re:Invent 2025: KrakenのAI活用によるグローバルエネルギー業界のDX事例
はじめに
海外の様々な講演を日本語記事に書き起こすことで、隠れた良質な情報をもっと身近なものに。そんなコンセプトで進める本企画で今回取り上げるプレゼンテーションはこちら！
re:Invent 2025 の書き起こし記事については、こちらの Spreadsheet に情報をまとめています。合わせてご確認ください
📖re:Invent 2025: AWS re:Invent 2025 -Scaling Global Energy Transformation: Kraken's AI-Powered Journey on AWS-IND3324
この動画では、KrakenのTylerがエネルギー・ユーティリティ業界向けのAI活用について解説しています。Krakenは世界中のエネルギーユーティリティのためのオペレーティングシステムとして、カスタマーケア、flexibility、発電、フィールドワークフォースの4領域を統合したプラットフォームを提供しています。AWS上に構築され、1日200回の変更を行うCI/CDを実現し、従来サイロ化されていたデータを統一されたデータモデルに集約することでAIの基盤を構築しました。具体的な成果として、Magic Inkによる顧客対応の自動化では提案回答の89%が採用され、スケジューリング最適化により年間15万件の現場訪問増加を実現しています。今後はAgent Studioによるagentic AIの展開を計画しています。
※ こちらは既存の講演の内容を最大限維持しつつ自動生成した記事になります。誤字脱字や誤った内容が記載される可能性がありますのでご留意下さい。
本編
Krakenの紹介：エネルギーシステム変革のためのオペレーティングシステム
皆さん、Happy Wednesdayです。先ほどご紹介いただきましたように、私の名前はTylerです。Krakenから参りました。ご参加いただきありがとうございます。人が与えられる最高の贈り物は時間だと思っていますので、この忙しい中、時間を割いてKrakenと私たちのAIジャーニーについて少しお話を聞いていただけることを、本当に感謝しています。ここはLas Vegasですが、もしポーカーテーブルに行ったことがあれば、anteという用語や概念に馴染みがあるかもしれません。この世界、この会場で、AIについて話すことはまさにanteのようなものだと感じています。それはテーブルステークスなんです。ですので、私はここに私たちのanteを投じるために来ました。AIについて少しお話しするために。そして、特にエネルギーとユーティリティという業界に焦点を当ててお話しします。
それでは、この20分間で、Krakenをご紹介し、 私たちのことを知っていただき、そして私たちが歩んできたAIジャーニーをご案内したいと思います。特に、エネルギーとユーティリティ分野に特化した、私たちのユニークなAI哲学をご紹介します。
まず最初に、Krakenをご存知ないかもしれませんので、私たちのwhyからお話しさせてください。Krakenは、エネルギー システムの変革に焦点を当てている会社です。具体的には、私たちは自分たちを世界中のエネルギーユーティリティのためのオペレーティングシステムだと考えています。このスライドについて考えていたのですが、AWSが皆がイノベーションを起こせるプラットフォームを提供しようとしてきたことと似ています。Krakenも同じような方法で、正直に言って数十年間少し停滞していた業界、つまりエネルギーとユーティリティ業界に対して、それを実現しようとしています。彼らは、エネルギーシステムの運営を前進させるための現代的なテクノロジーを持っていませんでした。それがKrakenが実現しようとしていることです。
どのようにそれを実現しているのか?Krakenには本当に4つの基本的な 側面があります。まず第一に、私たちはカスタマーケアとビリングエンジンです。エネルギー分野に詳しい方なら、CIS、Customer Information Systemsのような略語に馴染みがあるかもしれません。しかし、Kraken Customerのユニークな点は、歴史的にバラバラだった多くのテクノロジーの断片を統合していることです。CIS、CRM、メーターデータ管理システム、これらすべてが単一のものとして存在していませんでした。それがKrakenの出発点です。
円を時計回りに進んでいくと、私たちにはflexibilityの部門もあります。電気エネルギー資産の制御、それが家庭のサーモスタットであれ、バッテリーやEVであれ、これらは今やグリッドのバランスを取るために使用できます。それが住宅用flexibilityが行っていることです。また、発電側でも支援しています。発電所、大規模なグリッドスケールのバッテリー、Krakenはこれらを最適化して価値を提供しています。そして最後に、フィールドワークフォースツールがあります。実際に現場で作業を行うためのトラックの配車です。これを見ていただくと、これが今日エネルギー会社であれば必要なすべてのピースが連携して機能するプラットフォームなのです。そして、これは以前には存在していませんでした。
私たちはAWS上に構築されています。では、私たちのテクノロジーの核心部分について少し掘り下げてみましょう。Krakenのユニークな点は、その幅広さにあります。これまで、これら4つの領域をカバーするようなテクノロジーソリューションは存在しませんでした。もう一つの重要な側面、これはAIについてお話しする上で本当に重要なのですが、Krakenが単一のデータモデルを持っているという事実です。歴史的に、私たちのエネルギー分野では、データの断片がサイロ化されていました。顧客関係管理システムにあるデータが、メーターから請求までの処理とは別々になっているといった具合です。私たちのユニークな点は、エネルギー専用のデータモデルを構築したことです。そしてこれが、これからお話しするAIの基盤となっているのです。
