公開日 2025/03/06更新日 2025/03/06

Amazon Bedrockの活用事例・アーキテクチャ特集

Findy Toolsでは、7社のエンジニアの皆さまにAmazon Bedrockのレビューをご寄稿いただきました。
本記事では、レビュー記事から各企業がBedrockをどのように活用し、どんな機能を実現しているのかをピックアップ。さらに、実用化に向けた工夫やアーキテクチャのポイントを整理しました。「Bedrockを活用すると何ができるのか？」「実運用に乗せるための課題と解決策は？」そんな疑問に答える具体的な事例が満載です。
各社の技術選定の背景やノウハウを学び、自社の取り組みに活かすヒントを得ていただく場となれば幸いです。
※ツール名・ご寄稿企業名共にアルファベット順で掲載しております
※掲載内容はレビュー記事公開時点の情報になります

Amazon Bedrockとは

Amazon Bedrock は、AI21 Labs、Anthropic、Cohere、Meta、Stability AI、Amazon などの大手 AI 企業が提供する高性能な基盤モデル (FM) を選択できるフルマネージド型サービスです。また、生成系 AI アプリケーションの構築に必要な幅広い機能も備えているため、プライバシーとセキュリティを維持しながら開発を簡素化できます。

Findy Toolsでは、アマゾンウェブサービスジャパンの菅原さんと北村さんにAmazon Bedrockを用いたハンズオンをご紹介頂きました。Bedrockのオーバービューから特徴、また導入・活用方法を画像付きでステップバイステップで解説している記事になりますので、是非こちらも併せてご確認ください。

▼【Findy Tools】Amazon Bedrock ハンズオン特集記事
生成AI入門 - AWS社員が解説するAmazon Bedrock詳細ハンズオン

7社のBedrock活用事例とアーキテクチャ

atama plus株式会社 - エラーログの検索・要約システムの開発

導入背景

導入前は、LangChainを利用してツール内でOpenAI APIを実行していましたが、OpenAI APIを実行するためのクレデンシャル管理やコスト管理が個別に必要であることや、OpenAIの障害時に正常に実行できないという課題がありました。
そこで、よりメンテナンスコストが低い状態で内製の開発支援ツールの運用が叶うツールへの代替を検討するに至りました。

アーキテクチャの意図・工夫

元々OpenAI APIで実装していた部分をBedrockに置き換えたものではありますが、下記のような処理を実行しています

日次で実行されるIndexerレイヤで、Github Issuesに起票された既知バグをIndex化してPineconeに格納
Slackからの要求に応えるAppレイヤで、エラーメッセージからDatadogのエラーログを検索
Pineconeに格納されている既知のバグリストから類似のものを検索してきて、Slackに返却

（レビューから一部抜粋）

▼レビュー詳細はこちらから
Amazon Bedrockの導入効果をレビューでご紹介(kzk-maeda-atama plus株式会社)

株式会社エブリー - 社内分析支援ツールにおけるRAGの導入

導入背景

RAG基盤の構築にあたっては以下のような処理でデータを貯めていきます。

API経由でConfluenceやGoogleスライド上の社内データを取得
取得したデータをS3に格納
Knowledge BaseでS3に格納しているデータをベクトル化して保存

この取り込みで工夫した点の一つとして、グラフや図などのデータへの前処理です。
（レビューから一部抜粋）

アーキテクチャの意図・工夫

株式会社エブリーが提供するデリッシュキッチンでは、これまでの『レシピ動画アプリ』から『AI料理アシスタント』へと変化しており、これまで以上に会社全体でAI活用が推進されています。このAI活用はサービスだけではなく、社内での業務改善にも進んでおり、その社内ツールの開発の一部機能の開発でBedrockの導入を検討していました。
（レビューから一部抜粋）

▼レビュー詳細はこちらから
社内分析支援ツールにおけるRAG機能でのBedrock活用

株式会社Fusic - 社内ドキュメント検索システムにおけるRAGの導入

導入背景

当社には、社内の人しか閲覧できないドキュメントを掲載したWebページがあります。しかし、そのページには検索機能がなく、必要な情報を探すためには、毎回ジャンルを設定して確認しなければなりません。この作業は非常に面倒で、時間がかかるというのが現状でした。
社内の制度や手続きについて疑問が生じた際、わざわざ調べに行かなくても答えがすぐにわかるようにしたいと考え、最近流行りのAmazon Bedrockをを用いた低コストなRetrieval-Augmented Generation（RAG）の導入を検討することになりました。

アーキテクチャの意図・工夫

RAGを構築するにあたり、まずAmazon Kendraの使用について検討しました。しかし、社内ドキュメントの量が数十ページ程度と少なかったため、月額800〜1000ドルもの費用をかけてKendraを使用するのはコストパフォーマンスが悪いと判断しました。Kendraを使わない代替案として、OpenSearch Serverlessが挙げられましたが、他のサーバーレスサービスとは異なる課金方式で割高だったため、却下しました。最終的に、Pinecone Serverlessを使用することで、大幅なコスト削減を実現しました。

