re:Invent 2024: NFLがAmazon Q Businessで実現した コンテンツ制作の効率化
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！
📖 AWS re:Invent 2024 - Accelerating content production with generative AI, featuring the NFL (AIM211)
この動画では、NFLとAmazon Q Businessの実装事例について詳しく解説しています。NFL MediaのDirector of Asset Management and Post ProductionのEric Petersが、250人以上のコンテンツクリエイターを抱える組織での課題と、Amazon Q Businessによる解決策を紹介します。従来5分から24時間かかっていた技術的な質問への回答が10-20秒で得られるようになり、新入社員トレーニング時間も3-5時間から1時間に短縮されました。The Dukeと名付けられたこのソリューションは、6つのデータソースを統合し、約300人のユーザーが日常的に活用しています。Amazon Q Businessの導入により、コンテンツクリエイターがクリエイティブな作業により多くの時間を費やせるようになった具体的な成果が示されています。
※ 動画から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、正確な情報は動画本編をご覧ください。
※ 画像をクリックすると、動画中の該当シーンに遷移します。
re:Invent 2024関連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！
本編
Amazon Qの概要とセッションの導入
みなさん、こんにちは。NFLをフィーチャーしたGenerative AIによるコンテンツ制作の加速化についての、AIM 211 re:inventセッションへようこそ。私はJessie-Lee Fryで、Principal Worldwide Amazon Q Specialistとして、特にAmazon Q Businessを担当しています。一緒に登壇するのは、NFL MediaのDirector of Asset Management and Post ProductionのEric Petersです。素晴らしいセッションになると思います。
始める前に、みなさんのGenerative AIの取り組み状況について確認させてください。挙手でお答えいただきたい質問が何点かあります。参加は任意です。まず、現在の仕事や個人的な生活でGenerative AIを実際に活用している方は何人いらっしゃいますか？ おお、すごいですね。次の質問です。今年、組織内でGenerative AIやGenerative AIソリューションを実際に導入した方は何人いらっしゃいますか？ 素晴らしい！最後に、少し話題は変わりますが、Thursday Night Footballを視聴している方は何人いらっしゃいますか？ 海外からいらっしゃった方々は、正解も不正解もありませんのでご心配なく。ただ、会場のファンの様子を把握したかっただけです。なるほど、「試合次第」というような反応もありますね。
これらの質問は、本日のセッションの内容を端的に表しています。ご協力ありがとうございました。それでは、アジェンダをご説明させていただきます。まず、Amazon Qの概要とエコシステムについて説明し、その後Amazon Q Businessについて詳しく見ていきます。次にEricが、NFLが直面していた課題と、なぜAmazon Qが適切なソリューションとして選ばれたのかについて説明します。そして、そのソリューションの詳細、Proof of Conceptの進め方、Amazon Qのテスト方法、得られた教訓、うまくいった点・いかなかった点、そしてNFLの課題に対してAmazon Q Businessがどのようなインパクトをもたらしたのかについて深く掘り下げていきます。最後に、みなさんがAmazon Q Businessの導入を成功させるために必要な重要なポイントをまとめ、NFLとAmazon Qの今後の展開についてお話しします。
Amazon Q Businessの特徴とユースケース
