何が発表されたか

AWSが打ち出したのは「コンテキスト・インテリジェンス・スタック」と位置づけられる3製品です。中核のAWS Contextに加え、Amazon S3 Annotationsの一般提供、そしてAWS Glue Data Catalogにおける「スキルアセット」のプレビューが揃いました。Swami Sivasubramanian氏は「エージェントは、ゼロから作り直さなくても賢くなる」と述べています。

AWS Contextの中身

AWS Contextは、既存データから自動でナレッジグラフを生成し、テーブル間の関係・カラムの意味・どのソースが正となるか、といった構造を推論します。セマンティック検索とグラフ推論を組み合わせ、Bedrock AgentCoreやEKS、MCP対応フレームワーク経由でエージェントに実行時に提供する設計です。利用が進むほど「どのソースが正しい結果を生むか」を学習し、グラフ自体が改善されていきます。

「囲い込まない」設計が肝

注目すべきは技術選択です。メタデータはApache Iceberg形式でAmazon S3 Tablesに保存され、Athena・Redshift・Spark等、Iceberg対応エンジンから直接クエリ可能。独自APIに閉じません。アクセスは呼び出しユーザーのIAMとLake Formation権限を継承し、誰のどの問い合わせかが監査可能です。サードパーティのカタログとも接続できます。

競合構図

Snowflake（Horizon Context／Cortex Sense）、Microsoft（Fabric IQ）、Redis、Pinecone（Nexus）が同領域で動いています。Constellation ResearchのHolger Mueller氏は「特にトランザクションデータでの性能が論点になる」と指摘しました。AWSの売りは、S3・Glue・Lake Formationをすでに使う企業ならデータ移行ゼロで導入できる摩擦の小ささです。

💼 事業会社視点：これは自社にどう効くか

日本企業の経営者・事業責任者はどう動くべきか

社内データをAWSに寄せている大企業・SaaS事業者にとって、これは「自社AIエージェントの精度を、データ統合プロジェクトをやり直さずに底上げできる」現実的な選択肢です。特に基幹データがS3＋Glueに蓄積されている製造業・小売・金融の情報システム部門は、PoC段階のエージェントが「社内用語や正データの判別」で詰まる典型的な壁を、移行コストを抑えて越えられる可能性があります。

一方で受託開発・SIerは警戒が必要です。これまで「データカタログ整備」「ナレッジグラフ構築」を数千万円規模のプロジェクトとして提案してきた領域が、マネージドサービスに吸収されつつあります。提案軸を「ドメイン知識の注入」「ガバナンス設計」「Lake Formation権限の業務マッピング」へ早急に移す必要があります。

また、Snowflake・Microsoftを併用する企業の役員は、コンテキスト層をどのクラウドに寄せるかという中期的な意思決定を今期中に始めるべきです。エージェント基盤の選択は、今後3年のデータ主権を決める論点になります。