私たちはクラウドネイティブです。AWSで育ってきました。ずっとそこにいます。レイヤードアーキテクチャを採用しています。これについてはすぐにご紹介します。また、私たちの分野でユニークなのは、この部屋にいる皆さんはおそらくCI/CDという略語に馴染みがあると思いますが、これはユーティリティ業界では馴染みのない略語なのです。継続的インテグレーション、継続的デプロイメント。Krakenが1日に200回変更されるという事実は、Krakenを使っている人々にとって本当に、本当に恐ろしいことなのです。なぜなら、これらのユーティリティ企業は年に1回程度の変更に慣れているからです。ですから、彼らにとっては根本的な変革なのです。そして私たちは多くのAIを実装していますが、これについてお話しします。
私たちはAWS上に構築されています。AWSは基盤となるパートナーです。なぜなら、私たちのユーティリティ業界が知っているブランドだからです。また、世界中に地理的なプレゼンスを持っているという事実が、これらのシステムに必要な回復力という点で、多くのクライアントに安心感を与えています。
アーキテクチャのスライドも必須だと言われたので、いくつかご用意しました。Krakenのアーキテクチャに関しては、本当に層状のケーキのようなものです。Krakenの核となるのは、グローバルなコアベースです。私たちが行おうとしているイノベーションの80%は世界中に広がっています。私たちのCTOには「コアファースト」というモットーがあります。しかし、Krakenがグローバルに運用されているため、特注の要素が必要になることも認識しています。そのため、私たちのコードベースには、英国、米国、オーストラリアなど、それぞれに特化したテリトリーレイヤーがあります。そして、ユーティリティとクライアントのレイヤーもあり、これによってこのレイヤードアーキテクチャ全体にコードをプッシュできるようになっています。
AIについて話す前に、もう一つ基本的な側面があると思います。それは、私たちが構築している製品の根底にある哲学です。私たちの分野で、エネルギーユーティリティ企業にこの質問をすると、メーターの向こう側には何があるか、彼らは顧客だと答えます。しかし、Krakenが根本的に言っているのは、それは違うということです。エネルギーの利用者にとって、メーターの向こう側にあるのは実はユーティリティなのです。この考え方の転換が、Krakenの哲学の根幹をなしています。それは顧客中心主義についてです。そしてこれは、最初から私たちの理念でした。私たちは、今日のエネルギーに対応するためには、顧客を第一に考える必要があると感じています。このような背景をすべてお伝えしたのは、これからご紹介するAIのストーリーの根底に、これを置いていただきたいからです。
ユーティリティグレードAIの3つの基本要素：統合データモデル、垂直市場特化、大規模展開
では、KrakenのユーティリティグレードのAIについてです。 私たちがAIで行っていることのユニークな点は、大きく分けて3つの基本的な側面があります。
まず1つ目は、先ほど述べた統合データモデルです。AIは豊富なデータセットを取得して供給できると、非常に強化されます。私たちの業界では、データがサイロ化されており、人々が使いやすいインテリジェントで直感的なデータモデルを中心に構築されていなかったため、これを実現するのが困難でした。そこでKrakenが行ったのは、これらすべてのデータをAIに供給できる形で一元化したことです。これについては、もう少し詳しくお話しします。
2つ目は、Krakenが行っていることが、私たちが事業を展開している垂直市場、つまりエネルギーとユーティリティのために特別に構築されているという事実です。これは本当に重要なことです。なぜなら、この分野に存在する多くのレガシーテクノロジーは、ユーティリティとそのユースケースに焦点を絞って作られていなかったからです。そして、それこそがKrakenが具体的に実現しようとしていることなのです。そして最後に、ユニークだと思うのは、Krakenが私たちの業界でこれを大規模に行っているということです。これは独特であり、多くのレガシーソリューションでは馴染みがなく、使われていないものです。
そして、その実現方法ですが、Krakenの起源の物語を少しお話しします。私たちはエネルギー会社と並行して成長してきました。Octopus Energyという会社を聞いたことがあるかもしれません。Octopus Energyはイギリス最大のエネルギー小売業者です。現在、約800万人の顧客にサービスを提供しており、彼らはKrakenを自社のテクノロジーとして使用しています。そして私たちは彼らのビジネスの中で成長してきました。Krakenのユニークな点は、私たちがテクノロジー企業として、実際にクライアントの1社の内部で成長してきたということです。これにより、私たちのAIを大規模にテストし、実証することができるのです。
では、データモデルについて少しお話ししましょう。これは基本的に、私たちが協力しているほとんどのユーティリティクライアントのシステムアーキテクチャを非常に簡略化したものです。これらが彼らのサイロです。これらが彼らの主要なテクノロジーの側面ですが、すべてバラバラなものです。そしてこれが導くのは、イノベーション、変革、そしてデータへのアクセスを不可能にするスパゲッティスープです。そして、この上にAIソリューションを重ねようとすると、さらに混乱することになります。なぜなら、ソースデータがめちゃくちゃだからです。
ここで登場するのがKrakenの統一されたクリーンなデータモデルです。これらすべてがKrakenの単一インスタンス内に存在しており、これによってクライアント企業内のデータチームがデータにアクセスし、生成し、より迅速に意思決定を行うことができるようになります。さらに、AIツールに情報を供給することで、より豊かで優れた顧客体験を創出することが可能になります。これからいくつかの事例をご紹介していきます。では、私たちのAIインフラストラクチャは根本的にどのようなものなのでしょうか?