ご存知の方もいらっしゃると思いますが、Amazon Qは昨年のre:inventでプレビューとして発表され、2024年4月には画期的な機能を備えて一般提供が開始されました。Amazon Qには、異なるペルソナやユースケースに合わせて調整された製品群が含まれています。まず、Amazon Q Businessは、企業システム内のデータや情報に基づいて、質問への回答、要約の作成、コンテンツの生成、タスクの完了を行うことができるGenerative AI搭載システムです。また、Amazon Q Developerは、Generative AI技術を使用してソフトウェア開発ライフサイクルを大規模に加速化します。Amazon Q in QuickSightは、Generative BIの機能を使用してビジネスの生産性を向上させ、意思決定を加速化します。Amazon Q in Connectは、Generative AIを使用して顧客の質問に対するエージェントの推奨応答やアクションを提供し、より迅速な問題解決と顧客満足度の向上を目指します。さらに、Amazon Q in AWS Supply Chainは、データを統合し、ML駆動のアクショナブルなインサイトを提供し、文脈に応じたコラボレーションと需要計画を構築します。
先ほど申し上げたように、今回のセッションでは特にAmazon Q Businessに焦点を当てていきます。Amazon Q Businessは、ビジネスに関する質問に対して、安全かつプライベートに、迅速で正確、そして関連性の高い回答を提供します。これは、Amazon Q Businessがビジネスデータ、情報、システムに迅速に接続し、従業員がビジネスに関連した対話を行い、問題を解決し、コンテンツを生成し、アクションを起こすことを可能にするからです。
Amazon Qはセキュアでプライベートな設計となっており、エンドユーザーの権限に基づく既存のアクセス制御を尊重します。既存のアイデンティティ、ロール、権限を理解して連携できるため、ユーザーがQ以外でアクセスできないデータポイントには、Q内でもアクセスできない仕組みになっています。また、Amazon QはAmazon S3、Google Drive、Salesforce、Microsoft 365サービス、Slack、Zendeskなど、一般的な企業向けアプリケーションやドキュメントリポジトリ向けの40以上のビルトインコネクタを提供しており、従業員が1つの統合された環境で実用的なインサイトを得ることができます。
Amazon Qでは、管理者がレスポンスをカスタマイズし制御するためのガードレールを適用でき、Qのインスタンスが経営陣の定める倫理基準に従いながら、企業の独自の声を反映することができます。Amazon Q Businessでは、ユーザーが作成する軽量アプリケーションで日常業務を効率化できます。この機能は、従業員が独自のデータとビジネスニーズに合わせた、セキュアで高度にカスタマイズされたアプリケーションを作成できるという点で非常に強力です。
ここまでAmazon Qの概要とエコシステムにおける位置づけ、主な強みについて理解してきました。次に、今年Amazon Qが真価を発揮したユースケースをいくつか見ていきましょう。これにより、この技術がもたらす可能性についての理解が深まるはずです。まず1つ目は、カスタマーサポートとITサポートです。ここでのAmazon Qの実装は2つの側面があります。1つ目は、エンドユーザーに対して生成AIチャットボットアシスタントを提供し、ITの問題を自己解決できるようにすることで、新規IT問い合わせ件数を削減できます。これにより、ITヘルプデスクのスタッフはより大きな複雑な問題に集中できます。さらに、ITヘルプデスクのサポートスタッフ向けにもAmazon Qが導入されており、過去の解決済みチケットや複雑な技術文書に数クリックでアクセスできるため、チケットをより迅速に解決できます。
次のユースケースは、リスクとコンプライアンスです。これは前述のケースと似ていますが、ここでは従業員に対して、コンプライアンスデータやドキュメントで学習した生成AIチャットボットアシスタントを提供し、リスクとコンプライアンスに関する最新情報に1つの統合された環境でアクセスできるようにします。また、ナレッジマネジメントアシスタントは、特に大企業の多くのお客様にとって、基本的なユースケースとなっています。このような分野のお客様は、ナレッジの一元管理と共有の質を向上させながら、問題解決や新しいタスク・技術の習得にかかる時間と労力を削減したいと考えています。
