AWSのAIエージェント新サービスとは？中小企業が見るべき文脈とセキュリティ

2026年6月21日

青のドキュメントネットワーク図のピラーとオレンジの盾と鍵のピラーが2本並び、上部に弧を描くアーチで支える構造を示したイラスト、AIエージェント実務化の2大論点(文脈とセキュリティ)を表現

AWSが2026年6月17日、AIエージェント向け新サービス「AWS Continuum」と「AWS Context」を発表しました。

中小企業がAWSをそのまま導入する場面は限定的かもしれません。しかし、この2つのサービスが「なぜ今必要とされたか」を読み解くと、AIエージェントを実務で使うための普遍的な論点が見えてきます。

本記事では、AWSの発表を題材に、AIエージェント実務化の2大論点(文脈とセキュリティ)を中小企業視点で整理します。煽らず冷静に、自社で何を準備すべきかを考える材料を提供する構成です。

AWSがAIエージェント向け新サービスを2つ発表。「文脈」と「セキュリティ」が論点

多くの中小企業で、Microsoft 365のCopilotやChatGPT、Claudeといった汎用AIの導入が進んでいる状態です。一方で、より自律的に業務をこなす「AIエージェント」が、エンタープライズ領域では本格運用フェーズに入りつつあります。

2026年6月17日、米AWS Summit New York Cityで、Amazon Web Servicesが新サービス2つを発表しました。発表者はAWS VP of Agentic AIのSwami Sivasubramanian氏です。

AWS Continuum(gated preview):コード脆弱性をAIエージェント型で継続的に管理
AWS Context(Coming soon):企業データをAIエージェントが理解するためのナレッジグラフ

あわせて、AIコーディングエージェント「Kiro」のiOS版、開発エージェント「AWS DevOps Agent」の機能拡張、エージェント運用基盤「Amazon Bedrock AgentCore」のアップデートなども発表されています。

出典:AWS公式ブログ「Top announcements of the AWS Summit in New York, 2026」

そもそもAIエージェントとは何か

本題に入る前に、用語を整理します。「AIエージェント」と「AIチャットボット」は混同されがちですが、本質的に異なるものです。

AIチャットボット:質問に答える。会話が終われば仕事も終わる(セッション完結型)
AIエージェント:目的を設定すると、自律的に複数の作業を進めて結果を出す(タスク完遂型)

例えば、AIチャットボットに「来週の会議資料を作って」と頼んでも下書きが返ってくるだけですが、AIエージェントは「過去の議事録を確認し、関連データを収集し、スライドを生成し、関係者に共有まで行う」といった一連の業務を進めます。

AIエージェントの基本概念と、チャットボットとの違いについては、AIエージェントとチャットボットは何が違うのか?自律型AIの基本概念で詳しく整理しています。

Microsoft 365の「Copilot Cowork」も、同じAIエージェント路線のサービスです。詳細はMicrosoft Copilot Coworkとは?中小企業が見るべき料金と導入判断で整理しています。

AWS Contextが解決しようとする課題:AIエージェントが「会社のこと」を知らない問題

AIエージェントを実務で使い始めると、すぐにぶつかる壁があります。汎用AIは自社の業務文脈を知らないという壁です。

例えば、自社のAIエージェントに「先月のA社の案件、続きはどうなった?」と聞いても、汎用AIだけでは答えられません。A社の情報も、過去の案件履歴も、AIの中には入っていないからです。

AWS Contextは、社内データ(データベース、ドキュメント、メール、チャット履歴など)をナレッジグラフとして整理し、AIエージェントに渡す仕組みです。

ナレッジグラフとは、「データ間の関係性」を地図のように整理する仕組みのことです。例えば、「A社」「6月15日の見積」「担当営業」「過去の問い合わせ履歴」がバラバラに存在していても、ナレッジグラフはこれらの関係性を「A社の担当営業が6月15日に出した見積に、過去の問い合わせ履歴を踏まえた価格を反映している」という形で繋ぎます。AIエージェントはこの地図を読むことで、初めて「A社の案件の続き」を答えられるようになります。

