Agents for Amazon BedrockでジェネレーティブAIアプリ開発を簡素化

Pulisher : AI & Data Analytics Center チェ・スンヒョン
Description : Amazon Bedrock完全管理用Agentを使用した生成型AIアプリの開発方法について紹介したセッション

はじめに

re:Inventで2回目、3回目の基調講演を聞き、GenAIそしてBedrockに興味を持ち、どのように様々な方法でGenAI appが活用されているのか気になり、このセッションを申し込みました。

そして、Agentがどのように活用され、構成されるのかアーキテクチャを確認することで、Bedrockを通じてGenAI Appを構成しようとする顧客社に役立つと思います。

セッションの概要紹介

目的に合ったAgentを選択し、そのAgentに必要なAction、Knowledgeを構成することの重要性を説明します。

指示のみで構成された最も単純なAgentの場合、Joke botのように特定の目的でのみ質問に答えることができます。一方、ActionsとKnowledgeで構成されたAgentの場合、下の画像のように、質問が来たらKnowledgeで適切な答えを提示することができ、それに基づいた追加行動も実行することができます。

このようにAgentsを目的によって4つのタイプに分けることができます。

１．Only Set of instruction
２．Use Actions to get work
３．Use Knowledge Bases to find information
４．Combine Actions and Knowledge Bases

会社内の文書を活用してHR Time Off Agentを構成すると、HR関連ポリシーの確認(Knowledge base)、休暇関連Actionなどを実行することができます。HR Time off Agent以外にも、Laptop Support assistant、Ticket Triage Agent、Tractor Maintenance assistantがBedrockに構成されており、簡単に活用することができます。

Bedrock Agents内のフローは次のように構成されています。外部からRequest(Task)が流入すると、Bedrock Agentsで収集し、Requestをプロンプト化します。

質問に対して行動に対するステップを分け、そのステップごとに必要に応じてAction、Knowledgeを構成して結果を返します。 そして、そのTaskと結果を再びモデルが学習しながら最終的な応答を作ります。

Bedrock Agentを活用して業務プロセスを改善した事例です。 以前の業務プロセスでは、直接文書とデータ、そしてコードをスタッフが分析してロジックを抽出し、再び文書を更新する過程を経ました。コードの中には重要なロジックがたくさん含まれていましたが、その過程を実行するのに不必要な時間が多くかかっていました。

Bedrock Agentを活用し、業務プロセスの改善と効率性を向上させました。

1.すべてのレガシーコード及びファイルはS3バケットにアップロードされています。
2.分析者が”mapping document”を生成してほしいと要請すると、BedrockのData Mapping Agentを通じて内容が伝達されます。
3.フィールド分析、ファイル間の関連関係、Mapping Documentの生成過程を経て、結果物は1番S3に同じように保存されます。
4.このように新しく生成されたファイルもBedrockのKnowledge Baseにアップロードされて学習されます。
5.その後、アナリストが質問を投げかけた時、そのBedrockのKB(Knowledge Base)から回答を提供します。

従来のプロジェクトでは分析に2週間程度の時間が割かれましたが、Bedrockを使用すると、わずか数分でデータマッピングファイルを生成することができました。

セッションを終えて

Bedrockを活用して大容量データファイルを効果的に処理することができ、様々な側面で活用できる可能性を見ました。 既存のAgentをBedrockを通じて強化させれば、今後様々な産業で活用することができそうです。