【AWS AIF対策】AWSの生成AIサービスの全体像

Transcript

1. 2026年9月 AWSの生成AIサービスの全体像 AWS Certified AI Practitioner 対策 #8 赤神青空
2. ▪つなぎ方をそろえる規格が、MCP 前回のクイズの答えは「B」 前回のクイズ A RAG 関連する⽂書を検索して渡す仕組み エージェントと外部のツールやデータを、 接続先ごとの個別の実装なしにつなぐ ための共通の規格は？ エージェント MCP 接続先ごとの実装を書かずに、 共通の規格でつなげる クライアントとサーバの形で動く 今ココ おさらい ツール B MCP ツールやデータへのつなぎ⽅の規格 C RLHF ⼈のフィードバックを使う学習⽅法 D ETL データの抽出‧変換‧読み込み 2/13
3. ▪そのまま使う、組み合わせて作る、自分で学習・運用する 関わり方で3つに分かれる AWSの⽣成AIサービスは、関わり⽅で3つに分かれる そのまま使う 基盤モデルを組み合わせて作る ⾃分で学習‧運⽤する Amazon Quick Amazon Bedrock Amazon SageMaker AI Kiro Bedrock AgentCore SageMaker JumpStart AWS Transform Strands Agents 業務や開発の中で、完成した形で使う APIで呼び出し、アプリやエージェントを作る モデルを調整して、⾃分で動かす どれも試験ガイド 2.3.1 に挙げられているサービス。右へ⾏くほど、⾃分で⾒る範囲が広くなる 今ココ 全体像 3/13
4. ▪複数社のモデルを、1つのAPIで呼び分けられる Bedrock は基盤モデルをAPIで使う Amazon Bedrock：基盤モデルをAPIで使うマネージドサービス Anthropic Amazon Nova Meta アプリから呼ぶ サーバーの管理は不要 Amazon Bedrock Mistral AI 1つのAPIで呼び分けられる モデルを差し替える APIはそのまま ⾃社データで調整する Cohere ファインチューニングなど RAG（Knowledge Bases）やガードレールも Bedrock の機能。詳しくは #10 と #14 で扱う 今ココ 作るためのサービス 4/13
5. ▪自分で学習・デプロイする場合に使う SageMaker AI と JumpStart Amazon SageMaker AI データの準備 学習‧調整 デプロイ 監視 モデルを⾃分で学習‧デプロイし、インフラも⾃分で選ぶ 今ココ 作るためのサービス SageMaker JumpStart 公開されているモデルの⼀覧から選ぶ （基盤モデルや、画像‧⽂章のモデルなど） ⾃分の環境にデプロイして使う 必要なら⾃社データで調整する Bedrock との違い モデルを動かす環境を⾃分で持つか、APIで借りるか 5/13
6. ▪書くためのSDKと、本番で動かすための基盤 エージェントは Strands と AgentCore Strands Agents エージェントを作るための SDK （オープンソース） ‧使うモデルを指定する ‧使えるツールを登録する ‧どう進めるかを書く 書いたエージェントを、動かす場所が必要になる 今ココ 作るためのサービス Bedrock AgentCore Runtime Memory Gateway Identity Code Interpreter Browser 動かす場所 APIをツールに変換（MCP） コードの実⾏ 短期‧⻑期の記憶 認証と権限 ブラウザ操作 Observability 実⾏の記録と監視 エージェントを本番で動かすための7つの機能 6/13
