金融系の企業で働くエンジニアです。
AWS re:Inventに参加する機会をいただきました！
Matt Garmanのキーノートの感想を現地の写真とともに最速でレポートします！
サマリー
予想通り、生成AIトレンドです。具体的には、BedrockやAmazon Qの機能追加に加え、Novaのアップデート（Speech-to-Speech対応）もありました。さらにLLMに特化した新しいEC2インスタンスTrn2）の発表も注目ポイントでした。
注目技術
1. Amazon Aurora DSQL
マルチリージョンで強い一貫性と高可用性を保てるようになりました。
アクティブ/アクティブ構成のため、セキュリティパッチ適用時などにあるダウンタイムの心配もありません。
今まではデータ更新時に何度もリージョン間のやり取りがありましたが、コミット処理をただそれぞれのデータベースが処理するようになりました。Amazon Time Sync Serviceを使うことで正確な時間を参照し、コミット履歴を正確な順序で捉えるような仕組みによって実現しているようです。
2. Amazon S3 Table
大量のパケットファイルがあり、それによりコストとパフォーマンス劣化が今までのDatalake連携の課題でした。icebergに最適化された形式のデータ形式、それがS3 Tableです。
今までパケットファイルで分割されていたものを1まとめに管理することでトランザクションが10倍に向上するようです。（12/6追記 Glue data catalogの自動連携がサポートされておりCrawlerを作成する必要がないようです）
3. Amazon S3 Metadata
ファイルのメタデータを自動で抽出してくれる機能です。例えば、ファイルがどこに保存されているかを簡単に把握できるようになります。ファイル管理の効率化に非常に役立ちそうです。
4. Amazon Bedrock Knowledge Bases（Automated Reasoning checks）
推論結果を自動でチェックする機能が追加されました！
自動推論ポリシーを設定すれば、ワークフローの中で自動チェックしてくれるようになるようです。
金融系の企業では、顧客分析や与信判定で機械学習を活用したいというニーズが高まっています。
一方で、誤判定によるリスクが残っており、それを防ぐためのビジネスルールの設定をアプリケーション側で行わなくてよくなるのかな？と捉えました。
5. Combining QuickSight and Amazon Q Business Data
ビジネスデータのサイロ化を解消するというテーマで、Amazon QとQuickSightの統合に関する新機能が発表されました。問い合わせ履歴や購入履歴をAmazon Qで集約し、QuickSightのダッシュボードで可視化できるようになります。
実際、ビジネスデータを綺麗なテーブルにまとめるのは手間がかかります。例えば、顧客の累計LTVを問い合わせや購買傾向に紐づけて分析することができそうです。
結論
"We Invent so you can reinvent"という言葉でプレゼンは締めくくられました。
今回学んだ技術を生かして、事業アーキテクチャを常にアップデートしていきたいです。
ビジネスサイドのメンバーにも紹介したくなるような技術のリリースが多かったです。
生成AIは普段の業務であまり使わないので、気持ちストレージやデータベース中心の内容となってしまいましたことご容赦ください（笑）
以上、re:Invent 2024 keynoteの独断サマリでした！
また興味深かったセッションやLTなど別記事でまとめようと思います！