ある企業のカスタマーサポートチームは、Amazon Bedrock の基盤モデルを使って FAQ への自動回答システムを構築しようとしている。モデルは最新の自社製品情報を参照する必要があるが、モデルの再学習は予算上の理由で実施できない。最も適切なアプローチはどれか。
- A. プロンプトに製品情報をすべて手動で貼り付けてモデルに送信する
- B. Amazon SageMaker で独自の言語モデルをゼロから学習させる
- C. Amazon Bedrock Knowledge Bases を使い、製品情報ドキュメントをベクトルデータベースに格納して RAG を構成する
- D. Amazon Bedrock のファインチューニング機能を使い、製品情報データセットでモデルを追加学習させる
解答と解説を見る
正解: C
Knowledge Bases for Amazon Bedrock は RAG（検索拡張生成）アーキテクチャを提供し、モデルを再学習させることなく外部ドキュメントの情報をリアルタイムで参照させることができる。コストを抑えながら最新情報を反映できる点が最適。Dのファインチューニングはモデルの挙動・スタイル調整には有効だが、製品情報のような事実情報の更新には不向きで、データ更新のたびに再学習が必要になりコストも増大する。Aのプロンプトへの手動貼り付けはコンテキスト長の上限を超える可能性があり運用として持続しない。Bの独自モデル学習はコスト・工数ともに過剰であり、問題の制約条件に反する。
📚 関連サービスの解説: Amazon Bedrock