翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# でエージェント AI システムを実装するための成功パターン AWS
<a name="implementation"></a>

[エンタープライズ AI 導入の状態](https://isg-one.com/state-of-enterprise-ai-adoption-report-2025) (ISG 2025 レポート) では、AI の実装を成功させるための主な障壁は技術的な機能ではなく、*学習ギャップ*であることが明らかになりました。この用語は、時間の経過とともに適応、コンテキストを記憶、または改善できないシステムを指します。静的 AI ツールを実装している組織では、障害率が高いことがわかります。以下は、成功を実現するエージェント AI システムの一般的な特性です。
+ **コンテキストメモリ – **会話履歴とユーザー設定を保持するシステム
+ **フィードバック統合** – 修正から学び、パフォーマンスを向上させる能力
+ **ワークフロー適応** — 変化するビジネス要件への自動調整
+ **継続的な改善** — 運用経験による測定可能な機能強化

AI 実装を成功させる組織は、多くの場合、以下を優先します。
+ AI 機能を個別に構築して探索するのではなく、包括的なパートナーエコシステムを使用する
+ 静的ツールを使用した学習可能なシステム
+ 技術的特徴の比較に重点を置いたビジネス成果
+ スタンドアロンツールではなくワークフロー統合
+ 1 回限りの実装ではなく継続的な適応

これらのパターンは、多くの AWS のサービス 機能、特に [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html) の基盤モデルアクセス、 のイベント駆動型アーキテクチャ[AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html)、[Amazon CloudWatch](https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/WhatIsCloudWatch.html) を通じて提供される包括的なモニタリングと一致しています。人間のフィードバックと学習可能なシステムの統合の詳細については、このガイドの[「人間のフィードバックをエージェント AI システムに組み込む](feedback.md)」セクションを参照してください。