翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

自動推論ポリシーを作成する

自動推論ポリシーを作成すると、ソースドキュメントは一連の正式なロジックルールと変数とタイプのスキーマに変換されます。このページでは、ドキュメントの準備、ポリシーの作成、結果の確認について説明します。

Amazon Bedrock は、AWS Key Management Service (KMS) を使用して自動推論ポリシーを暗号化します。デフォルトでは、Amazon Bedrock はサービス所有のキーを使用します。オプションでカスタマーマネージド KMS キーを指定すると、ポリシーデータの暗号化をさらに制御できます。

自動推論ポリシーをテストして使用するには、適切なアクセス許可があることを確認してください。

ソースドキュメントを準備する

コンソールを開くか API を呼び出す前に、Automated Reasoning がルールと変数の抽出に使用するドキュメントを準備します。ポリシーの品質は、この入力の品質に直接依存します。

ドキュメントの構造と明確さ

自動推論チェックは、明確であいまいなルールを含むドキュメントに最適です。各ルールには、条件と結果を記述する必要があります。ドキュメントに存在しない外部コンテキストに依存するあいまいな言語、主観的な基準、またはルールは避けてください。

例: クリアルールとあいまいルール

サイズ制限と大きなドキュメントの分割

ソースドキュメントのサイズは 5 MB、50,000 文字に制限されています。ドキュメント内のイメージとテーブルも文字数制限にカウントされます。

ドキュメントがこれらの制限を超えた場合、または複数の無関係なドメインを対象とする場合は、焦点を絞ったセクションに分割します。たとえば、従業員ハンドブックを別々のドキュメントに分割して、休暇ポリシー、手当の資格、および経費の払い戻しを行います。最初のセクションでポリシーを作成し、反復ポリシー構築 (このページで後述) を使用して、追加のセクションを同じポリシーにマージします。

複雑なドキュメントを前処理する

適用するルールとは無関係な定型文、法的免責事項、またはコンテンツが多数含まれているドキュメントは、不要な変数やルールを含むノイズの多いポリシーを生成します。アップロードする前に、次の点を考慮してください。

(オプション) LLM を使用してドキュメントを論理ルールとして書き換える

説明文、法的言語、または複雑な形式を含むドキュメントについては、高度な推論機能を備えたフロンティアモデルを使用して、コンテンツを明確で論理的なルールとして書き換えてから、自動推論チェックにアップロードすることを検討してください。この 1 回限りの前処理ステップは、自動推論チェックがより正確に から抽出できる形式にテキストを変換し、未使用の変数とベアアサーションが少ない高品質のポリシーを実現します。

LLM の前処理には、ドキュメントの複雑さと抽出に対するコントロールの程度に応じて、2 つのアプローチがあります。

アプローチ 1: プレーンテキストルールの抽出

if-then ルールの番号付きリストとしてドキュメントを書き換えるように LLM に依頼します。このアプローチは簡単で、ソース内でルールが比較的明確である、焦点を絞った短いドキュメントに適しています。

プロンプトの例:

You are a logical reasoning expert. Your task is to analyze the provided
source text and rewrite it as a set of clear, logical rules using if-then
statements.

Instructions:
1. Extract the key relationships, conditions, and outcomes from the source text.
2. Convert these into logical implications using "if-then" format.
3. Use clear, precise language that captures the original meaning.
4. Number each rule for easy reference.
5. Ensure rules are mutually consistent and non-contradictory.

Format:
- Rule [N]: If [condition], then [consequence].
- Use "and" to combine multiple conditions.
- Use "or" for alternative conditions.
- Include negations when relevant: If not [condition], then [consequence].

Example:
Source: "Students who complete all assignments and attend at least 80% of
classes will pass the course."
Rule 1: If a student completes all assignments and attends at least 80% of
classes, then they will pass the course.

