Amazon AWS Certified Generative AI Developer - Professional (AIP-C01日本語版) - AIP-C01日本語 Exam Practice Test

ある企業が、Amazon Bedrock APIを使用して複雑な顧客問い合わせを処理する生成型AI(GenAI)アプリケーションを開発しています。ピーク時の使用状況では、アプリケーションで断続的なAPIタイムアウトが発生し、レスポンスチャンクの破損やデータ配信の遅延などの問題が発生します。また、アプリケーションは、長さの異なる複雑な顧客問い合わせを処理する際に、プロンプトがトークン制限内に収まるようにするのに苦労しています。
ユーザーからは、入力内容が途中で途切れたり、応答が不完全だったりするといった報告が寄せられています。また、当社では、基盤モデル(FM)の呼び出しエラーも確認されています。
同社は、一時的なサービスエラーを自動的に処理し、ピーク時の利用時にAmazon Bedrockへの負荷過多を防ぐ再試行戦略を必要としている。この戦略は、変化するサービス可用性に対応し、レスポンスのストリーミングとトークン対応のリクエスト処理をサポートする必要がある。
これらの要件を満たすソリューションはどれでしょうか？

ある医療関連企業が、エビデンスに基づいた医療情報を提供する目的で、検索拡張生成(RAG)を用いた生成型AI(GenAI)アプリケーションを開発している。このアプリケーションは、ベクトル埋め込みを取得するためにAmazon OpenSearch Serviceを使用している。ユーザーからは、正確な医療用語や略語を含む検索結果が頻繁に欠落し、意味的に類似しているものの関連性のない文書が多数返されるという報告が寄せられている。同社は、文書コレクションが数百万件にまで拡大しても、検索品質を向上させ、エンドユーザーのレイテンシを低く抑える必要がある。
これらの要件を満たしつつ、運用上の負担が最も少ないソリューションはどれでしょうか？

ある企業は、世界中のユーザーが新しいレストランを見つけるのを支援するサービスを提供しています。このサービスの月間アクティブユーザー数は5,000万人です。同社は、2,000万軒のレストランと2億件のレビューを含むデータベース全体にわたって、セマンティック検索ソリューションを実装したいと考えています。同社は現在、データをPostgreSQLデータベースに保存しています。
このソリューションは、複雑な自然言語クエリをサポートし、クエリの少なくとも95%に対して500ミリ秒以内に結果を返す必要があります。また、1時間ごとに更新されるレストランの詳細情報のデータを常に最新の状態に保つ必要があります。さらに、ピーク時の利用状況においても、コスト効率よく拡張できる必要があります。
開発労力を最小限に抑えつつ、これらの要件を満たすソリューションはどれでしょうか？

ある大学が、複数のサブアプリケーションを含むAI搭載アプリケーションを開発しています。サブアプリケーションには、AIアシスタント、課題採点システム、内部分析アプリケーションなどが含まれます。大学は、さまざまな基盤モデル(FM)を使用して複数のプロンプトを定義し、テストしています。大学は、各プロンプトのバリエーションを比較し、特定のユースケースに最適な出力が得られるバリエーションを選択したいと考えています。大学は、プロンプトのバージョン管理ソリューションを必要としています。大学は、プロンプトのバリエーションをテストし、プロンプトの変更と使用状況に関する監査ログを収集できる必要があります。また、このソリューションは、プロンプトをメインアプリケーションに統合しながら、一貫性を維持する必要があります。これらの要件を最小限の運用オーバーヘッドで満たすソリューションの組み合わせはどれですか？(2つ選択してください。)

ある医療機器メーカーは、自社製品を使用した医療処置に関する報告書をAIアシスタントに入力したいと考えている。患者のプライバシーを保護するため、AIアシスタントは患者の個人識別情報(PII)を外科医にのみ開示する必要がある。エンジニア向けにはPIIを伏せ字にする必要がある。また、AIアシスタントは3年以内の医療報告書のみを参照する必要がある。
同社は、レポートが公開されるたびに、Amazon S3バケットにレポートを保存します。同社は既にAmazon Bedrockナレッジベースを構築済みです。AIアシスタントは、Amazon Cognitoを使用してユーザー認証を行います。
これらの要件を満たすソリューションはどれでしょうか？

ある企業は、Amazon Bedrockを使用して検索拡張生成(RAG)システムを構築しています。このRAGシステムは、Amazon S3バケットをデータソースとするAmazon Bedrockナレッジベースを、緊急ニュース動画コンテンツのデータソースとして使用しています。システムは、S3バケットからトランスクリプト、アーカイブされたレポート、および関連文書を取得します。
RAGシステムは、最先端の埋め込みモデルと高性能な検索システムを採用しています。しかし、ユーザーからは応答速度の遅さや関連性の低い検索結果が報告されており、ユーザー満足度の低下につながっています。同社は、ベクトル検索が多種多様なコンテンツタイプにわたる膨大な数の文書を、長期間にわたって評価していることに気づいています。
同社は、既存のモデルはこれ以上の微調整を行っても効果がないと判断した。より高度な制約条件を適用することで検索精度を向上させる必要があり、既存のアーキテクチャへの変更を最小限に抑えたソリューションを求めている。
これらの要件を満たすソリューションはどれでしょうか？

GenAIの開発者が、欧州に拠点を置く企業の社内業務アプリケーションを強化するために、Amazon Bedrockの基盤モデル(FM)を評価しています。この企業はAWS Control Towerにマルチアカウントのランディングゾーンを設定しています。同社はサービス制御ポリシー(SCP)を使用して、アカウントがeu-north-1リージョンとeu-west-1リージョンのみを使用できるようにしています。すべての顧客データは、承認されたAWSリージョン内のプライベートネットワーク内に保持する必要があります。
GenAI開発者は、分析とテストに基づいてFMを選択し、eu-central-1リージョンとeu-west-3リージョンにモデルをホストします。GenAI開発者は、企業の従業員がFMにアクセスできるようにする必要があります。GenAI開発者は、FMへのリクエストが非公開であり、FMと同じリージョン内に留まるようにする必要があります。
これらの要件を満たすソリューションはどれでしょうか？

あるeコマース企業が、Amazon Bedrockを使用して生成型AI(GenAI)アプリケーションを構築しています。このアプリケーションは、AWS Step Functionsを使用してマルチエージェントワークフローをオーケストレーションし、詳細な製品説明を生成します。ワークフローは、説明生成、技術仕様検証、ブランドボイス一貫性チェックという3つの連続した状態で構成されています。各状態では、中間推論トレースと出力が生成され、次の状態に渡されます。このアプリケーションは、処理データの保存と出力データの保存にAmazon S3バケットを使用しています。
テスト中に、Step Functions の状態間の出力が 256 KB のクォータを頻繁に超過し、ワークフローの障害を引き起こすことが会社で判明しました。GenAI 開発者は、Step Functions の 256 KB クォータを効率的に処理し、ワークフローの可観測性を維持するために、アプリケーション アーキテクチャを改訂する必要があります。改訂後のアーキテクチャは、既存のマルチエージェント推論および実行 (ReAct) パターンを維持する必要があります。
これらの要件を満たしつつ、運用上の負担が最も少ないソリューションはどれでしょうか？