Amazon Bedrock
生成 AI モデルの API
統一された API を通じて foundation model（Anthropic Claude、Amazon Nova、Meta Llama、Mistral…）を呼び出せます。サーバー管理は不要で、Knowledge Bases（RAG）、Agents、Guardrails、ファインチューニングも備えています。
- コスト$$ ふつう
- 難易度●●●●●
- 未使用でも課金？いいえ
- サーバーレス
- 出題試験CLF · SAA
たとえるならAI のビュッフェのようなものです。どの料理（モデル）でも選べ、厨房は AWS が担当し、食べた分だけ支払います。
いつ使う？
✓ 使うべき場面
モデルを自分でホストせずに生成 AI アプリケーション（チャットボット、要約、RAG）を構築したいとき。
✗ 避けるべき場面
独自モデルをゼロから学習したい、またはインフラ全体を制御したい → SageMaker AI。
よくある使い方
- 社内ドキュメント Q&A チャットボット（RAG）
- テキストの要約・分類
- API を自ら呼び出してタスクを実行する agent
料金はいくら？
- 課金方式: On-demand は入力/出力 token 数（または画像数、動画の秒数）で課金されます。コミットしたスループット向けに時間単位で課金される Provisioned Throughput もあります。
Provisioned Throughput とカスタムモデルは呼び出さなくても時間単位で課金されます。長いプロンプトを繰り返すと入力 token を大量に消費します。
「API で生成 AI、サーバー管理なし、複数モデルから選択」なら Bedrock、「頻繁に更新される社内ドキュメントに基づく回答」ならファインチューニングではなく Knowledge Bases (RAG)、「有害なコンテンツのフィルタリング」なら Guardrails、「独自モデルの学習」なら SageMaker AI を選びます。
よくある質問
Bedrock は SageMaker AI と何が違いますか?
Bedrock は、既成の基盤モデルを API で呼び出して生成 AI アプリケーションを作るサービスで、サーバー管理やモデル学習は不要です。SageMaker AI は、データ準備、学習、デプロイまでを自分で行う完全な ML プラットフォームです。チャットボット、要約、RAG なら Bedrock、独自の ML モデルを作るなら SageMaker AI です。
Bedrock に送ったデータはモデルの学習に使われますか?
いいえ。AWS は、顧客のプロンプトやデータをベースの基盤モデルの学習に使用せず、モデルプロバイダーとも共有しないとしています。データは暗号化され、PrivateLink 経由でインターネットを通さずにアクセスできます。ファインチューニングでは、自分のアカウント専用のカスタムモデルが作られます。
Knowledge Bases、ファインチューニング、Guardrails の違いは?
Knowledge Bases は RAG で、自社データから関連ドキュメントを検索してプロンプトに加えるため、新しく頻繁に変わるデータに基づく回答に向きます。ファインチューニングは追加学習により、モデルのスタイルを変えたり特定タスクに特化させたりします。Guardrails は、安全ポリシーに沿って入力と出力をフィルタリングします。
