Amazon SageMaker AIとは？できること・Bedrockとの違い・モデル開発・活用事例を徹底解説

AWSで機械学習やAI開発を進める際に、「Amazon SageMaker AIでは何ができる？」「Amazon Bedrockとの違いは？」「どのような開発・運用に向いている？」と疑問を持つ方も多いのではないでしょうか。

Amazon SageMaker AIは、機械学習モデルやAIモデルの構築、学習、評価、デプロイ、運用までを支援するAWSのフルマネージドサービスです。

本記事では、Amazon SageMaker AIの概要や主な機能、料金、機械学習モデルの開発・運用方法、Amazon Bedrockとの使い分け、企業の活用事例をわかりやすく解説します。

AIシステム開発に必要な体制作り、工数や手順についてはこちらの記事で詳しく説明していますので併せてご覧ください。

貴社ニーズに特化したAI開発に強い開発会社の選定・紹介

今年度AIシステム開発相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超
・画像認識、予測、LLM等、AI全対応

完全無料・最短1日でご紹介 AI開発に強い会社選定を依頼する

AI開発会社をご自分で選びたい場合はこちらで特集していますので併せてご覧ください

Amazon SageMaker AIとは？

Amazon SageMaker AIは、AWSが提供する、機械学習モデルやAIモデルの構築、学習、評価、デプロイ、運用を支援するフルマネージドサービスです。

従来「Amazon SageMaker」と呼ばれていたサービスは、2024年12月に「Amazon SageMaker AI」へ名称変更されました。現在の「Amazon SageMaker」は、データ、分析、AIを統合したより広いプラットフォームを指します。

Amazon SageMaker AIとAmazon Bedrockの違い

Amazon SageMaker AIとAmazon Bedrockは、どちらもAWS上でAI・生成AIシステムを開発するためのサービスですが、主な用途が異なります。

Amazon Bedrockは、Anthropic ClaudeやAmazon Nova、Meta Llamaなどの事前学習済み基盤モデルをAPI経由で利用し、生成AIアプリケーションを比較的短期間で構築したい場合に適したサービスです。モデルをゼロから学習するためのインフラを用意する必要がなく、Knowledge Bases、Guardrails、Agentsなど生成AIアプリケーション向けの機能も利用できます。

一方、Amazon SageMaker AIは、独自の機械学習モデルを構築・学習したり、基盤モデルをより細かくカスタマイズしたり、大規模な学習・推論環境を構築したい場合に適しています。PyTorchやTensorFlow、独自コンテナ、SageMaker JumpStart、SageMaker HyperPodなどを利用でき、モデルや学習環境をより細かく制御できます。

主な違いを整理すると以下のとおりです。

なお、Amazon SageMaker AIとAmazon Bedrockはどちらか一方だけを選ぶ必要はなく、SageMaker AIで運用する独自モデルとAmazon Bedrockの基盤モデルを組み合わせてAIシステムを構築することも可能です。

Amazon SageMaker AIの料金形態

Amazon SageMaker AIでは、利用するインスタンスや機能ごとに使用量に応じた料金が発生します。

継続的に一定量のコンピューティングリソースを利用する場合は、SageMaker Savings Plansを利用することで、対象となるSageMaker AIのインスタンス利用料金を抑えられる場合があります。

「SageMaker Savings Plans」では、一定の利用量を購入する代わりに、最大64%のコストを削減できます。一定の利用を見込んでいる企業は、安くモデル構築ができるかもしれません。

Amazon SageMaker AIには、AWSアカウントの条件や利用する機能によって無料利用枠が適用される場合があります。対象サービスや利用時間などの条件は変更される可能性があるため、導入前にAWS公式の料金ページで最新情報を確認しましょう。

それぞれの料金は「Amazon SageMaker AIの料金」で公開されています。

Amazon SageMaker AIの使い方

Amazon SageMaker AIは、AWS内で利用できます。AWSを利用するにはアカウントが必要ですので、登録していない方はAWSのサインアップページから登録してください。メールアドレス・電話番号・クレジットまたはデビットカードの情報があればアカウントを作成できます。

詳細なアカウント作成の流れは「AWS アカウント作成の流れ」で確認できます。

AWSアカウントを作成した後、Amazon SageMaker Studioなどの開発環境からSageMaker AIの各機能を利用できます。

貴社ニーズに特化したAI開発に強い開発会社の選定・紹介

今年度AIシステム開発相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超
・画像認識、予測、LLM等、AI全対応

