Amazon Bedrock、複雑文書向けナレッジベース活用　毎月数千件の請求書対応を想定

AWS Machine Learning Blogは、Amazon Bedrockのナレッジベースを大規模で複雑な文書向けにカスタマイズする方法を紹介しました。公共料金請求書を扱うカスタマーサービスチームが、複数ページの文書や密な表、異なるレイアウトから必要な情報を取り出す場面を想定しています。

記事では、Amazon Textractによる構造化コンテンツと非構造化コンテンツの抽出を、Amazon Bedrockの生成AI機能と組み合わせます。手作業で文書を検索する運用から、プログラムで文書に問い合わせる運用へ移せると説明しています。

対象文書はPDF、DOCX、TXT、HTML、XLSX、PNGです。公共料金請求書を取り込み、前処理し、内容を分析し、関連する表にタグを付けることで、LLMが有用な情報を抽出しやすくします。

記事では、元の請求書をそのままRAGに読み込ませる方法では、期日、支払額、口座番号などの重要情報を取りこぼす場合や、不正確な情報を生成する場合があるとしています。Amazon Textractで抽出データを整理し、不要な情報を除くことで、より信頼できるRAGベースの対応を目指します。