▼レビュー詳細はこちらから
Amazon Bedrockを使用した低コストRAG

KDDIアジャイル開発センター株式会社 - 新規事業アイディア壁打ちアプリを開発

導入背景

一大トレンドである生成AI技術を活用して自社プロダクトを開発したいと考えており、OpenAI系の生成AIサービスを活用していましたが、ありきたりなチャットボット等はいくつか開発していたものの、ユニークな独自プロダクトの創出にはまだ漕ぎつけられていない状況でした。
（レビューから一部抜粋）

アーキテクチャの意図・工夫

AWS Amplifyを使ってホストしているWebアプリケーションからAmazon BedrockのClaudeモデルを呼び出してテキストを生成し、アプリケーションの画面に表示させて利用しています。
バックエンドのLambdaではPythonプログラムを稼働させており、LLM用のフレームワークとしてLangChainを使ってBedrockのAPI呼び出し処理をラッピングしています。
（レビューから一部抜粋）

▼レビュー詳細はこちらから
Amazon Bedrockの導入効果をレビューでご紹介(みのるん-KDDIアジャイル開発センター株式会社)

▼さらなる詳しいRAG開発事例もご寄稿頂きました。こちらも併せてご覧ください！
KDDIアジャイル開発センター 2つのRAG活用事例 - Azure & AWS の特徴と選定のポイント

株式会社セゾンテクノロジー - 問い合わせ対応サポートツールの開発

導入背景

製品情報を読み込ませたRAG(Retrieval-Augmented Generation)を活用したシステムを導入することで、回答作成時間の短縮による業務効率化とエンジニアの負担軽減を目指した。また、業務の特性上、高い回答精度が求められていたため、複数のモデルを検証し、要件に最適な高精度の回答が得られるシステムの実現を目指した。
（レビューから一部抜粋）

アーキテクチャの意図・工夫

このアーキテクチャは、Advanced RAGのプロセスをAWS Lambda単体で実行できるようにするために設計した。
ユーザからのクエリに対し、Claude 3 Haikuが類似語やキーワードを生成し、全文検索とベクトル検索で関連するチャンクを抽出する。最後に、抽出されたチャンクと質問をCommand R+に渡して回答を生成する。

（レビューから一部抜粋）

▼レビュー詳細はこちらから
Amazon Bedrockを活用し、サポートエンジニアの回答作成時間を最大30%短縮

株式会社スタディスト - マニュアル作成・共有サービスの開発

導入背景

スタディストのサービスであるTeachme Bizでは、効率的なマニュアル作成・共有を提供するサービスとして、常にお客様の課題に向き合い、新しい技術を含め解決策を模索し続けています。
AI技術の進歩により、マニュアル作成プロセスの大幅な効率化が可能になると考え、LLMの導入を決定しました。
（レビューから一部抜粋）

アーキテクチャの意図・工夫

一般的なDBアクセスなどと比べてLLMは決して速くはありませんし、クライアントから呼び出されるAPIから直接LLMを実行するのはあまり好ましくありません。
ChatBotのような仕組みであればWebSocketを利用しますが、そうでない場合の多くが特定の形式（JSONなど）を出力させていることもあり、非同期処理基盤でLLMと通信し、変換・加工を行ってクライアントに返すような仕組みにしています。
（レビューから一部抜粋）

▼レビュー詳細はこちらから
マニュアル作成・共有サービスにおけるBedrock活用事例

株式会社助太刀 - 社内ドキュメント検索システムにおけるRAGの導入

導入背景

ツール導入前の課題
当時、助太刀では社内に蓄積された膨大な情報を効率的に検索・活用する手段が不足していました。従業員が必要な情報にアクセスするためには、複数のシステムやドキュメントを手動で検索する必要があり、その過程で多くの時間と労力がかかっていました。
（レビューから一部抜粋）

アーキテクチャの意図・工夫

今回、社内情報検索システムの構築にあたって、情報の一元的なアクセス基盤を整えることが最優先でした。そのため、Amazon BedrockとAmazon Kendraを組み合わせたアーキテクチャを選定しました。
（レビューから一部抜粋）

▼レビュー詳細はこちらから
Amazon Bedrockを活用したRAG導入の試み

最後までご覧いただき誠にありがとうございました。
Findy Toolsでは、継続してAmazon Bedrockの活用事例・レビューを募集しております。
最新のレビューに関しては、下記のAmazon Bedrock ツールページで更新されますので、ご確認いただけますと幸いです。

▼【Findy Tools】Amazon Bedrock ツールページ
Amazon Bedrockとは？機能や特徴・製品の概要まとめ