大手小売企業が、数百万件の顧客サポート会話ログを使用して Amazon Bedrock カスタムモデルのファインチューニング用学習データを準備しています。ファインチューニング実行前に学習データに PII（個人を特定できる情報）が含まれていないことを確認し、PII 検出を実施したという監査レポートを提出する必要があります。最も包括的な PII 検出と監査証跡の生成を、最小の運用オーバーヘッドで実現する方法はどれですか？
選択肢B（Amazon Macie）は、S3 上のデータに対する PII・機密情報の自動検出を目的として設計されたフルマネージドサービスです。機械学習モデルで名前・住所・クレジットカード番号・医療情報など多様な PII タイプを自動的に検出し、コンプライアンス監査に利用できるファインディングと詳細レポートを自動生成します。EventBridge 統合による自動通知も設定でき、最小の運用オーバーヘッドで包括的な PII 検出と監査証跡を実現できます。 選択肢A（カスタム Lambda＋Comprehend）は実装・運用コストが高く、監査証跡の自動生成も別途構築が必要なため向いていません。 選択肢C（Bedrock Guardrails の PII 検出）は推論時のリアルタイム検出向けであり大量データの一括スキャンには不向きです。 選択肢D（AWS Glue DataBrew）はデータ準備・変換ツールであり、PII のマスキングは可能ですがコンプライアンス監査向けの自動検出レポートや監査証跡の生成機能は Macie ほど充実しておらず、運用オーバーヘッドも大きくなります。