導入部
先日、AIプラットフォーム「Kiro」にて重要なアップデートが実施されました。今回のリリースでは、管理者が組織内のAI利用状況をより詳細に把握できる「モデル別メッセージカウント機能」が追加されました。企業におけるAI導入が進む中、どのモデルがチームに活用されているかを可視化することは、コスト管理や最適なモデル選定において極めて重要です。
主要な変更点：モデル別利用状況レポート
今回のアップデートにより、日常のユーザーアクティビティレポートにおいて、メッセージ数がAIモデルごとに細分化されて表示されるようになりました。
初心者向け解説
これまで「Kiro全体でどれくらいAIが使われたか」しか分からなかったレポートが、「Claude 3.5 Sonnetで何回」「GPT-4oで何回」といったように、モデルごとの内訳が見えるようになりました。これにより、チームがどのAIを好んで使っているのか、あるいはどのモデルにコストがかかっているのかが一目で分かります。
技術的詳細
バックエンドのログ集計処理が強化され、各メッセージのメタデータに紐づくモデルIDが抽出されるようになりました。レポート出力時には、モデル名（例: Claude_Opus_4.6_messages）がカラムとして動的に生成されます。
※モデルIDとは: 各AIモデルを識別するための固有の識別子。
視覚要素：機能フロー
graph TD
A["ユーザー入力"] --> B["AI処理"]
B --> C["ログ記録"]
C --> D["モデル別集計"]
D --> E["管理画面レポート"]
比較表：レポート機能の進化
| 項目 | Before (従来) | After (最新) |
|---|---|---|
| 集計単位 | 全体メッセージ数 | モデル別メッセージ数 |
| 可視性 | 低（総量のみ） | 高（モデル内訳あり） |
| 管理の粒度 | 粗い | 詳細（モデル採用状況の追跡） |
影響と展望
この機能強化は、特に「AIガバナンス」を重視する企業にとって大きなメリットがあります。例えば、高コストな高性能モデル（Claude Opusなど）の利用率を監視し、一般的なタスクには安価なモデルを推奨するといったコスト最適化のPDCAを回すことが可能です。今後は、モデル別のトークン消費量やコスト換算額の表示など、さらなる詳細な分析機能の追加が期待されます。
まとめ
- モデル別のメッセージカウントにより、利用状況の透明性が向上しました。
- 企業管理者は、モデルごとの採用率を正確に把握できるようになりました。
- コスト管理やモデル選定の最適化に向けたデータドリブンな意思決定が可能です。
- 公式チェンジログから最新情報を随時確認しましょう。
