日次キュレーション 2026-6-30

Amazon Bedrock 上で Amazon Nova 2 Lite と Claude Sonnet 4.6 を用いた2段階パイプラインにより、スキャン年鑑のデジタル化を実施。第1段階では Nova 2 Lite が単一 API 呼び出しで写真検出（バウンディングボックス付き）・名前抽出・メタデータ抽出を実行。第2段階では Claude Sonnet 4.6 が空間推論を用いて名前と顔の対応付けを実行。336ページから3,122件の名前-顔関連付けを生成し、93.3% が信頼度0.95以上を達成。Nova 2 Lite の固定画像入力価格により予測可能なコスト構造を実現し、ページあたり約$0.033の費用で単一モデルアプローチ（約$0.10）より約3分の2低減。

AWS Bedrock 上の2段階パイプラインで年鑑デジタル化を実装。Amazon Nova 2 Lite が写真検出と名前抽出を単一呼び出しで実行し、Claude Sonnet 4.6 が空間推論で名前と顔を照合。336ページ処理で3,122件の関連付けを生成、93.3% が高信頼度達成。ページあたり約$0.033で単一モデルより66%低コスト。

Nova 2 Lite と Claude を組み合わせた2段階パイプラインで年鑑スキャン画像をデジタル化。336ページから3,122件の名前-顔対応付けを93%の高信頼度で生成。ページあたり$0.

Amazon Bedrock AgentCore Observabilityは、プロダクション環境のAIエージェント失敗を詳細に可視化する統合観測機能。CloudWatch ダッシュボード、OpenTelemetry トレース、構造化ログの3層を通じて、品質失敗（不正確な結果）、信頼性の問題（ツール呼び出し失敗）、効率問題（高レイテンシ・トークン過剰使用）を診断。無限ループ検出では高トークン使用と低エラー率の組み合わせが指標となり、CloudWatch Logs Insightsクエリで根本原因を特定。ツール呼び出し失敗は認証エラー(401)、認可エラー(403)、検証エラー(400)、リソース未検出(404)、実行エラー(500)に分類され、各々異なる対策を要す。

Amazon Bedrock AgentCore Observabilityは、CloudWatchを通じてプロダクション環境のAIエージェント失敗を多層的に可視化する機能。品質失敗（不正確な結果）、信頼性問題（ツール呼び出し失敗）、効率問題（遅延・トークン過剰）の3種類の失敗パターンに対応。

Amazon Bedrock AgentCore Observabilityは、CloudWatchでAIエージェント失敗をデバッグするツール。品質失敗・信頼性問題・効率問題の3種類を対象。

PAR Technology は、レストラン業界向けのマルチテナント型LLM分析システムを構築。テキスト・ツー・SQL エージェントで自然言語質問をSQL化する際、行レベルセキュリティを3層で実装：①AWS SigV4による暗号化要求署名（API入口）、②Amazon Bedrockの意味的検証（Layer2の推論エンジン）、③Split-Plane SQLによるプログラム的データ分離（Layer3）。Layer3では、ユーザの認証済みアイデンティティから事前にCTE（共通テーブル式）を生成し、ユーザが見る権限を持つ行のみを含むサンドボックス化データセットをLLM呼び出し前に構築。LLMはサンドボックスのスキーマのみを受け取り、基礎となるデータベーススキーマへのアクセス権を持たない。

PAR Technologyが構築した多テナント対応LLM分析システムは、行レベルセキュリティを3層で実現。第1層はAWS SigV4による要求署名認証、第2層はAmazon Bedrockによる意図検証、第3層は事前にフィルタリングされたSQLサンドボックス化。LLMは制限されたスキーマのみを見ることで、ユーザが許可された行のデータにのみアクセス可能。

多テナント型LLMシステムで、3層セキュリティで行レベルアクセス制御を実装。SigV4認証→意味検証→データサンドボックス化。LLMは許可データのスキーマのみ見え、50,000+クエリで漏洩なし。

AnthropicのClaudeモデルはMicrosoft FoundryでMicrosoft Azure上でNVIDIA GB300 Blackwell Ultra GPUで実行でき、一般利用可能となった。NVIDIA GB300 NVL72システムおよびNVIDIA Quantum-X800 InfiniBandネットワーキングを使用して、企業はagentic AIシステムを構築・運用できる。NVIDIAツールをAnthropicスタックに統合することで、NVIDIA verified agent skillsを通じてClaudeエージェントにドメイン固有の能力を付与できる。

