ハリバートン、Amazon Bedrockと生成AIで地震探査ワークフロー作成を強化

地震データ分析はエネルギー探査に不可欠な要素ですが、複雑な処理ワークフローの設定は従来、時間がかかりエラーが発生しやすい課題でした。ハリバートンのSeismic Engineは、地震データ処理のためのクラウドネイティブアプリケーションであり、以前はワークフローを作成するために約100の専門ツールを手動で設定する必要がありました。このプロセスは時間がかかるだけでなく、深い専門知識を必要とし、ソフトウェアのアクセシビリティと効率を制限する可能性がありました。

この課題に対処するため、ハリバートンはAWS生成AIイノベーションセンターと協力し、Seismic Engine向けのAI駆動アシスタントを開発しました。このソリューションは、Amazon Bedrock、Amazon Bedrock Knowledge Bases、Amazon Nova、Amazon DynamoDBを利用して、複雑なワークフロー作成を会話に変えます。地球科学者やデータサイエンティストは、手動設定ではなく自然言語インタラクションを通じて処理ツールを設定できます。

この投稿では、自然言語クエリを実行可能な地震ワークフローに変換し、Seismic Engineのツールとドキュメントに対するQA機能を提供する概念実証をどのように構築したかを探ります。ソリューションの技術的詳細を説明し、最大95%のワークフロー高速化を示す評価結果を共有し、他の組織が生成AIで複雑な技術ワークフローを強化するのに役立つ重要な教訓について議論します。

ソリューション概要

私たちのプロジェクトは、2つの主要な目的に取り組むことを目指しました：自然言語クエリを実行可能な地震ワークフローに変換すること、そしてSeismic EngineドキュメントのためのインテリジェントなQAシステムを提供することです。これを達成するために、Amazon Bedrockを使用したソリューションを開発し、地球科学者が自然な会話を通じて複雑な地震ツールと対話できるようにしました。

システムのバックボーンは、AWS App RunnerにデプロイされたFastAPIアプリケーションであり、ストリーミングインターフェースを通じてユーザークエリを処理します。ユーザーがクエリを送信すると、Amazon Nova Liteを搭載したインテントルーターがリクエストを分析し、ワークフロー生成か技術情報かを判断します。QAリクエストの場合、システムはAmazon Bedrock Knowledge BasesとAmazon OpenSearch Serverlessを使用して、インデックス化されたドキュメントから関連する回答を提供します。ワークフローリクエストの場合、AnthropicのClaudeモデルを使用する生成エージェントが、82の利用可能なSeismic Engineツールから選択してYAMLワークフローを作成します。

コンテキストを維持しマルチターン会話を可能にするために、Amazon DynamoDBをチャット履歴とインタラクションログ記録に統合しました。システムはQAとワークフロー生成の両方にストリーミング応答をサポートし、リクエスト処理中にユーザーに即時フィードバックを提供します。このアーキテクチャにより、自然な会話を通じて複雑な技術ワークフローを作成および変更でき、地震データ処理に必要な正確な制御を維持できます。

クエリルーティングとインテント分類

ユーザークエリがシステムに提供された後、インテントルーターはAmazon Bedrock APIを介してAmazon Nova Liteを呼び出し、クエリのインテントラベルを分類します。大規模言語モデル（LLM）には、"Workflow_Generation"、"QnA"、"General_Question"の3つのインテントラベルのいずれかを生成するプロンプトが与えられます。

"Workflow_Generation"ラベルは、データセットの読み込み/ロード、データ処理操作、特定データセットの操作を含むワークフロー生成に関連するクエリをルーティングするために使用されます。"QnA"インテントラベルは、特定のツールに関する質問、サンプルワークフローのリクエスト、またはSeismic Engineドキュメントに関する質問に使用されます。"General_Question"ラベルは、Seismic Engineの操作やワークフローに関連しないクエリ用です。実装では、Amazon Nova Liteがルーティングタスクを効率的に実行し、精度とレイテンシーのバランスを良好に保ちました。

QA実装

QAコンポーネントは、エンドツーエンドのRAGワークフローのためのフルマネージドサービスであるAmazon Bedrock Knowledge Basesを使用してSeismic Engine関連クエリを処理します。Bedrock Knowledge Basesを選択したのは、ベクターデータベース、チャンキング戦略、埋め込みパイプラインの運用オーバーヘッドを軽減できるからです。フルマネージドサービスとして、インフラストラクチャのスケーリング、セキュリティ、メンテナンスを自動的に処理するため、チームはRAGインフラ運用ではなくソリューション開発に集中できます。このサービスは、階層的チャンキングを含む複数のチャンキング戦略をネイティブサポートしており、親子関係を維持して細かい検索と広範なドキュメントコンテキストのバランスを取ります。

データソースには、S3に保存されたツールドキュメントのマークダウンファイルとSeismic Engineマニュアルが含まれます。ツールドキュメントファイルは比較的短いためチャンクせず、個々のツールの完全なコンテキストを保持しました。Seismic Engineマニュアルのような長いドキュメントには、デフォルト設定の階層的チャンキングを使用しました。埋め込み生成にはAmazon Titan Text Embeddings V2を、ベクターデータベースにはOpenSearch Serverlessを使用しています。システムは、各インデックスアイテムのファイル名、URL、ドキュメントタイプなどのメタデータも保存し、ダウンストリームで使用します。