また、人事部門も人気のあるユースケースで、人事部門のエンドユーザーが一連のプロセスを最適化できます。Deriveのようなお客様は、Amazon Qを使用して新しい職務記述書や求人情報の作成、新入社員向けのカスタマイズされたオンボーディングプランの作成を行っています。これにより、HR業務全体のプロセスを迅速化しながら、エンドユーザーや新入社員が必要な情報をより素早く見つけることができます。
最後に、Operations（運用）の分野についてお話しします。 Operationsのユースケースは、組織内での立場によって異なる意味を持ちます。金融機関などの業界では、Operations部門がAmazon Qを中心に据えて活用しているケースが見られます。
既存のプロセスの維持と更新に活用する一方で、これらのプロセスが実際にどのように機能しているかを理解するためにも使用されています。製造業やエンジニアリング分野では、工場の現場のOperationsチームがAmazon Qを使用して、複雑な技術文書を検索し、サプライチェーンの問題解決から新入社員のトレーニングまで、幅広い用途に活用しています。
これで、Amazon Q BusinessとAmazon Q全般について、そしてその真価が発揮される場面について基本的な理解が得られたと思います。ここからは、NFLの課題と、私たちがNFLと共に実施したAmazon Q導入の取り組みについて、Ericにバトンタッチしたいと思います。ありがとうございました。
NFL Mediaの課題とAmazon Q導入の背景
ありがとう、Jessie。ソリューションの詳細に入る前に、 NFL Mediaの概要を簡単にご紹介させていただきます。私たちは言うまでもなく、強力なブランド力を持つ組織です。NFL Mediaは2003年に設立されたNFL Networkを中心に、Red Zone、NFL Plus、そしてそのエコシステム内で皆様がよくご存知の多くのプラットフォームへと成長してきました。250人以上のコンテンツクリエイターとプロダクションスタッフが、特に試合後には皆様が日々楽しまれるコンテンツを提供するため、懸命に働いています。
私たちには3つの課題があります。 第一の課題はスタッフィングに関するものです。数百人のスタッフがおり、その多くが季節雇用です。多くのスタッフがシーズン開始時に加入し、シーズン終了後に離れていきますが、実際にはそれほど単純ではありません。私たちの従業員の教育には多大な時間が必要です。従来は、ワークフロー、ポリシー、手順 - 施設内での作業方法やファイルの移動方法など - について、毎年3〜5時間のオンボーディングトレーニングを実施してきました。大規模なライブ制作施設であるため、何百もの複雑なワークフローが存在し、新しいユースケースが発生するたびにこれらのワークフローは常に変化しています。
私たちの最終的な任務は、全従業員がこれらのワークフローの中で効率的に作業を行い、必要な情報にすぐにアクセスできるようにすることです。ユーザーが必要なタイミングで必要な作業を実行できない場合、放送時間が危険にさらされます。編集した素材が予定された時間に放送できず遅延が発生した場合、ニュースサイクルの性質上、今日のコンテンツを明日放送しても手遅れになってしまう可能性があります。
ここで、Amazon Q Business導入前の世界を見てみましょう。これは、コンテンツクリエイターが技術的な質問の解決策を得るために取り得る多くの経路として考えることができます。例えば、Master Controlに放送用ファイルを納品する際の仕様は何か、あるいは日曜日に仕事をしながらRed Zoneを視聴したい場合に社内TVシステムのチャンネル番号を知りたいといった単純な質問かもしれません。ご覧の通り、答えにたどり着くまでの経路は多くありますが、それらが全て良い経路とは限りません。その中の一つに「推測する」という経路がありますが、驚くべきことに、効率的な方法だと思い込んで、やみくもに推測で作業を進めてしまう人が多いのです。これは決して効率的ではありません。
最良の条件下でも、これらのワークフローを使用した場合、おそらく5分以内に回答を見つけられるかもしれません。しかし、最初に間違った経路を選んでしまったり、金曜日から土曜日にかけてメールの返信が来ないといった状況では、実際の回答を得るまでに24時間、時にはそれ以上かかることもあります。
結局のところ、これらの経路のどれを選んでも、質問に対する正しい答えが得られる保証は全くありません。そこで私たちは何をしたのでしょうか？ユーザーが答えを見つける能力を効率化する方法として、Generative AIの活用を検討し始めました。この目的に適合する可能性のある市場の様々なツールを評価しました。私たちが最終的に求めているのは、全てのクエリに対して単一の信頼できるデータソースを持てるソリューションです。コンテンツクリエイターが、仕事の技術的な細部に時間を費やすのではなく、クリエイティブな領域により多くの時間を費やせるようにするツールが必要です。技術的な部分を簡単にして、邪魔にならないようにしましょう。
