Amazon Bedrockで始めるRAG入門

by Yudai Jinno

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Slide 3

Slide 3 text

© 2026 Classmethod, Inc. 自己紹介 3 簡単な自己紹介をさせていただきます。本日はどうかよろしくお願いいたします。名前神野雄大（Jinno Yudai）/@yjinn448208 所属クラスメソッド株式会社クラウド事業本部コンサルティング部 AIソリューションアーキテクト資格 ● Japan All AWS Top Engineers 2025 好きなサービスブログはこのアイコンで書いています！ ● Amazon Bedrock AgentCore （自称日本一ブログを書いています）

Slide 4

Slide 4 text

© 2026 Classmethod, Inc. 対象と目的 4 本日はAmazon Bedrockで始めるRAGといった観点で入門のお話しをします。Bedrockの説明からRAGの説明までを段階的に説明します。対象対象と目的 ● 生成AIの業務効率化を検討している方 ● RAGというキーワードはよく聞くが何ができるかあまりわかっていない方目的 ● Amazon Bedrockで何ができるかを理解する ● RAG（Retrieval-Augmented Generation：検索拡張生成）の仕組みと導入イメージを掴む

Slide 5

Slide 5 text

Slide 6

Slide 6 text

© 2026 Classmethod, Inc. 生成AIツールの進歩・普及により「使うかどうか」ではなく「どう使うか」のフェーズに入っています。より多くのユースケースに生成AIが対応できるようになりました。生成AIの活用 6 生成AI ユーザー xxxについて教えて xxxは〜質問/文章作成/要約/etc・・・代表的なユースケース群チャット・質問応答画像生成文章作成・要約コード生成・修正翻訳情報の構造化データ分析・可視化リサーチ

Slide 7

Slide 7 text

© 2026 Classmethod, Inc. 変化を急速にしたのはClaude Codeのような自律型コーディングAIエージェントの登場により、コードや資料作成などは曖昧な指示でも高品質なアウトプットが出せるようになったためです。コーディングAIエージェントの登場 7 Claude Code ブラウザターミナル Claude コードドキュメントユーザーログイン処理を作ってコピペするか・・・ログイン処理は public void ・・・ユーザーログイン処理を作って一式作成しますね。作成え、動くものが全部できてる！？少し前現在

Slide 8

Slide 8 text

© 2026 Classmethod, Inc. そんな時流の中、生成AIを導入していない、または導入しているが使いきれていないなど不安になるケースもあるのではないでしょうか。今回はAWSを中心としたBedrockでどう活用していくのかを説明していきます。生成AIの進化による不安 8 セキュリティ担当者の不安入力したデータがAIの学習に使われてしまうのでは？ DX推進担当者の悩み自社でどう活用すべきかわからない・・・現場の悩み生成AIは便利だけど、うちの社内情報は答えてくれない・・・ Amazon Bedrock を駆使して状況課題を解決します！！

Slide 9

Slide 9 text

Slide 10

Slide 10 text

© 2026 Classmethod, Inc. Amazon BedrockはClaudeなどの高性能な基盤モデルをAPIで手軽に利用でき、企業がセキュアに生成AIを活用する基盤を提供します。 Amazon Bedrock 10 ユーザー/ アプリケーション Amazon Bedrock APIを介して利用特徴サーバー管理不要なフルマネージドサービス Claudeなどの人気モデルを筆頭に複数のモデルを利用可能 AWS環境内でセキュアに利用可能 Claude DeepSeek Kimi

Slide 11

Slide 11 text

© 2026 Classmethod, Inc. Amazon Bedrockでは、入力・出力データがモデルプロバイダーに共有されたり、モデルの学習に使用されることはありません。企業が安心して使える最大の理由です。 Amazon Bedrock 11 企業のセキュリティポリシーに沿った運用が可能項目内容データ保護入力・出力データはモデルの学習に使用されず、モデルプロバイダーとも共有されない通信の暗号化転送時・保存時ともに暗号化ネットワークインターネット経由だけではなく、VPC EndpointでVPC内からも接続可能アクセス制御 IAM利用可能、IAMの仕組みを活用したAPI Keyも発行可能コンプライアンス GDPR、HIPAA、SOC 1/2/3、ISO 27001、FedRAMP Moderate、CSA STAR Level 2 など多数の認証に対応

