Amazon Bedrockの表形式検索:表計算ファイル全体をコード実行で分析するAgentic RAG


ADVERTISEMENT

表を「検索対象」から「計算可能なデータ」へ

Amazon Bedrock Managed Knowledge Baseのtabular searchは、CSV・XLSX・XLSの表を、通常の文書検索だけでは扱いにくい集計・比較・条件判定に利用する機能だ。AgenticRetrieveStreamによるAgentic Retrievalの中で、関連する表ファイルを特定した後、元ファイル全体に対してコードを実行する。検索で返された数行だけを根拠にするのではなく、表全体を処理できる点が中核となる。

従来型のRAGは、質問に近い固定数のパッセージを取得する。これは文章検索には有効だが、長大な表では必要行が取得結果から漏れ、合計や閾値判定が不完全になりうる。列数の多い表では、後方の列の値が検索・入力対象として扱いにくくなるほか、長いパッセージが無関係な質問にも一致して関連結果を押し出す可能性がある。さらに、質問の業務用語と表のコード・勘定科目名のずれ、草案と確定版の類似性、数値の意味を定めるルールが別文書にあることも、検索の難しさを増す。

tabular searchはこの問題を分業で解く。検索は対象ファイルを見つける役割に絞り、実計算は隔離サンドボックス内のコードに任せる。たとえば「予算差異コメントが必要な部門」を判断するには、方針文書の閾値、決算メモの予算改訂、損益計算書の全行に対する差異計算を組み合わせる必要がある。記事の例ではSales、Engineering、Operationsが対象となり、それぞれの改訂後予算に対する差異率も示される。改訂が承認されたEngineeringは、予算削減によって閾値を超える。

Agentic Retrievalの処理フローと検証可能性

tabular searchはAgentic Retrievalの一連の処理に組み込まれ、個別に有効化する設定は不要とされる。質問に表の検索や行横断の計算が必要な場合、処理は次の順で進む。

  1. Retrieve:知識ベースから関連パッセージを取得し、表ファイルのパッセージも候補に含める。

  2. Plan:質問と表の構造を踏まえ、対象ファイルにコードを実行するか決定する。

  3. Stage:元ファイルをネットワークアクセスのない隔離サンドボックスへコピーする。

  4. Compute:モデルが作成したコードを表全体または対象シートに対して実行する。

  5. Return:コードの標準出力に含まれる集計値や該当行などをエージェントへ返す。

  6. Answer:計算結果と取得パッセージを組み合わせ、引用付きで回答する。

対象となるのは、取得パッセージがCSV、XLSX、XLS由来であり、質問が複数行にまたがる計算、または特定値の検索を必要とする場合だ。実行コードは元ファイルを読み、回答に必要な結果だけを返す。トレースにはPlanningイベントでコードが読む文書の識別子が記録され、CodeExecutionイベントでは実行状態や読み込んだファイルの情報を確認できる。一方、引用は回答に使われたパッセージを指すため、コードが読んだ表ファイルが引用一覧に必ず含まれるとは限らない。表の参照経路は、回答の引用とトレースの双方を使って検証する必要がある。

CSV・ExcelファイルとPDF・Wordなどの関連文書は、Amazon S3、Microsoft SharePoint、Atlassian Confluenceなどのコネクター経由で知識ベースへ取り込める。リクエストは既存のAgenticRetrieveStreamを使い、複数の知識ベースも検索対象にできる。ただし、Retrieve API単体はパッセージを返すAPIであり、コード実行は行わない。表ファイルを見つけてもコード実行を伴う回答が必要なら、Agentic Retrievalを使う構成が前提となる。

適用範囲、設定要件と運用上の制約

記事のサンプルでは、S3上のCSV・Excelファイルと関連文書をAmazon Bedrock Managed Knowledge Baseに取り込み、AgenticRetrieveStreamで質問する。ナレッジベースはMANAGED型で作成し、データソースにはMANAGED_KNOWLEDGE_BASE_CONNECTORを指定する。S3接続設定で対象バケットとfinance/プレフィックスを指定し、maxFileSizeInMegaBytesは最大ファイルより大きく設定する。取り込み後は、検索結果のメタデータ_file_typeを確認し、CSVはCSV、XLSX・XLSはMS_EXCELとして認識されているか検証する。

呼び出し側のIDには、Agentic Retrievalに必要な権限が求められる。記事の例ではbedrock:AgenticRetrieveStream、bedrock:Retrieve、bedrock:GetDocumentContent、bedrock:InvokeModelWithResponseStreamを挙げている。特に元の表ファイルを読む主体は呼び出し側の認証情報であるため、検索権限だけでなく文書内容の取得権限も設計に含める必要がある。ナレッジベース側では、Bedrockサービスプリンシパルを信頼するIAMロールを作成し、S3のListBucketおよび対象オブジェクトのGetObjectを許可する。記事の手順は対象バケットに読み取り権限を限定し、公開アクセスをブロックする設定を前提としている。

利用上の重要なトレードオフはレイテンシーだ。コード実行には少なくとも1回の追加エージェントターンが必要となるため、表データを使う回答はテキストのみの回答より遅くなる。長時間の呼び出しでは、実行中イベントが10秒ごとに繰り返され、読み取りタイムアウトを避ける動作が説明されている。コード実行が失敗した場合はFAILEDが報告され、エージェントは通常リトライまたはフォールバックする。

用途の境界も明確だ。tabular searchは、文書群のそばに置かれた表ファイルに対する質問時の計算・検索に向く。一方、統制された指標、定期ダッシュボード、データウェアハウス規模の結合、報告統制は、引き続きBIツールが適切である。スキーマ定義を必要としない手軽さは利点だが、反復可能な業務指標の管理や大規模分析基盤の代替とみなすべきではない。

開発者・エンジニア視点での考察

  1. 検索品質と計算品質を別々にテストする。 tabular searchでは、まず対象ファイルが取得されることが前提になる。ファイル名を質問に含めることが有効と記事は述べているため、業務用語だけの質問と、対象ブック・シートを明記した質問の両方を用意し、検索結果の_file_typeとトレース上の読取ファイルを確認すると、検索段階の失敗と計算段階の失敗を切り分けやすい。

  2. アクセス制御を「検索」と「元ファイル読取」の両面で設計する。 コードが知識ベースに取り込まれた要約だけでなく元ファイルを読む構成であり、呼び出し側にはbedrock:GetDocumentContentが必要となる。S3のデータソース用ロールと、APIを呼ぶ利用者・サービスの権限を別々に最小化し、対象バケット、プレフィックス、ナレッジベースARNの範囲を明確にすることが重要だ。

  3. 回答の監査ログでは引用とトレースを併用する。 方針やメモの根拠は引用で確認できる一方、数値計算に使った表はトレースのPlanning/CodeExecutionイベントで確認する。監査や再現性が求められるアプリケーションでは、回答文だけを保存するのではなく、引用、実行状態、読取ファイル識別子を一体で記録し、失敗時のリトライやフォールバックも監視対象に含めるべきだ。

Source / 元記事

この記事について

著者
AIBloom AI編集部
初回公開
最終更新

この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。

元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。

重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。

About AIBloom

ADVERTISEMENT