完全無料・最短1日でご紹介 AI開発に強い会社選定を依頼する

Amazon SageMaker AIでできること・メリット

Amazon SageMaker AIには、以下のようなメリットがあります。

1. 組み込みアルゴリズムや各種AIフレームワークを利用できる
2. モデル開発からデプロイ・運用まで幅広く支援できる
3. 保守・管理業務を大幅に省力化できる
4. モデル学習・チューニングを効率化できる
5. SageMaker Studioなどの統合開発環境を利用できる
6. AWSとの連動性が高い
7. AWSならではのセキュリティ
8. 大規模モデル・生成AIの開発やカスタマイズに利用できる

それぞれについて解説します。

組み込みアルゴリズムや各種AIフレームワークを利用できる

Amazon SageMaker AIでは、AWSが提供する組み込みアルゴリズムや事前学習済みモデルを利用できます。組み込みアルゴリズムやマネージド機能を利用することで、学習環境の構築やインフラ管理にかかる工数を削減しやすくなります。ただし、用途に適したモデルやアルゴリズムの選定、評価、チューニングは引き続き重要です。

アルゴリズムの選定から最適化、アップデートまで全て自社内で行うとなれば、専門知識を要し、多大な時間とコストがかかるため、プロジェクトの進行が遅れる原因となります。また、アルゴリズムの最適化が不十分な場合、モデルの精度が低下し、ビジネスへの影響が生じる可能性があります。

Amazon SageMaker AIのようなサービスを利用することで、企業はこれらのリスクを回避し、効率的かつ効果的に機械学習プロジェクトを推進することができます。最適化された機械学習アルゴリズムは、以下のような用途で利用できます。

• 分類・回帰
• 時系列予測
• クラスタリング
• 次元削減
• 異常検知
• 画像分類・物体検出

Amazon SageMaker AIでは、用途に応じて組み込みアルゴリズム、PyTorchやTensorFlowなどのフレームワーク、事前学習済みモデル、独自モデルなどから適切な方式を選択できます。

また、トレーニングジョブや自動モデルチューニングなどのマネージド機能を活用することで、モデル学習やチューニングに必要な作業を効率化できます。

Amazon SageMaker AIとAmazon Bedrockを組み合わせることで、独自の機械学習モデルと生成AIを連携したシステムを構築することも可能です。

例えば、運用する予測モデルや画像認識モデルの結果を、Amazon Bedrock上の生成AIアプリケーションから利用するといった構成が考えられます。

モデル開発からデプロイ・運用まで幅広く支援できる

Amazon SageMaker AIでは、データ処理、モデル開発、学習、評価、デプロイ、監視など、機械学習ライフサイクルの多くの工程を支援できます。

一つの開発環境でモデルを構築できるようになれば、進捗の確認が容易になり、開発者が覚える必要のあるツールやプロセスの数が減ります。初期段階では新しいプラットフォームに慣れるための学習コストが発生するかもしれませんが、長期的に見ると、プロジェクトの進行速度と効率が大きく向上することでしょう。

開発からデプロイメントまでのプロセスがスムーズになることで、市場への導入時間を短縮し、ビジネス機会を最大限に活用することが可能になります。また、プロセスの簡素化は、エラーの可能性を減らし、プロジェクト全体の品質向上にも寄与します。

AI駆動開発において、SageMaker AIは単なる「学習環境」ではなく、AIによる自動化プロセスを統合管理する「オペレーションセンター」としての役割を担っています。また、Amazon Q DeveloperなどのAI開発支援ツールと組み合わせることで、コード生成、AWSサービスの利用方法の確認、デバッグ支援など、開発作業の一部を効率化できます。

関連記事：「AI駆動開発ツール10選徹底比較！タイプ・社内リソース・ビジネス課題から選ぶ方法をわかりやすく解説」

保守・管理業務を大幅に省力化できる

Amazon SageMaker AIはフルマネージドサービスのため、物理サーバーや基盤インフラの運用管理をAWSに任せることができます。

一方で、利用するインスタンス、IAM権限、ネットワーク、エンドポイント、セキュリティ、コストなどの設定・管理は利用者側で必要です。

保守・管理業務に人手を割かなくてもよいため、開発にかかる労力やコストを大幅に削減でき、よりビジネス価値の高い活動に集中できます。

さらに、Amazon SageMaker AIを利用することで、AWSが管理する基盤インフラの運用や障害対応はAWS側が担います。ただし、モデル、学習ジョブ、エンドポイント、ネットワーク、権限設定など、利用者が構成する部分については監視や対応が必要です。