Slide 12

Slide 12 text

Slide 13

Slide 13 text

© 2026 Classmethod, Inc. Amazon Bedrockを使用して、Claude Codeを動かすことももちろん可能です。（従量課金となるのでコスト管理には要注意ですが・・・） Amazon Bedrock 13 Claude Code ターミナル Amazon Bedrock Claude コードドキュメント作成 Bedrock経由でClaudeを利用最近のモデルはかなり高品質で作れます。

Slide 14

Slide 14 text

© 2026 Classmethod, Inc. Guardrailsの主な機能生成AIに入力してほしくないコンテンツ・生成してほしくないコンテンツはGuardrails といった機能を使うことでブロックすることが可能です。アカウントや組織全体にガバナンスを効かせることも可能にします。 Amazon Bedrock Guardrails 14 Amazon Bedrock with Guardrails ユーザー/ アプリケーション !$?!@!@#@@ （不適切なコンテンツ）ガードレールによってブロックされました ● コンテンツフィルター ○ ヘイト、侮辱、性的、暴力、不正行為、プロンプトアタックなどの有害コンテンツをテキスト・画像の両方で検出・ブロック ● 拒否トピック ○ 特定のトピック（話題）を定義してブロック ● ワードフィルター ○ カスタムの単語やフレーズを定義してブロック ● 機密情報フィルター ○ PII（個人識別情報）などの機密情報をブロックまたはマスク ● コンテキストグラウンディングチェック ○ ソース情報に基づかないハルシネーションを検出・フィルタリング ● 自動推論チェック（プレビュー） ○ 論理ルールに基づいてモデル応答の正確性を検証し、事実誤認を防止

Slide 15

Slide 15 text

Slide 16

Slide 16 text

© 2026 Classmethod, Inc. こんな便利な生成AIではあるので、一般的な弱点もあります。ナレッジの鮮度です。学習した範囲内までしか回答することができず、知識として持っていない情報は答えられないか嘘をつくケースがあります。情報の限界 16 生成AIが保持している知識でしか回答ができないユーザークラスメソッドの社内規定について教えてクラスメソッドの社内規定は存じません。一般的な社内規定だと〜質問 LLM

Slide 17

Slide 17 text

© 2026 Classmethod, Inc. そんな生成AIの知識を拡張する技術がRAG（Retrieval-Augmented Generation：検索拡張生成）です。外部のデータソースを参照することで、最新情報や企業独自の情報にもアクセスできるようになりました。 RAG（Retrieval-Augmented Generation：検索拡張生成） 17 ユーザー LLM クラスメソッドの社内規定はxxx です。引用元はyyy.pdfです。データソース質問参照クラスメソッドの社内規定について教えて最新情報に対応ドキュメント更新でAIの回答もすぐ反映自社公有の情報に回答可能社内規定、マニュアル、FAQなど根拠のある回答「どのドキュメントに基づくか」を提示モデルの再学習が不要ドキュメントの整備をするだけ RAGの特徴

Slide 18

Slide 18 text

© 2026 Classmethod, Inc. RAGにおけるユーザーの質問から回答生成までの流れを、ベクトルデータベースを中心としたアーキテクチャで実現します。 Appendix:具体的なRAGのイメージ 18 ドキュメント加工済みのドキュメント前処理ベクトルデータベースファイルを分割/ ベクトル化ユーザー質問 LLM 質問を解釈してクエリ作成問い合わせ LLM 検索結果となるドキュメントを取得検索結果となるドキュメント + 質問を加味して回答を生成準備利用マークダウンなどにするケースが多いです

Slide 19

Slide 19 text

© 2026 Classmethod, Inc. ベクトルデータベースは、テキストや画像などのデータを数値ベクトル（数字の配列）として保存し、意味的な類似性に基づいて高速に検索できるデータベースです。従来のデータベースはキーワードの完全一致で検索しますが、ベクトルデータベースは「意味の近さ」で検索できます。例えば、「犬」と検索すると「ペット」「動物」「愛犬」なども関連情報として取得できます。 Appendix:ベクトルデータベースについて 19 ユーザー犬の〜埋め込みモデル質問ベクトルデータベース（イメージ図）ラーメンペット犬愛犬類似質問をベクトルに変換して検索犬=[0.02, -0.45, 0.89, ...]

