米国の不動産権原・決済サービス企業Rocket CloseがAWSと組み、社内の知識ベースと業務データを横断して回答するエージェント型AI「Supercharger」を実運用し、コールセンターへの入電を30%削減したと公表した。
米国の不動産権原・評価・決済サービス企業Rocket Closeが、AWSと組んでエージェント型AI「Supercharger」を実運用し、コールセンターへの電話・メールを月数千件、入電を30%削減したとAWS公式ブログで公表した。州ごとに異なる権原審査や郡ごとの登記要件など、担当者が複数システムを横断していた調べ物を、自然言語の質問1本で支援する。
基盤はAWSのオープンソース開発キットStrands Agentsで、大規模言語モデルはAmazon Bedrock経由でAnthropic Claudeを使う。設計の核は、各データ源をAIと外部ツールをつなぐ共通規格(MCP)で個別のツールとして公開し、エージェントが質問に応じて動的に選ぶ点にある。新しいデータ源を後から足せる拡張性の高い構成だ。
機密データ保護のため、Bedrockの安全機能Guardrailsと行単位のアクセス制御を組み合わせ、誤アクセスを防いだ。監査や権限境界を意識した設計は、規制業種でエージェント導入を検討する企業の参考になる。
この変化で何が要点か。図解と出典つきで一目で。
構造化された事実を最初に。誰が何をいつどこでなぜどのように。
Rocket Closeはデトロイト拠点で、権原保険・不動産評価・決済サービスを提供している。住宅ローン需要の拡大に伴い、時間のかかる州別の権原審査や手作業による調査、分断されたシステムが処理のボトルネックになっていた。権原審査担当者は複数のシステムや州のガイド、郡ごとの要件を横断して確認する必要があり、相続や納税IDに関する地域ルールがさらに作業を複雑にしていた。郡ごとの登記要件を理解するだけで数時間を費やすこともあったという。
個別の検証作業ではなく、社内の知識ベースと業務データを横断して文脈を理解し回答するエージェント型AIの実運用事例である点が重要だ。AWSのオープンソースのエージェント開発キット（Strands Agents）とツール接続規格（Model Context Protocol）を組み合わせ、新しいデータ源を後から追加できる拡張性の高い設計を採用している。規制対応のため監査ログや行単位のアクセス制御を組み込んだ点も、企業導入を検討する読者の参考になる。
米国の不動産権原・評価・決済サービス企業Rocket Closeが、AWSと組んで構築したエージェント型AI「Supercharger」を実運用し、コールセンターへの電話・メールを月数千件、入電を30%削減したと公式ブログで公表した。
権原審査の担当者は、複数のシステムや州ごとのガイド、郡ごとの登記要件を横断して確認する必要があった。相続や納税IDに関する地域ルールがさらに作業を複雑にし、郡ごとの要件を理解するだけで数時間かかることもあったという。Superchargerはこの分断された調べ物を自然言語の質問1本で支援する。
In this post, we explore how Rocket Close built a solution using Strands Agents, large language models (LLMs), Amazon Bedrock, Amazon Bedrock Knowledge Bases, and Model Context Protocol (MCP) tools.
注目すべきは、これが個別の検証作業ではなく、社内の知識ベースと業務データを横断して文脈を理解し回答するエージェントの実運用だという点だ。PoC止まりの話ではなく、業務インパクトを数字で示している。
Superchargerの基盤は、AWSが公開するオープンソースのエージェント開発キット「Strands Agents」だ。大規模言語モデルはAmazon Bedrock経由でAnthropic Claudeを使う。特定モデルへ深く作り込むのではなく、Bedrockを通じてモデルを差し替えられる構成になっている。
設計の核は、各データ源をAIと外部ツールをつなぐ共通規格(MCP=Model Context Protocol)で個別のツールとして公開した点にある。エージェントは利用者の質問に応じて、必要なツールを動的に選んで呼び出す。
この「データ源=ツール」の分解により、社内システムが分断している企業でもパイプラインを作り直さずに段階的に範囲を拡張できる。分断業務を抱える日本の企業にとっても再現性のある設計だ。
権原・決済という機密データを扱う業務でエージェントを動かすには、AIが参照してはいけないデータへ到達しない仕組みが要る。Rocket CloseはAmazon Bedrockの安全機能「Guardrails」と、データベースの行単位のアクセス制御を組み合わせ、機密データへの誤アクセスを防いだ。
Guardrailsは入出力のフィルタリングを担い、行単位のアクセス制御は「誰がどの行を見られるか」をデータ層で縛る。エージェントが万能に全データへ届くのではなく、利用者の権限の範囲でしかツールが結果を返さない構造になる。
この二重の境界は、監査ログとあわせて規制対応を意識した企業導入の参考になる。国内でも金融・不動産・医療などデータ保護要件が厳しい業種でエージェントを動かす際、権限境界をどの層に置くかの具体例として使える。
立場別、明日から動ける一手。
AWS公式ブログでStrands Agents・Bedrock・MCPの構成と、Guardrails・行単位アクセス制御による権限境界の作り方を確認する。
コールセンター入電のうちエージェントで代替できる問い合わせ種別と、削減目標を月件数で定義する。
自社の分断データ源を1つMCPツール化し、自然言語の質問に対する回答精度と誤アクセスの有無を試す。
本トピック自体への直接的な反応は限定的だが、周辺ではエージェントAIの実装手法が継続して話題になっている。
公式発表と各所の反応から編集部が要約した主な論点です。個別のX投稿そのものは下部のセクションに表示されます。
『AI agents are powerful, but they don't remember your preferences』
『what to build / how it looks / how it works』
『Managed Deep Agents integrates with LangSmith Sandboxes』
Replitは『AI agents are powerful, but they don't remember your preferences』として、エージェントに自社の慣習を覚えさせるCustom InstructionsとSkillsを紹介。プロンプト設計についても『what to build / how it looks / how it works』の3点を最初のプロンプトで答えよと具体策を共有している。LangChainは『Managed Deep Agents integrates with LangSmith Sandboxes』として、エージェントに安全にコードを実行させる仕組みに言及。エージェントを実運用に乗せる際の記憶・権限・安全実行という論点が、Rocket Closeの事例と同じ方向で関心を集めている。
AI agents are powerful, but they don’t remember your preferences. So you end up repeating instructions- How you structure projects. Your brand guidelines. You can now teach Replit Agent your conventions with Custom Instructions and Skills.
ICYMI: Managed Deep Agents integrates with LangSmith Sandboxes. See how you can allow your agent to safely execute code:
※トレンド検出時刻付近の人気投稿を表示
AI agents are powerful, but they don’t remember your preferences. So you end up repeating instructions- How you structure projects. Your brand guidelines. You can now teach Replit Agent your conventions with Custom Instructions and Skills. It'll take them into account for…
1. Be Specific Don't hand Agent a wall of text. Answer three questions in your first prompt: what to build (the main thing you want), how it looks (visual details and design), and how it works (interactions and behavior).
How to prompt like a pro with Replit 🤖 Vague prompts just mean more rewrites. Here's how to get Agent to build the right thing the first time. 🧵 Open thread ↓
ICYMI: Managed Deep Agents integrates with LangSmith Sandboxes. See how you can allow your agent to safely execute code: