← Financial Cloud Cloud クラウドクラブ · Amarathon 2025 振り返り

極点マクロ|Financial Cloud Cloud · AWS Amarathon 2025

極点マクロ|Amarathon 2025 振り返り 04:仕様駆動開発と Kiro で移行プロジェクトを加速

登壇者: Sanchit Dilip Jain

セッション: 04

セッション
Summit Dev Lounge2026 Re:cap
01 アーキテクチャを Steering として記述し、AI Agent を導く
Summit Dev Lounge2026 Re:cap
02 Agent Harness こそ真のエンジニアリングの堀
Summit Dev Lounge2026 Re:cap
03 平易な言葉で可観測性データを尋ねる
Summit Dev Lounge2026 Re:cap
04 Bedrock AgentCore で Serverless AR ゲームを構築する
Summit Dev Lounge2026 Re:cap
05 AgentCore 上のマルチ Agent クオンツ・バックテスト
Summit Dev Lounge2026 Re:cap
06 3 分でブログをスライドにする——Kiro で
Summit Dev Lounge2026 Re:cap
AWS Community Day Hong Kong 2025 Re:cap
02 TerraformによるAWSコンプライアンス
AWS Community Day Hong Kong 2025 Re:cap
03 初心者からビルダーへ――素晴らしいクラウドの旅
AWS Community Day Hong Kong 2025 Re:cap
04 LaravelとBrefによるチームファーストのサーバーレスエンジニアリング
AWS Community Day Hong Kong 2025 Re:cap
05 イベント開会式
AWS Community Day Hong Kong 2025 Re:cap
06 AWS 上で相互運用可能な AI を構築する
AWS Community Day Hong Kong 2025 Re:cap
07 別のテレメトリデータを AI エージェントで活用し、改善を加速する
AWS Community Day Hong Kong 2025 Re:cap
08 Kiro による仕様駆動開発
AWS Community Day Hong Kong 2025 Re:cap
09 MCP と AI エージェントを活用した自動テスト
AWS Community Day Hong Kong 2025 Re:cap
10 機械学習を活用したアプローチ
AWS Community Day Hong Kong 2025 Re:cap
11 RAGとMCP
AWS Community Day Hong Kong 2025 Re:cap
12 TAKとAWSを活用した災害・緊急対応
AWS Community Day Hong Kong 2025 Re:cap
13 テストの観点からサーバーレスアプリケーションのワークフローを再考する
AWS Community Day Hong Kong 2025 Re:cap
14 クラウド成功のための実践的なAWS FinOps
AWS Community Day Hong Kong 2025 Re:cap
15 リスク調整後資産リターンの革新
AWS Community Day Hong Kong 2025 Re:cap
FSI Recap
01 Modern Trade Lifecycle: Trading to Settlement
FSI Recap
02 Goldman Sachs: Fast Track your applications onto Cloud - AWS Re:cap Q1/2023
FSI Recap
03 Zurich Insurance Group: Building an Effective Log Management Solution on AWS
FSI Recap
04 FSI Meetup 2025 Q4 - Brex Database Disaster Recovery
FSI Recap
05 FSI Meetup 2025 Q4 - A Graviton Migration Success Story
FSI Recap
06 FSI Meetup 2025 Q4 - Stifel Modern Data Platform
FSI Recap
07 FSI Meetup 2025 Q4 - Financial Transaction Data Reconciler PayPal
FSI Recap
08 FSI Meetup 2025 Q4 - Scaling Resilience
FSI Recap
09 Maximizing AI Inference Cost Efficiency: Strategic Adoption of AWS GPU Instances
FSI Recap
10 Advanced Agentic AI Design Patterns
FSI Recap
11 Build New Modern Apps on AWS
FSI Recap
AWS re:Invent 2025
01 Coinbase re:Invent の要約 (IND3312)
AWS re:Invent 2025
02 AI と AWS を活用した未来の取引プラットフォームの構築
AWS re:Invent 2025
03 トレーディングイノベーション: Amazon Bedrock (IND3315) の Jefferies AI アシスタント
AWS re:Invent 2025
04 FSI がエージェント型 AI で HFT 分析に革命をもたらした方法 (GBL302)
AWS re:Invent 2025
05 Nasdaq をフィーチャーした Amazon Time Sync による分散システムの改善
AWS re:Invent 2025
06 Amazon Aurora HA および DR グローバル復元力のための設計パターン (DAT442)
