AWS Machine Learning Blogのケーススタディによると、OneAdvancedはAWSロンドンリージョンでホストされたインフラ上で50を超える専門エージェントを稼働させる、英国主権のAIプラットフォームを構築した。英国のエンタープライズソフトウェア企業である同社は、リージョン内で使用したかったAWSのマネージドサービスでは利用できなかったため、MetaのLlama 4 MaverickとLlama Guard 4を自社ホストした。

このデプロイは、医療や法務サービスなどデータ所在地が調達・コンプライアンス上の中核要件となる規制業界のOneAdvanced顧客向けに設計されている。アーキテクチャは、モデル提供にAmazon SageMaker AI、エージェントのワークロードにAmazon ECS、そしてAmazon Aurora PostgreSQL-Compatible Editionとpgvectorを中心とした検索システムを組み合わせている。

このプロジェクトは、エンタープライズAIチームにとっての現実的なトレードオフを示している。マネージドなモデルサービスは実験を加速できる一方、主権要件により、モデル、GPU、オーケストレーション、安全対策、データパイプラインを顧客自身が運用する必要が生じることがある。

Bedrockのプロトタイプから自社ホストモデルへ

OneAdvancedは当初、Amazon BedrockでAI機能のプロトタイプを作成した。AWSによれば、同社は2週間で、チャット補完、英国法令を問い合わせるエージェント、Snowflake連携、チャート生成を含む動作するスプリントを作り上げた。

しかし、その方法では、モデルが英国ベースの自社AWSアカウント上でのみ実行されるべきだという同社の要件を満たせなかった。AWSが説明した時点では、Llama 4 MaverickとLlama Guard 4は、英国リージョンで利用したい関連マネージドサービスでは提供されていなかった。そのためOneAdvancedは、直接制御できる英国インフラを使う自社ホスト設計へ移行した。

その結果として生まれた英国主権AWSプラットフォームは、Amazon SageMaker AIエンドポイント上のvLLMを通じてLlama 4 MaverickとLlama Guard 4を提供している。モデルはロンドンリージョンのp5.48xlargeインスタンス上で稼働し、Hugging FaceのモデルとAWS Deep Learning Containersを使用している。AWSによると、OneAdvancedは当初p4d.24xlargeインスタンスを使い、その後、本番運用と長いコンテキスト要件のためにP5ハードウェアへ移行した。

同社は、大規模文書の分析や複数ターン会話向けに、およそ120,000〜128,000トークンのコンテキストウィンドウを目標としている。AWSは、助言支援中の負荷テストがスループット要件を検証したと報告しているが、ケーススタディにはレイテンシ、リクエスト量、可用性、コストの数値は示されていない。

エージェントプラットフォームの仕組み

中核となるエージェント層は、Strands Agents SDKで作成されAmazon ECSにデプロイされた50以上のタスク特化型エージェントで構成される。各エージェントは独自のシステムプロンプトとツール設定を持ち、任意の入力フォームは、オープンエンドなチャットインターフェースで対話したくないユーザーを支援する。エージェント設定はAmazon DynamoDBに保存される。

AWSによると、OneAdvancedは最初のエージェントから3週間で50以上に増やし、その大半は1日未満で作成された。ライブラリは、医療、法務、人事、マーケティング、物流、教育などの分野をカバーする。AWSが挙げた例には、ケアインシデント対応アシスタント、臨床安全通知ジェネレーター、文書比較ツール、評価面談アシスタント、AWS Architect Agentが含まれる。

ワークフローは、Llama Guard 4がユーザー要求に有害コンテンツがないか確認するところから始まる。要求が通過すると、Amazon ECS上の適切なエージェントに振り分けられる。エージェントは専門ツールを呼び出し、Amazon S3に保存された文書から関連情報を取得し、pgvectorで支えられたベクトルインデックスを検索できる。

S3にアップロードされた文書はMarkdownに変換され、チャンクに分割され、検索用に埋め込み化される。このRetrieval Augmented Generation、すなわちRAG層は、応答をモデルの内部知識だけに頼るのではなく、組織自身の資料に基づかせることを意図している。

証拠が示すこと、そして示さないこと

詳細な技術解説は、OneAdvancedに助言し、アーキテクチャを顧客事例として公開したAWSによるものだ。したがって、エージェントライブラリの規模、3週間の構築期間、大半のエージェントが1日未満だったという主張など、普及と速さに関する最も強い主張は、独立監査ではなくベンダー報告である。

同じ注釈は、報告された負荷テスト結果にも当てはまる。AWSは、デプロイがOneAdvancedのスループット要件を満たしたと述べるが、試験方法、トラフィック特性、応答時間目標、失敗率、本番利用率は明らかにしていない。また、50以上のエージェントのうち何個が顧客に実際に使われているか、事業インパクトの内訳も示していない。

