※本記事は、AWS AI and Data Conference 2026(2026年3月12日、アイルランド・キルケニーのLyrath Convention Centreにて収録)におけるセッション「dentsu and Amazon Nova Multi-Modal AI」の内容を基に作成されています。本セッションには、Swati Ramachandran氏(Enterprise Account Manager, AWS)、Toshal Dudhwala氏(Principal WW Specialist GenAI, AWS)、Satoru Yamamoto氏(Chief AI Officer, Dentsu Inc.)が登壇しています。イベントの詳細情報は https://go.aws/events でご覧いただけます。本記事では、セッションの内容を要約しております。なお、本記事の内容は登壇者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルのセッション動画をご視聴いただくことをお勧めいたします。また、AWS Events(@AWSEventsChannel)および関連情報もあわせてご参照ください。
1. オープニング:「Agents with Senses」というテーマとAmazon AIの進化
1.1 セッションタイトルの意図とセッション構成
Swati: 本日のセッションは「Agents with Senses(五感を持つエージェント)」というタイトルにしました。これは意図的に選んだタイトルです。これまで数十年間、AIは基本的にテキストに縛られてきました。何かを入力すれば、何かが返ってくる。しかし、世界はそのようには動いていません。人間は視覚、聴覚、触覚、そして文脈を通じて世界を経験しています。ですので、なぜAIだけがそうでなくてよいのか、という問いを私たちは持っています。Agents with Sensesとは、画像を見て、音声を聞いて、動画を読み取って、そして行動できるAIのことです。単に質問に答えるだけのAIではなく、複数のモダリティの中で動作するAI、これが本日私たちがDentsuとともに探求していくフロンティアです。
Swati: 本セッションの構成についてご説明します。まず、Amazonが進めてきたAIのイノベーションを振り返り、Amazon Nova 2についてご紹介します。そこから3つの重要な領域に入っていきます。1つ目は、Amazon Novaを使ってインテリジェントなエージェントをどのように構築するか。2つ目は、実世界のユースケースとして、さまざまな組織がAmazon Novaを活用してエージェントをどのように構築しているか。そして3つ目は、グローバルなマーケティングカンパニーであるDentsuが、Novaをどのように活用しているか、という内容です。
1.2 Amazon AIの進化の歴史とNovaの導入実績、顧客からの要望
Swati: 新しい話に入る前に、私たちがどこから来たのかを振り返らせてください。Amazonは、AIがバズワードになるはるか以前から、何十年もAIを開発し、出荷し続けてきました。最初はルールベースの意思決定システムから始まりました。そこから古典的な機械学習に移行し、その後初期の言語モデル、そして基盤モデルへと進化し、現在は私たちはインテリジェントなエージェントの最前線にいます。このタイムラインの最後にクエスチョンマークを付けているのは意図的なものです。私たちはまだゴールに到達していません。むしろ、最もエキサイティングな章の始まりにいるのです。そして、それぞれの段階は前の段階の上に積み重ねられて構築されてきました。
Swati: さまざまな業界のお客様がAmazon Novaを利用しています。暗号資産企業のCoinbase、出版大手のHearst、データおよびニュース企業のThomson Reuters、そしてもちろんDentsuも含まれます。何百、何千というお客様がすでにNova上で構築を進めています。そして私たち自身も、Amazon Shopping内のRufus、Amazon Ads、Alexa、Amazon Seller Services、そしてKiroといったサービスを通じてNova 2を活用しています。私たちは日々お客様と対話をしていますが、繰り返し聞かれることが一つあります。それは、AIをより実用的にしてほしいという声です。そしてそれに加えて、お客様から聞かれる要望がさらに4つあります。1つ目は、AIをより知的にしてほしいということです。つまり、より高度に推論し、より優れたコンテキストを扱えるモデルが求められています。2つ目は、コストをより低くしてほしいということです。これは、AIをプレミアムなユースケースだけでなく、企業全体に展開できるようにするためです。3つ目はより多くのモダリティ、4つ目はより高いカスタマイズ性です。テキスト、音声、画像、これらすべてを1つのモデルに統合してほしいという要望です。これこそが、Amazon Novaの基盤となっている考え方です。それでは、私たちが実際に何を構築してきたのか、ご覧いただきましょう。
2. Amazon Nova 2モデルファミリーとエージェント向け設計思想
