Atos、AWS AI Leagueで400人をエージェント型AIに実践育成

実施に至った背景

AtosはAWSとのパートナーシップのもと、2026年に400人のエンジニアを対象とした「AWS AI League」を開催した。Atosは2025年に強化学習とモデル微調整の分野で同様のAI Leagueを実施しており、今回はエージェント型AI（agentic AI）に領域を広げたものだ。オンラインの講座や教室での講習は基礎を築くものの、実際のビジネス課題にAIを応用するための自信や実務経験を必ずしも与えてくれない、という課題意識があった。

参加者のスキルは事前に把握されており、5%がエージェント型AIの知識なし、25%が基本的な知識あり、50%が理解はあるが実務経験なし、20%が実務経験ありだった。中にはAWSを初めて使う参加者や、プロダクトオーナーやプロジェクトマネージャーなど非技術職も含まれており、一様でないスキルセットの集団を短期間で底上げする試みといえる。

課題とAWSの構成

参加者が取り組んだ課題は、ダンジョンの迷路を自律的に探索して宝に到達するAIエージェントの開発だ。迷路上には挑戦タイル、罠、コインなどが配置され、制限時間と残機が設定される。正解でポイントを得る一方、不正解は残機を減らす。コイン収集や終了時の残機数も得点となり、応答が簡潔なほど高得点になるため、効率性も重視された。

システムはAmazon Bedrockを核とし、Amazon Bedrock AgentCoreでマルチエージェントの実行環境を構成した。AgentCoreのゲートウェイはModel Context Protocol（MCP）によりLambdaの関数呼び出しを中継し、迷路探索では幅優先探索（BFS）、Webスクレイピング、コード実行などを実行する。参加者はこまめなプロンプト作成、ガードレールによる安全対策、そしてAmazon SageMakerでのモデル微調整（RLVR）にも取り組み、開発中の動作確認にはAmazon CloudWatch Logsを利用した。

AI Leagueのイベント設計

AWS AI LeagueはAWS Workshop Studio上で動くターンキー形式の教材で、1日から3日間までの開催枠が選べる。Atosは仕事と両立しやすいように3日間を選び、公式セッションとしてキックオフワークショップ（2時間）、毎日のオフィスアワー（1時間）、ファイナル（1時間）を設定した。それ以外は各自が自律的に作業を進める時間になるため、一般的な集合研修よりも実装に充てる時間を多く確保できる。

通常のワークショップは概念を教えることが中心になるが、AI Leagueは「動作するシステムをリーダーボードの得点という形で評価する」点が特徴だ。競争が参加者の能動性を引き出し、使うサービスもAmazon BedrockやAWS Lambdaなど実務と同じものが選ばれている。研修の枠を超えて、開発したスキルをそのまま顧客のシステムに応用できる形にしている。

参加者が得た学び

運用面での重要な気づきとして、プロンプトはトークン予算との兼ね合いが重要だという点があった。余計なトークンを増やすとスコアが下がるため、簡潔な指示と必要なツール呼び出しだけを行う設計が求められた。エージェントを小さな専門単位に分けるか多機能にまとめるかも、レイテンシ、信頼性、コストのトレードオフとして意識されるようになった。

ガードレールの調整も、過剰にブロックすると本来通すべき入出力を遮り、緩いと不適切な内容を通してしまうという難しさがあった。迷路の経路探索ではスピードやリスク、訪問順序といった実運用同様の判断を迫られる。さらに、CloudWatch Logsで仮説検証をしながら改善した参加者の伸びが大きかったほか、KiroのようなAI開発ツールを問題の文脈ごと使うことで生産性が上がったことが報告されている。

結果と残る論点

イベントの結果、登録データに基づき400人のエンジニアがハンズオンでエージェント型AIを学んだとされる。上位入賞者はカスタム経路探索やガードレール、記憶を持つエージェント、トークン削減のための微調整モデルなど、実際のプロダクト開発と同水準の実装をしていた。社内には顧客案件にエージェント型AIを適用できる人材が育ち、自信を持って取り組める体制が整ったという。

一方、公開情報は主催者側の視点に基づくものが中心で、研修の費用対効果や参加者のその後のパフォーマンスへの影響は定量的に示されていない。AWS AI Leagueの一般企業向け提供条件や日本での利用可否も明らかではないため、他社が導入する際はこれらの点を個別に確認する必要があるだろう。