Amazon Bedrockの発表内容
AWSが「Amazon Bedrock」と「AtScale」を連携させるデータ分析の構築手順を公開しました。自律型AIエージェントが「Amazon Redshift」のデータを安全に分析できる構成を提示しています。
この構成では、「Amazon Bedrock AgentCore」がエージェントを実行します。基盤モデルの「Anthropic Claude Sonnet 4.6」が質問を解釈して問い合わせ文を作成します。エージェントは「AtScale」の「MCP (AIと外部ツールを接続する共通規格)」サーバーを経由してデータ意味層に接続します。
データ意味層はGitで管理する「SML (意味層を定義する言語)」で記述します。「AgentCore Identity」が利用者の認証情報を「AtScale」へ伝達します。「AtScale」が「RBAC (利用者の役割に応じたアクセス制御)」や行単位の制御を適用し、RedshiftへネイティブSQLを送信して集計を高速化します。
この仕組みを導入すると、社内の既存BIツールと自律型AIが同じ定義から同じ計算結果を取得できます。プロンプトに複雑な結合条件や閲覧制限を書き込まずに、顧客データの横断的な集計を安全に任せられます。
つまり、どういうこと？
ざっくり言うと、AIとデータベースの間に「社内ルールの通訳兼守衛」を置く仕組みです。
AIに直接データベースを操作させると、計算式を間違えたり、見てはいけない個人情報まで引き出したりする危険があります。そこで意味層という通訳係を挟み、計算ルールを統一しつつ、質問した人の権限に応じた数字だけをAIに渡します。
編集部の見方
プロンプトに頼らずデータ層で物理的に閲覧制限をかける設計思想は、かなり実用的です。指示文だけで守らせる運用には無理があるため、筆者はこの堅牢な設計に納得しました。
信頼に関わる問題です。
ただ、既存のBIツールとAIエージェントで計算の定義が食い違う問題は、企業でのAI導入を阻む大きな壁でした。同じ計算式を共有できる基盤が整えば、社内レポートの不一致に悩まされる場面は減りそうです。
そこで、Redshift上に分析基盤を持つ企業なら、まずはテスト環境でMCP接続の挙動を試してみるのが賢い選択だと思います。今後はAWSの公式ドキュメントで、他社データ基盤向けの検証コードが追加されるタイミングを注視したいところです。
誰に関係するか
Redshiftで顧客データを管理している人は、プロンプトに結合条件を書かずに自律型AIへ安全な集計を指示できるようになります。