2.1 Nova 2 LightとNova 2 Sonicの紹介、両モデルのスペック比較
Swati: それでは、Nova 2の基盤モデルをご紹介します。Nova 2 LightとNova 2 Sonicです。Nova 2 Lightは、日常的なワークロード向けのマルチモーダル推論モデルであり、業界トップクラスの価格性能比を備えています。Nova 2 Lightは、組織や開発者が効率的で信頼性が高く、かつ高い能力を持つエージェント型アプリケーションを構築する際に役立ちます。また、ドメインレベルの専門性を求める組織にとっても、Nova 2 Lightは最も優れたパフォーマンスを発揮するモデルです。一方、Nova 2 Sonicは音声対音声の基盤モデルです。理解と推論の能力が組み込まれており、人間らしい会話型インターフェースを構築する際に使用できるモデルでもあります。
Swati: 両モデルのスペックを並べてご説明します。どちらもAmazon Bedrockで利用可能であり、両方とも一般提供が開始されています。両モデルとも100万トークンのコンテキストウィンドウを備えており、これは長文の推論に非常に有効です。両者の違いは、対応するモダリティにあります。Amazon Nova 2 Lightはマルチモーダルであり、テキスト・音声・動画を入力として受け取り、テキストを出力します。一方、Amazon Nova 2 Sonicは7言語・22種類の音声に対応しており、音声およびテキストを入力とし、音声およびテキストを出力します。
2.2 エージェント向けの設計思想と業界ベンチマーク、フレームワーク互換性
Tushar: ありがとうございます、Swati。皆さん、こんにちは。Swatiが申し上げた通り、私たちが顧客と話をする際、彼らが求めているのは価格性能比です。単に最速のモデルというだけでなく、可能な限り低コストなモデルが求められています。それこそが、私たちが第2世代モデルであるNova 2を構築する際に念頭に置いていたことです。私はTusharと申します。ワールドワイドのGo-to-Marketチームに所属しており、Dentsuを含む世界中の戦略的な顧客の皆様と関わっています。私たちは、お客様のAIジャーニーを支援すると同時に、こうしたモデルを構築しているサイエンスおよびエンジニアリングチーム、いわゆるAGIチームとも密接に連携しています。
Tushar: 私のセッションでは、セッション冒頭で触れた「5つの感覚」とエージェントというテーマについて、Nova 2モデルの構築時にどのようにそれを念頭に置いていたかをお見せしたいと思います。私たちはモデルを構築し始めた当初から、エージェント、つまりエージェント型のワークロードを念頭に置いて開発を進めてきました。そして、そうしたエージェント型ワークロードにおいてモデルが十分な性能を発揮できるよう、数多くの機能をモデルに組み込みました。
Tushar: エージェント型のワークロードを構築する際にモデルが備えるべき主要な能力を検討したところ、次のようなものが挙げられます。まず、指示追従です。モデルは指示に従う必要があります。これは、エージェントが独立して、あるいは自律的に動作するために非常に重要です。次に、情報抽出です。エージェントは、人間の介入に頼ることなく情報を抽出できる必要があります。そして最後に、これも非常に重要なのですが、ツール使用です。エージェントはツールを呼び出す必要があります。エージェント、あるいはエージェント型のワークロードは、それ自体だけでは行動を起こすことができません。ウェブブラウジングであれ、情報抽出であれ、あるいは単にコードを書くことであれ、外部のツールに依存しているのです。私たちはモデルを構築するにあたり、これらすべてのカテゴリーにおいて性能を発揮できるようにすることを目指しました。実際、この業界ベンチマークをご覧いただくと分かる通り、Nova 2 Lightは業界内の他の主要なモデルと比較して、これらの分野で優れた性能を示しています。
Tushar: それだけでなく、このモデルはあらゆるエージェント型フレームワークを念頭に置いて構築されています。そのため、Llama Indexや LangChainといったオープンソースのフレームワーク全般、そして私たち自身のStrand SDKにおいても非常によく機能します。そして、こうしたエージェントはすべて、私たちのAgentCoreプラットフォーム上で実行することができます。皆さんの中には、今朝の別のセッションでこの点についての発表をご覧になった方もいらっしゃるかもしれません。
3. エージェント構築のための技術機能とユースケース
3.1 エージェント構築のための5つの技術的機能
Tushar: それでは、こうしたエージェント型ワークロードにおけるモデルの機能について、いくつかご紹介したいと思います。なぜこれらの機能が重要なのかも含めて、Dentsuにバトンを渡す前に、一つずつ簡単に見ていきましょう。開発者制御、マルチステップ推論、ツール使用、組み込みツール、そして拡張コンテキストです。これらはすべて、効果的なエージェントやエージェント型ワークロードを構築する上で非常に重要な要素です。
