Category: Developer Tools

※ 本記事は 2026 年 2 月 19 日に公開された Jatin Arora　による The bug fi […]

このイベントは、AWS re:Invent 2025 でアップデートのあった Kiro の機能紹介と、お客様による Amazon Q Developer / Kiroの実践活用事例をテーマに実施しました。まずソリューションアーキテクトの稲田から Kiro の概要と AWS re:Invent 2025 前後で発表されたアップデートをご紹介しました。続いて、株式会社ゼンリンデータコム様、株式会社NTTドコモ様から Amazon Q Developer / Kiro の社内展開や活用方法の事例を共有していただきました。最後に株式会社リクルート様に AI-DLC の導入状況について発表していただきました。

2025 年 12 月に公開された AWS Black Belt オンラインセミナーの資料及び動画についてご案内させて頂きます。
動画はオンデマンドでご視聴いただけます。

エージェントが 1 つの関数を見つけるために何千行も読み込み、わずかなフォーマットの違いのせいで更新に失敗することは AI コーディングアシスタントを使っているすべての開発者が経験したことがあるでしょう。現在のアプローチはファイル全体を読み込み、完全一致の文字列マッチングを行いますが、トークンを大量に消費し、簡単に壊れてしまいます。私たちはより良いものを構築しました。

2026 年 1 月、三菱電機株式会社 電力システム製作所 電力 ICT センターで、 3 日間にわたる「AI-DLC Unicorn Gym」が開催されました。 AI 駆動開発ライフサイクル（AI-DLC）を組織的に体験する Unicorn Gym に、 33 名のエンジニアが参加。本記事では、運営を担当した電力 ICT センターの中村様が聞き手となり、実際に参加した増成様、相原様、小森様に体験を語っていただきました。

本ブログでは、Amazon ElastiCache の耐障害性テストを AWS Fault Injection Service（AWS FIS）を使って実施する方法をご紹介します。キャッシュが常に利用可能という前提でアプリケーションを構築していると、実際の障害発生時に予期せぬクラッシュが起きることがあります。この記事では、ElastiCache for Valkey クラスターのセットアップから、AWS FIS 実験テンプレートの作成、フェイルオーバー実験の実行、Amazon CloudWatch を使った結果の監視・分析まで、ステップバイステップで解説します。Multi-AZ 構成での自動フェイルオーバーの動作確認や、アプリケーションの接続処理・キャッシュミス時の挙動を検証する方法を学ぶことで、本番環境での障害に備えた堅牢なシステム設計に役立てることができます。

AI コーディングエージェントの評価では、合格/不合格メトリクスだけでは見えない非効率性が存在します。Kiro チームは CORAL と呼ぶ適応学習システムを構築し、実際のユーザーセッションからトラジェクトリベースの分析を行っています。具体的な発見として、glob パターンの違いによるサイレント検索失敗（修正後に誤りを 99% 削減）や、cd コマンドの誤用（18% のセッションに影響）への自動修正対応などが挙げられます。このシステムにより、モデル再トレーニング不要で継続的な改善が実現されています。

今日の急速に進化するテクノロジー環境において、組織はレガシーシステムのモダナイゼーションを進めながら、運用上の優秀性を維持し、コストを管理するという大きなプレッシャーに直面しています。従来のクラウドモダナイゼーションでは、数週間にわたる手作業での調査と広範なドキュメント作成が必要でした。しかし、AWS の Kiro や Cline のような AI を活用した開発アシスタントが、公式の AWS MCP serversと統合されて登場したことで、手動で時間のかかっていたプロセスを自動化し、実装期間を数週間から数日に短縮します。

Kiro はエンタープライズ向けに外部 ID プロバイダー（Okta、Microsoft Entra ID）のサポートとユーザーレベルのアクティビティメトリクスを提供します。既存の ID インフラストラクチャに直接接続し、SSO ポリシーや MFA を活用可能に。管理者は日次集計使用状況データでチームのツール利用状況を可視化でき、AI がエンジニアリングにもたらす効率向上を測定できます。

本日より Kiro IDE と CLI で Claude Sonnet 4.6 が利用可能になりました。Sonnet 4.6 は Opus 4.6 の知能に近づきながらトークン効率が高く、複雑なコードベースでの機能構築、リファクタリング、デバッグなどの反復的なワークフローを高品質に処理します。マルチモデルパイプラインでリードエージェントとサブエージェントの両方の役割を果たし、エージェント作業に最適化されています。Pro、Pro+、Power のお客様に AWS の 2 リージョンで提供され、1.3 倍のクレジット乗数でコスト効率も優れています。