AWS re:Invent 2025
07 エージェントの構築 AI: Amazon Nova Act および Strands エージェントの実践 (DEV327)
AWS re:Invent 2025
08 Amazon Aurora とそのイノベーションの詳細 (DAT441)
AWS re:Invent 2025
09 Amazon S3 の詳細解説 (STG407)
AWS re:Invent 2025
10 Nasdaq:グローバル金融サービス向けのレジリエントなインフラストラクチャを構築する (HMC327)
AWS re:Invent 2025
11 AWS Lambda の新機能 (CNS376)
AWS re:Invent 2025
12 Kiro によるスペック駆動開発 (DEV314)
AWS re:Invent 2025
13 Amazon の FinOps: 世界的な E コマース大手から学ぶクラウドコストの教訓 (AMZ308)
AWS re:Invent 2025
14 AWS 上のティック・トゥ・トレード低レイテンシ取引プラットフォーム
AWS re:Invent 2025
Government data
01 The AI Era: The Boundary Between Development and Design Is Disappearing
Government data
02 On-Device Multimodal AI and Smart-City Practice
Government data
03 Large-Model Capability Evaluation and a Method for Landing AI Projects
Government data
04 Controlled End-to-End Automation of Government Development with Cloud Agents
Government data
05 A New Software Ecosystem for the Agent Era, Seen Through Multi-Agent Systems
Government data
06 AI-Driven Macro Quantitative Research and Smart Governance
Government data
07 Authorized Operation of Public Data and Smart-Government Practice
Government data
08 Putting Data Assetization into Practice: Rights, Compliance, Engineering Governance, and Digital-Government Cases
Government data
09 AI for Mental-Health Public Welfare: Governance, Architecture, and Practice of a Trustworthy Platform
Government data
Amarathon 2025 振り返り
01 エージェント向けアーキテクチャ設計への開発者ロードマップ
Donnie Prakoso
02 Amazon Bedrock Data Automation
Hafiz Syed Ashir Hassan
03 AgentCore 上のマルチエージェント
Tan Xin
04 Nova Act と Strands Agents を実践で活用したエージェント型 AI の構築
Haowen Huang
04 仕様駆動開発と Kiro で移行プロジェクトを加速
Sanchit Dilip Jain
06 「マッチング」から「理解」へ: AgentCore Memory が実現するパーソナライズド AI 検索の実践
Liu Cao
07 観測から最適化へ – LLM オブザーバビリティから AIOps へ、リアルタイムの洞察をインテリジェントな自動化に変える
Jimmy Soh
08 TEAM の導入と最高のエンジニアリングチームの構築
Yuji Oshima
09 いわゆるサーバーレスデータベースの5年間から得た5つの厳しい教訓
Renato Losio
14 AI が私の仕事をしたらどうなるか Q Developer CLI と Kiro が私の日常業務をどう変えたか
Miguel Angel Muñoz
16 警戒を保ちながら迅速に:Amazon Bedrock エージェント開発に不可欠なセキュリティ
Brian Tarbox
26 1 台の H100 で OSS LLM をよりスマートに、低コストで、高速に実行
Adit Modi Adit Modi
28 最新の統合メタデータアーキテクチャ:データサイロを解消する新たなアプローチ
Shaofeng Shi
29 サーバーレス MediaOps:Amazon Web Services 上の AI による動画ワークフローの自動化
Luis Valdivia
30 大規模パフォーマンステストによる効率性と信頼性を重視したアーキテクチャ設計
Luis Guirigay
31 オープンソースで世界をつなぐ: テクノロジー、コミュニティ、グローバルな開発者関係をめぐる実践の旅
Richard Lin
33 リアルタイム物流分析のためのストリーミング Iceberg テーブルの構築
Fahad Shah
34 大規模ロボット戦略トレーニングの高速化: Kiro、Trainium、EKS に基づく自動クローズドループアーキテクチャ
Junjie Tang
35 仕様駆動開発で「Vibe」から実用レベルへ
Ricardo Sueiras
36 クラウドコスト分析をよりスマートに: StrandsとAgentCoreによるFinOpsインテリジェントエージェントの構築
Xiaofei Li
37 CNCF Kagent、K8sGPT、Nova Sonicを使用したK8s向け対話型エージェントAIOpsの変革
Shaoyi Li

Amazon Kiro とは?

