Amazon Web Services ブログ

Category: Amazon Machine Learning

GxP 環境で AI エージェントを構築するためのガイド

ヘルスケア・ライフサイエンスの組織は、生成 AI エージェントによって創薬、医療機器、患者ケアを変革しつつあります。本記事では、GxP 環境で AI エージェントを構築するためのリスクベースの実装、リスクレベルごとの実装上の考慮事項、コンプライアンスにおける AWS の責任共有モデル、リスク低減策の具体例を紹介します。

AWS Weekly Roundup: AgentCore Runtime V2、Amazon DynamoDB のバルクプット項目など (2026 年 11 月 9 日)

新しいものを導入する際のコストの大部分は、新しいもの自体ではなく、移行作業にあります。Hive テーブルを A […]

AI を活用したコンプライアンスエビデンス収集システムの構築

コンプライアンス監査で求められる大量のスクリーンショット取得は、手作業では時間がかかり、ミスも起こりやすい作業です。この記事では、Amazon Bedrock と Amazon Nova 2 Lite を活用し、ブラウザ拡張機能でエビデンス収集を自動化するシステムの構築方法を紹介します。コンプライアンス文書からワークフローを生成する AI を活用したワークフローデザイナー、Amazon S3 でのエビデンス管理、Amazon SES によるレポート送信についても解説します。また、Amazon Cognito による最小権限の認証情報の提供と、AWS CloudFormation によるデプロイ手順も説明します。

Amazon Bedrock を活用したアプリケーションの設計に信頼と安全性を組み込む

Amazon Bedrock を活用した生成 AI アプリケーションでは、設計段階から安全性を組み込むことが重要です。本記事では、責任ある AI の主要な側面と、設計と開発、デプロイ、運用の各フェーズで安全性を確保するための考え方を解説します。さらに、Amazon CloudWatch による監視や Amazon Bedrock Guardrails による保護措置のカスタマイズなど、不正使用を防止する方法を紹介します。AWS Trust & Safety チームから不正使用の報告を受けた際の対応プロセスも説明します。

Amazon Bedrock AgentCore Policy がエージェンティックワークフローの保護に Cedar を採用した理由

AI エージェントの中核にある大規模言語モデル (LLM) は非決定論的で、ハルシネーションやプロンプトインジェクションのリスクがあります。本記事では、LLM を信頼できないアクターとして扱う考え方を説明します。そのうえで、Amazon Bedrock AgentCore Gateway でツール呼び出しを認可制御する AgentCore Policy が Cedar を採用した理由を解説します。可読性、決定論的な動作、自動推論による分析可能性を活かして、ニューロシンボリック AI でポリシーを作成し、Cedar Analysis で論理エラーや競合を検出する仕組みも紹介します。

← Older posts