← Financial Cloud Cloud Cloud Club · AWS Re:cap

Vertex Macro|Financial Cloud Cloud · AWS Re:cap

AWS Re:cap 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)

スピーカー: AWS re:Invent 2025

セッション: 13

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

動画: https://www.youtube.com/watch?v=-GuZhm4XGxM

Amazon のモダナイゼーションの歩みから得られた主な教訓

● AWS Billing and Cost Management サービスをベースにした構築

● FinOps 実践のための基盤

● Amazon は AWS 上で事業を運営しているため、包括的な FinOps の取り組みが必要

● 月次クラウドコスト向けのカスタム財務レポートから開始

● AWS データ エクスポート、コストおよび使用状況レポート (CUR)、およびその他の AWS 請求サービスへの移行

● 月次/アカウント単位から ARN/時間単位の可視化へ移行

● チーム全体(ビルダー、リーダー、財務、FinOps)にコストデータを広く提供

● セルフサービスのコスト分析とリアルタイムの意思決定のために Cost Explorer を有効にする

● コスト管理を改善するための組織全体のタグ付け戦略の導入

● Compute Optimizer や Cost Optimization Hub などの AWS 機能との統合

● 集中レポートからコスト インテリジェンスの分散モデルへの移行

● AWS Organizations を活用して一貫したコントロールと集約されたツールセットを実現

ビジネスと連携したメカニズムによる効率の推進

● 課題: コスト管理慣行の広範な導入

● 重要な洞察: クラウドのコストをチーム レベルでのビジネス成果に結び付ける

● AWS Cost & Usage Report (CUR) の詳細なコストとチームが重視するビジネス指標を組み合わせる

● 支出額と、1 ドルの支出から得られた価値を可視化

インテリジェントな自動化による FinOps プラクティスの拡張

● FinOps を効率的に拡張するためのプロセスの自動化に重点を置く

● 使用される特定の自動化戦略とツールの詳細

● FinOps プラクティスの維持と拡張における自動化の重要性を強調

ビジネスコンテキストの統合

コストとビジネスの成果を結びつけて導入を推進

● 導入の鍵: コストをチームのビジネス成果に結び付ける

● アカウントおよびタグベースのコスト配分をビジネスコンテキストと投資追跡に組み込む

● AWS コスト管理サービスで投資収益率分析を自動化し、

● コストの可視化を簡素化

● AWS Cloud Intelligence Dashboard (CID) を使用し、実行可能なインサイトと最適化の機会を提示

● AWS サービス固有の予算データと実際の使用量を重ね合わせ、予算差異を表示

● 財務チームと業務効率チームがコスト削減の取り組みや予算/予測の修正に対処できるようになりました

● コンテキスト化されたビジネス データと AWS インフラストラクチャの使用状況を統合

● チームがサービスを詳細に分析できる、役割別のビューを作成。

● 実例:

● チームはコストのスパイク、元のアカウント、サービス、リソースを特定できます

● 収益や予算などの指標と合わせてビジネスへの影響を視覚化します

● コスト急増を個人や施策に関連付け、直ちに対応。

● 効率性へのアプローチの進化:

● 効率性に画一的なアプローチはないと認識

● 測定された基本的なリソース使用率メトリクス (CPU、メモリ、ネットワーク スループット)

● ワークロードが異なれば、効率化のアプローチも異なります。

● 中央集約型の効率化メカニズムを構築

● ビジネス固有の効率を追跡

● 中央で合意された理想に対するリソース使用率の監視

● 該当する事業分野の効率性とコスト削減の大幅な向上を達成

ビジネスコンテキストの統合(続き)

クレジットスコア指標

● さまざまなサービスにわたるリソース効率を測定するために、クレジット スコアと呼ばれる指標を作成しました

● 中央基準を洗練するための反復的なアプローチ

● 中央効率化キャンペーンとの整合性を評価 (容量使用率、ストレージ クラスの最適化など)

● ビジネス データ (収益、予算) と関連付けて、事業分野全体の FinOps の成熟度を測定します

● チームによる最適化と大幅なコスト削減を実現。

● 週次効率スコア:

● チームはコストに関する推奨事項を含む毎週の効率スコアを受け取りました

● 推奨事項はテクノロジー カテゴリ (ストレージ、コンピューティング、生成 AI、データベース、ネットワーク) ごとにグループ化できます。

● アカウント、チーム、所有者に関連付けられた推奨事項

● すべての関係者(財務チーム、リーダー、テクノロジーオーナー、業務効率化チーム)が、それぞれの視点でデータを確認可能。

● FinOps プラクティスを拡張するための自動化:

● 真のクラウド財務管理は継続的なインテリジェントサイクルです

● AWS サービスと自動ワークフローを統合して、手動プロセスを自己改善システムに変換

● FinOps 自動化の歩みは、クラウドコストの可視性向上から開始

● インフラストラクチャ支出パターンに対するより深い洞察を備えたシステムを作成するための継続的な反復

● それぞれの改善が学習サイクルにフィードバックされ、インテリジェントなクラウド財務管理に向けた機能が強化されます

● 効果的な FinOps 自動化には、傾向、予算差異、容量要件を包括的に使用する必要があります

インテリジェントな自動化による FinOps プラクティスの拡張

通知と自動応答

● チームは優先チャネルを通じて最適化の機会の通知を受け取ります

● 十分に理解されたシナリオの場合、チームは自動応答をトリガーするポリシーとしきい値を定義できます。

● 信頼を築き導入を促進するには、自動化と監督のバランスが重要。

● 透明性による信頼の構築:

● FinOps の拡張には一貫した透明性が必要

● すべてのアクション (自動または手動) を詳細に記録し、追跡する必要があります

● チームはインフラストラクチャのコストに何が起こっているのか、そしてその理由を正確に把握する必要があります。

● 自動化と計画機能の導入には透明性を最優先するアプローチが不可欠。

● 人間の洞察と自動分析の組み合わせ:

● 特に小売業に影響を与える

● AWS サービスを基盤として FinOps 自動化の取り組みを開始します

● まずはコストの可視化に重点を置きます

● よく理解されているプロセスを段階的に自動化します (財務計画、OP1 サイクル、計画、キャパシティ管理など)

● 透明性と実績で信頼を築き、自動化の範囲と高度化を拡大

● 目標は人間を排除することではなく、自動化によって人間の能力を強化することです

独自の FinOps ロードマップの構築

強固な基盤

● カスタム ツール、メカニズム、プロセスから始める

● AWS 請求およびコスト管理サービスは、カスタム ソリューションよりも優れた可視性を提供します

● AWS Cost and Usage Report は、きめ細かいコスト管理のための詳細なデータを提供します

● Cost Explorer は分析機能をチームに直接提供します

● AWS Organizations により大規模なガバナンスを実現。

● ビジネス成果とクラウドコストの連携:

● ビジネスの成果がクラウドのコストに結びついたときに真の変革が起こる

● 収益に対するコストの帰属を理解することは、単に支出を知ることよりも実用的です

● AWS Cost Intelligence Dashboards は、目標に沿ったチームレベルの価値と指標を表示。

● 規模と効率性のための自動化:

● 月次レビューから日次最適化アクションへ

● インテリジェントなシステムが異常を検出し、最適化を推奨し、改善を自動的に実施します

● チームは戦略的な意思決定に集中し、自動化により日常的なタスクが処理されます

● 自動化による大規模な運用