Couchbase、Amazon BedrockでAI開発支援「Capella iQ」のマルチモデル基盤を構築

2026年7月21日

AIニュース重要度

★★★☆☆

3.0 / 5｜知っておくと役立つ通常ニュース

知っておくと役立つ通常のアップデートのため★3としました。

生成AIの学び方で悩んでいませんか？

「何から学ぶか」「続けられるか」「仕事で使えるか」が大切と分かっていても、独学では難しいですよね。

DMM 生成AI CAMP 学び放題は、DMM.comが提供する月額制の生成AIオンラインスクールです。

総額200万円相当の約1,000レッスンが学び放題。職種別・ツール別のコースを、メンターやAIチューターのサポートを受けながら継続的に学べます。

その第一歩として、入会前に中身を体験できる60分の無料セミナーが用意されています。参加すると、こんなことが分かります。

自分の職種で使えるか - マーケティング・営業・人事など職種別8コースの中身を体感できる！
ツールごとの学び方 - ChatGPTやDifyなど、ツール別のマスターコースも確認できる！
学習の進め方 - 約1,000レッスンをどう学べば短期間で身につくか、プロが提案してくれる！
続けられる仕組み - 24時間対応のAIチューターやメンター相談、コミュニティの中身が分かる！
生成AIの最新デモ - 生成AIの最新技術デモをその場で体験できる！

「無料セミナーで体験してから、学び放題に入会して継続的に学ぶ」という流れで始められるので、合うか分からないまま入会する心配がありません。

予約・参加は無料。入会するかはセミナーの後に決められます。

＼予約は30秒・日時を選ぶだけ／

60分の無料セミナーを予約する（無料）

⇒入会・コース詳細を公式サイトで見る

※無料なのはセミナーで、学び放題本体は月額制の有料サービスです。料金は公式サイトをご確認ください。
※セミナー・コース内容は変更される場合があります。

概要

データベース企業のCouchbaseは、AI開発者アシスタント「Capella iQ」の推論基盤としてAmazon Bedrockを採用し、複数の基盤モデル（FM）を切り替えられるマルチモデルAIアーキテクチャを構築しました。本記事はAWS Machine Learning Blogに掲載された、Couchbase担当者との共著記事の内容をもとに解説します。

何が発表・更新されたのか

Capella iQは、データベースクエリ（SQL++）の生成やインデックス推奨、複数ターンにわたる会話型ワークフローを支援するAIアシスタントです。Couchbaseはこのサービスの拡張にあたり、特定のAIモデルに依存しない「モデルアグノスティック」な推論アーキテクチャを求めました。

採用されたアーキテクチャは、AmazonのEKS（Kubernetes管理サービス）上で稼働するマイクロサービス群（リクエスト受付・内部ルーティング・テナント設定管理を担う3種のPod）と、Amazon Bedrockのランタイムを、VPCインターフェースエンドポイント経由で接続する構成です。これにより、プロンプトや応答データが公開インターネットを経由せず、AWSインフラ内で完結します。

さらに、Amazon Bedrockの「Cross-Region Inference（CRIS）」機能を活用し、米国内のus-east-1・us-east-2・us-west-2の3リージョンに推論トラフィックを自動分散させています。特定リージョンで障害や需要急増が起きても、アプリケーション側のロジック変更なしに正常なリージョンへ自動的にフェイルオーバーする仕組みです。

本番モデルの選定にあたっては、SQL++生成やインデックス推奨など主要ワークフローを網羅したベンチマークを実施し、Anthropic社のClaude Sonnet 4.5が、社内評価（BIRD手法をベースにしたもの）で約76%の精度を達成。これが初期の本番採用モデルとして選ばれました。

なぜ重要なのか

AIアシスタントを企業向けサービスとして安定運用するには、単一モデル・単一リージョンへの依存はリスクになり得ます。Couchbaseの事例は、モデル選定を「コード変更」ではなく「設定変更」で完結させる設計により、新しいモデルが登場した際も迅速に評価・切り替えができる点を示しています。また、Cross-Region Inferenceのような可用性確保の仕組みを自前で構築せずに活用できた点も、Amazon Bedrockを使う実務的なメリットとして紹介されています。

誰に関係があるのか

自社サービスにAI機能を組み込みたいSaaS事業者やITエンジニア
AIモデルのベンダーロックインを避けたいシステム設計担当者
クラウド基盤上でのAI運用の信頼性・可用性設計に関心のある技術責任者

仕事や業務でどう使えるのか

本記事は特定製品の一般提供情報ではなく、AWS上での設計事例です。自社でAI機能付きの業務システムを構築・運用する際、次のような設計の参考になります。
– モデル切り替えを設定レベルで行えるよう、アプリケーション層とモデル呼び出し層を分離しておく
– 複数リージョンでの障害検証（フェイルオーバー試験）をあらかじめ計画に組み込む
– モデル選定時に、正確性・応答一貫性・レイテンシなど複数指標でベンチマークを行う

注意点

本記事はAWS Machine Learning Blogに掲載されたCouchbaseとの共著による事例紹介であり、Amazon Bedrockや関連機能の新規発表・料金改定を伝えるものではありません。日本での提供状況や対象プラン、料金体系については公式情報上で確認できませんでした。自社導入を検討する場合は、AWS公式ドキュメントで最新の対応リージョンやサービス内容をご確認ください。