Amazon Bedrock Automated Reasoningに自動ポリシー改善、2つのモード

発表の概要

Amazon Web Servicesは2026年8月3日、Amazon Bedrock GuardrailsのAutomated Reasoningチェック向けに、自動ポリシー改善機能を発表しました。従来は、テストが失敗するたびにポリシーのルールを手動で診断し、修正し、再テストするというサイクルが必要でした。今回の機能により、失敗したテストの診断と修正案の生成が自動化されます。ただし、提案された変更を有効にするには、ユーザーが毎回承認する必要があります。

Automated Reasoningチェックは、自然言語のポリシーを形式論理に変換し、検証結果としてVALID、INVALID、SATISFIABLE、IMPOSSIBLE、TRANSLATION_AMBIGUOUSなどの判定を返します。GA発表時点では、曖昧さのない翻訳に対して最大99%の検証精度が報告されています。今回の自動改善機能は、このチェックを運用する上で最大の障壁とされていたポリシー調整の手間を減らすことを目的としています。

2つの失敗モード

Automated Reasoningチェックは2段階のパイプラインで動作します。まずtranslateステップで、ポリシー内の変数定義に基づいて自然言語の入出力を変数に割り当てます。次にvalidateステップで、その変数に対してルール群を適用し判定を出します。テストが失敗した場合、原因はこの2つのステップのどちらかに存在します。

失敗には2つのタイプがあります。1つ目はルール問題です。翻訳は正しく行われ、対応する変数も正しい値を持っているにもかかわらず、検証結果が期待と一致しない場合です。ルールが過剰に緩い、厳しすぎる、または欠落していることが原因です。2つ目は翻訳の曖昧さです。TRANSLATION_AMBIGUOUSが返る場合、翻訳モデルが自然言語を変数にマッピングする際に解釈が分かれ、解釈ごとに検証結果が異なります。この場合、複数の候補とそれぞれの結論、相違箇所を示すdifferenceScenariosが返されます。

Iterative Refinement

Iterative Refinementは、翻訳は正しいのに検証結果が期待と異なる場合に使います。入力は、現在のポリシー定義、正式な記述を含むソース文書、そして任意のフィードバックです。フィードバックには、例えば「育児休暇の在職要件を12か月から6か月に更新する」といった指示を自然言語で書けます。エンジンは現在のルールとソース文書・フィードバックの差分を分析し、変更案を生成します。

内部では、ルール変更の候補を生成し、保存済みテストに与える影響をシミュレートし、失敗したテストが通るまで繰り返す収束ループが動作します。ユーザーに表示されるのは、変更後のルールと変数、全テストへの影響を示す差分です。承認画面でAccept changesを選ぶとDRAFTポリシーに書き込まれ、Discard changesを選ぶと変更は破棄されます。

APIでは、ポリシー定義のエクスポート、ワークフロー開始、完了までのポーリング、提案内容の取得という非同期フローを使います。buildWorkflowTypeにITERATIVELY_REFINE_POLICYを指定し、ソース文書は1〜5件、フィードバックは最大4,000文字を渡せます。収束にかかる時間はポリシー規模にもよりますが、1分から数分程度です。

曖昧な変数の修正モード

翻訳そのものが不安定なためTRANSLATION_AMBIGUOUSが返る場合は、ルールを編集しても解決しません。Ambiguous Variable Refinementは、ポリシー内の変数の説明や定義を修正することで曖昧さを解消します。同じ概念を指す変数が重複している、変数の説明が漠然としている、値の形式が不統一（「5%」が5なのか0.05なのか判断できないなど）といった原因に対処します。

提案内容は変数の説明やマージを中心に、整合性を保つために必要なルール・型の更新も含まれます。処理フローはIterative Refinementと同じ非同期パターンで、承認画面も共通です。つまり、原因がルールにあるのか言語にあるのかを判別し、モードを使い分けることが重要です。

利用時の注意点

Iterative Refinementを利用するには、少なくとも1つのテストがポリシーにアタッチされている必要があります。失敗テストのシグナルがなければ、改善処理の起点がないためです。一方、TRANSLATION_AMBIGUOUSの場合はIterative Refinementを使わず、Ambiguous Variable Refinementを選ぶべきとされています。失敗の種類を正しく見極めることが、効果的な運用につながります。

現時点では、自動改善機能が生成した提案をそのまま本番に適用するのではなく、必ず人間がレビューして承認する手順が組み込まれています。ただし、記事では具体的なリージョンや価格、一般提供の開始日は明記されていません。また、収束ループの詳細なアルゴリズムや、SMT-LIB形式の手書き修正がどの程度不要になるかについては、実際の検証が待たれます。