Slide 20

Slide 20 text

Slide 21

Slide 21 text

Slide 22

Slide 22 text

Slide 23

Slide 23 text

© 2026 Classmethod, Inc. 特に同じような問い合わせが多くの従業員から大量に来て、大変であるといったケースはあるかとも思います。問い合わせ以外の本来の業務に注力したいといったことも考えられます。ユースケース① 23 従業員担当者に問い合わせ担当者 VPN接続できない時の対処法は? パスワードリセットの方法は？問い合わせ対応が山ほど来て大変だ・・・調べたり解答作るの大変。生成AIが代わりに回答して欲しいよ・・・とほほ・・・この悩みを生成AIを活用して解消を図ります

Slide 24

Slide 24 text

© 2026 Classmethod, Inc. Amazon BedrockとBedrock Knowledge Basesを駆使してチャットで聞けば即座に出典付きの回答が返却される環境を手軽に実現できます。ユースケース① 24 従業員 Bedrock & Knowledge Bases チャットに質問を入力ドキュメントに沿った回答を提供ベクトルDB（ex. OpenSearch）質問に近しい内容を検索データソース出張申請ってどうしたらいいの？？出張申請のドキュメントを調べる出張申請の手順は以下の通りです。①事前に上長の承認を得る ②出張申請書に記入 ③... （出典：出張規程_v2.pdf 3ページ）」 24時間365日 / 同時に複数人が利用可能な問い合わせ可能な環境となります

Slide 25

Slide 25 text

© 2026 Classmethod, Inc. 下記のような問い合わせ対応ならシンプルなRAG構成で幅広く使用できる適用可能かと思います。ユースケース① 25 対象ドキュメント活用例社内規定・就業規則「有給休暇は最大何日取れる？」「出張時の日当はいくら？」業務マニュアル「経費精算の手順を教えて」「システムの初期設定方法は？」 FAQ 「VPN接続できない時の対処法は？」「パスワードリセットの方法は？」製品カタログ「商品Aと商品Bの違いはなんですか？」議事録・ナレッジ「前回のプロジェクト会議で決まったことは？」

Slide 26

Slide 26 text

© 2026 Classmethod, Inc. 「担当者が調べて回答」から「チャットで即座に回答」を目指します。RAG導入により、対応スピード・属人化・担当者負荷といった課題を解消できます。ここでは5つの観点でBefore/Afterを比較し、その効果を具体的に見ていきましょう。（下記はあくまで一例です、自社で有用な指標をご検討ください）ユースケース① 26 観点 Before（人が対応） After（RAGによる対応）問い合わせ対応担当者が調べて回答（数時間〜翌日）チャットで即座に回答対応時間営業時間内のみ 24時間365日（システム稼働時間）属人化回答できる人が限られる誰でも一定の品質の回答を得ることができる担当者の負荷問い合わせ対応に時間を取られる本来の業務に集中できる回答の一貫性担当者によってばらつきがあるドキュメントに基づく一貫した回答ただ、AIによる生成バラツキも発生しうる

Slide 27

Slide 27 text

© 2026 Classmethod, Inc. 導入効果を客観的に示すことで、改善サイクルを回し、社内への展開判断にもつなげられます。以下の4指標を押さえておけば、RAGの価値を数字で語ることができます。（下記はあくまで一例です、自社で有用な指標をご検討ください）ユースケース① 指標内容測り方の例一次回答時間問い合わせ発生〜回答到達までの時間導入前の平均応答時間と比較自己解決率 RAGで解決でき、エスカレーション不要だった割合ユーザーからのフィードバック・チャットログの分析担当者の対応工数問い合わせ対応に費やす時間導入前後での工数比較回答精度 RAGの回答が正確かどうか想定Q＆Aセットでの評価 27 「何となく便利」ではなく数字で効果を語れる状態を作る

