。他リージョンでの提供状況は公式ドキュメントで確認してください
  • コスト: 大型/メモリ最適化ワーカーはコストが高めです。ジョブ実行時間とワーカー数を組み合わせた総コストを評価し、必要に応じてテストで最適構成を決めてください
  • ジョブ設定: Glueジョブ定義でworkerType（例: G.12X, R.4X等）と必要なworker数を指定します。Glue Studio、ノートブック、Visual ETL、APIのいずれでも指定可能です
  • Glueバージョン/互換性: 利用するGlueランタイムバージョンやSparkの設定によって挙動が異なるため、既存ジョブを移行する場合は事前検証を推奨します
  • モニタリング: CloudWatchメトリクス（ExecutorMemory, ShuffleSpill, GC等）とジョブログを確認してOOMやI/Oボトルネックの有無をチェックしてください

参考情報 ​

[Connect] Amazon Connect Customer now uses generative AI to automatically evaluate self-service interactions ​

概要 ​

Amazon Connect Customerは、生成AIを使ってセルフサービス（AIエージェント）とのやり取りを自動評価し、集計された洞察を提供する機能を追加しました。マネージャーは自然言語で評価基準を定義でき、会話のトランスクリプトを参照した理由付け付きの評価結果を得られます。

変更内容・新機能の詳細 ​

マネージャーは評価フォームに自然言語でカスタム評価基準（例:「AIエージェントは顧客の問題をすべて解決したか？」）を記述します。生成AIは通話/チャットのトランスクリプトを解析して、各セルフサービス接点（セルフサービスフロー／AIエージェント）に対する評価を自動で行い、評価の根拠となる会話中の参照ポイント（該当発話やタイムスタンプ）とともに詳細な理由を返します。評価は個別コンタクト単位と集計レポートの双方で確認でき、録音・トランスクリプトと合わせて表示されるため、AIエージェントやフロー改善のための具体的な改善ポイント抽出が可能です。処理はConnect内で完結し、レポートはダッシュボードや個別コンタクトビューで確認できます。本機能は指定リージョンで利用可能で、利用にあたっては録音・トランスクリプト生成の有効化および適切な権限設定が必要です。コストはAmazon Connect Customer（生成AI使用）と保存される録音・トランスクリプトのストレージによる追加課金が発生する可能性があります。

影響範囲・利用シーン ​

  • 対象ユーザー: コンタクトセンターマネージャー、QAチーム、AIボット運用者
  • 利用シーン: セルフサービスAIエージェント（音声ボット/チャットボット）による対応品質評価の自動化、エージェント改善ポイントの抽出、運用KPI監視
  • 運用効果: 手動レビュー工数の削減、評価の均質化とスケール化、AIエージェントの継続的改善による顧客満足度向上
  • 導入効果: QAの早期フィードバックループ確立により応答品質と解決率が改善されやすい
  • 制限・考慮点: トランスクリプト・録音が必須のため、該当設定が無い環境では利用できない

技術的な注意点 ​

  • IAM権限: 評価結果とトランスクリプトを参照・管理するためのConnect関連APIアクセス権（Connect Customer権限やS3アクセス等）を付与する必要があります
  • リージョン制限: 利用可能リージョンは US East (N. Virginia)、US West (Oregon)、Asia Pacific (Seoul)、Asia Pacific (Singapore)、Asia Pacific (Sydney)、Asia Pacific (Tokyo)、Europe (Frankfurt) です。他リージョンでは未対応の可能性があります
  • コスト: 生成AI処理（Connect Customerの利用料金）および録音/トランスクリプトの保存コストが別途発生します。評価頻度や保存期間によりコストが増加するため見積りを推奨します
  • 事前設定: セルフサービスフローの録音とトランスクリプト生成を有効にすること、評価フォームの設計（自然言語での基準定義）と権限を持つレビューワーの設定が必要です
  • プライバシー/コンプライアンス: 会話データを生成AIで処理するため、個人情報保護・PCI/医療情報等の規制に関するポリシー確認と必要な同意取得を行ってください
  • 品質管理: 自然言語で定義した評価基準は曖昧さやバイアスを招く場合があるため、テスト運用で基準の調整と評価結果の検証を行ってください
  • 処理特性: 評価は会話トランスクリプトに基づくため、STTの精度（音声認識精度）や言語固有の表現により評価結果が影響を受ける点に留意してください

