Amazon Web Services ブログ

Category: Generative AI

Amazon Bedrock Agents を使用して堅牢な生成 AI アプリケーションを構築するためのベストプラクティス – Part 2

この連載の第 1 部では、Amazon Bedrock Agents を使用して正確で信頼性の高いエージェントを作成するためのベストプラクティスを探りました。この第 2 部では、堅牢で拡張性が高く、セキュアなインテリジェントエージェントを構築するのに役立つ、アーキテクチャ上の考慮事項と開発ライフサイクルのプラクティスについて詳しく説明します。会話型 AI の世界を探索し始めたばかりの方も、既存のエージェントのデプロイメントを最適化したい方も、この包括的なガイドは長期的に価値のある洞察と実践的なヒントを提供し、目標達成の助けとなるでしょう。

Amazon Bedrock Agents を使用して堅牢な生成 AI アプリケーションを構築するためのベストプラクティス – Part 1

この 2 部構成のシリーズでは、Amazon Bedrock Agents を使用して生成 AI アプリケーションを構築するためのベストプラクティスを探ります。パート 1 では、正確で信頼できるエージェントの作成に焦点を当てます。パート 2 では、アーキテクチャの考慮事項と開発ライフサイクルの実践について説明します。

Figure 2: Example of a carbon credit portfolio

Contribution: Introduction to the Carbon Credit Evaluation System Using Generative AI by Osaka Gas Co., Ltd. (Second half)

This article is a contribution from Mr. Eiji Natsuaki, Executive Officer and Head of the Business Creation Division of Osaka Gas Co., Ltd., regarding the company’s efforts to use generative AI for a carbon credit evaluation system. It is the second part of a two-part series.

Figure 4: AWS Architecture Overview

Contribution: Introduction of a carbon credit evaluation system using Generative AI by Osaka Gas Co., Ltd. (First half)

This article is a contribution from Mr. Kazuya Okada, the leader of the Carbon Credit Development Unit in the Future Value Development Department of Osaka Gas Co., Ltd., regarding the company’s efforts to use generative AI for a carbon credit evaluation system. It will be introduced in two parts, this being the first part.

AWS の Sales Concierge で製薬企業の営業生産性と効率を飛躍的に向上

このブログは、“Boost sales team productivity and effecti […]

Amazon Bedrock Guardrails を使用したモデルに依存しない安全対策を実装する

生成 AI モデルは幅広いトピックに関する情報を生成できますが、その応用には新たな課題があります。これには関連性の維持、有害なコンテンツの回避、個人を特定できる情報（PII）などの機密情報の保護、ハルシネーション（幻覚）の軽減が含まれます。Amazon Bedrock の基盤モデル（FM）には組み込みの保護機能がありますが、これらはモデル固有であることが多く、組織のユースケースや責任ある AI の原則に完全に合致しない可能性があります。

IQVIAサービシーズ ジャパン合同会社 の AWS 生成 AI 事例: Bedrock の Knowledge Base を利用した社内 RAG チャットシステムの構築

本ブログは、IQVIA サービシーズ ジャパン合同会社 と Amazon Web Services Japan が共同で執筆しました。IQVIA サービシーズ ジャパンでは、臨床試験や市販後調査（PMS）、医薬品関連文書の作成等の業務において、日本における医薬品の臨床試験の実施の基準に関する省令や治験業務を行う上での規制のように一般に公開されているドキュメントの内容を確認する必要がたびたび発生します。それらの症例や規制の内容について疑問がある場合にはガイドブックやウェブで公開されている情報を元に手作業で調査を行っていましたが、この調査に時間がかかることが課題になっていました。
調査効率の向上のために、IQVIA サービシーズ ジャパンでは Amazon Bedrock のナレッジベースを用いた RAG(Retrieval-Augmented Generation) ベースの AI チャットソリューションを構築しました。Amazon Bedrock のナレッジベースは、データソースへのカスタム統合を構築してデータフローを管理することなく、取り込みから取得、迅速な拡張まで、RAG ワークフロー全体を実装するのに役立つフルマネージド機能です。

← Older posts
Newer posts →