Tushar: まず1つ目、開発者制御についてです。モデルに組み込まれたこの開発者制御によって、推論のオン・オフを切り替えることができます。Swatiが申し上げた通り、これは私たちにとって初めての推論モデルですが、すべてのタスクに推論が必要というわけではありません。単純なチャットボット型のエージェントを構築する場合、それほど高度な推論は必要なく、コストを低く抑えたい場合には推論をオフにすることができます。同様に、推論を行う場合であっても、モデルにどの程度の推論をさせるかを制御することができます。低・中・高という形で調整できるノブを用意しています。これによって、レイテンシーを管理できるようになります。推論を制御することで、レイテンシーだけでなく、コストも同時に管理できるようになるのです。推論が多いほどトークンが増え、コストも増加しますが、それが不要であれば、レベルを下げてコストを抑えることができます。
Tushar: 2つ目はマルチステップ推論です。エージェントが機能するためには、複雑なタスクを複数のステップに分けて処理する必要があります。これには、適切なツールを選択し、適切なツールを呼び出すことに加え、モデル自身が失敗を検知し、自らリトライを行うことも求められます。エージェントを構築する際には、こうした一連の能力がすべて必要になります。それだけでなく、ネイティブなツール呼び出しにも対応しています。先ほど申し上げた通り、エージェント型ワークロードやエージェントを実行する際には、ツールへのアクセスが必要です。このツール呼び出し機能によって、XMLツールやコーディングツール、あるいはウェブブラウジングツールを呼び出すことができます。それだけでなく、非常に人気の高い2つの組み込みツールも提供しています。1つ目はコードインタープリターです。これは非常に強力な機能で、例えばPythonスクリプトを与えることで、モデルが外部ツールに頼ることなく非常に複雑なタスクを実行できるようになります。2つ目は、これもお客様に非常に人気のある機能ですが、ウェブグラウンディングと呼ばれるものです。ウェブグラウンディングとは、顧客やエージェントがワールドワイドウェブ上の情報を探しに行く必要がある場面で活用されます。これには2つの方法があります。独自のウェブスクレイパーを構築してエージェントをインターネットに直接晒さないようにする方法と、そのままインターネットにアクセスして情報を抽出する方法です。私たちが提供しているのは、ワールドワイドウェブ全体をグラウンディング、いわゆるマネージドサービスとしてモデルの内部に組み込んだものであり、ノブを有効にするだけ、あるいはAPI経由で呼び出すだけで利用できます。ウェブブラウジングにおいても非常に強力な機能です。
Tushar: そして最後に、拡張コンテキストです。これは特にエージェントが複数のタスクを実行している場合において非常に重要になります。チャットボットとしてユーザーとの会話を継続する場合や、複雑なコード生成タスクを実行する場合、エージェントは以前のコンテキストを記憶しておく必要があるためです。例えば、Swatiが申し上げた100万トークンという長さのコンテキストは、5万行から10万行のコードを生成できる規模に相当します。あるいは、400ページ分の文書を処理することも、90分間の動画を1回のプロンプトで扱うことも可能です。これは非常に強力な機能です。動画理解を行う場合、動画をS3バケットにロードし、モデルにそのパスを指定するだけで、単一のプロンプトの中ですべてを処理できるようになります。
3.2 ドキュメント理解と画像・動画理解のユースケース、Nova体験方法
Tushar: それでは、2つのユースケースを見ていきましょう。1つ目はドキュメント理解です。非常にシンプルですが、非常に強力な機能であり、私たちの中でも最も人気のあるユースケースの一つです。あらゆる文書をインテリジェントに処理し、文字を認識した上で、重要な情報を抽出します。こちらはOCR機能の例です。ご覧の通り、画像を与えると、その画像を解析して情報を構造化された形式で抽出します。こちらは、重要な情報を抽出するもう一つの例です。独自のフォーマットを指定することも可能です。プロンプトの一部としてXMLスキーマを与えることで、情報を抽出するだけでなく、その同じフォーマットで出力を生成することもできます。
Tushar: これがインテリジェントドキュメントプロセッシング、いわゆるIDPのユースケースでした。2つ目のユースケースは、画像・動画理解です。こちらも非常に強力な機能です。画像や動画を与えることで、知覚に基づく物体検出を行ったり、視覚的なQ&Aを行ったりすることができます。つまり、画像に対して推論を行うこともできますし、時間軸に沿った理解も可能です。例えば、スポーツの動画を与えれば、このサッカーの動画の20分時点で何が起きたか、あるいは最初のゴールが決まったのは何分の時点か、といった質問にモデルが答えることができます。こちらは知覚に基づく物体検出の例です。非常にシンプルな画像プロンプトですが、植物やテレビ、ソファなどをすべて検出し、モデルがバウンディングボックスを作成してそれらの物体を検出し、ユーザーが追加で実行できるタスクとして提供します。ソファやテレビの色、あるいは電源が入っているかどうかといった情報も抽出できます。こうした機能は特にセキュリティ用途にも活用できます。セキュリティモニタリングを行う場合、この機能の一部として物体検出を利用することも可能です。以上が、ご紹介したかった2つのユースケースです。駆け足でご説明しましたが、これはお客様の事例にもしっかりお時間を割きたかったためです。