Source Text:
[Paste your document here]

アプローチ 2: 構造化ルールの抽出

複雑または長いドキュメントの場合は、LLM に、各ルールのメタデータを含む構造化 JSON としてルールを抽出するように依頼します。このアプローチにより、各ルールがどの部分から来たか、抽出の信頼性、どのルールが直接記述されるのではなく推測されるかを監査するのに役立つ、より豊富な出力が生成されます。また、Automated Reasoning ポリシーが使用する境界ルールに直接変換される「age must be non-negative」などの一般的な境界制約であるサニティルールを生成するように LLM に要求します。境界ルールの詳細については、「」を参照してください数値の範囲を検証する。

プロンプトの例:

You are a logical reasoning expert. Extract formal logical rules from the
provided text.

Output Format:
For each rule, provide:
- Rule ID: [unique identifier]
- Conditions: [ALL preconditions — preserve compound conditions with AND/OR/NOT]
- Consequence: [the outcome/action]
- Confidence: [high/medium/low based on text clarity]
- Source Reference: [quote or paraphrase from source]
- Rule Type: [explicit/implicit/sanity]

Critical Guidelines:
1. PRESERVE ALL CONDITIONS: Do not drop or simplify conditions.
2. PRESERVE LOGICAL OPERATORS: Maintain AND, OR, NOT relationships exactly.
3. PRESERVE QUANTIFIERS: Keep "all", "any", "at least", numeric thresholds.
4. PRESERVE EXCEPTIONS: Include "unless", "except when" clauses.
5. Make implicit conditions explicit only when clearly implied by context.
6. Use consistent terminology across rules.
7. Flag ambiguities such as unclear, incomplete, or contradictory statements.
8. Add sanity rules for common-sense constraints:
   - Numeric ranges (e.g., "age must be between 0 and 150")
   - Temporal constraints (e.g., "start date must be before end date")
   - Physical limits (e.g., "quantity cannot be negative")
   - Mutual exclusivity (e.g., "status cannot be both active and inactive")

Output Requirements:
- Produce final JSON only (no text or markdown).
- Use the following JSON keys:
  - "rules" for the rules array
  - "ambiguities" for the ambiguities array

Source Text:
[Paste your document here]

構造化抽出を実行したら、JSON 出力を確認します。次の点に特に注意してください。

レビューした JSON ルールをプレーンテキストの if-then ステートメントに変換して、Automated Reasoning ポリシーを作成するときにソースドキュメントとして使用します。

効果的な指示書を作成する

ポリシーを作成するときは、Automated Reasoning がソースドキュメントを処理する方法をガイドするオプションの手順を指定できます。オプションですが、適切な指示により、抽出されたルールと変数の品質が大幅に向上します。

効果的な手順には、次の 3 つの事項を含める必要があります。

指示の例:

This policy will validate HR questions about leave eligibility. The document
has sections on different leave types (parental, medical, bereavement, personal).
Users will ask questions like "Am I eligible for parental leave if I've worked
here for 9 months?" or "Can part-time employees take bereavement leave?"
Focus on the eligibility criteria for each leave type. Capture variables that
help determine whether an employee is eligible for a specific type of leave.

コンソールでポリシーを作成する

API を使用してポリシーを作成する

自動推論ポリシーは、Amazon リソースネーム (ARN) で識別される AWS アカウントのリソースです。API を使用してポリシーを作成するのは 2 つのステップのプロセスです。まずポリシーリソースを作成し、次にビルドワークフローを開始してドキュメントからルールを抽出します。

ステップ 1: ポリシーリソースを作成する

CreateAutomatedReasoningPolicy API を使用してポリシーリソースを作成します。

例:

aws bedrock create-automated-reasoning-policy \
  --name "MyHRPolicy" \
  --description "Validates HR chatbot responses about leave eligibility" \
  --kms-key-id arn:aws:kms:us-east-1:111122223333:key/12345678-1234-1234-1234-123456789012

レスポンスの例:

{
  "createdAt": "2025-07-21T14:43:52.692Z",
  "definitionHash": "f16ba1ceca36e1d21adce559481add6a...",
  "name": "MyHRPolicy",
  "policyArn": "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk",
  "updatedAt": "2025-07-21T14:43:52.692Z",
  "version": "DRAFT"
}

