ある金融機関が、社内の審査担当者向けにAmazon Bedrockを使用した生成AIアシスタントを開発しています。法務・コンプライアンスチームから以下のセキュリティ要件が定められました。 ・審査担当者がM&A（企業買収・合併）や内部告発者に関する機密トピックについてAIに質問した場合、そのリクエストをブロックする ・AIのレスポンスに従業員の氏名・メールアドレス・クレジットカード番号が含まれる場合、自動的にマスキングまたはブロックする ・AIが暴力・差別・ヘイトスピーチなどの有害コンテンツを生成しないよう制御する ・これらのポリシーを複数の基盤モデル（Claude、Titan等）に横断的に適用する 上記4つの要件をすべて満たす最も効率的なアーキテクチャはどれか？
Amazon Bedrock Guardrailsは生成AIアプリケーション向けのセキュリティポリシーを一元管理するマネージドサービスです。拒否トピック（M&A・内部告発等の機密トピックをブロック）、機密情報フィルタ（氏名・メール・クレジットカード番号等のPIIをマスキング/ブロック）、コンテンツフィルタ（暴力・差別等の有害コンテンツを制御）を組み合わせて設定でき、複数の基盤モデルに横断適用できます。これが4つの要件すべてを満たす最も効率的な方法です。 選択肢AのLambda＋Comprehendによるカスタム実装は要件を実現できますが、開発・運用コストが高く複数モデルへの横断適用も煩雑であり、Guardrailsと比べて効率的ではありません。 選択肢CのAWS WAFはHTTPリクエストレベルの検査に特化しており、プロンプト内の意味的なトピック判定には不向きです。Amazon MacieはS3オブジェクトのPII検出に特化しており、リアルタイムのレスポンスフィルタリングには適しません。 選択肢DのSageMakerカスタムエンドポイントはBedrockのマネージド基盤モデルの利便性を失い、独自NLP実装は精度・保守コストも高くなります。