参考情報 ​

[General] Amazon SageMaker HyperPod Slurm clusters now support specifying minimum capacity requirements with continuous provisioning ​

概要 ​

Amazon SageMaker HyperPod（Slurmオーケストレーション）で、継続的プロビジョニング使用時にインスタンスグループごとの最小必要キャパシティ（MinCount / MinInstanceCount）を指定できるようになりました。これにより、部分的に起動されたクラスタによる不適切なジョブ開始を防ぎ、分散トレーニングの安定性を向上できます。

変更内容・新機能の詳細 ​

従来の継続的プロビジョニングでは、HyperPodは部分的なキャパシティを先に提供してジョブ開始を速め、残りのインスタンスを非同期で追加で起動していました。今回の機能追加で、CreateCluster または UpdateCluster API リクエストに MinInstanceCount を指定することで、インスタンスグループが InService ステータスに遷移して Slurm にノードが利用可能になるために満たすべき最小インスタンス数を定義できます。指定した閾値に達するまではインスタンスグループは Creating または Updating のままで、閾値達成後に InService となりジョブスケジューリングが可能になります。HyperPod は MinCount を満たした後もターゲットのインスタンス数に達するまでインスタンスの起動を継続します。もし MinCount が3時間以内に満たされない場合は、そのインスタンスグループは自動的に直近の正常状態へロールバックされます。これは、PyTorch FSDP、Megatron-LM、NVIDIA NeMo といった固定ノード数を前提とする分散トレーニングフレームワークで特に有用で、SLAやコスト効率の観点から最低GPU数を保証したいケースにも適しています。該当機能は Amazon SageMaker HyperPod がサポートされる全リージョンで利用可能です。

影響範囲・利用シーン ​

  • 対象ユーザー: 分散トレーニングを行う機械学習エンジニア、SRE/クラウド運用チーム、AIプラットフォーム運用者
  • 利用シーン: 固定ノード数を前提とする分散学習（例: PyTorch FSDP、Megatron-LM、NVIDIA NeMo）で、ジョブ開始前に最低限のノード/GPUを保証したい場合
  • 運用効果: 部分的キャパシティでの不正確／非効率なジョブ開始を防止し、ジョブ失敗や無駄なリソース消費を削減できる。SLAやコスト目標に合わせた最小GPU数の担保が可能になる
  • スケジューリング影響: インスタンスグループが MinCount を満たすまでは Slurm にノードが現れないため、ジョブキューの待ち時間・スケジュール開始タイミングに影響する可能性があります

技術的な注意点 ​

  • API/パラメータ: CreateCluster / UpdateCluster の MinInstanceCount パラメータで設定します（インスタンスグループ単位の閾値です）
  • ステータス/動作: MinCount 未達時はインスタンスグループが Creating/Updating のまま。閾値達成で InService に遷移して Slurm にノードが提供される。閾値未達が3時間続くと自動ロールバックされる
  • IAM権限: CreateCluster / UpdateCluster を呼ぶ権限など SageMaker HyperPod のクラスタ管理に必要な IAM アクションと、インスタンスロールによる EC2/関連サービスのプロビジョニング権限を確認してください
  • リージョン制限: Amazon SageMaker HyperPod がサポートされている全リージョンで利用可能です。HyperPod 未サポートのリージョンでは利用不可です
  • コスト: MinCount を設定している間も起動されたインスタンスには料金が発生します。MinCount を高めに設定するとプロビジョニング成功までの待機や追加インスタンス起動によりコストが増加する可能性があります
  • 運用上の推奨: 分散トレーニングフレームワークでの挙動を事前にステージング環境で検証し、ジョブのタイムアウトやスケジューリングポリシーと整合させてください

参考情報 ​

AI要約はOpenAI APIによって生成されています。

Copyright © 2026