RAG・AIエージェントについて 2025年の生成AI動向 稲村鉄平 2025/01/25

LTの目的 目的: ・RAGについての説明 ・AIエージェントの説明 ・AWS での エージェント機能についての説明 対象： ・LLMとAIエージェントの違いが分からない方 話さない事： ・コード実装やコスト等の詳細設定について

$whoami 名前：稲村鉄平(いなむら てっぺい) X :@t9z_a(てつてつ) 経歴：2021年3月入社 エンジニア歴3年10か月 経験：クラウドアーキテクチャ 要件定義-運用まで対応。 現在、生成AIの要件・構築。 興味：クラウド・DevOps 趣味：サウナ 夢 ：平等に機会がある世界をつくる

目次 1.2024年ふりかえり ~RAG~ 2.2025年のトレンド ~AIエージェント~ 3.Amazon Bedrockについて 4.AIエージェントの課題 5.まとめ

1.2024年ふりかえり ~RAG~ ■RAGとは？ 外部情報を取り込み、回答生成するための仕組み ■RAGの仕組み 1.ユーザの質問 2.情報検索（Retrieval） :ベクトルDBから関連文書を取得 3.文脈統合（Augmentation):取得した文書をLLMに与える 4.回答生成（Generation） :文書をもとにLLMが回答を生成 1.1.RAG(Retrieval Augmented Generation)について 検索 生成 ベクトルDB LLM(言語モデル) 2.情報検索 アプリケーション 3.文脈統合 4.回答生成 1.ユーザの質問 5.回答

1.2024年ふりかえり ~RAG~ ■注目された理由の推測 生成AIに外部データを取り込ませる方法として、最も効率的だと思われる 1.2.なぜRAGが注目されたのか？ プロンプト エンジニアリング RAG (検索拡張生成) ファイン チューニング 独自モデル 開発 生成AIの プロンプトに 直接知識を挿入 ナレッジベースの 検索結果を 知識として与える 特定のタスクに 特化した能力を 調整する 大量の学習データ による知識を習得 ■生成AIに外部情報を取り込ませる主な４つの方法 EASIER COMPLEX ＡＷＳ AI Day 「基調講演 AWSのテクノロジーで加速する生成ＡＩのプロダクション活用」参考

2.2025年のトレンド ~AIエージェント~ ■定義 目標(ゴール)を与えると、タスクを自律的に分解・実行する 外部リソースも活用しながら、目標達成を目指すフレームワーク ■特徴 ・タスク分解：目標を複数ステップに分割して計画 ・自己判断 ：各ステップで最適なアクションを選択 ・状態管理 ：進捗を内部で保持、必要に応じて方針修正 2.1.AIエージェントについて ■企業 株価状況取得エージェント RAG 銘柄コード AIエージェント Web検索 企業情報取得 次のアクションは。。。

従来のLLM(生成AI) エージェント(AI Agent) 性質 大規模言語モデルとして テキスト生成を主目的としたモデル 目標（ゴール）に基づき、自律的にアクション も含め制御する仕組み(フレームワーク) タスク タスクをどう連続して実施するかは、 人が考えて制御し、 ツールやAPIは人が呼び出す 内部メモリと外部ツール連携を活用し、 目標(ゴール)に向けて、連続的にタスクを実行・ 評価・修正をエージェントが制御する 例：API呼び出し/WEB検索/ファイル操作など 状態保持 過去にやりとりをした 会話履歴レベルでの保持 実行したアクションの結果を内部メモリに保存、 保存内容を参照して行動を判断 とある サーベイ論文 脳(=推論) 脳 (=推論) 知覚 (=外部情報の取り込み) アクション(=プログラムで情報の取得) 2.2025年のトレンド ~AIエージェント~ 2.2. これまでのLLMとの違い サーベイ論文：The Rise and Potential of Large Language Model Based Agents: A Survey https://arxiv.org/abs/2309.07864

3.Amazon Bedrockについて ■サービス紹介 AWSが提供する大言語モデルのフルマネージドサービス 生成AIモデルをサーバレスで、APIで呼び出して利用することが可能 3.1.Bedrockとは？ ■Amazon Bedrock Agents ・Bedrock上でエージェントフレームワークが簡単に利用できる ・各種LLM・外部サービスと連携しながらタスクを自動実行が可能 RAG Amazon Auroa Bedrock Agents Web検索 AWS Lambda https://www~ ■企業 株価状況取得エージェント

3.Amazon Bedrockについて ■マルチエージェントコラボレーション機能 re:Invent 2024で、プレビュー版として発表された機能 複数のエージェントを連携させ、高度なタスクの計画から解決まで実行が可能 3.2.Bedrock Agentsの新機能について RAG Amazon Auroa 協力者エージェント Web検索 AWS Lambda Bedrock Agents ■株購入エージェント ■全社情報共有 システム ■企業 株価状況取得エージェント 監督者 エージェント API Gateway 株購入API

4.AIエージェントの課題 ■自動化範囲の定義 ・どのタスクをAIエージェントに任せるのかの定義が必要 ・どの段階で人間が承認/レビューをするか(Human in the loopの確立) ■意思決定の責任所在 ・エージェントが誤判断した場合の責任は誰にあるのか？ ■監視・ログ管理 ・エージェントが行った決定・外部サービス呼び出しの追跡ログの整備 ・「なぜ、その決定をしたのか？」を振返れる仕組みづくり ■ガバナンス ・不適切なAPI呼び出しの制御(アクセス権限の制御) ・個人情報、機密データの取り扱いについて 4.1.課題と責任範囲

5.まとめ ■RAGについて 外部情報を効率的に取込むことができる機能 ■AIエージェントについて 目標(ゴール)を与えると、タスクを自律的に分解・実行するフレームワーク ■Amazon Bedrock Agentsについて 新機能のマルチコラボレーション機能により、複数のエージェントを マネージドサービスで、制御・管理する機能が追加された ■導入ポイント 責任分界点(自動化 と 人間の判断)の議論をしていかなければいけない

Thank you!