Tushar: もしNovaを試してみたいという方がいらっしゃれば、もちろんAWSコンソールからアクセスすることもできますが、ウェブ上で試すこともできます。nova.amazon.comにアクセスしていただければ、チャットができますし、新しいモデルを試すこともできます。さらに、エージェントを素早く構築したいという方のために、このウェブサイト上でNovaモデルを使ってエージェントを迅速に構築できる開発環境も提供しています。それでは、私たちの重要なパートナーにバトンを渡したいと思います。ありがとうございました。
4. Dentsuの紹介と実行(Execution)領域におけるAI活用事例
4.1 登壇者・Yamamoto氏の経歴とDentsuの企業概要
Yamamoto: ここからは、AWSのAIおよびテクノロジーを活用したDentsuのAIプラクティスについてご紹介いたします。改めて自己紹介させてください。私はJapan DentsuのSatoru Yamamotoと申します。昨年の私のプレゼンテーションを覚えてくださっている方がいらっしゃって、大変うれしく思います。ありがとうございます。まだ英語は練習中でして、今も奮闘しております。日本からここまで20時間以上かかりましたので、まだ時差ぼけに苦しんでいる状態です。改めまして、私はDentsu Japanのディピュティ・チーフAIオフィサーを務めております。担当領域は、AIクロスメディア、6M、スポーツエンターテインメント、そしてデジタルクリエイティブです。また、AI R&Dも担当しております。
Yamamoto: 私とAWSとのつながりについてご紹介させてください。これまで、本日のような大きなイベントで発表する機会を何度もいただいてきました。re:Inventでも2回登壇させていただき、複数のAWS Summitにも参加しております。また、カンヌでパネルセッションに登壇する機会もいただきました。そして昨年12月、AWSのCEOであるMatt Garman氏が「Dentsuのようなマーケティングの巨人と仕事ができて非常にうれしい」とおっしゃってくださったことがありました。私はそのコメントのスクリーンショットを撮影し、社内のプレゼンテーションで何度も使わせていただいております。
Yamamoto: Dentsuについてご紹介させてください。Dentsuはアジア最大の広告代理店であり、100社以上の企業でビジネスを展開しており、7万人以上の従業員を抱えています。主に4つの地域、すなわちDentsu Japan、APAC、EMEA、Americasで事業を行っております。先ほど申し上げた通り、私はDentsu JapanのディピュティチーフAIオフィサーを務めております。また、Dentsu Digitalという子会社もあり、これは日本国内で最大級の総合デジタル広告代理店の一つです。私はここでチーフAIオフィサーを務めています。さらに、Dentsu Data Mongoliaという子会社もあり、これはクライアント開発のハブとなっており、私はここでは役員を務めております。加えて、APACのプロダクトコミッティーメンバーという役割も担っております。私の役割は、AWSのAIをDentsu Japanでどのように活用するか新しい方法を見出し、それをAPAC全域に拡大していくことです。
Yamamoto: それでは、アジェンダに移りたいと思います。本日ご紹介する内容は3つあります。まず、実行(Execution)の領域におけるAWS AIテクノロジーの活用、次にマーケティング戦略立案、そして最後にフィジカル体験です。それでは、1つ目の項目である実行(Execution)からご紹介いたします。
4.2 「Mujin AI」による広告成果予測と動画広告の自動分析
Yamamoto: 私たちには「Mujin AI」というソリューションがあります。Mujinとは日本語で「無限」を意味します。おかげさまで、このソリューションはすでに200社以上に導入されており、150%以上の改善を達成することができました。本セッションはエージェント型AIに関するセッションですので申し上げますと、私たちは生成AI、すなわちエージェント型AIを直接活用して、広告のパフォーマンスを予測しています。生成AIを活用することの良い点は、ビッグデータが不要であるという点です。なぜなら、Amazon Novaはすでに非常に賢く、マーケティングに関する背景知識をあらかじめ持っているためです。そのため、いくつかのデータを入力するだけで、それが良質なデータであれば十分なのです。また、従来型の機械学習と比較して、生成AIは「話す」ことができます。つまり、なぜそのような予測結果になったのか、そしてどのように改善すればよいのかを説明してくれるのです。これは非常に重要なポイントです。