7. ▪Amazon完成した形で使うサービス Quick、Kiro、AWS Transform 完成した形で使うサービス Amazon Quick Kiro AWS Transform ‧社内のデータをつないで質問に答える 資料や ダッシュボードを作る Amazon Q Business の後継 ‧エージェント型の開発環境（IDE） 指⽰をまず仕様書にしてから コードを作る ‧移⾏やモダナイズを進めるエージェント 既存のコードや構成を読み取って 移⾏の作業を代⾏する Amazon Q Business は 2026年7⽉31⽇から新規の受付を終了。後継は Amazon Quick （既存の利⽤者は継続して使える） 今ココ そのまま使うサービス 7/13
8. ▪どこから手に入れて、どこで動かすか モデルの入手と、動かし方 モデルをどこから⼿に⼊れるか どう動かすか 既存の基盤モデルを使う マネージドAPI Bedrock や JumpStart から選ぶ Bedrock など ⾃分で学習する 費⽤と時間が⼤きい 下に⾏くほど、⼿間とコストが⼤きくなる 今ココ 選び方 SageMaker AI など すぐ使える 公開モデルを持ち込む ⾃分の環境にデプロイする セルフホスト ⾃分で管理する 管理の⼿間 少ない 多い ⾃由度 決まった範囲 ⾼い 試験ガイド 1.3.2‧1.3.3 に対応する内容 8/13
9. ▪始めやすさ、スピード、コスト効率、セキュリティ AWSで作る利点 AWSで⽣成AIを作る利点（試験ガイド 2.3.2‧2.3.3） 始めやすさ スピード ‧モデルを⾃分で⽤意しなくてよい ‧APIを呼ぶところから始められる ‧インフラの構築が要らない ‧試して、差し替えて、進められる コスト効率 ‧使った分だけ⽀払う ‧モデルの⼤きさを⽤途で選べる 今ココ 選び方 セキュリティとコンプライアンス ‧IAM や暗号化がそのまま使える ‧監査の記録も残せる 9/13
10. ▪オンデマンド、バッチ推論、プロビジョンドスループット Bedrock の料金は3つから選ぶ Bedrock の料⾦は3つの払い⽅から選ぶ オンデマンド バッチ推論 プロビジョンドスループット ‧使った分だけ⽀払う ‧⼊⼒と出⼒のトークン数で計算 ‧まとめて⾮同期で処理する ‧標準の料⾦から 50% 引き ‧⼀定の処理能⼒を確保して確保分を⽀払う ‧期間の契約が必要 向く場⾯：まずはここから 向く場⾯：急がない処理 向く場⾯：安定した⼤量処理 画像を作るモデルは画像ごと、埋め込みのモデルは⼊⼒トークンのみ、など料⾦の単位はモデルの種類で変わる 今ココ コスト 10/13
11. ▪可用性、リージョン、カスタムモデル、モデルの大きさ コストは、ほかの要件とのつり合い コストは、ほかの要件とのつり合いで決める（試験ガイド 2.3.4） 可⽤性を上げる 複数のリージョンや冗⻑な構成にすると、その分コストが増える リージョンを選ぶ 近いリージョンは速いが、料⾦や使えるモデルが違うことがある カスタムモデルを使う ⾃社データで調整すると精度は上がるが、学習と実⾏のコストが増える ⼤きいモデルを使う 難しい処理に強いが、料⾦も応答時間も⼤きくなる 今ココ コスト 11/13
12. ▪クイズの前に、持ち帰ってほしいことを振り返る 今回のまとめ 関わり⽅で3つに分かれる そのまま使う∕基盤モデルを組み合わせて作る∕⾃分で学習‧運⽤する Bedrock は、基盤モデルをAPIで使うサービス 複数社のモデルを1つのAPIで呼び分けられる。インフラの管理は不要 Bedrock SageMaker AI は、⾃分で学習‧デプロイする JumpStart は、公開モデルを選んで⾃分の環境に置く⼊⼝ エージェントは Strands で書き、AgentCore で動かす Runtime‧Memory‧Gateway‧Identity など7つの機能 AgentCore 料⾦はオンデマンド‧バッチ‧プロビジョンドスループット 可⽤性やモデルの⼤きさと、コストのつり合いで決める 今ココ おわりに 12/13
13. ▪動画に付けたクイズから回答できます。答え合わせは次回の冒頭で 今回のクイズ 複数社の基盤モデルをAPIで呼び分けて使いたい。モデルの学習やサーバーの管 理はしたくない。最も適したサービスは？ A Amazon SageMaker AI 今ココ おわりに B Amazon Bedrock C Bedrock AgentCore D Amazon Quick 13/13