これにより、予測不能なトラブルによるプロジェクトの遅延や、スケジュールの乱れを最小限に抑えることが可能になります。

リソースが限られている中小企業や、開発サイクルを加速したい大企業にとって大きなメリットをもたらします。企業はITインフラの日常的な運用管理にかかる時間やコストを削減し、その分を製品開発や市場分析などの核となるビジネス活動に再投資できます。

さらに、Amazon SageMaker AIは、MLOps（機械学習運用）とLLMOps（大規模言語モデル運用）を統合的に支えてくれます。

生成AIや基盤モデルを扱う場合も、モデルの評価、カスタマイズ、デプロイ、監視、ガバナンスなどの機能を組み合わせて運用できます。

モデル学習・チューニングを自動化できる

Amazon SageMaker AIでは、トレーニングジョブやハイパーパラメータチューニングなど、モデル学習を効率化するためのマネージド機能を利用できます。

用途によってはSageMaker Canvasなどのノーコード・ローコード機能を利用し、複雑なコードを記述せずに機械学習モデルを構築・評価することも可能です。

また、自動モデルチューニング機能を利用すると、指定したハイパーパラメータの探索範囲などをもとに複数のトレーニングジョブを実行し、より良い設定を探索できます。

SageMaker Studioなどの統合開発環境を利用できる

SageMaker Studioでは、ノートブックによるデータ分析・実験だけでなく、Code Editorを利用したソフトウェア開発やAIコーディングエージェントを活用した実装も行えます。

データ探索、モデル開発、学習、評価、デプロイなどの作業を同じ開発環境から進めやすい点が特徴です。

さらに、AIコーディングエージェントの利用も進んでおり、Kiroのほか、対応する仕組みを通じてClaude CodeやCodexなどのエージェントを開発環境に組み込むこともできます。

コードの入力直後に結果がわかるため、迅速にコードミスを発見できます。また、ブラウザ上で処理するため、進捗の確認が容易です。

この逐次実行機能は、モデルの構築やトレーニングプロセスにおいて、実験的なアプローチを採用する際に特に価値があります。特に、データの探索的分析やプロトタイピングの段階での利用価値は非常に高く、機械学習プロジェクトの初期段階で大きなアドバンテージを提供してくれます。

開発者はさまざまなアイデアを即座にテストし、そのフィードバックを基に次のステップを迅速に進めることができます。また、ブラウザベースであるため、どこからでもアクセスが可能であり、プロジェクトの進捗状況を簡単に確認できる利点があります。

AWSとの連動性が高い

Amazon SageMaker AIはAWSのクラウドプラットフォーム上で提供されるため、AWSの他のサービスと簡単に連携できます。

例えば、Amazon SageMaker AIでは、Amazon S3やAmazon DynamoDBなどのAWSのデータストレージサービスを使用して、学習データやモデルの出力を保存したり、読み込んだりできます。これにより、データの準備や管理が容易になります。また、Amazon KinesisやAmazon GlueなどのAWSのデータ処理サービスを使用して、データの収集や変換を行うこともできます。

また、モデルのデプロイや運用を効率的に行えます。例えば、Amazon SageMaker AIで運用する予測モデルや画像認識モデルの結果を、Amazon Bedrockを利用した生成AIアプリケーションから呼び出すなど、両サービスを連携させたシステムを構築できます。

SageMaker AIでは、リアルタイム推論やバッチ推論などのマネージドなデプロイ方法を利用できます。必要に応じてAmazon EKSなど別の実行環境と連携する構成も可能です。

これにより、モデルのデプロイや運用が効率的になります。

関連記事：「AWSとAzureを徹底比較！強みや弱み、適したケースなどを徹底解説」

AWSならではのセキュリティ

Amazon SageMaker AIを使うことで、AWSが提供するセキュリティやコンプライアンスを活用できます。Amazon SageMaker AIでは、AWSのセキュリティやコンプライアンスの基準に従って、データやモデルを保護できます。

例えば、AWS Identity and Access Management (IAM) や AWS Key Management Service (KMS) などのAWSのセキュリティサービスを使用して、アクセス権限や暗号化キーを管理できます。また、AWS CloudTrailやAmazon CloudWatchなどのAWSの監査サービスを使用して、モデルの活動やパフォーマンスを追跡できます。