NFL MediaにおけるAmazon Q Businessの実装と効果
約1年半前、AWSがリーグ向けに開催したAWS AI Dayで、初めてJessie-Lee Fryと出会い、彼女がAmazon Q Businessについて説明してくれました。私たちは、このQというものが、私たちが直面している問題の解決策になるかもしれないと考えました。そこから約3ヶ月のProof of Conceptの旅が始まりました。Amazon Q Businessには本当に魅力的な点が多くあります。完全マネージド型のターンキーソリューションであることは、私のチームのような小規模なチームで、複雑なソリューションのセットアップやメンテナンスを行う開発者がいない場合には、大きなメリットとなります。
私たちは、これを実現するための他の選択肢についても検討してきました。多くのソリューションには、ドキュメントを投げ込んでテストできる優れたPlaygroundがあります。しかし、実際の本番環境でのスケーリングを考えると、そのPlaygroundは使えなくなってしまいます。小規模なチームでは、それを構築するリソースが本当に不足しているのです。もう一つの優れた特徴は、多くのデータコネクターが用意されていることです。組織内で活用したいデータソースがある場合、Amazon Q Businessがそれに対応している可能性が高いでしょう。デプロイも非常に簡単で、この点は何度も強調したいのですが、私が初めてAmazon Q Businessアプリをデプロイしようとしたとき、5〜10分程度で動作させることができました。
JessieとそのチームとのミーティングでQアプリのデプロイテストについて話し合う予定だったのですが、彼女が驚いたことに、私は「こんな素敵なアプリを作りましたよ」と言って会話を始めることができたのです。本当にそれほど簡単なんです - クリックを数回するだけで、テストを開始できるQアプリのバージョンにたどり着けます。最後のポイントであるセキュリティについても非常に重要です。大規模な組織内では、セキュリティが常に最大の障壁となります。これらすべてがAWS上に構築されているという事実は、私たちのInfoSecチームが既に精通し、そのセキュリティ対策に安心感を持っているため、最終的なデプロイに向けた話し合いがスムーズになりました。
そこで私たちは、この実証実験に着手し、最初のアプリのテストを開始しました。最初のアプリを非常に素早く構築できただけでなく、Jessieとそのチームとのミーティングで、直面していた問題を解決するためにアプリを再構築してみてはどうかというアイデアが出されました。その場でやってみようという提案があり、私は丁度眼科に行って目が散瞳していて、画面がよく見えない状態だったことを伝えました。画面が4つくらいに見えている状態でしたが、それでも進めることにしました。そして、ほとんど画面が見えない状態でも、非常に素早くデプロイすることができたのです。この点を強調したいのですが、本当にそれほど簡単なんです。
私たちは単一のAmazon S3データソースから始めて、すぐに2つのS3データソースに移行し、Relevance Tuningを試し始めました。最初に焦点を当てたドキュメントの大半は、2つのカテゴリーのいずれかに分類されました。それは、私たちの施設内のビジネスに特化した技術情報を含むNFL作成のドキュメントか、ユーザーマニュアルやPremier Proユーザーマニュアルなどのベンダードキュメントでした。ベンダードキュメントはソフトウェア会社が作成した優れたリソースですが、必ずしも私たちの組織内での作業に完全に当てはまるわけではありません。
Relevance Tuningを使用することで、私たちの組織に特化して作成したドキュメントの関連性を高めることができました。私たちは常に異なる設定をテストしていました。あるとき、私は最大5つのアプリを並行して実行し、継続的にA/Bテストを行っていました。それぞれが少しずつ異なる設定で構成されており、素早くテストを行うことができました。もし望む結果が得られないアプリがあれば、削除して最初からやり直し、新しいアプリを立ち上げることができました。これにより、アプリの設定間でA/Bテストを非常に簡単に行うことができました。
