AWS Bedrock が『エンタープライズLLMの本命』に
LLMアプリの本番運用では、OpenAI/Anthropic APIを直接使う方式の他に、AWS Bedrockのようなクラウド統合方式があります。BedrockはClaude（Anthropic）・Llama（Meta）・Mistral・Titan（AWS自社）等の主要モデルをAWS環境内で運用でき、VPC連携・IAM・データプライバシー（学習に使われない）で、規制業界・エンタープライズで2026年急速に採用拡大しています。
採用すべき5つのシグナル
- 既存AWS環境内でLLMを統合運用
- VPC内・データプライバシー重視
- IAM・コンプライアンス要件が厳しい
- 複数LLMプロバイダ統一管理
- 規制業界（金融・医療）でLLM活用
主要機能
- Foundation Models: Claude/Llama/Mistral/Titan等
- Knowledge Bases: RAG用ベクトルDB統合
- Agents: Tool use・関数呼び出し
- Guardrails: コンテンツフィルタ
- Model Customization: Fine-tuning
- VPC Endpoint: プライベート通信
OpenAI API/Bedrock/Vertex AI比較
OpenAI API: 直接・シンプル・最先端モデル。
AWS Bedrock: AWS統合・エンタープライズ機能・複数モデル。
Google Vertex AI: GCP統合・Geminiモデル・MLOps充実。
Azure OpenAI: OpenAIモデル + Azure統合。
使い分け: シンプルOpenAI・AWSエンタープライズBedrock・GoogleはVertex AI。
実装パターン
(1) IAM設定: Bedrockアクセス権限
(2) モデル選択: Claude 3.5 Sonnet等
(3) SDK呼び出し: boto3 等で推論
(4) Knowledge Base: S3 + ベクトル化でRAG
(5) Guardrails: NG コンテンツフィルタ
料金感（実務目安）
- Claude 3.5 Sonnet: $3/M入力トークン・$15/M出力トークン
- Llama 3.3 70B: $0.99/M入出力
- Titan Text: $0.5〜/M
- Knowledge Base: ベクトル検索追加料金
- OpenAI直接比較: 同等〜やや高め
本番採用の判断基準
- 本番実績: 金融・医療・公共機関等エンタープライズ
- データプライバシー: 学習に使われない明示
- SLA: 商用SLA付き
- VPC統合: プライベートネットワーク内通信
- 移行コスト: OpenAI APIから比較的容易
採用しない方が良いケース
- AWS未使用
- 最先端モデル即時利用（OpenAI早い）
- 個人開発・コスト最重視
- Bedrock未対応モデル必須
実装で詰まる3つの落とし穴
- モデル可用性: 地域別のモデル展開差
- クォータ管理: TPM/RPM制限
- コスト管理: 大量利用でのコスト
30日プラン
- 1週目: Bedrockコンソール・基本推論
- 2週目: SDK統合・Claude/Llama選択
- 3週目: Knowledge Base・RAG構築
- 4週目: 本番運用・Guardrails・モニタリング
関連リンク
Vercel AI SDKは Vercel AI SDK深掘り、LiteLLMは LiteLLM深掘り、AWS SAAは AWS SAA を参照してください。