● VS Code と互換性あり

● 最先端の Claude モデルを活用

● エンタープライズグレードのセキュリティ

アイデアとコードの隔たりを埋める

● 製品アイデアが PM からエンジニアへ伝達される際に忠実度を失うという課題に対応

● Kiro は AI の共同執筆者として機能し、非公式な概要を、常に更新されバージョン管理された仕様へ変換

● コーディング開始前に曖昧さを排除し、デリバリーサイクルを加速 従来の静的文書対 Kiro

の Living Specs

● 従来の静的文書は古くなりやすく、大量の手戻りや想定外の事態につながる

● Kiro の Living Specs はコードに合わせて自動更新され、テストとメトリクスに同期し、速度の測定可能な向上を実現 Amazon Kiro

のワークフロー

● Amazon Kiro 流の SDLC!

● 取り込み: 製品概要を受け付け

● 展開: AI がユーザーストーリーを展開

● 反復: 共同編集

● ロックとスタブ: 仕様を確定

● すべてのステップが追跡可能で、コメントを付けられ、Git の管理下にある


精度を高めるプロンプトエンジニアリング

● 簡潔でコンテキストが豊富なプロンプトから、最も正確で有用な仕様が得られる

穴埋めテンプレート

● ペルソナ: ユーザーは誰か?

● 問題: 何をする必要があるか?

● 成果: 成功とはどのような状態か?

● 非目標: スコープ外となるものは何か?

反復的な改善プロセス

● 人間がプロンプトを入力

● AI が提案

● 人間が検証

● 仕様がすべての内部品質ゲートを通過するまで、このサイクルを繰り返す


Amazon Kiro によるレガシーのモダナイゼーション

● 中核的なビジネスロジックを書き直すことなく、重要な COBOL、PL/I、Assembler を Graviton 上で管理する Java へ移行するための規範的パターン

● 自動変換: レガシーコードを最新の Java マイクロサービスへ変換

● データレプリケーション: メインフレームのデータをクラウドデータベースへリアルタイムに同期

● DevOps 統合: 迅速で信頼性の高いリリースに向けて CI/CD

パイプラインを確立 自動コード変換エンジン

● 解析: レガシーソースを抽象構文木(AST)へ変換

● リファクタリング: ルールベースの変換を適用し、コード構造をモダナイズ

● 出力: 慣用的な Java コードを Spring Boot マイクロサービスとして生成

● データ形式、トランザクション境界、監査証跡を維持

データ同期とメインフレームのオフロード

● AWS DMS と Kiro エージェントが、メインフレームのデータを Aurora PostgreSQL へほぼリアルタイムで複製

● 双方向同期: パイロットフェーズ中はメインフレームが引き続き信頼できる情報源となる

● ゼロダウンタイムの切り替え: 単純な DNS 切り替えによってトラフィックをクラウドへ移行

ゼロトラストセキュリティ

● すべてのマイクロサービスは、デフォルトで分離され、保護される

● 最小権限 IAM: 最小限の権限を持つ一意の IAM ロール

● 暗号化: KMS が保存中および転送中のデータを暗号化

● 継続的モニタリング: CloudTrail と Guard Duty が SOX、PCI、HIPAA

に対応する監査証跡を提供 ロールベースのアクセスとレビュー

● [ 1 ] プロダクトマネージャー: ストーリーとユーザー向け要件を担当

● [ 2 ] テックリード: システムアーキテクチャと技術設計を担当

[ 3 ] QA エンジニア: 受け入れ基準とテスト計画を担当

● Amazon Kiro は承認を追跡し、未解決のコメントを明示し、すべての役割が承認するまでマージをブロック 実際の効果に関するケーススタディ

グローバル銀行

● top-20 銀行のある一行が Kiro を使用し、リテール決済向けの 14 million 行の COBOL を移行

● 一度の週末で、失敗したトランザクションをゼロ件に抑えたシームレスな切り替えを実現

● インフラストラクチャコストを 68% 削減

● MIPS(メインフレーム負荷)を 90% 削減

● リリース頻度が四半期ごとから毎週へ向上し、AI イニシアチブ向けの予算を確保

移行ロードマップ

● 6 週間のパイロット版ブループリント:

● 第 1-2 週: プロビジョニングと変換

● 第 3 週: 同等性を検証

● 第 4 週: CI/CD パイプライン

● 第 5 週: 5% のトラフィック

● 第 6 週: メトリクスとレビュー