ステップ 2: ビルドワークフローを開始してルールを抽出する

ステップ 1 のポリシー ARN で StartAutomatedReasoningPolicyBuildWorkflow API を使用して、ソースドキュメントからルールと変数を抽出します。

例:

# Encode your PDF to base64
PDF_BASE64=$(base64 -i your-policy.pdf | tr -d '\n')

# Start the build workflow
aws bedrock start-automated-reasoning-policy-build-workflow \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk \
  --build-workflow-type INGEST_CONTENT \
  --source-content "{
    \"policyDefinition\": {
      \"version\": \"1.0\",
      \"types\": [],
      \"rules\": [],
      \"variables\": []
    },
    \"workflowContent\": {
      \"documents\": [
        {
          \"document\": \"$PDF_BASE64\",
          \"documentContentType\": \"pdf\",
          \"documentName\": \"HR Leave Policy\",
          \"documentDescription\": \"Validates HR chatbot responses about leave eligibility. Users ask questions like 'Am I eligible for parental leave?'\"
        }
      ]
    }
  }"

レスポンスの例:

{
  "policyArn": "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk",
  "buildWorkflowId": "d40fa7fc-351e-47d8-a338-53e4b3b1c690"
}

でビルドステータスを確認しますListAutomatedReasoningPolicyBuildWorkflows。

aws bedrock list-automated-reasoning-policy-build-workflows \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk

抽出されたポリシーを確認する

ビルドが完了したら、テストを開始する前に、抽出されたポリシー定義を確認してください。この段階で問題を検出すると、後で失敗したテストで問題を検出するよりも時間が節約されます。

コンソールでポリシーを開き、 定義ページに移動します。API を介して、 GetAutomatedReasoningPolicyBuildWorkflowResultAssets --asset-type POLICY_DEFINITION で を使用して抽出された定義を取得し、 --asset-type QUALITY_REPORT を使用して品質レポートを取得します。--asset-type ASSET_MANIFEST パラメータを使用して、忠実度レポートなど、ワークフロー中に生成されたアセットの完全なリストを表示できます。

次の点を確認します。

忠実度レポートを確認する

ソースドキュメントからポリシーを作成すると、抽出されたポリシーとともに忠実度レポートが自動的に生成されます。忠実度レポートは、ポリシーがソースコンテンツを表す精度を測定し、各ルールと変数をドキュメント内の特定のステートメントにリンクする詳細な根拠を提供します。忠実度レポートの概念の詳細については、「」を参照してください忠実度レポート。

コンソールで忠実度レポートを確認する

コンソールでポリシーを開き、ソースドキュメントタブ (定義の横) を選択します。ソースコンテンツビューには、ドキュメントから抽出された各アトミックステートメントがテーブル内の番号付き行として表示されます。各行には以下が表示されます。

テーブルの上部にあるルールと変数のドロップダウンフィルターを使用して、特定のルールまたは変数をグラウンディングするステートメントに焦点を当てます。検索バーを使用して、抽出されたステートメント内の特定のコンテンツを検索します。

ルールの変更や変数の追加など、最初の抽出後にポリシーを編集する場合は、再生成ボタンを選択して忠実度レポートを更新し、現在のポリシー定義を反映します。

API を使用して忠実度レポートを確認する

GetAutomatedReasoningPolicyBuildWorkflowResultAssets で を使用して忠実度レポート--asset-type FIDELITY_REPORTを取得します。ポリシーの変更後にレポートを再生成するには、ビルドワークフロータイプStartAutomatedReasoningPolicyBuildWorkflowで を使用しGENERATE_FIDELITY_REPORT、 generateFidelityReportContentフィールドにソースドキュメントを指定します。ワークフローは、現在のポリシー定義と照らし合わせてドキュメントを再分析し、新しい忠実度レポートを生成します。--asset-id パラメータ--asset-type SOURCE_DOCUMENTを使用して、以前のビルドワークフローから元のソースドキュメントを取得することもできます (アセットマニフェストからアセット ID を取得します）。