私たちのPoCのもう一つの重要な部分は、既存のデータの多くを書き直す必要があることに気付いたことでした。古いドキュメントの多くは、右上に表示されているようなものでした。多くの方がご存知かもしれませんが、大きなスクリーンショットがたくさんあり、赤い枠線がたくさんあって、必ずしもどこかをクリックしたり見たりするように指示しているわけではなく、ただ注目すべき場所に目を向けさせるようなものでした。テキストは多くの場合、簡素なものでした。そこで、数日かけて徹底的な見直しを行い、ドキュメントの大部分をより詳細なテキストで書き直す必要があると判断しました。また、この機会を利用して、少し古くなっていたドキュメントの一部も更新しました。このデータの改善により、PoCの過程で精度が約20%向上しました。
データに必要な対応が分かった後は、データをどのように分類するかという問題になりました。最終的に合計6つのデータソースを用意しました。NFLデータソースにはNFLが作成したすべてのドキュメントが含まれています。小規模なAdminデータソースには、特定のグループのみがアクセスできるようACLで保護された文書が含まれていました。そして、Playgroundデータソースがありました。これは、あるドキュメントをQ Businessに入れることが適切かどうか確信が持てない場合のテスト用として使用しました。そこに入れてインデックスを再作成し、質問をして試してみた後、2つの行き先のどちらかに振り分けました：適切なデータソースに分類するか、破棄するかのどちらかです。
このPlaygroundデータソースは、いわば独自のステージング環境のようなもので、素早くテストして取り出すことができます。また、NFL.comのWebクロールも行っており、Tempデータソースも用意しています。これはS3バケットで、非常に短期間だけ参照する必要のあるドキュメント用にライフサイクルポリシーが設定されています。例えば、オフシーズン中、SoFiスタジアムの隣にある私たちの施設では、音楽イベントが開催され、すべての駐車場が使用されることがあります。セキュリティチームは、これらのイベントの従業員向けの出入り情報や営業時間を含む通知を送信します。このドキュメントは、イベントの1週間前からイベント当日まで、場合によってはその少し後までしか重要ではなく、それ以降はアクセスされることはありません。
そのため、このTempデータソースにはライフサイクルが設定されており、ドキュメントが不要になると自動的に削除されます。定期的に自動インデックス作成が行われるため、このデータソース内の最新のドキュメントが常にインデックス化されています。
データを再構築し、データソースの設定方法を決定した後、ソリューションをテストする段階になりました。100個の質問と回答のセットを作成し、これをExcelスプレッドシートに入力しました。そして、4つの異なるBedrock Knowledge Baseソリューションを、異なるLLMを使用して設定し、このRAソリューションのさまざまなバリエーションでA/Bテストを行える環境を整えました。質問に対する回答は、スプレッドシート上で4つのカテゴリーのいずれかに分類されました：正解、部分的に正解または情報が不完全、完全な誤り、または回答なしです。
これは全てGA前に起こっていたことで、私たちはJessieと彼女のチームと定期的な同期ミーティングを行っていました。私は最新のテスト結果を彼女に提供し、彼女のチームは、回答が得られるはずの質問に対して何が起きているのかを診断していました。私は質問を確認し、ドキュメントが十分に明確でないために書き直す必要があるかどうかを判断していました。このプロセスを何度か繰り返してテストを続け、バックグラウンドで行われたモデルのアップデートのおかげで、精度が8%向上しました。POCの終わりには、70%弱だった精度が約93%まで改善され、その時点でこのソリューションを本番環境に移行する準備が整ったと判断しました。
優れたアプリには名前が必要なので、私たちは公式NFLフットボールにちなんでThe Dukeというニックネームを付けました。これは2024年8月、シーズン開始直前にローンチされました。先ほど述べたように、6つのデータソースにまたがっており、その構造は本番アプリでも同じです。現在約300人のユーザーが登録しており、制作チームやコンテンツクリエイターが日常的に使用しています。私たちの施設用に設置したSlackチャンネルには、もはや解決しようとしていた技術運用に関する質問は届かなくなりました。
