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。

# 結論とリソース
<a name="conclusion"></a>

生成 AI を大規模に導入するには、単なる強力なモデル以上のものが必要です。AI システムが信頼性が高く、安全で、ビジネス目標に沿ったものであることを確認する、データファーストのアプローチが必要です。データアセットをプロアクティブに評価、構造化、管理する企業は、実験から大規模な AI トランスフォーメーションに迅速かつ自信を持って移行できるため、競争上の優位性を得ます。

組織は AI をより深くワークフローに統合するため、責任ある AI の導入も優先する必要があります。データライフサイクルのすべてのステージにガバナンス、コンプライアンス、セキュリティを埋め込みます。バイアス、データ漏洩、敵対攻撃などのリスクを軽減するには、厳格なアクセスコントロールの適用、規制要件への準拠、および倫理的保護の実装が不可欠です。この進化する AI の状況では、データを入力としてだけでなく、戦略的アセットとして扱うユーザーは、生成 AI の可能性を最大限に引き出すのに最適です。

## リソース
<a name="conclusion-resources"></a>

**AWS ドキュメント**
+ [Amazon Q Business ドキュメント](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/what-is.html)
+ [RAG ユースケース用の AWS ベクトルデータベースの選択](https://docs.aws.amazon.com/prescriptive-guidance/latest/choosing-an-aws-vector-database-for-rag-use-cases/introduction.html) (AWS 規範ガイダンス）
+ [一般的なプロンプトインジェクション攻撃](https://docs.aws.amazon.com/prescriptive-guidance/latest/llm-prompt-engineering-best-practices/common-attacks.html) (AWS 規範ガイダンス）
+ [データ保護](https://docs.aws.amazon.com/bedrock/latest/userguide/data-protection.html) (Amazon Bedrock ドキュメント）
+ [Amazon Bedrock リソースのパフォーマンスを評価する](https://docs.aws.amazon.com/bedrock/latest/userguide/evaluation.html) (Amazon Bedrock ドキュメント）
+ [で生成 AI を採用するための成熟度モデル AWS](https://docs.aws.amazon.com/prescriptive-guidance/latest/strategy-gen-ai-maturity-model/introduction.html) (AWS 規範ガイダンス）
+ [MLSEC-10: データポイズニングの脅威から保護](https://docs.aws.amazon.com/wellarchitected/latest/machine-learning-lens/mlsec-10.html)する (AWS Well-Architected Framework)
+ [プロンプトエンジニアリングの概念](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-engineering-guidelines.html) (Amazon Bedrock ドキュメント）
+ [で拡張生成オプションとアーキテクチャを取得する AWS](https://docs.aws.amazon.com/prescriptive-guidance/latest/retrieval-augmented-generation-options/introduction.html) (AWS 規範ガイダンス）
+ [Amazon Bedrock ナレッジベースを使用してデータを取得し、AI レスポンスを生成する](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html) (Amazon Bedrock ドキュメント）

**その他の AWS リソース**
+ [AWS Glue Data Quality、機密データ検出、 を使用した自動データガバナンス AWS Lake Formation](https://aws.amazon.com/blogs/big-data/automated-data-governance-with-aws-glue-data-quality-sensitive-data-detection-and-aws-lake-formation/) (AWS ブログ記事）
+ [ファインチューニングと継続的な事前トレーニングを使用して、Amazon Bedrock のモデルを独自のデータでカスタマイズする](https://aws.amazon.com/blogs/aws/customize-models-in-amazon-bedrock-with-your-own-data-using-fine-tuning-and-continued-pre-training/) (AWS ブログ記事）
+ [Amazon Bedrock で自己整合性プロンプトを使用して生成言語モデルのパフォーマンスを向上させる](https://aws.amazon.com/blogs/machine-learning/enhance-performance-of-generative-language-models-with-self-consistency-prompting-on-amazon-bedrock/) (AWS ブログ記事）
+ [Amazon SageMaker での RLHF による LLMs の改善](https://aws.amazon.com/blogs/machine-learning/improving-your-llms-with-rlhf-on-amazon-sagemaker/) (AWS ブログ記事）
+ [でのチャットボットユーザーのフィードバックと分析に関するガイダンス AWS](https://aws.amazon.com/solutions/guidance/chatbot-user-feedback-and-analytics-on-aws/) (AWS ソリューションライブラリ）
+ [生成 AI の保護](https://aws.amazon.com/ai/generative-ai/security/) (AWS ウェブサイト）

**その他のリソース**
+ [OWASP top 10 for LLM applications 2025](https://genai.owasp.org/resource/owasp-top-10-for-llm-applications-2025/) (OWASP ウェブサイト）
+ [テーブルから情報を求める大規模言語モデルの制限の発見](https://arxiv.org/abs/2406.04113) (Cornell University の Arxiv に関する研究）