Yamamoto: それでは、私たちのユーザーインターフェースをお見せします。私たちがしなければならないことは非常にシンプルです。先ほど申し上げた通り、ビッグデータは不要です。少量ではありますが良質なデータをアップロードするだけです。具体的には、8件の広告結果をアップロードすると、AIが自動的に予測モデルを作成します。実際の結果と予測値との相関値は非常に高く、これは、パフォーマンスをかなり正確に予測できることを意味しています。そして、新しいバナーや動画バナーをアップロードすると、AIはその動画広告の中で何が起きているかを容易に理解します。これは以前の時代には非常に困難だったことです。AIは、視覚的特徴、構成、テンポ、メインメッセージといった機能に分解して分析を行います。今回の事例では、「子供の成長は早い、今が大切な時期である」というメッセージが分析結果として示されました。これがAIによる分析結果です。そして、その動画広告をどのように改善すればよいかについても提案してくれます。例えば、「子供の視点を強調するダイナミックな表現が重要である」といった提案です。それだけでなく、シーン1、2、3といった形でストーリーボードを文章として書き出すこともできます。さらに、画像を生成する能力があるため、このテキストのストーリーボードを画像のストーリーボードに変換することもできます。そして、それを動画として動かす段階に進みます。このストーリーボードを入力するだけで、このケースではLuma AIを使用していますが、もちろんBedrock上で、非常に容易にそうした動画を生成することができます。
4.3 縦型動画への自動変換技術
Yamamoto: 実行の領域について、もう少し事例をご紹介したいと思います。こちらはエレメンタルインターフェースと呼んでいるものです。現在、マーケティングにおいては多くの若年層がモバイル端末を利用しているため、横型動画を縦型動画に変換する必要性が頻繁に生じています。しかし、これを人間の作業で行うのは非常に大変な作業です。そこでAIが行っているのは、動画の中で重要なポイントを自動的に検出することです。基本的には、メインのプレイヤーがどこにいるかを検出します。クライアントからの承認が得られなかったため、代わりの例としてお見せしますが、これは私たちの昨年の忘年会の動画です。少し不思議な話ですが、なぜこのような動画が生成されたのか私自身にも分かりません。ただ、カメラを中央に固定するのではなく、AIは常に最もエキサイティングなポイントがどこにあるかを検出しようとします。あるときは人物にフォーカスし、あるときはモンスターにフォーカスし、バトルがいかにエキサイティングであるかを表現しようとします。なぜこのような動画が生成されたのか分かりませんが、しかしこうしたことが実現可能である、ということです。
5. パートナー連携事例:X NadaとLuma AI
5.1 X Nadaとの協業によるAmazon広告自動化
Yamamoto: ここからは、AWSを通じたパートナーとの連携についてご紹介します。AWSには本当に感謝しております。AWSは自社のテクノロジーを提供してくださるだけでなく、サードパーティベンダーのテクノロジーも常に紹介してくださいます。例えば、X Nadaです。X Nadaは、最も洗練されたAmazon広告自動化AIの一つであり、AWSが同社のCEOを私たちに紹介してくださいました。そしてもう一社、Luma AIについても後ほどご紹介します。Lumaは、特に動画生成の分野において最先端の基盤モデルをいくつも持っており、こちらもAWSが同社のCEOを私に紹介してくださいました。それだけでなく、Luma AIはBedrock上に構築されているため、AWSを通じて直接利用することも可能です。これは非常に重要なポイントです。
Yamamoto: それでは、X Nadaを活用した結果についてご紹介します。実際のクライアント名はお見せできませんが、私たちのPOC(概念実証)によりますと、パフォーマンスの向上に成功しました。ROAS、つまり広告費用対効果の指標において改善が見られました。そして、これは非常にエキサイティングで興味深い点なのですが、人間が1つのキャンペーンの中で操作する回数はおよそ100回程度です。100回というのはすでにかなり多い回数ですが、AIは人間の操作回数と比較して、1000回以上の操作を行うことができました。私たちのチームはすでにAmazon広告の運用において十分な専門知識を持つエキスパート集団ですが、それでもAIの方がより高い成果を上げることに成功したのです。ただし、X Nadaのユーザーインターフェースを操作すること自体は依然として難易度が高いという課題がありました。そこで私たちが行ったのは、Amazon Novaを使ってX Nadaのインターフェースを制御するためのインターフェースを構築するということでした。これにより、以前はAmazon NovaからAmazon広告をX Nada経由で操作するのに10分かかっていた作業が、現在ではわずか1分で完了するようになりました。これが私たちの取り組みです。
5.2 Luma AIとの協業によるブランドビジュアル・動画生成
Yamamoto: ここからの内容は私にとって非常に重要な部分です。先週サンフランシスコに滞在していた際、LumaのCEOから宿題をいただきました。「私の代わりにあなたの製品を紹介する」というカメラの一節も、私が代わりに作成したものです。それでは、Luma AIのユーザーインターフェースをご覧ください。これは一見シンプルなインターフェースですが、非常に柔軟性が高いと感じています。なぜなら、このインターフェースにはエージェント型AIの要素が含まれているためです。つまり、単に1回きりの画像生成を行うだけでなく、このエージェントと共同作業を行うことができ、複数のプレイヤーとも協働できるのです。
