AWS Summit NYC 2025で発表された「Amazon Bedrock AgentCore」は、これまで「デモ止まり」だったAIエージェントを、企業で実用的に使えるレベルへ引き上げる画期的なサービスです。

これまでのAIエージェント開発は、プロトタイプは簡単でも、セキュリティ、多数のユーザーが同時に使うための拡張性（スケーラビリティ）、過去の会話を覚える記憶機能、そして予測が難しい動的な動作の管理といった課題があり、本番環境への導入が困難でした。

AgentCoreは、これらの課題を解決するために7つの主要な機能を統合しています。

さらに、AgentCore以外にも、AIの記憶容量を劇的に安くする「S3 Vectors」（ストレージコスト90%削減）や、Webサイト操作を人間と同レベルで行う「Nova Act」、自社の専門知識を学ばせて「専用AI」を育成できる「カスタマイズ可能なNova」など、AI活用を加速する新機能が多数発表されました。

実際に、会計ソフトのIntuitでは、4つのAIエージェントが連携して業務を自動化し、中小企業オーナーの作業時間を70%削減。レガシーシステムからの脱却が課題だったThomson Reutersでは、移行速度が4倍になるなど、具体的な成果が出ています。

AWSは、生成AI分野に大規模な投資を行い、専門家による無償支援や教育プログラムも提供し、AIエージェントを販売・購入できる「AWS Marketplace」も開始するなど、この分野に本気で取り組んでいます。

新人エンジニアの皆さんへ。AIエージェントは、もはや「面白い実験」ではなく「ビジネスに不可欠なツール」になりつつあります。AWSのバイスプレジデントも「完璧を待つな、今すぐ始めろ」と語っています。まずは小さな業務からAIエージェントの活用を試して、新しい技術に積極的に挑戦してみましょう。

引用元: https://qiita.com/akira_papa_AI/items/92fa19cbac0d2918ec8f

新人エンジニアの皆さん、AIエージェントを「もっと賢く、便利にする」ための最新技術「Agentic RAG」について解説します。古いGPSが新しい道路を知らないように、AIエージェントも訓練時の固定された情報に頼っていると、間違った情報を生成したり（ハルシネーション）、情報が古くなったりする課題があります。

これを解決するのが、常に最新情報にアクセスできる「動的な知識」です。リアルタイムで更新されるGPSのように、AIエージェントも変化する世界に適応できるようになります。

AIエージェントは、「認識」「推論」「計画」「行動」といった能力を持つ自律的なAIシステムです。社内文書や外部データベースなど、多様な情報源から動的に変化するデータを見つけ出し、活用することが求められます。この動的な知識を活用する重要な技術が「RAG（検索拡張生成）」です。RAGは、AIモデルが応答を生成する際に、知識ベースから関連情報を「検索」し、その情報を基に「生成」します。

RAGには2つのアプローチがあります。

このAgentic RAGの中核を担うのが「AIクエリエンジン」です。これは、AIエージェントを企業の膨大な、そして常に更新される知識ベースに繋ぐ強力なシステムです。大量のデータを処理し、高度な検索技術で最も関連性の高い知識を正確に取得。さらに、AIエージェントのフィードバックを通じて知識ベースを更新し、継続的な学習を可能にします。

Agentic RAGのワークフローは次の通りです。

Agentic RAGとAIクエリエンジンを組み合わせることで、AIエージェントは以下のような大きなメリットを得られます。

NVIDIAは、Agentic RAG開発を加速するためのインフラとソフトウェアツールを提供しています。例えば、セキュアでスケーラブルなAIエージェント構築のための「AI-Q NVIDIA Blueprint」や、高速で正確なデータ検索のための「NVIDIA NeMo Retriever」などがあり、開発者はこれらのツールを活用し、より高性能なAIエージェントを構築できます。

RAGとAIクエリエンジンの組み合わせは、AIシステムが静的な限界を超え、多様なリアルタイム情報源を活用し、変化する状況にシームレスに適応し、より賢く信頼性の高い意思決定を行うための重要な進化です。

引用元: https://developer.nvidia.com/blog/traditional-rag-vs-agentic-rag-why-ai-agents-need-dynamic-knowledge-to-get-smarter/

先日開催された「AtCoder World Tour Finals 2025 Heuristic エキシビジョン」では、AIエージェントと人間のプログラマーが、限られた時間の中で最適な答えを見つける「ヒューリスティック最適化」問題に挑戦しました。この対決の結果と、運営側から見たAIと人間の能力の現状、そして今後の展望についてまとめられています。

今回の10時間コンテストでは、OpenAIが開発したAIエージェントが、参加した人間のプログラマーの中で2位に相当する驚くべき成績を収めました。これは事前の予想を大きく上回る結果であり、特にAIが苦手とされていた「ビームサーチ」という、より複雑で実装量が多いとされるアルゴリズムを使いこなした点が注目されています。また、SakanaAIが開発したALE-Agentも4位相当の好成績を残しました。

コンテスト後に行われた「延長戦」からは、さらに興味深い発見がありました。まず、AIに優勝者の人間のコードを与えて改良させたところ、AI単体よりもさらに高いスコアを記録し、AIと人間のアイデアを組み合わせることでより良い結果が得られる可能性が示されました。しかし、その後人間のプログラマーが時間をかけて独自の工夫を加えたところ、AIのスコアを大きく上回る結果を出しました。これは、じっくりと時間をかければ、人間の革新的なアイデアや深い考察が依然としてAIを凌駕することを示しています。

この結果から、AIの強みは「与えられた方針を徹底的に詰める（最適化する）能力」にあることが明らかになりました。AIは人間が「筋が悪い」と感じて見捨てがちなアプローチでも、膨大な計算量で細部まで最適化を進めることができます。一方、人間の強みは「根本的に新しいアイデアを生み出す能力」や「問題の本質的なアプローチを見つける能力」にあります。コンテストの時間設定によっても結果は大きく変わり、短い時間設定ではAIが有利になる傾向がありますが、長期間（例えば10日間）のコンテストでは、まだ人間がAIに大差をつけています。

実社会の課題に応用する場合、AIは単純な問題の最適化には非常に強力ですが、複雑な問題の根本的な解決策を生み出すことはまだ難しいと筆者は見ています。しかし、人間が基本的なシミュレーション環境や評価基準を整え、良い方針を与えてあげることで、AIはその強力な最適化能力を発揮し、私たちの仕事を大いに助けてくれるでしょう。AIが人間の仕事を奪うのではなく、人間のアイデアや創造性を補完し、より良い成果を出すための強力なツールとして、パートナーシップを築いていく視点を持つことが、これからの新人エンジニアにとって重要になるでしょう。AIが競技プログラミングで人間を超えるのは時間の問題と見られますが、個人のエンジニアが実務レベルで手軽にAIを活用して人間を上回るようになるには、まだ時間がかかると予想されています。

引用元: https://chokudai.hatenablog.com/entry/2025/07/21/190935

TikTokで「たろうおぢさん」が、50円の激安青トマトを揚げた「フライドトマト」を公開し、大きな話題となっています。水分の多いトマトを揚げるという意外な発想ですが、「ナスの天ぷら並みにおいしい」と絶賛。動画では「ずんだもん」のBGMも使われており、そのユニークな発想と組み合わせに、ネット上では「天才か」「その発想はなかった」と多くの反響が寄せられています。

引用元: https://news.nifty.com/article/item/neta/12305-4322803/

（株式会社ずんだもんは架空の登場組織です）