AWS SageMaker AI が9つのスキルを持つエージェント型ファインチューニングワークフローを導入、KiroとClaude Codeと統合

2026年5月4日、AWSはAmazon SageMaker AIにエージェント型ワークフローを導入しました。これは9つの組み込みエージェントスキルを通じたモデルカスタマイズへの対話型アプローチを提供するシステムで、JupyterLab環境でKiroとClaude Codeと直接統合されています。深いML専門知識の要件を自然言語での問題記述に落とし込み、エージェントシステムがパイプラインの各ステップで編集可能なJupyterノートブックを生成することを目的としています。

エージェント型ワークフローの開始方法

開発者はSageMaker AI Studio JupyterLabのチャットパネルで自然言語（例：「ステップバイステップで医療ケースを解釈する臨床推論モデルが必要です」）でユースケースを説明します。コーディングエージェントが関連するスキルを特定し、順次起動して、各フェーズで開発者が実行前に修正できる編集可能なJupyterノートブックを生成します。AWSは発表でエージェントスキルが「生産性を高めるだけでなく、ターゲット起動によるトークン消費も削減する」と述べています。

9つのスキルはカスタマイズライフサイクル全体をカバーしています：ユースケース定義、計画/発見、ファインチューニング設定、データセット評価、データセット変換、ファインチューニング、モデル評価、モデルデプロイ、オーケストレーションステップ。SFT（教師ありファインチューニング）、DPO（直接選好最適化）、RLVR（検証可能な報酬を用いた強化学習）をサポート。対応モデルファミリー：Amazon Nova、GPT-OSS、Llama、Qwen、DeepSeek。

KiroとClaude Code統合の違いは？

Kiroはデフォルトエージェントで、SageMaker AI Studio JupyterLabチャットパネルに事前設定され、デバイスフローで認証されます。Claude Codeはnpmパッケージ@zed-industries/claude-agent-acpでインストールし、ACP（エージェント通信プロトコル）をサポートし、設定ファイルを通じてAmazon Bedrockと統合します。両エージェントともJupyterLab環境でSageMakerスキルエージェントに自動的にアクセスできます。

技術アーキテクチャはACP互換性に依存し、SageMaker AI Hub（基盤モデル）、Amazon S3（データストレージ）、MLflow（メトリクストラッキング）、Amazon Bedrock（デプロイ）と統合しています。発表のデモユースケースは「診断前にステップバイステップで医療ケースを分析する」臨床推論モデル——これは同日のArXivの医療応用ReClaim基盤モデルのトレンドと直接対応しています。

エンタープライズMLチームにとっての意味

AWSが「かつて数ヶ月の専門的ML作業が必要だったことが数日で完了できる」と述べているのは重要ですが、チームがこのワークフローを通じて最初の本番モデルを作成してから初めて検証できます。大局観：AWSはSageMakerを統合エージェントオーケストレーションプラットフォームとして位置づけており、IBMが同時に発表したwatsonx Orchestrate next-genやAWS Bedrock AgentCore Optimization（同日朝に発表）と同様です。「エージェント型モデルカスタマイズ」が標準的なエンタープライズインターフェースとなる収束は、もはや実験的アプローチではなく明確な業界トレンドです。

価格はローンチ投稿で公開されておらず、標準的なSageMakerの従量課金を示唆しています。AWSアカウントとSageMaker AIドメインを持つすべての組織が利用可能で、発表には地理的制限は記載されていません。