Yamamoto: それでは実際にお見せします。まず、ブランドガイドラインをアップロードすることができます。同様に、カラーパレットの例や企業のロゴもアップロードします。これが最初のステップですが、これは単なる画像生成や動画生成ではなく、エージェントであるため重要です。つまり、そのブランドにとって何が重要であるかを理解することができるのです。次に、新しい製品を作ってみましょう。ロゴを使って新しい商品の缶を生成し、そこにLumaのロゴを配置します。さらに、商品のバリエーションも用意することができます。ここでは2つの季節分のみお見せしていますが、各季節に応じた類似のキャンペーンを生成することも非常に容易です。そして、単に商品を生成するだけでなく、これをSNS投稿用に変換し、ナチュラルなライフスタイルの様子を表現したり、有料のソーシャル広告、屋外広告、そして店舗のストアフロントにも展開したりすることができます。これは非常にエキサイティングな点です。
Yamamoto: さらに、Lumaは最先端の動画生成AIを備えていますので、最初のフレームと最後のフレームとなる画像を作成し、それを動画にすることができます。例えば、この画像を最後のフレームとして設定し、ここから缶を取り除いて、光の反射を少し調整すると、動画を生成する準備が整います。このように、非常にシンプルでありながら、非常に強力な形で動画を生成することができるのです。それだけでなく、Lumaの最新の動画も共有させてください。Lumaを最も良い形で活用すると、このような動画を生成することができます。これは私たちの忘年会の動画よりもずっと出来が良いものです。この動画は、Bedrock上で利用可能なAIによって完全に生成されたものであり、すでにリリース済みのものです。ここまでが、実行(Execution)部分に関する内容であり、私のプレゼンテーションの中でも最もエキサイティングな部分だったのではないかと思います。
6. マーケティング戦略立案領域におけるAI活用事例
6.1 「AI for growth agent canvas」とBedrock AgentCoreの4機能
Yamamoto: ここからは、あまりエキサイティングな内容ではありませんが、非常に興味深く、好奇心をそそられる内容になります。次の2つの項目は、マーケティング戦略立案と、未来的なフィジカル体験についてです。まずは戦略立案についてご紹介します。私たちには「AI for growth agent canvas」というソリューションがあります。AI for growthとは、私たちの取り組みの一つであり、このエージェントキャンバス上では、NovaやClaudeを含む複数のLLMを選択することができます。私たちはAWSの哲学に従っており、このキャンバス上で数多くのLLMを選択できるようになっています。それだけでなく、もちろん大規模なウェブサイトデータベースとの連携も可能ですが、それにとどまらず、複数のエージェントを連携させ、オーケストレーションすることもできます。これもまた、AWS Bedrockが掲げるマルチエージェント連携という哲学に沿ったものです。
Yamamoto: このエージェントキャンバス上には、あらかじめよく使われるプリセットエージェントを用意しています。日本語で書かれているため翻訳いたしますが、これは古典的なマーケティング戦略エージェントであり、PEST分析やSWOT分析などを行うことができます。また、メディアプランニングエージェントもあり、予算を最適な形で配分することができます。さらに、カスタマージャーニーも非常に容易に描くことができるエージェントも用意しています。しかし、それだけではありません。前のセクションでご紹介したクリエイティブのオペレーションや戦略立案について、私たちはこれらのソリューションを一つのユーザーインターフェースに統合しようとしています。これは私たちの最先端の取り組みの一つであり、ここではBedrock AgentCoreを使用しています。この技術がなければ、これは実現不可能でした。AWSのおかげで、このソリューションを実現することができたのです。
Yamamoto: Bedrock AgentCoreをどのように活用しているか、4つの機能をご紹介させてください。1つ目はAgentCore Runtimeです。これは私たちのソリューションの基盤であり、この機能のおかげで、ユーザーにリアルタイムの対話を提供することができます。しかし、それだけでなくセキュリティも非常に重要です。前のセッションでAWSがガイドラインを紹介していましたが、セキュリティは本当に重要な要素です。例えば、マツダを担当する営業担当者がトヨタのデータにアクセスできてしまうようなことがあれば、これは非常に大きな問題です。そのため、データの取り扱いや認可・認証を一箇所で管理する必要があります。そこで重要になるのがAgentCore Identityです。また、AgentCore Observabilityという機能も活用しています。これは全体的なモニタリングのための機能です。私たちは、社員から得られるデータを収集し、それによって企業全体のインテリジェンスを高めようとしています。そのため、会話のログを取得することが非常に重要になります。この目的のためにこの機能を使用しています。さらに、実際には機能というよりも、AgentCoreが非常に使いやすいという点についても触れておきたいのですが、テストポイントという仕組みがあります。この機能を使うことで、開発とテストを非常に容易に、かつ繰り返し行うことができます。
