【セッションレポート】 Amazon S3 の非構造化データを Amazon SageMaker Catalog で AI-ready な資産に変換する [ANT308] #AWSSummit

はじめに

AWS Summit Japan 2026 で聴講した、Amazon S3 のセッション ANT308 のレポートです。

AI エージェントを活かすには、土台となるデータ基盤が重要になります。質の低いデータからは質の低い結果しか生まれません。本セッションでは、S3 にたまった非構造化データを、AI が扱える資産へと変える考え方と手段が解説されました。

セッションの概要は次の通りです。

• セッション番号: ANT308
• タイトル: Amazon S3 の非構造化データを Amazon SageMaker Catalog で AI-ready な資産に変換する
• 登壇者: 濱岡洋太 氏 (アマゾン ウェブサービス ジャパン合同会社 WWSO Big Data Specialist Solutions Architect)
• 日時: 2026 年 6 月 25 日 14:30 から 15:10

データのモーダリティと統合分析

セッションでは、まずデータのモーダリティ (種類や様式) ごとの処理が示されました。

テーブルデータは ETL や統計分析、テキストやドキュメントは自然言語処理や RAG、画像や音声や動画は専用モデルでの認識、といった形です。近年はマルチモーダルな AI モデルにより、これらを組み合わせた分析ができるようになりました。

具体例として、医療の症例分析が紹介されました。ある患者の症状に近い過去の症例を探す問いに対し、分析エージェントが動きます。構造化データは SQL でデータレイクを集計し、非構造化データはベクトル検索で似た症例を探します。両者を組み合わせ、似た症例の患者数の傾向まで答えていました。

AI が扱える資産へ変換する要素

AI エージェントは、人間とは違う振る舞いをします。

人間はドメイン知識を頼りに必要なデータへ直接たどり着きますが、エージェントは広い範囲を探索しながら関連するデータを絞り込みます。そのため、データの意味や関係を与えるコンテキスト、モーダリティに応じたアクセス手段、そしてデータの品質という 3 つの要素が必要になります。

ここで中心となるのが Amazon SageMaker Catalog です。

S3 のパスを S3 Object Collection としてカタログに登録し、ビジネスメタデータを付けることで、組織の中で発見しやすくなります。さらに、Amazon Bedrock Knowledge Bases による RAG や、入出力を評価する Amazon Bedrock Guardrails を組み合わせ、S3 からカタログ、生成 AI までを一連の流れで分析できると示されました。

まとめ

登壇では、最後に 3 つの提言がありました。自組織にどんなモーダリティのデータがどこにあるかを見直すこと、非構造化データにビジネスメタデータを付けて発見しやすくすること、そしてナレッジベースとエージェントで小さく試すことです。いきなり大きな基盤を目指すのではなく、1 つの S3 バケットから小さく始めるという進め方には、取り組みやすさを感じました。

参考リンク

• Amazon SageMaker Data and AI Governance
• Amazon SageMaker Catalog expands discoverability and governance for Amazon S3 general purpose buckets
• Improve the discoverability of your unstructured data in Amazon SageMaker Catalog using generative AI
• Amazon Bedrock Knowledge Bases
• Amazon Bedrock Guardrails

©2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.