検索対象

APIs から忠実度レポートを確認するときは、次の点に注意してください。

反復ポリシーの構築

複雑なドメインの場合は、1 回のドキュメントアップロードですべてをキャプチャするのではなく、ポリシーを段階的に構築します。ルールの焦点を絞ったサブセットから開始し、ポリシーを作成してテストしてから、後続の反復でコンテンツを追加します。

コンソールにコンテンツを追加する

API を使用してコンテンツを追加する

StartAutomatedReasoningPolicyBuildWorkflow で を呼び出しINGEST_CONTENT、現在のポリシー定義全体を新しいドキュメントとともに渡します。新しいコンテンツが置き換えるのではなく既存のポリシーとマージされるように、既存の定義であるルール、変数、タイプをすべて含める必要があります。

# First, retrieve the current policy definition
aws bedrock get-automated-reasoning-policy \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk

# Encode the new document
PDF_BASE64=$(base64 -i additional-rules.pdf | tr -d '\n')

# Start a build workflow with the existing definition + new document
aws bedrock start-automated-reasoning-policy-build-workflow \
  --policy-arn arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/lnq5hhz70wgk \
  --build-workflow-type INGEST_CONTENT \
  --source-content "{
    \"policyDefinition\": EXISTING_POLICY_DEFINITION_JSON,
    \"workflowContent\": {
      \"documents\": [
        {
          \"document\": \"$PDF_BASE64\",
          \"documentContentType\": \"pdf\",
          \"documentName\": \"Additional Benefits Rules\",
          \"documentDescription\": \"Additional rules covering medical and bereavement leave eligibility.\"
        }
      ]
    }
  }"

自動推論ポリシーの KMS アクセス許可

自動推論ポリシーを暗号化するためにカスタマーマネージド KMS キーを指定する場合は、Amazon Bedrock がキーを使用できるようになるアクセス許可を設定する必要があります。

キーポリシーのアクセス許可

KMS キーポリシーに次のステートメントを追加して、Amazon Bedrock が自動推論ポリシーにキーを使用できるようにします。

{
  "Sid": "PermissionsForAutomatedReasoningPolicy",
  "Effect": "Allow",
  "Principal": {
    "AWS": "arn:aws:iam::111122223333:user/role"
  },
  "Action": [
    "kms:Decrypt",
    "kms:DescribeKey",
    "kms:GenerateDataKey"
  ],
  "Resource": "*",
  "Condition": {
    "StringEquals": {
      "kms:EncryptionContext:aws:bedrock:automated-reasoning-policy": [
        "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id",
        "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id:*"
      ],
      "kms:ViaService": "bedrock.us-east-1.amazonaws.com"
    }
  }
}

IAM アクセス許可

自動推論ポリシーでカスタマーマネージド KMS キーを使用するには、IAM プリンシパルに次のアクセス許可が必要です。

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Sid": "AllowKMSForAutomatedReasoningPolicy",
      "Effect": "Allow",
      "Action": [
        "kms:Decrypt",
        "kms:DescribeKey",
        "kms:GenerateDataKey"
      ],
      "Resource": "arn:aws:kms:us-east-1:111122223333:key/key-id",
      "Condition": {
        "StringEquals": {
          "kms:EncryptionContext:aws:bedrock:automated-reasoning-policy": [
            "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id",
            "arn:aws:bedrock:us-east-1:111122223333:automated-reasoning-policy/policy-id:*"
          ],
          "kms:ViaService": "bedrock.us-east-1.amazonaws.com"
        }
      }
    }
  ]
}

暗号化コンテキスト

Amazon Bedrock は暗号化コンテキストを使用して、自動推論ポリシーのセキュリティを強化します。暗号化コンテキストは、ポリシーの暗号化と復号時に追加の認証済みデータとして使用されるキーと値のペアのセットです。

自動推論ポリシーの場合、Amazon Bedrock は次の暗号化コンテキストを使用します。