6.2 デモンストレーションとPandora導入事例
Yamamoto: それでは、デモンストレーションをお見せいたします。日本語で書かれていますが、翻訳しながらご説明します。「新しい商品を作りましょう。スパークリングウォーターの新商品として、どのようなものが良いか、アイデアをください」と入力すると、「シャイニングスパークリングウォーターはどうでしょうか」といった提案が返ってきます。良さそうですので、次に、AIオーディエンス、つまり合成されたオーディエンスに対して調査を行い、対話をしてみましょう。良い結果が得られたようですので、次にインタビューの結果を要約しましょう。その要約結果をもとに、商品名、タグライン、そしてキービジュアルをこのように作成することができます。ここまでの結果を要約すると、マーケティングプロポジションやバリュープロポジションが得られますので、次にカスタマージャーニーを生成してみましょう。認知から購買に至るまで、人々がどのように感じるかという流れです。そして、デジタルバナーも生成します。このように、これらすべてをAWS上で、完全に一つのエージェント、一つのユーザーインターフェースの中で行うことができるのです。非常に優れたソリューションだと思います。
Yamamoto: ここからの3枚のスライドは重要な内容になるかもしれません。昨年は日本のクライアントの事例のみをご紹介しましたが、今回は初めて社外に向けてこの結果を共有させていただきます。私たちは、こうした統合型のマーケティングエージェントをPandoraに活用していただくことに成功しました。Pandoraは、最も人気のあるハイブランドかつカジュアルブランドのジュエリーブランドの一つです。私たちが行っているのは、マーケティングAIエージェントの提供です。ただし、複数のエージェントをオーケストレーションしようとする際、あるエージェントAが、別のエージェントBとは異なる見解を示すことがあります。そのため、こうした結果のバランスを取る方法が必要になります。そこで私たちが行っているのは、Dentsuの専門知見と、クライアントのファーストパーティデータを入力として組み込むということです。
Yamamoto: 具体的な流れとしては、まずクライアントデータをアップロードします。非構造化データであっても問題ありません。なぜなら、AWSにはすでに非構造化データを構造化データ、例えばナレッジグラフのような形式に変換するための機能がいくつも用意されているためです。そして、そのデータをもとに、どの部分が高いパフォーマンスを得る上で最も重要な要素であるかを検出することができます。それだけでなく、その要因に基づいて、実行可能な要素を推奨してくれたり、興味・関心のインサイトを教えてくれたりします。私たちはすでにこのソリューションをPandoraに提供しております。そして、Pandoraにこの2枚のスライドを送り、「アイルランドでこの結果を共有してもよいか」と尋ねたところ、快諾していただけただけでなく、Pandoraから非常にうれしいメッセージをいただきました。それは、「これはプランニングインテリジェンスのための包括的なエージェント型ソリューション構築において新たな地平を切り開くものである。社内外のチームがプランニング業務をはるかに短い時間で提供できるようになる様子がすぐにイメージできる。私たちのインサイトがプラットフォームレベルの実行に直接的な影響を与えるようにすることが重要である」といった内容でした。このメッセージは、Pandoraのグローバルペイドメディア・アンド・パフォーマンス担当バイスプレジデントであるDennis Andersen氏からいただいたものであり、私自身がお願いしたわけではないにもかかわらず、いただけたメッセージでしたので、本当にうれしく思っております。
7. フィジカル体験領域の将来展望とクロージング
7.1 フィジカルインテリジェンスの位置づけとシンガポールでの事例、DentsuのPoC
Yamamoto: それでは、残り5分ほどですので、最後のパートに移りたいと思います。最後のパートはフィジカル体験についてです。プレゼンテーションとしては、ルールベースのエージェントから生成モデル・エージェントへ、そしてその先はまだ不確実な未来ということになります。人々は、エージェントの次はロボティクス、つまりもう少し先の未来の話だとよく言います。しかし、実際の物理現象を扱うための機能はすでにいくつも存在しています。今年がフィジカルインテリジェンスの時代であると言い切るのは少し難しいのですが、私たちはその時代に備えておく必要があります。それでは、いくつかの事例をご紹介させてください。