Slide 28

Slide 28 text

© 2026 Classmethod, Inc. サクッとシンプルなRAGを作りたい方にはGenerative AI Use Cases JP（GenU）が試しやすいです。AWS公式のOSSでチャット・RAG・画像生成などの生成AIユースケースがすぐに試せる形でまとまっています。 Generative AI Use Cases JP（GenU）のご紹介 28 GenU OSSなので無料で利用可能（AWS利用料のみ） Amazon Bedrockを使ったRAGをすぐに試せる実際の画面で動作を体験できるので、社内説明にも使いやすい

Slide 29

Slide 29 text

Slide 30

Slide 30 text

© 2026 Classmethod, Inc. ユースケース② 30 ユースケース①のようなシンプルなRAGで対応できないケースも存在し、実際の業務担当者レベルで複数の情報源を横断的に調査・統合して回答して欲しい場合もあると思います。従業員 Bedrock & KnowledgeBases チャットに質問を入力うちの製品Xの技術仕様と競合Y社製品を比較して、提案書に使えるポイントを整理してほしいえ、そんなに情報集められない。難しいよ・・・製品仕様書、競合情報、過去の提案実績など複数の情報源を横断的に調査・統合する必要がある ● 1つのデータソースからの検索では情報が不足するケースがある ● 複数の情報を組み合わせた総合的な判断が必要なケース ● 専門家が「あちこちの資料を読み漁って」初めて出せるような回答シンプルなRAGでの課題自分や現場担当者レベルの回答が欲しいなぁ・・・

Slide 31

Slide 31 text

© 2026 Classmethod, Inc. 軽量モデルで情報収集、高性能モデルで推論・統合を実施し、スピードやコスト効率も重視しつつ現場担当者レベルの回答が可能になります。ユースケース② 31 従業員うちの製品Xの技術仕様と競合Y社製品を比較して、提案書に使えるポイントを整理してほしい製品Xの技術調査競合Yの情報過去の提案書事例 Haikuで収集・要約 Haikuで収集・要約 Haikuで収集・要約 Sonnetで統合・推論仕組みのポイント軽量モデルで（Haiku）で情報収集→スピード・コスト効率◎ 高性能モデル（Sonnet）で推論・統合シンプルな問い合わせでは難しい横断的な回答が可能に情報統合して現場担当者レベルの回答生成 2~3時間ぐらいで作っていた業務担当者レベルの調査レポートが5分ぐらいで作成可能なケースも生成AIアプリケーション質問

Slide 32

Slide 32 text

© 2026 Classmethod, Inc. 専門知識の民主化を目指して、誰でもベテランの業務担当者レベルの回答を取得可能に近づけます。もちろんベテラン業務担当者レベルの回答なので、相応のドキュメントやナレッジが言語化されているのも前提となります。（下記はあくまで一例です、自社で有用な指標をご検討ください）ユースケース② 32 観点 Before（人が対応） After（RAGによる対応）専門知識の活用ベテランの業務担当者に依存誰でも業務担当者レベルの回答を取得可能属人化リスクキーマンの異動・離職で知識が失われるナレッジがシステムに蓄積・維持される（維持する必要がある）回答の網羅性個人の経験・記憶に依存複数領域を横断的に調査した網羅的な回答教育コスト業務担当者が必ず対応する必要がある RAGを介していつでも質問し、壁打ちして業務担当者を介さずとも解決できる可能性がある

