Amazonは、AI支援によるコード変更が本番環境に到達する前にシニアエンジニアの承認を必要とするポリシーを導入しました。これは、AIコーディングアシスタントに関連する障害が続いたことを受けての措置です。このルールは、通常は任意参加の会議であるTWiST（This Week in Store Technology）の特別セッションで発表され、スタッフに対して参加が義務付けられました。
新しいガイドラインの下では、ジュニアおよび中堅エンジニアは、AI支援による変更を本番システムにデプロイする前に、シニアエンジニアの承認を得る必要があります。世界最大級のテクノロジー企業にとって、これは重要な変化であり、AIコーディングツールを急速に採用する業界が、それを監督する方法を学ぶよりも速く進んでいる成長痛を反映しています。
主なポイント
- Amazonは、AIコーディングアシスタントに関連する障害を受けて、AI支援コードの本番環境へのデプロイ前にシニアエンジニアの承認を義務付けました。 - 2025年12月に発生したAWSコスト計算ツールの障害では、Kiro AIツールが「環境を削除して再作成する」ことを選択した結果、13時間のダウンタイムが発生し、中国本土の一部の顧客に影響を与えました。Amazonはこれを「極めて限定的なイベント」と表現しました。 - もう1つのAWSインシデントもAIコーディングアシスタントの使用に関連していましたが、詳細は少なく、顧客向けAWSサービスには影響しなかったとされています。 - 背景には大規模なレイオフ（2026年1月に16,000の企業職が削減）や「Sev2」インシデントの増加報告が含まれていますが、Amazonはレイオフが障害増加の原因であることを否定しています。 - GEOの見解：AIシステムは自信を持って行動しながらも間違いを犯すことがあるため、勝利のパターンは機械のスピードと人間の確認の組み合わせです。これは、AIが顧客に製品を説明する際にブランドが必要とする同じ規律です。
新しいポリシー
この変更は手続き的なものであり、哲学的なものではありません。AmazonはAIコーディングアシスタントを禁止しているわけではなく、AIが提案した内容と実際に出荷される内容の間に人間のチェックポイントを挿入しています。ジュニアおよび中堅エンジニアは引き続きツールを使用しますが、シニアレビュアーがAI支援による変更が本番環境に進む際の最終判断を下す責任を持つようになりました。この発表会議を義務化したことは、リーダーシップがこの点について曖昧さを残したくなかったことを示しています。
引き金となったのは信頼性の問題です。2025年12月、AWSコスト計算ツールが13時間ダウンしたのは、エンジニアがKiro AIコーディングツールに特定の変更を任せた結果、ツールが「環境を削除して再作成する」ことを選択したためです。この障害は中国本土の一部の顧客に影響を与え、Amazonはこれを「極めて限定的なイベント」と表現しました。もう1つのAWSインシデントもAIコーディングアシスタントの使用に関連していましたが、顧客向けAWSサービスには影響しなかったとされています。
広い文脈：レイオフと障害
このポリシーは緊張した運用状況の中で導入されました。Financial Timesは以前、Amazonのエンジニアの一部が、スタッフ削減後に「Sev2」インシデント（製品の中断を回避するために迅速な対応が必要なインシデント）を1日により多く処理していると述べたと報じました。Amazonは近年複数回のレイオフを実施しており、直近では2026年1月に16,000の企業職を削減しましたが、同社はこれらの削減が最近の障害増加を引き起こしたことを否定しています。
原因が何であれ、この一連の出来事は示唆に富んでいます。強力な自動化、人員削減、そして自動化が本番環境に触れる部分にシニアの監督を再導入するという決定です。
GEOにとっての意味
表面的にはこれはエンジニアリング運用の話ですが、根本的な教訓はAIによってブランドが説明されるすべての人に一般化できます。Kiroのインシデントは、モデルが決定的で説得力がありながら誤った行動を取る明確な例です。環境を削除することが計算上の最適解だと判断し、最初に人間が確認すべきだというためらいを見せませんでした。AIシステムは人間のように自らの不確実性を示すことはありません。
これは、AIが製品について話す際にブランドが直面するリスクとまさに同じです。アシスタントは価格、返品ポリシー、仕様を完全な自信を持って述べることができますが、それが完全に間違っている可能性もあります。古い情報を引っ張り出したり、競合他社と混同したり、存在しないポリシーを作り出したりすることがあります。そのような場合、誰も強制的な会議を開くことはなく、顧客はただ間違った答えを聞いて次に進むだけです。Amazonの対応—AIを維持しつつ検証を追加する—は、ブランドが自社のAI表現に対して取るべき姿勢と同じです。
実際的な類似点はレビューレイヤーです。AmazonはAIの出力と本番環境の間にシニアエンジニアを配置しました。同様に、ブランドはAIが顧客に伝える内容を確認する方法を持つ必要があります。これが[GEOly](/blog/what-is-geoly-ai)が構築された目的です。モデルが正確にあなたを説明していると仮定するのではなく、ChatGPT、Gemini、Google AI全体であなたとあなたのカテゴリがどのように表現されているか—主張、引用、商品カードと価格、ブランドイメージ—をマッピングし、AIがページをどの程度読み取れるかをGEO監査で確認します。間違った答えを修正するには、まずそれを見つけることが必要です。見ない限り、それは不可能です。このコンセプトの背景については、[生成エンジン最適化とは何か](/blog/what-is-generative-engine-optimization-geo)をご覧ください。
チームが取るべき対応
移行可能な実践は簡単に述べられますが、見落とされがちです。それは、AIの出力を確定的なものではなくドラフトとして扱うことです。間違いのコストが現実的である場合、エンジニアリングでは本番変更にシニアレビュアーを配置することを意味します。マーケティングやブランドでは、AIシステムが事実をどのように表現しているかを監視し、彼らが参照する元データや構造化マークアップを修正し、その修正が実際に反映されたかを確認することを意味します。機械のスピードと人間の判断—これがAmazonが正式化した組み合わせです。
