re:Invent 2025: Commonwealth BankのAWS GenAIを活用した10PBデータ移行プロジェクト
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 - Utilizing AWS GenAI to deliver enterprise data modernization in CommBank-AIM416
この動画では、HCLTechとCommonwealth Bank of Australia（CBA）、AWSによる南半球最大規模のデータ移行プロジェクトが紹介されています。オーストラリア最大の銀行であるCBAは、1,750万人の顧客にサービスを提供し、AI成熟度で世界トップ4に選ばれました。Data Mesh エコシステム「CommBank.data」をAWS上に構築し、61,000のオンプレミスパイプラインと10ペタバイトのデータをわずか9ヶ月で移行しました。成功の鍵は、steel threadsアプローチによる検証、AIと生成AIを活用した自動化、250人を超えるAWS認定データエンジニアの配置、そしてfull cycle engineeringへのシフトです。CBA、AWS、HCL Techが「One Team One Dream」のマントラのもと一体となり、229,000件のテストを実施して100%の精度を達成しました。
※ 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
Commonwealth Bank of Australiaのデータ戦略と南半球最大規模のAWS移行プロジェクト
皆さん、こんばんは。HCLTech のグローバル Financial Services ヘッドの Srini Seshadri です。AWS は私たちにとって素晴らしいパートナーであり、最近 FS 専用の SCA に署名しました。また、Commonwealth Bank of Australia とはほぼ 20 年間パートナーシップを組んでおり、Data Platforms and Operations の General Manager である Terri Sutherland をお迎えできて、本当に嬉しいです。彼女は南半球でおそらく最大のデータ移行を監督しており、この革新的なプラットフォームについての洞察、そしてデータ モダナイゼーションに関する他の洞察をお聞きしたいと思っています。Terri Sutherland、お願いします。
ありがとうございます、Srini。皆さん、こんにちは。 Commonwealth Bank of Australia の Enterprise Data Platforms の General Manager の Terri Sutherland です。本日は、エンタープライズ データ プラットフォームのモダナイゼーションと HCL とのストラテジック パートナーシップ、そして南半球で最大かつ最速のデータ移行をどのように実現したかについてお話しできて、興奮しています。ですが、まず銀行自体についてお話しします。Commonwealth Bank of Australia、つまり CBA をご存じない方も多いかもしれませんが、私たちはオーストラリア最大の銀行です。オーストラリアの人口は 2,700 万人で、現在 CBA は 1,750 万人の顧客にサービスを提供しており、これはオーストラリア人の 3 人に 1 人、そしてビジネスの 4 社に 1 社が CBA と取引していることを意味します。全体的には、オーストラリアの取引の 50% が CBA を通じて行われており、グローバルな舞台では、時価総額で世界 13 位の銀行です。つい最近、AI 成熟度で世界トップ 4 の銀行に選ばれたことをお伝えできて、本当に嬉しいです。
データ戦略についてお話しし、その後、データ プラットフォーム モダナイゼーションがどのように適合するかについてお話ししたいと思います。私たちの変革の中心には、3 つのコア ピラーがあります。 People、Safeguards、そして Technology です。People の側面では、集中化されたデータ チームが AI でのスケーリングに対するビジネス需要に対応できないことを認識しました。そこで、データ エンジニアとデータ サイエンティストをビジネス ラインに直接配置し、データをそれを使用する人々に、そして私たちが提供する顧客に近づけました。銀行として、Safeguards は譲れない要件なので、データと AI のライフサイクルのあらゆる段階に Governance とリスク コントロールを組み込み、設計段階での安全性を確保しました。
そして最後に Technology の側面では、何十年にもわたる豊富なデータが何百ものソース システムに分散していたため、これを接続して、最新のツールを使用する分散型データ チームに力を与える必要がありました。これを実現するために、AWS クラウド上に Data Mesh エコシステムを確立し、分散型チームが独立して運用し、データを移動し、データをシームレスに使用できるようにしながら、厳格な Governance を実施できるようにしました。私たちはこのエコシステムを CommBank.data と呼んでいます。 現在、これは 40 のビジネス ラインに力を与え、信頼できる統制されたフレームワーク内で必要に応じてデータを生成および使用する自由を提供しています。これを実現するために、私たちは分散化し、明確な Producer-Consumer モデルを採用しました。各ビジネス ユニットは、定義された役割と責任を持つ製品としてデータを構築、所有、管理するようになりました。また、統一されたデータ マーケットプレイスを通じたセルフサービス データ シェアリングも導入しました。これは、ユーザーが AWS エコシステム全体でデータを発見、リクエスト、消費できる単一のペイン オブ グラスです。
