AI901-Foundry#172-1
注: この問題は、同じ前提を持つ一連の問題の一部です。それぞれの問題には異なる解決策が提示されます。
前提
ある EC プラットフォームが、出品者がアップロードした商品画像 (1 日 30,000 件) から「カテゴリ自動分類」「ブランド ロゴ検出」「視覚障害者向け alt テキストの自動生成」「規約違反 (アダルト / 暴力 / 著作権侵害) のスクリーニング」を統合的に行うパイプラインを Azure AI Foundry で構築します。要件は分類精度、運用負荷低減、Responsible AI 配慮です。
解決策
Foundry hub に Azure AI Vision (汎用 image analysis / tags / dense captions) と Custom Vision (ブランド ロゴ検出) と Azure AI Content Safety (規約違反スクリーニング) と Azure OpenAI GPT-4o multimodal (微妙な判定や alt テキストの品質向上) を connection で同居させ、Azure Functions のステップ パイプラインで各機能を順次呼び出して Cosmos DB に結果を集約します。
この解決策は目的を満たしますか?
解説
【判定: はい】の理由
本構成は Microsoft Learn の E-commerce Image Pipeline リファレンス アーキテクチャに完全に整合する Microsoft 推奨パターンです。Azure AI Vision の汎用 image analysis (tags / dense captions) でカテゴリ自動分類と alt テキストのベース生成、Custom Vision でブランド ロゴ検出というように、light-weight な専用 API でコスト効率の高い基本処理を行い、Azure AI Content Safety で規約違反 (アダルト / 暴力 / 著作権) を多層スクリーニングします。微妙な判定や alt テキストの自然性向上だけを Azure OpenAI GPT-4o multimodal にエスカレートすることで、コスト vs 品質のトレードオフを最適化できます。Azure Functions のサーバーレス スケールが 1 日 30,000 件の処理量に対し低コスト / 運用負荷小、Cosmos DB への集約は EC 業務の検索インデックスや業務系システムへの連携に最適です。Foundry hub の connection で各 AI サービスの credential と endpoint を中央管理することで、Responsible AI / コスト / 運用負荷を同時に最適化する完成度の高い設計が実現します。
【「いいえ」が違う理由】
本構成は Microsoft 推奨の EC vision パイプラインと完全一致で、要件達成度は十分です。
本構成は Microsoft Learn の E-commerce Image Pipeline リファレンス アーキテクチャに完全に整合する Microsoft 推奨パターンです。Azure AI Vision の汎用 image analysis (tags / dense captions) でカテゴリ自動分類と alt テキストのベース生成、Custom Vision でブランド ロゴ検出というように、light-weight な専用 API でコスト効率の高い基本処理を行い、Azure AI Content Safety で規約違反 (アダルト / 暴力 / 著作権) を多層スクリーニングします。微妙な判定や alt テキストの自然性向上だけを Azure OpenAI GPT-4o multimodal にエスカレートすることで、コスト vs 品質のトレードオフを最適化できます。Azure Functions のサーバーレス スケールが 1 日 30,000 件の処理量に対し低コスト / 運用負荷小、Cosmos DB への集約は EC 業務の検索インデックスや業務系システムへの連携に最適です。Foundry hub の connection で各 AI サービスの credential と endpoint を中央管理することで、Responsible AI / コスト / 運用負荷を同時に最適化する完成度の高い設計が実現します。
【「いいえ」が違う理由】
本構成は Microsoft 推奨の EC vision パイプラインと完全一致で、要件達成度は十分です。
コメント