AWS Summit Seoul 2026: 韓国企業とエージェンティック AI

AWS Summit Seoul 2026 の中心にあったのは、生成 AI からエージェンティック AI へのシフトでした。サムスン電子、Yogiyo、Yanolja といった韓国企業は、顧客向け copilot ではなく AIOps とインフラ運用を入口とする本番導入パターンを示しました。繰り返し登場したスタックは Amazon Bedrock AgentCore、Kiro、Amazon EKS です。何が重要だったのか、プラットフォームチームは何を持ち帰るべきかを整理します。

ここ数年、AI をめぐっては同じ問いが繰り返されてきました。モデル、GPU、データセンターにこれだけ投資して、いったいいつ回収できるのか、というものです。決算説明会やアナリストレポートではバブルの可能性がたびたび指摘され、2024 年に生成 AI の PoC に踏み切った企業も、本番環境での成果が出るのを待ち続けてきました。

AWS Summit Seoul 2026 では、サムスン電子、Yogiyo、Yanolja が本番運用志向のエージェンティック AI / AIOps 事例を、KB 国民銀行が本番規模の KBaaS API インフラ・モダナイゼーション事例を発表しました。これらのセッションは合わせて、韓国の企業が AI 時代のクラウド・アーキテクチャを運用、開発、エンベデッド・ファイナンスに適用している姿を示しています。本記事では、イベント全体の構成、エンタープライズ各セッションが示したもの、最も頻繁に登場した AWS のツール群、そして自社の計画に応用できる主要パターンを整理します。

この日に提示された大きな流れ

AWS Korea CEO のハム・ギホ氏は基調講演の冒頭で Generative AI、Agentic AI、Physical AI の 3 段階を示しました。Agentic AI はその「能動的なフェーズ」と位置付けられ、大規模言語モデルが単にプロンプトに答えるのではなく、推論エンジンとして計画を立て、ツールを使い、アクションを実行する段階だと説明されました。Physical AI はその次のステップとして提示され、韓国のロボティクス、AI チップ、製造企業向けの新しい Physical AI Frontier Program もあわせて発表されました。このプログラムはデータ収集からエッジ推論まで幅広く支援し、グローバル展開もサポートします。

AWS CFO の Jon Felton 氏は、2031 年までの韓国への累計 12 兆 6,000 億ウォン投資計画を発表しました。これはグローバルなクラウド・プロバイダーによる韓国への投資としては過去最大規模と公にされており、2023〜2027 年の韓国 GDP への寄与は 15 兆 600 億ウォンと推計されています。その後の Industry Day の講演は、このコミットメントが現場でどう形になっていくかを示すものでした。

基調講演では、イベントで前面に押し出された主要なエージェンティック・ツールも紹介され、Vice President の Jason Bennett 氏が一つずつ解説しました。

• Kiro: ソフトウェア開発のための新しいエージェンティック IDE。ステージ上では Claude Code や Copilot 系のコーディングアシスタントと並ぶプロダクトとして紹介されました。
• Amazon Quick Suite: インサイトの発見、リサーチ、タスクの自動化、データの可視化、アプリ横断でのアクション実行を可能にするエージェンティック AI ワークスペース。
• AWS Transform および AWS Transform Custom: メインフレーム、VMware、Windows、レガシーコードのモダナイゼーション向けのエージェンティック・モダナイゼーション・ツール。バージョンアップグレード、ランタイム・マイグレーション、言語変換、アーキテクチャ変更などに対応します。

エンタープライズ・セッションが実際に示したもの

エージェンティック AI 関連の各セッションでは 1 つのパターンが見えてきましたが、それは全社共通ではありませんでした。サムスンと Yanolja はいずれも、Supervisor あるいは Core Agent 構造を採用し、専門エージェントに作業を委譲しています。Yogiyo は Bedrock AgentCore ベースの AIOps ワークフローを示し、運用データやツール機能と連携させていました。KBaaS はこれらとは別系統で、エンベデッド・ファイナンス向けの EKS 上の API プラットフォームとゲートウェイのモダナイゼーション事例でした。