制作チームからのフィードバックを見てみると、デジタルプラットフォームのプロデューサーであるKallyn Stewartは、以前は最大1日かかっていた質問への回答が、今では1分で得られるようになったと述べています。昨夜の雪深いBuffaloの試合や、金曜日のChiefsの際どい試合のハイライトをご覧になった方もいるかもしれませんが、Zach Arnsteinとそのチームがこれらのハイライトを作成しています。彼は、チームがThe Dukeを使用できることで、答えを探す時間を減らし、ハイライトの制作により多くの時間を費やせるようになったと指摘しています。彼らは両者とも、これを使用することで大きな価値と大幅な時間節約が実現されていることを認識しています。
この時点で、その影響は否定できません。以前は5分から24時間かかっていたことが、今では指をパチンと鳴らすように、約10〜20秒で回答が得られるようになりました。
現在、制作チームへのトレーニングは、以前は3〜5時間かかっていたものが、シーズン開始時に1時間だけで済むようになりました。そして、私たちのすべてのデータはThe Duke内の単一の知識ソースに集約されています。ここで、The Dukeが現在できることについて、簡単なデモをご紹介したいと思います。
The Dukeの機能デモと今後の展望
技術的な運用に関する質問、例えばマスターコントロールに納品するファイルのフォーマットについても引き続き回答できます。 当初の計画通り、Amazon S3に保存されているすべてのドキュメントを、すべてのユーザーが利用できるようにしました。 ユーザーは必要に応じて直接参照できますが、今ではさらに多くのことができるようになりました。シーズン開始時に発表される選手の名前の発音ガイドもインデックス化しているので、選手の名前の発音が分からない場合でも、すぐに答えを得ることができます。Seahawksのシーズンスケジュールを知りたい場合は、それを尋ねることができます。NFL.comやその他のNFLデータソースからスケジュール情報を収集しているため、その情報を入手できます。箇条書きのリストが必要な場合は、フォーマットの変更を依頼するだけです。
もちろん、InfoSecチームはこのような自己完結型のシステムを高く評価しています。 また、今シーズンの新しいキックオフルールについて疑問がある場合も、その質問に答えることができます。注目すべき点の1つは、フィードバックを提供できることです。画面上で親指を上げたり下げたりするアイコンが表示されており、エンドユーザーとしてフィードバックを提供できます。画面上で見える1や2、3といった注釈は、実際にその情報がどのドキュメントから引用されているかを示しています。ダブルクリックすることで、そのドキュメントの詳細を確認し、ソースをさらに掘り下げて、フィードバックを提供することができます。
数日後に、エキサイティングな発表がある予定です。それによって、お客様や実装者にとってのROIがどこにあるのかを管理者が根本的に理解できるよう、バックエンドでフィードバックがどのように処理されるかについての詳しい情報が得られます。現在使用しているアーキテクチャを見てみると、 GAリリース前の状態から確実に進化しています。最初は1つのAmazon S3データソースから始まり、その後2つに増やしました。Identity Centerの組織インスタンスを使用して、ユーザーはOctaで認証を行うことができます。組織内の他のアプリやウェブサイトと同じ認証方法を使用しており、これはセキュリティチームを大変満足させています。
6つのデータソースはすべてAmazon CloudFrontディストリビューションに接続されており、VPN内のユーザーが必要に応じてそれらのドキュメントに直接アクセスしてダウンロードできるようになっています。管理者はコンソール内の分析ダッシュボードを使用して分析を監視できます。予想以上に時間を費やすことになった分野の1つがユーザートレーニングでした。最初の1ヶ月で200人以上の従業員をオンボーディングしましたが、トレーニングセッションでLLMsの経験者を尋ねると、ためらいがちに数人が手を挙げる程度でした。次にChatGPTを知っている人を尋ねると少し多くなり、ChatGPTを使用している人となるとさらに数人増える程度でした。
主に若い世代が多いエンドユーザーの多くが、私たちが予想していたほどLLMsやこの技術について認識していないことが分かりました。誰もが個人的にこの種のテクノロジーを使用していると思っていましたが、実際にはそうではありませんでした。そのため、適切なプロンプトの作成テクニックを教えることに多くの時間を費やしました。しかし、トレーニングを実施すると...