その中核には、私たちがサポートしている複数の業種にまたがるデータを包含するコアプラットフォームがあります。そしてその上に、私たち独自の基盤となるAIインフラストラクチャレイヤーを構築しました。その上に位置するのが、私たちが構築したプロダクトへのアクセスレイヤーですが、同時にOpen Krakenというコンセプトもあります。このエネルギー向けオペレーティングシステムで私たちが実現しようとしていることの一部は、クライアントの皆様が独自のテクノロジーを持ち込み、このエコシステムを活用できる機会を提供することです。なぜなら、私たちは単にKrakenにロックインされるだけの存在になりたくないからです。私たちはイノベーションを構築し、可能にしたいのです。これからAgent AssistとAgent Studioの両方をご紹介します。
私たちが実現しようとしていることのもう一つの基本的な側面は、 AI自体はプロダクトではないということです。AIはKrakenが行っているすべてに組み込まれています。先ほどKrakenが機能する4つの主要領域をご紹介しました。これはKrakenプラットフォーム全体にわたる具体的なAI機能の一部を示したものです。カスタマー側では、Agent Assistと呼ばれるスイートがあります。Magic Inkですが、私たちは海の怪物という航海のテーマに根ざしており、イカにちなんでインクということで、Magic Inkは顧客への提案メール返信を生成するために使用されるツールです。これについては後ほど詳しくご紹介します。
Customer Intent Dashboardは、顧客から寄せられるすべての電話やコミュニケーションを測定します。800万人の顧客、あるいは数百万人の顧客にサービスを提供する場合、すべてのコミュニケーションから感情を理解することは非常に重要です。Storylineは顧客に関して起きていることの単一のビューを提供します。柔軟性の面では、グリッド負荷軽減をサポートし、デバイスを非常にスマートな方法で最適化するためにAIを使用しています。発電側も同様です。風力タービンをどのようにスケールし最適化するか?AIがそれをサポートできます。そしてフィールド側については、これからご説明しますが、要点は、AIはKrakenが行おうとしていること全体に組み込まれているということです。なぜならそれが価値だからです。
具体的なユースケース：フィールドワーク最適化からMagic Inkまで
それでは、いくつかの具体的なユースケースを見て、その中のいくつかにズームインしていきましょう。フィールド側では、フィールドワークフォース、つまりトラックの配車を知的にスケジューリングするためにAIを使用しています。数千人の異なるフィールドエンジニアがいる場合、誰かが病欠したときのスケジュール最適化は複雑な問題です。そこで私たちはスケジュールを最適化するためにAIを使用しています。そして、そのような規模の数千人のエンジニアからなるワークフォースに対して1年間かけて調査した結果、スケジューリングの最適化によって15万件の現場訪問を増やすことができることがわかりました。これはトラックの配車だけで炭素排出量に大きな影響を与えることができます。
住宅向けの柔軟性についてですが、先ほどKrakenが様々なデバイスを最適化しているというお話をしました。ここでご覧いただいているのは、ユーザーエクスペリエンスと、その裏側で行われている電気自動車やバッテリーのインテリジェントな最適化を組み合わせて、グリッドの負荷軽減を実現しているものです。
先ほども申し上げましたが、お客様を中心に据えることが重要なんです。そうすることで、解約率が極めて低いプログラムを実現できます。ポイントは、お客様に価値を提供すれば、お客様は離れていかないということです。そしてAIがそれを支援してくれています。
では、もう少し技術的な側面に踏み込んでみましょう。 私たちが事業を展開しているエネルギーユーティリティという分野における重要な側面は、リスク回避です。私たちのクライアントである組織は、安全に、信頼性高く、そして手頃な価格で電力を供給しなければなりません。ですから、セキュリティは彼らにとって本当に重要なんです。私たち自身のインフラストラクチャ内では、各クライアントがシングルテナンシーを持ち、彼らが選択したAWSリージョン内でホストされる独自のKrakenインスタンスを持っています。
Krakenが社内で構築したもう一つの重要な側面は、データ編集ツールです。LLMに情報を入力する前に、私たち独自の抽出機能を使ってデータスクリーニングを行い、個人を特定できる情報や機密データを私たち自身の安全なインフラストラクチャ内に保持したまま、他のLLMに入力できるようにしています。また、お客様にはどのLLMを選択するか、複数の選択肢を提供しています。
