無限ノック › AIP 練習問題一覧 › 問題
AIP基盤モデルの統合、データ管理、コンプライアンス

製薬会社がAmazon Bedrockを使った臨床試験ドキュメントのRAGシステムを構築しています。研究チームからPDFとWord文書が日次でS3にアップロードされます。要件は ①新規ファイルの自動検知と即時処理 ②デジタルPDFとスキャン紙資料（OCR対応必須）の両方に対応 ③論文のタイトル・要旨・方法・結果セクションを意識した構造的チャンキング ④アップロードから30分以内の再インデックス完了 ⑤複数ステップ処理でのエラー可視性とリトライ機能 最も要件を効果的に満たすパイプラインはどれですか？

A
S3イベント通知でLambdaを起動し、Amazon TextractでOCR・テーブル抽出を実行。テキストをS3に保存後、Bedrock Knowledge BasesのStartIngestionJob APIで再インデックスをトリガーする
Lambda＋TextractはOCRと即時再インデックスに対応するが、複数ステップのエラー可視性とリトライ管理が欠如しており、処理失敗時の回復が困難になる。
B
S3イベント通知でGlue ETLジョブを起動し、Apache TikaでPDF・Word文書を解析してセクション別チャンキング後にS3へ保存。Bedrock Knowledge Basesの毎時定期同期スケジュールで取り込む
Apache TikaはスキャンPDFのOCRにネイティブ対応しておらず、Glue毎時定期同期ではアップロード直後のファイルが最長59分待機し、30分以内の要件を満たせない。
C
EventBridgeでS3 PutObjectを検知してStep Functionsを起動し、TextractでOCR・テーブル抽出、LambdaでセクションベースのチャンキングをしてS3に保存後、StartIngestionJob APIで再インデックスをトリガーする
✓ 正解
Step FunctionsがStep単位のリトライと実行可視性を提供し、Textract・LambdaのカスタムチャンキングとStartIngestionJob APIを連携させて全要件を充足する。
D
S3イベント通知でSQSキューにメッセージを送信し、LambdaでPyMuPDFによるテキスト抽出とEmbeddings APIでベクター化を実行後、OpenSearch Serverlessへ直接書き込む。Bedrock Knowledge Basesのカスタムデータソース設定で参照する
PyMuPDFはスキャン画像のOCRに非対応であり、OpenSearch Serverlessへの直接書き込みはBedrock Knowledge Basesの管理インデックス機能を迂回し整合性が損なわれる。

解説

Step FunctionsがStep単位のエラーハンドリングとリトライを提供。TextractがデジタルPDF・スキャン両対応のOCRを担い、LambdaのカスタムロジックでセクションベースのチャンキングとStartIngestionJob APIによる即時再インデックスを実現する。

ドメイン別正答率・予想スコアでリアルタイムに実力把握

無限ノックでAIPを徹底対策。全問AI生成のオリジナル問題。

無料で演習を始める →
← AIP の問題一覧に戻る