グローバルな保険会社が複雑な保険金請求処理システムをAmazon Bedrock Agentsで構築しています。システムには「医療記録の分析（Claude 3モデル）」「損害額の算定（Amazon Nova Proモデル）」「詐欺検知（カスタムファインチューニング済みモデル）」という3つの専門タスクがあり、各タスクは独立したドメイン知識と異なる基盤モデル（FM）が必要です。最終的な承認判断はこれら3つの分析結果を統合して行います。最もスケーラブルで保守性の高いアーキテクチャはどれですか？
正解： Amazon Bedrock Agentsのマルチエージェント連携を使用し、スーパーバイザーエージェントが3つの専門サブエージェント（各々が最適なFMを使用）をオーケストレーションする Amazon Bedrock Agentsのマルチエージェント連携（Multi-agent collaboration）では、スーパーバイザーエージェントが複数の専門サブエージェントを動的にオーケストレーションできます。各サブエージェントは独立したFM・ナレッジベース・アクショングループを持てるため、ドメイン別の最適化と独立したプロンプト設計が可能です。 選択肢Aの単一エージェントでは複数FMのドメイン分離が困難です。 選択肢CのStep Functionsでは固定フローになりエージェントの動的推論能力が活かせません。 選択肢DのSageMakerパイプラインは生成AIのアドホックな推論オーケストレーションには不向きです。