データ分析コンサルタント企業が、クライアントがアップロードしたCSV・Excel形式の財務データを分析するAIアシスタントを構築しています。アシスタントは以下を実行する必要があります。 ・回帰分析・相関行列などの統計計算 ・matplotlibを使った可視化チャートの生成 ・分析結果の自然言語での説明 クライアントがどのような恣意的データセットをアップロードするか事前に予測できないため、分析パターンごとにLambda関数を事前作成することは現実的ではありません。最もこの要件を満たすアーキテクチャはどれですか？
Bedrock AgentsのCode Interpreterは、エージェントがリクエストに応じてPythonコードを動的に生成し、隔離されたサンドボックス環境で実行できる組み込みアクショングループです。pandas・numpy・matplotlib等の主要ライブラリが利用可能で、任意のデータ分析処理とチャート生成に対応します。事前にLambda関数を用意する必要がなく、未知のデータセットにも柔軟に対応できます。 選択肢Aの一般的な統計操作に対応した汎用Lambda関数をアクショングループとして登録することは事前の関数定義が必要でスケーラビリティに限界があります。 選択肢BのBedrock Knowledge Basesに業界標準の分析レポートをインデックスしRAGで取得することは類似分析例の検索には使えますが、実際の統計計算・コード実行・チャート生成はできません。 選択肢DのAmazon SageMaker Processing JobsをLambdaアクショングループから非同期で起動することはジョブ起動のオーバーヘッドが大きくリアルタイム応答に不適切です。