しかし、データには重力があり、データが存在する場所が、銀行内のすべてのデータ サイエンティストとデータ エンジニアが作業する場所になります。歴史的に、CBA は相互運用性に欠け、AI のためにスケーリングできなかったオンプレミス プラットフォーム上に、何年分もの豊富なデータを保有していました。そこで、私たちは大胆な決断を下しました。61,000 のオンプレミス パイプラインを AWS メッシュ エコシステムに移行し、これは 10 ペタバイトのデータに相当します。移行には 9 ヶ月かかり、データ パイプラインの 100% が 3 回テストされました。つまり、229,000 件のテストです。これにより、データ エンジニアリングと AI の全ワークフォースを AWS クラウドに移動させました。では、このような大規模な移行をこんなに早く実現できたのはどうしてでしょうか。ここで AWS と HCL とのパートナーシップが活躍します。
昨年の初め、私たちはAWSとHCLとの一連のワークショップを開始し、最も複雑なデータパイプラインとAIのユースケースをテストして、AWS ネイティブテクノロジーへの移行が可能かどうかを確認しました。私たちはこのアプローチを steel threads と呼んでいます。Proof of concept や MVP とは異なり、steel threads はテクノロジーを証明するだけでなく、その成果を本番化させるものです。HCL と密接に協力して、私たちはコードを変換し、エラーをチェックし、出力をテストするAIと生成AIを構築し、テーブルをオンプレミスプラットフォームと100%正確に調整しました。すべての行、列、数字が考慮される必要がありました。
9ヶ月間の移行を通じて、CBA、AWS、HCL は統一された緊密なチームとして密接に協力しました。私たちはこのアプローチを採用して、大規模なプログラムと野心的なデッドラインに関連する潜在的なミスアライメントを防ぎました。私たちは共通の目的と運用ペースの確立を優先し、チームの各メンバーが共通の目標を達成することに対して真の所有意識を感じるようにしました。そして今、CBA の AWS mesh エコシステムが整備され、オンプレミスからそのエコシステムへの移行が完了したので、私たちはCBAの野心的なAI駆動型のデータドリブンな未来にスケールする準備ができています。
HCL Techによる61,000パイプラインの移行を支えたエンジニアリング実践とAI駆動の自動化
インサイトを共有してくれた Terri ありがとうございます。私は HCL Tech のデリバリーパートナーの Puneet Makhija で、CBA でソリューションを提供する高性能チームをリードしています。この移行の重要な成功要因のいくつかについて詳しく説明させてください。ベストインクラスで目的に適ったエンジニアリングプラクティスです。HCL Tech では、エンジニアリングは私たちが行うすべてのコアです。業界ではデータ、AI、エンジニアリングの融合が見られており、私たちはこのプログラムのためにこれらのパラダイム全体にわたるベストプラクティスを活用しています。
私たちは早期に戦略的に才能を段階的に調達・配置して、理想的な才能プールにアクセスしました。データとAIラボは学習とイノベーションを促進する環境を作り出し、チームがプログラム要件に適応するのを支援しました。私たちは各スプリントでメトリクスを使用して進捗を追跡することで、テストと移行の品質を向上させました。このプログラムのデリバリー構成は本当にアウトカムベースでした。
私たちはドレイファスコンピテンシーフレームワークに基づいてチームを組織し、認知的に多様なチーム構造を作り上げました。Connect podsはenablement、scale migration、automation and accelerationのスポットをプログラム全体でリードしました。エリートAIエンジニアをチームに配置して、創造的な緊張を生み出し、継続的に加速の方法を見つけ出しました。エンジニアリングチームを早期に拡大し、AWS認定データエンジニアが250人を超えるピークに達しました。アップスキリングと認定資格を早期に開始したため、チームは移行の開始から準備万端で効果的に機能しました。
専門的な役割から full cycle engineering へシフトし、CBAのモデルに合わせてソリューションを効果的に提供しました。つまり、私たちは3つの変革レバーを使用しました。エンジニアのAWS認定、full cycle engineeringへの注力、そしてAI駆動の自動化です。自動化アクセラレータと並列テストの開発により、61,000のパイプラインと10ペタバイト以上のデータをAWSに9ヶ月未満で正確に移行し、品質目標を達成することができました。
この移行から得られた重要な教訓は、今後のすべての移行とレガシーマイグレーション取り組みにAIアクセラレータを組み込むことへのコミットメントです。将来的には、agent-led delivery cycle、ALDCを実現させるために取り組んでいます。組織として、私たちはfuture-fit delivery modelを、あらゆるsearch initiativeの最低基準として採用しました。成功の重要な要因は、AWSとの戦略的パートナーシップとトップダウンでの強力なコラボレーションでした。「One Team One Dream」というマントラが、CBA、AWS、HCL Techを一致団結させ、プログラムの成功につながりました。この成果は初めてのことであり、今後のコラボレーションを楽しみにしています。
※ 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