AWSは「文脈なしのAIエージェントは、自信を持って間違った答えを出してしまう」とも述べています。AIエージェントの精度は、持っている文脈の質に左右されるという構造です。

AWS Continuumが解決しようとする課題:AIが書いたコードのセキュリティ問題

もう1つの論点はセキュリティです。AIが業務を高速で進められるようになると、AIが生成したコードの脆弱性が放置されやすくなります。

AWSは発表の中で、「Claude Mythosのような最先端AIモデルが、脆弱性を機械速度で発見できるようになった」ことを直接的な発表理由として挙げています。AWS VPのChet Kapoor氏は、「I call it ‘The Mythos moment'(Mythosモーメントと呼んでいる)」と発言しました。

なお、ここで名前の挙がったClaude Mythosは、この発表の数日前に、一般公開版のClaude Fable 5とともに米政府の輸出管理指令を受け、全ユーザーで一時停止となったモデルでもあります。脆弱性を機械速度で発見できる能力の高さが、セキュリティ強化の論拠にも、規制の対象にもなったという構図です。停止の経緯と、特定のAIに業務を預けすぎないための備えは、Claude Fable 5 公開3日全面停止｜AI依存で詰まない4つの備えで整理しています。

AWS Continuumは、脆弱性の発見→優先順位付け→検証→修正までを継続的に行うサービスです。注目すべきは、いきなり完全自動化するのではなく、「learn mode(人間が承認)」から始まり、信頼が積み上がってから「enforce mode(自動実行)」に移行する段階設計です。

AIが業務を進めるスピードに、人間のチェック体制が追いつかない問題が現実化している。これがAWSが提示した構造です。

中小企業がここから学ぶべき3つの視点

中小企業がAWS ContinuumやAWS Contextを直接導入することは少ないでしょう。しかし、これらが解決しようとしている論点は、汎用AIを業務に組み込むすべての企業に共通します。AWSの発表から学べる視点を3つに整理します。

① AIに任せる前に、「AIが読める形のデータ」を整備する

AIエージェントに業務を任せたいなら、その前提としてAIが読める形のデータ整備が必要です。顧客情報、案件情報、過去の事例が、AIにどう読まれるかを確認するタイミングです。

大規模なナレッジグラフを構築する必要はありません。NotebookLMで社内FAQを作るところから始められます。詳細な手順はNotebookLMを活用した社内FAQの作り方で整理しています。

② AIに業務を渡す前に、「人間が確認する範囲」を決める

AWSも「learn mode→enforce mode」という段階移行を採用しています。自社でも、いきなり完全自動化を目指さず、人間承認を必須化する段階から始めるのが現実的です。

AIに任せる業務範囲と、人間が必ず確認すべき業務範囲を切り分ける作業が、AIエージェント導入の前提条件になります。社内ルール作りの3軸は、デジタル庁の生成AIガイドライン2.0で何が変わった?で整理した「目的・データ境界・運用体制」がそのまま使えます。

③ AIの「責任の所在」を整理する

AIが生成したものを誰がチェックし、誰が承認するかを明確化することが、エージェント運用の前提です。AIに任せられる業務が増えるほど、責任の所在を組織内で明確にする必要があります。

AI生成物の責任所在については、AI検索の誤情報は誰の責任?Google AI Overviewsをめぐる判断と企業対応でも整理しています。

注意点:今は「制約付きの状態」、今後の動向観察が前提

本記事の最後に、重要な前提を確認します。

AWS ContinuumはGated Preview(選定された顧客のみ利用可能)、AWS ContextはComing Soon(提供時期未公表)という段階です。日本での提供時期、価格、対応言語、サポート体制等は現時点で公表されている情報では不明です。

つまり、本日時点では「AWSが何を実現しようとしているか」が分かる段階で、本格的な活用判断はこれから情報が明らかになっていく段階です。動向を継続的に追える体制を整えておくことが、現実的な対応です。情報収集を仕組み化する方法は、AIニュースの情報収集を仕組み化|毎朝10分で先回りして拾う型でまとめています。