では、これがどのように機能するのか、もう一つの例をより深いレベルでご説明しましょう。少し前にMagic Inkをご紹介しました。これが解決しようとしている問題は、もしあなたがエネルギー専門家で、お客様からの電話やメールで「なぜ請求額が高いのか、エネルギーコストを削減するために何ができるのか」という問い合わせに答える場合、もしテクノロジーやAIがなければ、これはかなり難しい問題になります。そのお客様に関する背景情報を得るために、複数の種類のデータを探さなければなりません。お客様をサポートできるプログラムの種類に関する情報も入手しなければなりません。
これは、AIがどのように人間、この場合はカスタマーサービス担当者をエンパワーして、エンドカスタマーにより良いサービスを提供できるかという、まさに代表的なユースケースです。では、どのようにしてそれを実現しているのでしょうか？これは問い合わせから始まります。基本的には、この質問に答えるのを助けてほしいと言う人間がいるわけです。それが私たちのプロンプトエンジニアリングに入力され、これが主に私たちが社内で構築してきたものなのですが、どうすればLLMにインテリジェントなプロンプトを与えて、顧客に送り返すインテリジェントな回答を生成できるかということです。
では、どのようにしてそれを行っているのでしょうか？質問を私たち自身のエンジンに入力します。ここの上部には、retrieval augmentation generationがあり、クライアントからさまざまな情報を取得しています。それは彼らのナレッジベースかもしれませんし、その特定の顧客に関する情報かもしれません。そして、それをここの下部にある顧客データと組み合わせます。あなたのエネルギー使用量は？どこに住んでいますか？他にどのような情報を使って、この場合はOpenAIに入力できるでしょうか？
私たちは個人を特定できる情報を抽出しました。OpenAIにインテリジェントなプロンプトを入力し、それが私たちにフィードバックされます。個人を特定できる情報を元に戻し、それから私たちのデータベースにある重要なデータ要素と照らし合わせて品質チェックを行い、この顧客への推奨回答を生成します。つまり、これはおそらく10分かかっていたであろうワークフローです。今ではAIによって数秒で自動化されています。
AIがもたらす価値とAgent Studioへの展望
これは、スケールで価値を提供している場合にのみ、本当に意味があります。では、AIが生み出している価値について、私たちの多くの顧客からのいくつかのデータポイントをご紹介します。私は生産性について話してきました。ここでの重要な要素は、これらのツールが最善の形で実行されると、顧客価値を提供するだけでなく、顧客にサービスを提供する従業員もより良くするということだと思います。そして、それは従業員が満足していないために大きな離職率を抱えるカスタマーコールセンターにとって、大きな価値となります。
そして、私たちが発見したのは、これらのAIツール、例えばMagic Inkを使用しているエージェントは、それを気に入っているということです。それは彼らの仕事をより簡単で速くします。回答を受け取る側、つまりエンドカスタマーは、人間が生成した回答よりもその回答を好みます。そして、全体的に大幅な効率性を生み出しており、提案された回答の89%が最終的に受け入れられていることがわかります。
それでは最後に、私たちのお客様に向けてKrakenはどこへ向かっているのか。この領域におけるKrakenのロードマップは私たちがAgent Studioと呼んでいるものです。そしてそのアイデアは、agentic AIを使って、私たちが学んだすべてを活用して自律的なエージェントを作成することです。そしてそのアイデアは、今日、私たちのツールを使って質問に答えているエネルギースペシャリストとは対照的に、そのエネルギースペシャリストが実際に自分自身のAIボットのチームを管理し、ダッシュボードにアクセスできるようにすることです。そして基本的に彼らは、AIを監督し、管理する自分自身の小さなミニチームとして機能し、それが質問に答えるのです。そしてこれがKrakenが来年に向けて注力していることであり、そして繰り返しになりますが、すべてAWSの上に構築されています。
以上です。ありがとうございました。お時間とこの場を本当に感謝しております。そして繰り返しになりますが、皆さんのお時間という最高の贈り物に感謝いたします。どうもありがとうございました。Vegasでの時間をお楽しみください。
※ こちらの記事は Amazon Bedrock を利用し、元動画の情報をできる限り維持しつつ自動で作成しています。
Discussion