Slide 33

Slide 33 text

© 2026 Classmethod, Inc. AIエージェントとRAGを組み合わせたAgentic RAGといった手法もございます。単なる「検索→生成」の一方通行ではなく、「計画→実行→評価→修正・再実行」という自律的な調査プロセスを可能とします。複数のデータソースを動的に使い分け、自ら検証と再試行を繰り返すことで、信頼性の高い回答を実現するアプローチとなります。 Appendix：Agentic RAG 33 ユーザーデータソースA 質問うちの環境で使えそう？データソースB エージェント Web 1.環境理解 2.情報収集 3. Webでの追加調査うち = 自社のことだからまずは自社情報を取得して、その後別のデータソースから情報収集する、最後に Webでの追加調査も実施

Slide 34

Slide 34 text

© 2026 Classmethod, Inc. Agentic RAG で解消を図る実際にAgentic RAGを使うケースを考えてみます。例えば、社内規定や労務などに問い合わせしたり自分がどう申請するのかどうか、検討するのは手間かと思います。 Appendix：Agentic RAG 34 従業員育休を取得したい・・・どんな申請が必要なんだっけ。そもそも有給はどれぐらい残っていたのだろうか。上司への承認も必要なのだろうか、うーん・・・同僚同僚に聞くポータルサイト/ 勤怠管理システム社内規定労務色々と聞いたけど自分でどう申請するかも考えないと。コスト高いな・・・労務に問い合わせ参照参照

Slide 35

Slide 35 text

© 2026 Classmethod, Inc. エージェントが複数のデータソースから情報を収集し、評価し適切にアドバイスをすることを可能にします。よりユーザーが望む回答を作成しやすくなります。 Appendix：Agentic RAG 35 ユーザー DEMO エージェント来月から3ヶ月の育休を取りたいです。申請期限、必要書類、私の有給日数を教えてください。上司の承認は必要ですか？質問データソース社内規定/FAQ を検索属性や有給日数を取得人事マスタ就業規則を検索実行計画 FAQ検索有給日数を取得まず計画を考えます。計画に基づいて実行した結果の回答サマリーはxxxです。 ~~~ 失敗しても分析してリトライなどの最適な行動を選択する

Slide 36

Slide 36 text

© 2026 Classmethod, Inc. AIエージェントの概要から説明している資料もありますので必要に応じてご参照ください。また、AWSでAIエージェントを使用する場合はAgentCoreといったサービスを活用するのですがそちらも全ての概要をまとめた資料を公開しているので必要に応じてご参照ください。 Appendix：AIエージェントについて知りたくなった場合は 36 【2025年版】 Amazon Bedrock AgentCoreまとめ資料を公開します！【登壇レポート】「Amazon Bedrock AgentCoreで始めるAI エージェント活用」というテーマで登壇しました

Slide 37

Slide 37 text

Slide 38

Slide 38 text

© 2026 Classmethod, Inc. 「作って終わり」ではなく「評価→改善」のサイクルが実運用に耐えるRAGを構築することも大事です。品質担保 38 要素内容対策データ整備元ドキュメントの品質が回答品質に直結古い情報の削除、フォーマット統一、メタデータ付与インプットとするドキュメントの整備および作成・追加更新運用ドキュメント更新時にRAGにも反映が必要定期的な再同期の仕組み化（手動 or 自動）回答できない時 RAGが答えられない質問への対処ハルシネーションを起こさないよう「わかりません」と返す設計 + FBを収集するエスカレーション導線

Slide 39

Slide 39 text

© 2026 Classmethod, Inc. もちろんそこまでサクッと精度が出るわけではないです。まずは、自社のドキュメントが整備されているか、またどれぐらい整備されているもので精度が出るかを確認してみるのも良いかと思います。下記のようなサイクルを繰り返していくイメージです。品質担保 39 STEP 1 ドキュメント整備 STEP 2 想定Q&A作成 STEP ３検証・評価 STEP 4 チューニング充分な精度が出ない場合は分析して繰り返し改善ドキュメント整備のポイント検証・評価のポイント ● 想定Q＆Aと評価基準を使って回答精度を測定、 LLMに評価させることも可能 ● 人間が目視で評価することも大事 ● 回答させたい情報がドキュメントとして整備されているか ● 最新の情報が反映されているか ● ドキュメント同士で矛盾した記載がないか