大規模モデル・基盤モデルの開発・カスタマイズに利用できる

Amazon SageMaker AIでは、従来の機械学習モデルだけでなく、基盤モデルや大規模ニューラルネットワークの学習・ファインチューニング・デプロイにも利用できます。

SageMaker JumpStartでは、さまざまな事前学習済みモデルや基盤モデルを探索・評価・比較し、用途に応じてファインチューニングやデプロイを行えます。

大規模な基盤モデルの学習では、Amazon SageMaker HyperPodを利用して、複数のGPUを用いた大規模な分散学習環境を構築することも可能です。

Amazon SageMaker AIで利用できるモデル・アルゴリズム

Amazon SageMaker AIでは、AWSが提供する組み込みアルゴリズムのほか、PyTorchやTensorFlowなどのフレームワーク、事前学習済みモデル、自社独自のモデルなどを利用できます。

主な選択肢は以下のとおりです。

• 組み込みアルゴリズム：XGBoost、PCA、Random Cut Forest、Object Detection、AutoGluon-Tabularなど、用途に応じたアルゴリズムを利用可能
• ディープラーニングフレームワーク：PyTorchやTensorFlowなどを利用して独自のニューラルネットワークを構築・学習可能
• 事前学習済みモデル・基盤モデル：SageMaker JumpStartなどを通じて各種モデルを利用し、評価、ファインチューニング、カスタマイズ、デプロイが可能
• 独自モデル：独自のアルゴリズムやモデルをコンテナとして持ち込み、SageMaker AI上で学習・推論に利用可能

このように、Amazon SageMaker AIでは、既存のアルゴリズムをそのまま利用する方法から、独自モデルを開発・持ち込む方法まで、プロジェクトの要件に応じて柔軟に選択できます。

データ分析に用いられる各種手法はこちらの記事で詳しく解説していますので、併せてご覧ください。

貴社ニーズに特化したAI開発に強い開発会社の選定・紹介

今年度AIシステム開発相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超
・画像認識、予測、LLM等、AI全対応

完全無料・最短1日でご紹介 AI開発に強い会社選定を依頼する

Amazon SageMakerの活用事例

ここでは、Amazon SageMaker（現Amazon SageMaker AI）の活用事例を2つ紹介します。

ニュース記事の分類精度が向上（スマートニュース）

スマートニュース株式会社は、Amazon SageMakerを活用してそれぞれのユーザーに適したニュースを提供しています。Amazon SageMakerの機械学習アルゴリズムを活用してニュース記事を分類した結果、ニュースのキュレーションや記事のカテゴライズ精度が向上したようです。

エンジニアは機械学習アルゴリズムの開発に集中できるようになり、生産性が向上したようです。

渋滞予測の精度が向上（ナビタイムジャパン）

株式会社ナビタイムジャパンは、渋滞を予測する機械学習モデルの精度を向上するために、Amazon SageMakerを活用しました。

渋滞は、道路の属性や曜日のほか、天気や交通量など多くの要素を考慮して予測しなければなりません。そこで、Amazon SageMakerからAWSサービスの一つであるAmazon Athenaに対してSQLクエリを実行することで、これまで処理できなかった容量のデータを処理できるようになったようです。

また、利用予定のアルゴリズムがすでに組み込まれていたため、開発を容易に始めることができたようです。

Amazon SageMaker AIについてよくある質問まとめ

まとめ

Amazon SageMaker AIは、機械学習モデルや基盤モデルの開発、学習、評価、カスタマイズ、デプロイ、監視などを支援するフルマネージドサービスです。

組み込みアルゴリズムやPyTorch・TensorFlow、SageMaker JumpStart、SageMaker HyperPod、SageMaker Studioなどを用途に応じて活用でき、従来の機械学習から大規模な基盤モデル開発まで幅広く対応できます。

Amazon SageMaker AIを活用すれば、学習環境の構築、モデルのトレーニング、チューニング、デプロイ、監視などの工程をマネージド機能によって効率化できるため、業務量を大幅に削減できるかもしれません。自社に適用できそうな機能があれば、 業務効率化や従業員の負担軽減、自社サービスの精度向上のためにも、Amazon SageMaker AIの導入を考えてみては いかがでしょうか。