はじめに

こんにちは、シャワーの使い方が分からなくて熱湯を浴びたヤマダ(北野)です。

AWS re:Invent 2025にて記念すべき初セッションである「Build GenAI-Powered Workflows with Step Functions and AWS AI Services [REPEAT] (API304-R)」についてのセッションレポートです。

セッション概要

Join this hands-on builders session to discover how to orchestrate sophisticated AI/ML workflows by combining the power of AWS Step Functions with cutting-edge AI services. In this immersive session, you’ll learn to build some advanced workflows that leverage multiple AWS AI services including Bedrock, Amazon Comprehend, and Amazon Polly, all orchestrated seamlessly through Step Functions. You must bring your laptop to participate.

Amazon Bedrock、Amazon Comprehend、Amazon Pollyを含む複数のAWS AIサービスを活用し、Step Functionsを通じてシームレスにオーケストレーションされた高度なワークフローの構築方法を習得するセッションです。（めっちゃ翻訳しました。）

内容としては基本的なStep Functionsの同期・非同期のワークフローの作成が3つでした。

ハンズオン内容

ここからは実際にハンズオンで実施した内容を紹介します。
ただ、不慣れかつ無謀だったため、写真も本文も何も残せなかったのでちょこちょこ撮っていたスクリーンショットをベースにします。

現地にヤマダは存在していたんだよという証明のためにリアルな写真もひとつだけですが載せておきます。

ハンズオンの全体としては以下の3つを構築します。

  • Amazon TextractとAmazon Bedrockを使用した小規模なワークフロー
  • Amazon Comprehendを使用した中規模なワークフロー
  • Amazon BedrockやAmazon Pollyを使用した比較的大規模なワークフロー

Amazon TextractとAmazon Bedrockを使用した小規模なワークフロー

構成図は上記です。実際に作成するのはワークフロー部分だけですが、アップロードされたPDFなどのドキュメントを自動で処理し、Amazon Bedrockで要約とカテゴリ分類を行い、結果をデータベースに保存するというのが一連の流れとなります。

ワークフローだけだと分岐がないので非常にシンプルですぐに完成しました。

AWS Step Functionsを使用することでS3トリガーからテキスト抽出、BedrockによるAI分析などの一連のステップ処理を、信頼性・可視性高くサーバーレスに実装できています。

Amazon Comprehendを使用した中規模なワークフロー

次は顧客フィードバックを非同期で取り込み、感情分析に基づいた自動対応を行うワークフローです。Amazon Comprehendで感情分析を行い、結果に応じて分岐処理を実行しています。

AWS Step Functionsの可視性の良さがよく分かるフローですね。

API Gatewayからの非同期起動から始まり、Amazon Comprehendによる感情分析の結果による分岐処理を自動化しています。個人的にはChoiceを使用して分岐処理を実装していることで、パッと見で処理の流れが分かる点が最高です。

最高すぎてこれだけテスト時の成功フローの画像を撮ってました。

Amazon BedrockやAmazon Pollyを使用した比較的大規模なワークフロー

テキスト入力に対する複雑な分析、要約、音声合成を統合し、結果をWebSocket経由でリアルタイムに配信する非同期ワークフローのアーキテクチャ図です。この構成は、特に処理時間が長いタスクにおいて、ユーザー体験を損なわないよう配慮されたモダンなサーバーレス設計です。

これだけは上手くまとまった説明ができず、生成AIにまとめてもらいました。

この構成の見どころは、やはり長時間かかる生成AI系の処理に合わせたポーリングなどの非同期処理全体をカバーしているところかな思います。また、処理が大きくなるとエラー処理などのコードは分かりにくくなりがちですが、持ち前の可視性の良さで処理の流れがめちゃくちゃ分かりやすいです。

まとめ

ハンズオンセッションでは必死になるので時間も少ないし慌てますが（言い訳）、写真を撮り忘れない様にします（自戒）。あとハンズオンセッションって最初に講師の方がアイスブレイク的な感じなのか話しかけてくれるんですね。めちゃくちゃテンパってましたが、たまたま隣にいたAWS HEROの方が助けてくださり「HEROはカテゴリ関係なくどんなことでもHEROなんだな」と感動しました。

生成AIの進化によってAWS Step Functionsはさらに重要なサービスになったと考えます。AWS Step FunctionsはLambdaだけでは作成しにくい生成AIを組み込んだ非同期APIをスピーディに開発し、処理自体も可視性が高く運用に優れたシステム開発が可能です。私も以前ラーメンタイマーを作成しましたが、今回のハンズオンを経てまた非同期なシステムを作ってやろうと企んでいます…😎