Yamamoto: 私はシンガポールを訪れた際、本当に衝撃を受けました。AWS AI Innovation Hubを訪問したのですが、そこはフィジカルインテリジェンスのショーケースになっていました。例えば、こういったソリューションがあります。これはドゥードゥル・トゥ・プロダクト(doodle-to-product)というものです。AWS AI Innovation Hubを訪れて、自分の絵、私の場合は非常に下手な手描きの絵でしたが、バッグの絵を描くと、Amazon Novaがその絵を自動的に実際の美しいバッグへと変換してくれます。さらに、色を描き込むと、その色に変更することもできます。それだけでなく、バーチャル試着も楽しむことができ、さらにAIアバターとの会話も体験することができます。これは一見すると未来の話に聞こえるかもしれませんが、それほど遠い未来の話ではありません。ですので、私たちはその瞬間に備えておくべきだと考えています。
Yamamoto: そして、私たちがAmazon Novaを使って取り組んでいる内容をお見せします。これはまだPOCの段階ですが、ご覧いただければと思います。「あなたの動画を分析しました。マイクをタップして話しかけてください」というインターフェースがあり、「Bedrockについて何を知っていますか」と話しかけると応答が返ってきます。「ありがとうございます。練習する上で一番良い方法は何ですか」と尋ねると、「ダウンスイングの軌道を練習するための最適なドリルはミラードリルです。鏡の前に立ち、ダウンスイングの間、クラブヘッドを体のラインの内側に保つように意識し、インサイドアウトの軌道を確保するようにしてください」といった具体的な回答が返ってきます。このように、Amazon Novaは動画と音声を理解することができ、複数の言語にも対応しています。実際にこのデモを一巡させてみると、日本語で話しかけた場合はNovaが日本語で答え、英語で話しかけた場合は英語で答えるという形になっています。
7.2 店舗内データ活用とAmazon Adsとの協業、Z世代・Alpha世代の動向、クロージング
Yamamoto: それだけでなく、ARグラスやVRグラスの時代を想像していただきたいのですが、そうなれば店舗内での一人称視点のデータを取得できるようになります。この動画に基づいて、店舗内での行動の傾向を把握することができます。例えば、彼女が香水や靴を見ていて、色にもこだわっている様子が分かるとします。そうすると、彼女の意思決定のスタイルは、慎重に比較検討するタイプであるといったことが見えてきます。こうした物理的な情報に基づいて、マーケティング用のペルソナを作成することができるのです。それだけでなく、このペルソナをデジタル上の行動にも反映させることができます。なぜなら、店舗内でどのような人物がどのように行動するかというデータをすでに持っているためです。それを、そのままデジタル領域に反映させればよいのです。ただし、これはまだ行動を分析しているだけの段階です。そこで、私たちがさらに取り組んでいるのが次の内容です。AWSにとって都合が良いのは、Amazonグループの中にAWSだけでなくAmazon Adsも存在するということです。そのため、これは両者による協業ソリューションとなっています。私たちは、HDMIさえあればどのようなデバイスにも取り付けられるAmazonサイネージスティックのようなソリューションを設置しました。そして、こちらはオフィス内での様子ですが、このカメラが顔を検出し、店内のサイネージを自動的に切り替える、というデモになっています。
Yamamoto: あと1分ほどいただければと思います。最後の事例をご紹介します。これはシンガポールでAWSから見せていただいた事例で、本当に衝撃を受けました。シンガポール、そして東南アジア全体において、Z世代やAlpha世代の多くは、実際のスポーツの試合会場にはあまり足を運ばず、代わりにゲームをプレイする傾向があります。そこで彼らが取り組んでいるのが、実際の試合をわずか4秒から6秒の遅延でデジタルの試合に変換するという技術です。まるでリアルタイムであるかのように見えます。プレイスタイルもまったく同じです。私たちは、実際の試合とデジタルの試合を同時に変換することができるのです。そして良い点は、デジタルであるがゆえに、この広告部分を視聴者ごとにパーソナライズできるという点です。これは実際のスタジアムでは不可能なことです。
Yamamoto: 少し時間を超過してしまい申し訳ございません。こちらが最後のスライドです。AWSに心より感謝申し上げます。おかげさまで、より高いマーケティングパフォーマンスを達成することができ、そして新しいマーケティングのコンセプトを生み出すことができました。AWSのようなAIの巨人と仕事ができることを、大変うれしく思っております。ちなみに、次のセッションは偶然にもKiroに関するものだと伺っておりますので、ぜひご覧いただければと思います。また、以前と比較して、開発にかかる時間も非常に短くなりました。開発スピードはおよそ20倍速くなっています。そのため、時間の余裕が生まれ、マーケティングだけでなく、人事、製造、物流といった異なる事業領域にも取り組めるようになってきています。改めまして、AWSに心より感謝申し上げます。ありがとうございました。