これは彼らにとって、技術的な質問に対する答えを得るための頼れる存在として素早く受け入れられました。最終的に、回答時間は1分以下に短縮され、コンテンツクリエイターが創造的な作業により多くの時間を費やし、プロセスの細かい部分に気を取られることが少なくなるという目標を達成することができました。
では、全体的な重要なポイントを見てみましょう。ここで振り返りたいと思います。導入が非常に簡単です。実際、目隠しをして片手を後ろに縛った状態でもできるほど簡単だと言われています。瞳孔が開いた状態でもできないなら、それは正当な要求だと思います - 彼にそのチャレンジを投げかけましたが、まだその日を待っているところです。小規模から始めることができ、実験を重ねた後、準備が整えば素早くスケールアップできます。完璧なデータがなくても始められます。手持ちのデータを使って実験を始め、正しい方向に進んでいるかを確認し、データを改善するか、あるいはそのデータがこのソリューションに適していないかを判断できます。しかし、データの再構築を恐れる必要はありません。最初は大変な作業に思えるかもしれませんが、長期的には確実に見返りがあります。また、データソースの設定方法に決まった形はありません。私たちは1つから始めて2つに増やし、最終的に6つになりました。他にもいくつか試してみましたが、現在は6つが私たちにとって適度な数となっています。他の組織では異なるかもしれません。そして最も重要なのは、「道具は職人次第」という言葉の通り、提供したソリューションを適切に使用できるよう、従業員のトレーニングに時間を投資することです。
The Dukeの今後について気になっているかもしれません。良い質問ですね。私たちは常に、現在のThe Dukeアプリ内で新しいユースケースを追加できる組織内の新しいステークホルダーを探しています。そのために複数の社内ビジネスユニットと協力しています。他のビジネスユニットからは、「これは素晴らしいソリューションだけど、私たちの活動と紐付いたアプリは望まない」という声もあり、彼らは独自に実験を行っています。また、今朝のセッションをご覧になった方もいるかもしれませんが、いつかThe DukeをBedrockプロジェクトのPlaybook Proと統合できればと考えています。ユーザーが1つの統合されたUIですべてにアクセスできるようにすることも、将来的な目標の1つです。そして、今週を通じて皆さんにご紹介する新機能についても、とても楽しみにしています。
素晴らしい。これでセッションは終了です。このあと質問の時間を設けています。十分な質問時間を確保するため、私たちは外で待機しています。質問がある方は、そちらでお待ちしています。また、セッション後に思いついた質問がある場合のために、それぞれのLinkedInプロフィールも掲載しています。もちろん、改善点や効果的だった点についてのフィードバックもお待ちしています。ぜひアンケートにご協力ください。もちろん、5つ星以上の評価をお待ちしています。さて、月曜日で、皆さんの中にはランチタイムの方もいらっしゃると思います。素晴らしいre:Inventをお過ごしください。無理はなさらず、水分補給もお忘れなく。ありがとうございました。お気をつけて。ありがとうございました。
※ こちらの記事は Amazon Bedrock を利用することで全て自動で作成しています。
※ 生成AI記事によるインターネット汚染の懸念を踏まえ、本記事ではセッション動画を情報量をほぼ変化させずに文字と画像に変換することで、できるだけオリジナルコンテンツそのものの価値を維持しつつ、多言語でのAccessibilityやGooglabilityを高められればと考えています。
Discussion