数字を見ると、これが実験ではなく実際の本番導入であることが明らかです。サムスン電子の Samsung Account は、21 億ユーザー、50 以上のサービス、毎秒 270 万件超のリクエスト、4 リージョンにまたがる EKS（70 以上のネームスペース）上で毎秒 20 万件のトランザクションを支えています。サムスンは Day-1 AIOps の目標として MTTR 90% 以上の短縮、10 分以内のインシデント検知 99%、人手介在（human-in-the-loop）のオペレーション業務を 20% 未満に抑えることを掲げ、「Toil 0% / Human First」を目指すロードマップの一環として推進しています。KB 国民銀行の KBaaS プラットフォームは、サードパーティの API ゲートウェイから AWS EKS 上の自社ゲートウェイへ切り替えた後、約 1,800 の API と 1 日 2 億コールを処理しています。Yogiyo は、障害時に複数のコンソールやログを行き来していた運用から、AgentCore ベースの AIOps ループへ移行し、メトリクスの観測、相関分析、変更履歴の比較、RCA のグラウンディングを 1 つのワークフローにまとめたと紹介しました。Yanolja は最も技術的な詳細を共有し、DevOps と SRE のドメイン特化エージェントを Bedrock AgentCore Runtime 上の Core Agent が管理し、SDK として Strands Agent を採用し、エンドツーエンドの認証も実装していると説明しました。

サムスン、Yogiyo、Yanolja はいずれもエージェンティック AI 事例の中心を、顧客向けの copilot ではなく AIOps やインフラ運用に置いていました。KB 国民銀行の事例は別系統ですが関連する本番パターンを示しており、エンベデッド・ファイナンス向けに EKS 上の大規模 API プラットフォームをモダナイズしています。

開発側でこれに対応する取り組みが AI-DLC（AI-Driven Development Lifecycle）で、これは AWS が打ち出した AI 主導の開発プロセスです。検証と最終承認の段階で人間が確認する。サムスンはこの方式でリードタイムを 70% 短縮し、LG 電子 MS 事業部は生産性が 2 倍になったと報告しました。中心にある考え方は、意図と実行を切り分けることです。何をすべきかを決め、結果を確認するのは人間で、その間の手順はエージェントが担います。

繰り返し登場した AWS ネイティブ・スタック

エンタープライズ・セッションでは、いくつかの主要コンポーネントが繰り返し登場しました。

• Amazon Bedrock AgentCore はサムスン、Yogiyo、Yanolja に共通して登場しました。Yanolja は Bedrock AgentCore Runtime を Strands Agent と認証とともに明示的に提示し、Yogiyo は Amazon Bedrock AgentCore を Runtime、Memory、Gateway、MCP ツール機能と組み合わせた AIOps アーキテクチャを示しました。サムスンは AgentCore ベースの Supervisor、Domain、Task の各エージェントによる AIOps アーキテクチャを示しました。
• Kiro はエージェンティック IDE として使われ、サムスンが Amazon Quick Suite や Bedrock AgentCore とともに自社のツール群に組み込んでいました。
• Amazon EKS は、稼働基盤が明示されていた 2 つのケース、Samsung Account と KBaaS のホスティング基盤でした。

押さえておきたいテーマ

この日、いくつかのパターンが目立っていました。第 1 に、Supervisor パターンが独立して 2 回登場しました。サムスンと Yanolja が事前のすり合わせなく同じ構造に辿り着いていることは強いシグナルです。第 2 に、4 社中 3 社（サムスン、Yogiyo、Yanolja）で、最初の領域は顧客向け copilot ではなく AIOps やインフラ運用でした。KB 国民銀行はその代わりに、エンベデッド・ファイナンス向けに EKS 上の API プラットフォームをモダナイズしています。第 3 に、意図的に人間をループの中に残しています。Datadog のセッションはこの点を明確に示しており、主導権と判断は人間側に残し、実行は Datadog AI Agent Builder を通じてエージェントが担う、と整理しています。開発側のサムスンの AI-DLC アプローチも同じ原則です。第 4 に、インフラ側も追いつく必要があります。GS Neotek のセッションでは、エージェント・ワークロードにおける GPU の本当の問題は不足ではなく、低い利用率、過剰なアイドル時間、過剰な割り当てであると指摘されました。そして、ワークロード要件、共有ポリシー、トポロジーまで考慮する次世代の運用モデルとして、EKS 上での Dynamic Resource Allocation（DRA）が提案されました。