Slide 40

Slide 40 text

© 2026 Classmethod, Inc. LLM-as-a-Judge 生成AIによる回答評価 40 想定Q&AおよびRAG 回答結果評価基準 Amazon Bedrock スクリプトで⼀括評価を実施作成評価結果回答結果および評価結果が妥当か判断 RAGの回答が正しいかどうかは、人間が評価することも可能ですが、AI自身に評価させることも可能です。まずはAIに評価させてみて全体的な傾向を掴むのには良いと思います。評価自体が正しいとは限らず注意が必要なので人間による目視チェックも大切です。

Slide 41

Slide 41 text

© 2026 Classmethod, Inc. Appendix:評価結果のイメージ 41 評価結果のイメージは下記のようになります。この結果を見ながら再度傾向や具体的な対策（ドキュメント追加・クエリ生成ロジック修正・メタデータ整備など）を考えたり、目視でもチェックします。 No 質問想定回答 RAG回答正確性（1-5）網羅性（1-5）評価理由 1 有給休暇の付与日数は？入社6ヶ月経過後に10日付与入社6ヶ月経過で10日付与されます。その後は勤続年数に応じて増加します。 5 5 想定回答の内容を正確に含み、追加情報も正しい 2 経費精算の締め日は？毎月25日締め、翌月10日払い毎月月末締めです。 2 2 締め日が25日ではなく月末と誤っており、支払日の記載もない 3 社内Wi-Fiの接続方法は？ SSIDは「Corp-WiFi」、パスワードは社内ポータル参照社内Wi-Fiについての情報は見つかりませんでした。 1 1 回答が得られておらず、検索に失敗している可能性が高い

Slide 42

Slide 42 text

© 2026 Classmethod, Inc. ExcelやPowerPointをそのままPDFにして読み込ませても、図などの情報は欠落する可能性があります。欠落した結果、必要な情報が不足し精度低下につながる可能性があります。単純にPDFをベクトルに変換する際の注意点 42 PDF Amazon Bedrock Data Automation エンべディングモデルベクトルストアテキスト図やオブジェクトの情報が欠落してテキストに変換デフォルトではこれが選択

Slide 43

Slide 43 text

© 2026 Classmethod, Inc. Knowledge BasesにはAmazon Bedrock Data Automation以外にもClaudeなどの基盤モデルを使ってPDFからテキストに変換することも可能で、この変換戦略を活用することで資料の図の意味合いを欠落することを防げます。 Bedrockのモデルを活用して図などの情報も文字に起こす 43 PDF Claude エンべディングモデルベクトルストアテキスト Claudeを活用して、図などの情報もテキストに変換マークダウンでも図の関係性が維持されている

Slide 44

Slide 44 text

Slide 45

Slide 45 text

© 2026 Classmethod, Inc. まとめ 45 1 ⽣成AIは「どう使うか」のフェーズ AIは⾃律的に動く存在へ進化しつつある、ビジネス業務でも活⽤することが効率化へ繋がる 2 Amazon Bedrockなら安⼼データはモデル学習に使われず、AWS環境内で完結する。セキュアに運⽤可能 3 RAGで外部の知識を活⽤できる Bedrock KnowledegeBasesを活⽤することで⽣成AIがもつナレッジの限界を克服可能。 4 段階的に始められるシンプルなRAGから初めて⾼度なRAGや Agentic RAGといった選択も⼗分可能です。リスクを最⼩限に減らして活⽤範囲を広げましょう。

Slide 46

Slide 46 text

© 2026 Classmethod, Inc. ご清聴ありがとうございました！ Amazon Bedrockで始めるRAGのイメージはつきましたでしょうか。実際には試行錯誤してより良いRAGのアプリケーションを作っていくイメージとなります。始めるきっかけになれば何よりかと思います。本日の内容について、ご質問やご相談があれば、お気軽にお声がけください！皆様のビジネスにおける生成AI活用を、全力でサポートさせていただきます！ありがとうございました 46