こんにちは。グループ情報部の池田（@mashiike）です。
先日の6/25、26に幕張メッセで開催されたAWS Summit Japan 2025に参加してきました。
今年も2日間とも参加しましたが、今年はやはり生成AIが大きな話題となっていました。
さて、AWS Summit Japanといえば、毎年恒例のElastic座布団クッションの配布があります。
今年ももちろんゲットしてきました。そこで、参加レポートという形で、今年のクッションが例年に比べてどうだったのかを考察します。
クッションの変遷
まずは、2023年・2024年のクッションと並べて比較した写真がこちらです。
2023年のクッションには「AWS Summit Tokyo」と書かれています。実は2023年までの表記はJapanではなくTokyoだったんですね。
2024年のときは「おぉ！厚くなってる！」「Elasticさが増している！」と明らかにクッションの厚みが増しており感動しました。
今年のクッションは「2024年と厚みはあまり変わらなそう？柄が鮮やかになってるな」と思いました。
さて、今年のクッションをただ眺めるだけでは面白くありません。雑でも良いので、それっぽいElasticさの指標を測定してみたいと思い、実際に計測してみました。
このように、クッションの厚さをノギスで計測しました。
その後、Elasticさの評価のために2Lのペットボトルを乗せて再度計測しました。
このようにして、沈み込みの深さを測ることができます。
また、30秒後の厚さも測定しました。つまり、沈み込み量と回復量を考えることでElasticさを定量的に評価してみます。
実際の計測データは以下の通りです。
year,before,after,after30 2022,,, 2023,20.9,14.7,16.4 2024,45.9,36.9,37.5 2025,50.0,39.7,45.0
2022年はそもそもクッションがなかったため、空欄にしています。
このデータは各4回計測した平均値です。
実際に測ってみると、2025年のクッションのほうが若干厚みがあるようです。
Amazon Q Developerを使って分析プログラムを書かせてみる
Elasticさの評価を行うにあたり、せっかくAWS Summitに参加したので、学んだことを活かしたいと思います。
Day 2の11:50‑12:30のセッション「AWS‑57 『AI Agent 時代のソフトウェア開発の型 〜 Everything as Code で叡智を伝える 〜』」では、Amazon Q Developerを使って実際にコードを書くデモがありました。
そこで、私もAmazon Q Developerを使って分析プログラムを書いてみました。
README.mdには以下のように記載しています。
# AWS Summit Cushion Analysis このリポジトリは各年に開催されたAWS Summitのクッションに関するデータを分析するためのリポジトリです。 ## データに関する説明 data.csvはクッションに関する測定値です。 yearが配布された年、beforeが重りとなる2Lのペットボトルを置く前の厚さ、afterが重りを置いた後の厚さを表しています。 after30は重りを置いてから30秒後の厚さを表しています。 beforeとafter、after30の単位はmmです。 2022年はクッションは配布されませんでした。 ## このリポジトリの目標 各年のクッションの厚さおよびElasticさに関しての評価および、その傾向の推移を考察してください。 そのための分析を行うプログラムを作成してください。 ## 制約条件 - プログラムの出力はREPORT.mdになるようにしてください。 - グラフなどの画像はimagesディレクトリに保存してください。 - 推定にはベイズ階層モデリングで3つくらいのモデルを検討し、何かしらの情報量基準でモデル選択をしてください。 - Python言語で書いてください。パッケージマネージャーはuvを使用してください。 - レポートの生成には `Bedrock` を使用し、リージョンはオレゴン、`us.anthropic.claude-sonnet-4-20250514-v1:0` のモデルを使用してください。 - Converse APIを使用し、`additionalModelRequestFields` にはthinking.type.enabledを指定して、extended thinkingを有効にしましょう。 - 評価は、沈み込み率と回復量を考慮したElasticさの指標で評価してください。
完成したリポジトリはこちらです。
レポートは以下で公開しています。
レポートの内容を簡単にまとめると、「データ数が少ない」「Elasticさは収束傾向にあるかも」「見ている指標が適切か再考の余地あり」といった指摘がありました。
確かに個体差もあるでしょうし、3個のクッションだけでは結論を出すのは難しいですね。妥当な指摘だと思います。
最後にAmazon Q Developer上で「結局どうなの？」と聞いてみたところ、以下のような回答が返ってきました。
今年のクッションが最もElasticだったようです。（なるほど…）
まとめ
今年もAWS Summit Japanに参加し、無事にクッションをゲットできました。
今回聴講したセッションも生成AI系が多く、AIエージェントの構築やCoding Agentの話など、濃厚な内容を聞くことができました。
そこで、学んだことを活かし、クッションのElasticさを定量的に評価するプログラムをAmazon Q Developerを使って作成しました。
結果として、Amazon Q Developer曰く、今年のクッションが最もElasticであることがわかりました。
（個人的には2024年と2025年のクッションの差は個体差の範囲かなとも思いますが…）
今年のセッションは生成AIがとても多かったので、みなさまもこのように身近なところからAIの活用を進めてみましょう。