検索と応答生成の両方に、Amazon Bedrock Knowledge Basesのretrieve_and_generate APIをClaude 3.5 Haikuモデルで使用しています。システムはセッションコンテキストを維持することでマルチターン会話をサポートし、応答はトレーサビリティを高めるためにインライン引用付きでフォーマットされます。

注：このソリューションはClaude 3.5 Sonnet V2とClaude 3.5 Haikuを使用して開発・評価されました。その後、これらのモデルはClaude Sonnet 4.5、そして最新のClaude Sonnet 4.6、Claude Haiku 4.5に引き継がれ、すべてAmazon Bedrockで利用可能です。ソリューションアーキテクチャはコード変更なしでモデルアップグレードをサポートしているため、最新のモデル機能を使用できます。

このアプローチにより、システムはSeismic Engineのツールとワークフローに関するユーザークエリに対して、コンテキストを認識した関連性の高い回答を提供できます。

ワークフロー生成

"Workflow_Generation"に分類されたクエリに対して、ソリューションはLLMエージェントを使用して自然言語を実行可能なYAMLワークフローに変換します。エージェントはSeismic Engineで利用可能な82のツールにバインドされています。ユーザーのクエリと、入力、パラメータ、出力を定義するツール仕様に基づいて、エージェントは適切なツールを選択し、正しい実行順序を決定し、ユーザーの要件を満たすYAMLワークフローを生成します。

実装ではClaude 3.5 Sonnet V2とClaude 3.5 Haikuの両方を使用し、LangChainフレームワークでエージェント管理とツールバインディングを調整しました。モデルには詳細なツールの説明と仕様が提供され、各ツールの機能と要件を理解できるようになっています。ワークフロー生成時、システムはユーザークエリの明示的な要件だけでなく、特定の値が提供されていない場合に必要なデフォルトパラメータも含めます。

ワークフロー生成プロセスはマルチターン会話をサポートしているため、ユーザーは自然言語リクエストで以前に生成されたワークフローを変更できます。Amazon DynamoDBに保存された会話履歴を使用することで、LLMはユーザーの現在のクエリに応じて新しいワークフローを生成したり、既存のワークフローを変更したりできます。

評価

ソリューションの有効性を評価するために、低複雑度と中複雑度の両方のワークフローからなる包括的なテストデータセット（クエリ-ワークフローペア）を作成しました。これらは実際の過去のワークフローから派生し、主題専門家によって検証され、典型的なユーザーリクエストを正確に表現していることが確認されました。

ワークフロー生成結果

| モデル | 複雑度 | 成功率 | 平均生成時間（秒） | 中央生成時間（秒） | |--------|--------|--------|--------------------|--------------------| | Claude Haiku 3.5 | 簡単 | 84% | 8.3 | 5.9 | | Claude Haiku 3.5 | 中程度 | 90% | 12.4 | 9.1 | | Claude Sonnet 3.5 V2 | 簡単 | 86% | 11.2 | 11.5 | | Claude Sonnet 3.5 V2 | 中程度 | 97% | 15.8 | 16.6 |

両モデルとも強力なパフォーマンスを示し、特にClaude Sonnet 3.5 V2は中複雑度ワークフローで優れた成功率を示しました。システムはストリーミングで応答を提供し、ワークフロー生成中にユーザーに即時フィードバックを提供し、完全なワークフローは5.9～16.6秒で配信されます。Claude Haiku 3.5はより高速な生成時間を提供し、速度と精度の間のトレードオフオプションを提供します。

ベースラインパフォーマンスとの比較

| ユーザータイプ | 成功率 | 失敗率 | 簡易フロー構築時間（分） | 複雑フロー構築時間（分） | |----------------|--------|--------|--------------------------|--------------------------| | 新規ユーザー | 70% | 20% | 4 | 20 | | 経験ユーザー | 85% | 10% | 2 | 5 | | 当ソリューション | 84-97% | 3-16% | 0.13-0.26 | 0.21-0.28 |

当生成AIソリューションは以下の改善を示しています：

• 84～97%の成功率は、新規ユーザーと経験ユーザーの両方を上回ります。
• ワークフロー作成時間が数分から数秒に短縮され、95%以上の時間削減を実現。

これらの結果は、経験レベルを問わずユーザーが生産性を95%以上向上させ、手動ワークフロー作成の精度を維持または上回ることができることを示しています。

結論

この投稿では、Amazon Bedrockを使用して複雑な技術プロセスを自然な会話に変える方法を示しました。統合されたQA機能を備えたAI駆動アシスタントを実装することで、手動プロセスと比較してワークフロー生成の成功率84～97%を達成し、作成時間を95%以上削減しました。低複雑度と中複雑度の両方のワークフローを処理できるシステムの能力は、Seismic Engineツールのコンテキスト理解と組み合わせることで、生成AIが精度を損なうことなく産業用ソフトウェアのユーザビリティを向上させる方法を示しています。

このアプローチは、専門的なツール知識と設定を必要とする複雑なマルチステップエージェンティックワークフローを持つ他のドメインにも一般化できます。次のステップとして、Strands Agents SDKとAmazon Bedrock AgentCoreを使用したマルチエージェントアーキテクチャを検討し、専門サブエージェントによる精度向上を図ることをお勧めします。