9月2日、AWSが「From theory to delivery: How Atos upskilled 400 engineers in agentic AI」と題した記事を公開した。この記事では、グローバルITサービス企業Atosが3日間のゲーミフィケーション形式イベントを通じて400人のエンジニアをアジェンティックAI（自律型AIエージェント）の実践者へと育成した取り組みについて詳しく紹介されている。
「知っている」と「できる」の間を埋める3日間
企業規模でのAI人材育成において、オンライン講座や座学研修には限界がある。概念は理解できても、実際のシステムを設計・構築する自信はなかなか身につかない。Atosはこの課題を、AWS AI Leagueという競技形式の実践イベントで解決した。
参加した400人のエンジニアのスキル分布は次のとおりだ：
- **5%**：アジェンティックAIの事前知識なし
- **25%**：基礎的な認知のみ
- **50%**：概念は理解しているが実装経験なし
- **20%**：実装経験あり
大半が「知識はあるが手を動かしたことがない」層であり、これは多くの企業のAI研修が抱える典型的な状況だ。
課題設計が秀逸：ダンジョン迷路でマルチエージェントを鍛える
イベントの中核となる課題は、自律型AIエージェントがダンジョン迷路を攻略するシステムの構築だ。エージェントはマップ上を移動し、各タイルに配置されたチャレンジをクリアし、トラップを避けながら制限時間内に宝を目指す。
スコアリングは「できた/できなかった」だけではなく、以下の多面的な評価軸を持つ：
- 正答率（誤答はライフを消費）
- コイン収集数（リスクなし）
- マップ完走ボーナス
- 残ライフ数
- レスポンスの簡潔さ（トークン効率）
- ファインチューニングボーナス（独自の小型言語モデル構築）
この設計が巧みなのは、本番環境で直面するトレードオフをそのまま再現している点だ。動くものを作るのは第一歩に過ぎず、それを効率化するところが本番に直結する。
チャレンジ別に使うAWSサービスが異なる
各チャレンジは、異なるエンジニアリングスキルと対応するAWSサービスを要求する構成になっている：
| チャレンジ | テストするスキル | 使用サービス |
|---|---|---|
| Violent Violet | AIセーフティ・コンテンツフィルタリング | Amazon Bedrock Guardrails |
| Blue Brain | コード生成・実行 | AWS Lambda、AgentCore Code Interpreter |
| Memento | 会話をまたいだコンテキスト保持 | AgentCore Memory |
| Dark Prophet | Webからの情報取得 | AWS Lambda、AgentCore Code Interpreter |
| Bonehead | トークン効率を意識した一般知識応答 | Amazon Bedrock（プロンプトエンジニアリング） |
| Spikes & Coins | 経路探索とリスク評価 | AWS Lambda |
表中に登場するAgentCoreは、2025年にAWSが発表したエージェント向けマネージドサービス群で、メモリ管理やコード実行環境などをマネージドで提供する。詳細はAWS AgentCore公式ページを参照されたい。
特にGuardrailsのチューニングは実践的な学びをもたらした。ブロック条件を厳しくしすぎると正当なクエリまで弾いてしまい他のチャレンジで失点。緩すぎるとViolent Violetで失敗する。本番のAIシステムで常に問われる「精度と安全性のバランス」を、競技形式でリアルに体験させる仕掛けだ。
経路探索チャレンジ（Spikes & Coins）では、AWS LambdaでBFS（幅優先探索）などのアルゴリズムを実装する必要があった。「スピード重視」か「スコア最大化」かの戦略選択、トラップ回避のリスク評価、鍵を入手してから扉を開くという依存関係の整理など、エージェント設計の本質的な思考が求められる。
現場で得られた6つの実践知
イベントを通じてエンジニアが習得した教訓を、記事はまとめている：
- プロンプトの効率化：動くだけでは不十分。余計なトークンはスコアを削る
- マルチエージェント設計の判断：専用エージェントを複数立てるか、汎用エージェント1つにするか。レイテンシ、コスト、信頼性のトレードオフを実体験
- Guardrailの精緻な設定：過剰ブロックと過少ブロックの両方に実コストが発生することを学習
- 経路探索アルゴリズムの設計：複数の戦略を持ち、状況に応じて切り替える判断力
- オブザーバビリティの重要性：Amazon CloudWatch Logsをきちんと確認したエンジニアほど改善が速かった
- AIツール活用：Kiro（AWSが提供するAIコーディングアシスタント）などのツールに問題の完全なコンテキストを与えると、より速く良い結果が出た
優勝者のコメントが本質をついている
総合1位のJames Ponter氏（Head of Hyperscalers – UKI Cloud and Infrastructure）はこう語っている：
「アカデミックな学習は基礎を与えてくれるが、AWS AI Leagueは実際のプレッシャーの下に置くことで、思考の仕方そのものを変える。クロックが動いている間は答えを検索できない。その時間的プレッシャーと、意思決定がリーダーボードに直結するという事実が、他の学習環境では再現しにくい深い関与を生む。」
運営コストと導入しやすさ
イベントの運営コストについても元記事は言及している。AWS Workshop Studioを通じて提供されるため、セットアップはAWSとの数回のミーティングで完結した。参加者への必須時間はキックオフ2時間＋日次オフィスアワー1時間×3日＋決勝1時間にとどまり、残りの時間は各自の業務の合間に自由に取り組む形式だ。フルタイムで研修期間を確保できない組織でも導入しやすい設計になっている。
詳細はFrom theory to delivery: How Atos upskilled 400 engineers in agentic AIを参照していただきたい。