主権の成果は、アーキテクチャの説明としてはより具体的だ。AWSによると、このソリューションはモデルホスティングと顧客データを英国環境内に保持し、OneAdvancedのAIガバナンス向けISO 42001認証の支援にも役立った。ただし、これは下流のすべてのコンプライアンス義務が自動的に満たされる証拠と読むべきではない。居住性、アクセス制御、保持、監査可能性、サプライヤーガバナンスは、サービス全体をどのように構成・運用するかに依存する。

OneAdvancedのCTOであるAndrew Henderson氏は、英国のデータ主権は多くの公共部門および規制業界の顧客にとって厳格な要件だと述べた。この経営上の理由付けは中核設計の選択を説明するが、あくまで企業の見解であり、プラットフォームのコンプライアンス姿勢に関する独立評価ではない。

このデプロイがAIビルダーにとって重要な理由

プロダクトチームにとって、この事例は「データを国内に保つ」という単純な要件の背後に隠れたエンジニアリングコストを浮き彫りにする。望ましいモデルがローカルのマネージドサービスカタログにない場合、チームはモデルライセンスの確保、希少なGPU容量の確保、推論サーバーの展開、スケーリングの実装、安全性と検索レイヤーの維持を自分たちで行う必要があるかもしれない。

このアーキテクチャは、ホスト型AI APIではしばしば一体化される責務も分離している。SageMaker AIがモデルエンドポイントを担当し、ECSがエージェントとツールを実行し、S3がソース文書を保存し、Aurora PostgreSQLがベクトルデータベースを提供し、DynamoDBがエージェント設定を保存する。このモジュール性はOneAdvancedに制御をもたらす一方で、監視・保護・トラブルシュートすべき運用上の接点を増やす。

Llama Guard 3からLlama Guard 4への移行も、実用上の重要な संकेतだ。AWSによると、OneAdvancedは旧モデルで高い誤拒否率を確認し、これを置き換えた。本モデルの前にリクエストを順次ふるいにかけることで一部のリスクは減らせるが、同時に誤検知、見逃し、レイテンシ、言語やドメインのカバレッジについて検証すべきゲートが1つ増える。

エンタープライズ購入者にとって重要なのは、エージェント数よりもその背後にあるガバナンスモデルだ。50エージェントのライブラリは専門的なワークフローのパッケージ化を容易にするが、各エージェントはプロンプト、ツール、権限、検索ソース、そして場合によっては異なる障害モードを持ち込む。ノーコードのエージェントビルダーは非技術ユーザーへのアクセスを広げる一方、承認ワークフロー、テスト、バージョン管理、利用監督の必要性を高める。

次に注目すべき点

今後注目すべき有益なシグナルは、見出しのエージェント数よりも運用面にある。OneAdvancedは、本番での利用状況、応答時間と信頼性の目標、GPU利用率、自社ホストとマネージド推論のコスト差を開示できるだろう。こうした数値は、主権が追加インフラ負荷を正当化したかどうかを購入者が評価する助けになる。

また、関連するLlamaモデルが英国のマネージドAWSサービスで利用可能になり、それがOneAdvancedのアーキテクチャを変えるかどうかも注視に値する。ローカルのマネージドオプションは、モデルのバージョンと設定に対する制御を維持しつつ、データ居住要件を守りながらプラットフォーム保守を軽減できる可能性がある。

さらに、導入後にエージェントがどのように統制されるかも示されるべきだ。誰が新しいツールを公開できるのか、検索ソースはどのように承認されるのか、有害コンテンツの判断はどう監査されるのか、ISO 42001のプロセスはエージェントのライフサイクル全体をカバーするのか。これらの詳細は、初期プロトタイプの速さよりも規制対象顧客にとって重要になる。

Creati.aiの視点

OneAdvancedの導入が注目されるのは、「50エージェント」という数字がAI成熟度の普遍的指標だからではなく、AIデモと主権的なエンタープライズプラットフォームの間の実際の境界を示しているからだ。同社は初期実験にマネージドサービスを使い、地域でのモデル उपलब्ध性がデータ要件に合わないと判断した時点で、自社ホスティングの運用複雑性を受け入れた。

ビルダーにとっての教訓は、データ居住性、モデル可用性、安全性スクリーニング、検索品質、GPU経済性を1つのアーキテクチャ判断として扱うことだ。購入者にとって、AWSの説明は実行可能なパターンの有用な証拠だが、欠けている本番指標のため、独立に検証されたベンチマークではなく実装ブループリントとして評価すべきである。