AnthropicのClaudeモデルがMicrosoft Foundryを通じてMicrosoft AzureのNVIDIA GB300 Blackwell Ultra GPUで一般利用可能になった。企業はNVIDIA GB300 NVL72システムとNVIDIA Quantum-X800 InfiniBandネットワーキングを使用して、agentic AIシステムを構築できる。

ClaudeモデルがAzure上のNVIDIA GB300 Blackwell Ultra GPUで一般利用可能に。企業がagentic AIシステムを構築・運用でき、NVIDIA verified agent skillsでドメイン固有機

PalantirはNVIDIA Nemotronオープンモデルを採用した新インテリジェントエンジンをNVIDIAと共同発表（2026年6月29日）。このエンジンはPalantirのSovereign AI Operating Systemの一部で、米国政府機関が独自インフラでカスタマイズされたモデルを実行、独自データで訓練し、モデルの完全所有権を保持できる。エアギャップ環境（インターネット隔離）での安全な配置を実現し、データフライホイール による継続的な改善を可能にする。オープンモデルにより透明性による信頼、カスタマイズの自由度、低コストが実現される。

PalantirはNVIDIA Nemotronを使用した新インテリジェントエンジンを発表。米国政府機関がエアギャップ環境でカスタマイズされたAIモデルを安全に運用できる。データとモデル重みの所有権を完全に保持し、独自データでの継続的改善が可能。オープンモデルの透明性、カスタマイズ性、低コストの利点が強調される。

PalantirがNVIDIA Nemotronを採用した新AI統合システムを発表。米国政府機関はセキュアな環境で独自にカスタマイズしたAIを運用でき、データとモデルの完全な所有権を保持できる。

本記事はAmazon Bedrock Data AutomationおよびAmazon Bedrock AgentCoreを用いた医療請求の自動処理パイプライン構築法を提示する。S3へのCMS-1500フォーム（PDF）アップロード時、Lambda→Bedrock Data Automation→AgentCore→AWS HealthLakeの順序で処理が進む。Data AutomationはOCR・ML・生成AIを組み合わせて文書から構造化データをJSON形式で抽出。AgentCoreで動作するStrands agentはHealthLakeの既存患者・医療提供者・保険情報に対し検証を実施し、FHIR準拠の請求リソース生成。

AWSが医療保険請求処理の自動パイプラインを構築する方法を解説。CMS-1500フォームをS3にアップロードするとLambdaが起動し、Bedrock Data AutomationがJSON形式で情報抽出、AgentCoreのAIエージェント（Strands agents）がAWS HealthLakeの既存データと検証、FHIR準拠の請求リソースを生成。結果はSNSで通知される。

AWSが医療請求書の自動処理システムを紹介。Amazon Bedrock Data AutomationがCMS-1500フォーム（PDF）から情報を自動抽出し、AgentCoreのAIエージェントがAWS HealthLakeで検証・変換

Marisa ChrysochoouとKeivan Stassunは、神経多様性のある学生が直面する学界の主要な障壁は、明示されない社会的・職業的規範にあると指摘する。例として、メール作成、著者交渉、期限管理、グループディスカッションへの参加などを列挙。生成AIツールは、メール草稿作成、プレゼンテーション概要作成、複雑な情報の整理、会話構造化、曖昧なタスクの具体化などを通じて、学生が自分の主張を強化し、隠れたカリキュラムをナビゲートする能力を向上させることができるという。同著者らは、Autism Self-Advocacy Center for Equity and Neurodiversity in Engineeringを設計し、チーム構造やキャリア準備の再設計を実施している。

神経多様性のある学生は、明示されない職業的社会規範の習得に課題を抱えている。ChrysochoouとStassunは、生成AIツールがメール作成や会話構造化などを通じて、学生がこれらの「隠れたカリキュラム」をナビゲートするのを支援できると主張。Frist Center for Autism & Innovationの経験に基づき、システム改革の重要性を強調している。

神経多様性のある学生の学界での主要な障壁は、暗黙の職業的規範にある。生成AIツールは、メール作成や会話計画を支援することで、学生が自分を主張し、学界の不文律をナビゲートするのを助けることができる。