AWS、社内文書RAGを簡単化。マネージドの知識ベース提供
この記事の要点
AWSが6月17日、Bedrockにマネージドの知識ベースを提供した。社内文書をAIに答えさせるRAGの基盤を、つなぎ込みの手間を減らして組める。多様な形式の自動整形や、複数段階の問い合わせに答える検索を備える。社内Q&Aを作りたい企業に直結する。
結論
AWSは6月17日、ニューヨークのAWS Summitで、Bedrockにマネージドの知識ベースを提供したと発表した。社内文書をAIに答えさせるRAGの基盤を、データのつなぎ込みや整形の手間を減らして組める。多様な形式の文書を自動で整え、複数段階の問い合わせに答える検索も備える。社内のFAQや問い合わせ対応をAIに任せたい企業にとって、立ち上げの負担が下がる。
何が発表されたか
発表によると、Bedrockのマネージドの知識ベースは、企業向けのRAGの流れをまとめて受け持つ。データをつなぐ標準の接続、複数の形式の文書を自動で準備する整形、複数の段階に分けて答える検索を備える。これらはAgentCore Gatewayと連携し、開発側は基盤の管理ではなく業務の成果に集中できるとされる。
RAGは、社内の文書を読ませてその内容にもとづいて答えさせる仕組みだ。モデルの学習に含まれない自社固有の情報を回答に反映できる。これまでは、文書の取り込みや整形、検索の調整を自前で組む必要があり、立ち上げに手間がかかっていた。その部分をAWSが受け持つ形になる。仕組みの基礎はRAGとは？社内文書をAIに答えさせる仕組みに、設計の考え方はRAGシステムの基本設計に整理がある。
発表でうたわれた要素のうち、実務で効くのは2つだ。1つは、複数の形式の文書を自動で整える機能で、PDFや表計算、文書ファイルが混在していても、検索に使える形へ整えてくれる。社内の文書は形式がばらばらなことが多く、ここを人手で整えるのは負担が大きかった。もう1つは、複数の段階に分けて答える検索だ。1回の問い合わせで答えが出ない複雑な質問でも、必要な情報を順に集めて回答を組み立てる。手の込んだ質問が多い社内の問い合わせ対応で、答えの精度を底上げしやすい。
現場の実務にどう効くか
AI推進担当にとっての利点は、社内Q&Aの試作までの距離が縮むことだ。これまでは、文書を整えて検索を組む工程で時間を取られ、効果を試す前に力尽きがちだった。整形と検索を任せられれば、まず小さな業務で試して、効くかどうかを早く確かめられる。
進め方としては、対象を1つの部署のFAQなどに絞り、よく聞かれる質問を10〜20個用意して、正しく答えられるかを人が確認する。出典として参照した文書が合っているかも見る。問題がなければ対象の文書と部署を広げる。社内文書検索のツール比較は社内文書を検索できるAIツール比較が、エージェントに最新情報を取らせる新機能はAWS、AIエージェントに公式Web検索が参考になる。
提供地域や機能の範囲は変わりうる。本番に入れる前に、対応する文書形式とデータの扱いを最新の公式情報で確認してほしい。
まとめ
AWSがBedrockにマネージドの知識ベースを提供し、社内文書RAGの立ち上げが楽になった。整形や検索を任せられるため、効果を早く試せる。まず1部署のFAQに絞り、代表的な質問で答えの正しさと出典を人が確かめてから広げるのが堅い。仕様は変わりうるため、最新は公式で確認してほしい。
出典
よくある質問
マネージドの知識ベースで何が楽になりますか
データのつなぎ込み、多様な形式の整形、検索の仕組みづくりをAWSが受け持つため、自前で基盤を組む手間が減るとされます。開発側は業務の成果に集中しやすくなります。
RAGとは何ですか
社内の文書をAIに読ませ、その内容にもとづいて答えさせる仕組みです。モデルの学習に含まれない自社固有の情報を、回答に反映させたいときに使います。
関連記事
AWS、AIエージェントに公式Web検索。社外へデータ出さず
AWSが6月17日、Bedrock AgentCoreにWeb検索機能を正式提供した。AIエージェントが最新のウェブ情報を出典付きで取得でき、自社のAWS環境から外へデータを出さずに使える。追加料金はかからない。社内エージェントの精度を上げたい企業に効く。
AWS、エージェント本番化のStrandsを強化。検証を標準に
AWSは6月18日、本番向けエージェントを作るオープンソースのStrandsを強化した。隔離した実行環境、混乱を起こす負荷試験、攻撃を模した検証を加える。試作で止まりがちなAIエージェントを、検証を前提に本番へ進めるための土台になる。
ServiceNow、AWS市場で取引10億ドル。AI統制を共同提供
ServiceNowとAWSが、AIエージェントを統制する共同基盤を提供する。両社のマーケットプレイス取引は10億ドルを超えた。複数モデルで作ったエージェントを一元的に監視し、人の承認を挟んで実行する設計が示された。乱立しがちなAIの管理を一望する発想が参考になる。