AIF-C01#38(foundation-models)
ある企業が、Amazon Bedrock上の事前学習済み基盤モデル（FM）を使用する生成AIアプリケーションを運用しています。同社は、自社の情報を使用して、モデルがより多くのコンテキスト（背景知識）を含められるようにしたいと考えています。 最もコスト効率よくこの要件を満たすソリューションはどれですか？
正解：A
正解の根拠
Amazon Bedrock Knowledge Bases は社内ドキュメントを S3 に取り込み、Embedding によりベクトル化して RAG として FM 推論にコンテキストを供給するマネージド機能です。FM 自体の再学習が不要で、ベクトル検索の従量課金のみのため、コンテキスト追加の用途では最もコスト効率の良いアプローチになります。
コンテキスト追加手法のコスト比較
| 手法 | コスト |
|---|---|
| Knowledge Bases (RAG) | 低 (検索のみ) |
| カスタム FM デプロイ | 高 (訓練+ホスティング) |
| 別 FM 選択 | 知識追加にならず |
| Bedrock Agents | 中 (オーケストレーション) |
不正解の理由
- B: 別の FM を選んでも自社の独自情報は追加できず、コンテキスト付与の本質要件を満たせません。
- C: Bedrock Agents は API 連携や多段推論用で、単純なコンテキスト付与だけなら Knowledge Bases より構築/運用コストが高くなります。
- D: カスタムモデルのデプロイは訓練コストとプロビジョンドスループット料金が発生し、最もコスト効率が悪い選択です。
コメント