AIF-C01#55(foundation-models)
航空会社は、フライトスケジュール、予約、支払いに関する顧客の質問に答える会話型 AI アシスタントを構築したいと考えています。企業は、大規模言語モデル（LLM）とナレッジベースを使用してテキストベースのチャットボットインターフェースを作成したいと考えています。これらの要件を最も開発労力を最小限に抑えて満たすソリューションはどれですか？
正解：B
正解の根拠
Amazon Bedrock + Knowledge Bases による RAG 構成は、フライトスケジュールや予約・支払い文書を埋め込み化して検索し、LLM が根拠付きで回答する仕組みを最小コードで構築できます。OpenSearch Serverless など Vector Store の管理も自動化されており、開発労力を最小化できます。FT を必須とせず情報の鮮度維持も容易です。
選択肢の比較
| 方式 | 労力/特徴 |
|---|---|
| Bedrock + RAG | マネージド、最小開発 |
| SageMaker Autopilot | 表形式 ML 自動化 |
| Q Developer | コーディング支援 |
| JumpStart FT | 追加学習必要 |
不正解の理由
- A: Autopilot は表形式データの自動 ML が用途で、LLM チャットボット構築のソリューションとしては適合しません。
- C: Q Developer は開発者のコーディング支援用途で、エンドユーザー向けチャットボットを直接デプロイする仕組みではありません。
- D: JumpStart FT は追加学習データ準備や評価が必要で、ナレッジベース参照型 RAG より開発労力が大きくなります。
コメント