モデル情報など適宜更新中！
はじめに
生成AI関連の現場にいると、こんな会話をよく耳にしませんか？
「そこはBedrockでやってるよ」
「RAGの部分はBedrock Knowledge Basesを使って…」
AWS、ほぼ触ったことないんだけど？？という状態でこういう会話を聞いていると、なんとなく置いてかれてる感じがして、ちょっとモヤっとしますよね
そこで今回は、「Bedrockって結局何者なんだ」 というシンプルな疑問から出発して、概念・できること・主要機能あたりをざっくり整理してみました。
AWSの基礎知識は多少ある前提で書いていますが、Bedrock自体は完全初見でも大丈夫な内容にしています。「現場の会話についていけるようになる」くらいを目標にどうぞ！
この記事でわかること：
- Amazon Bedrockが何者か
- 他の生成AIサービスとの違い
- Bedrockで何ができるか（主要機能の紹介）
Amazon Bedrockとは何か
まず一言で言うと、
「AWSが提供する、複数の生成AIモデルをAPIで呼び出せるフルマネージドサービス」
です。……って言われても最初はピンとこないですよね。もう少し噛み砕きます。
"フルマネージド"ってどういうこと？
生成AIのモデルって、自分で動かそうとすると実はかなり大変なんです。
- モデルを動かすためのサーバーを用意して
- スペックが足りなければスケールアップして
- 落ちないように監視して…
みたいなことを全部自分でやる必要があります。
Bedrockはそのへんを全部AWSが引き受けてくれます。 開発者はAPIを叩くだけでモデルが使える、という状態になっています。インフラのことを気にせず、作りたいものに集中できるのがフルマネージドの嬉しいところです。
なぜAWSがこれを作ったのか
「OpenAIのAPIを直接使えばよくない？」と思う方もいると思います。実際、個人開発レベルならそれで全然OKです。
ただ、企業での利用となると話が変わってきます。
- セキュリティ： 社内の機密データをOpenAIのサーバーに送っていいのか問題
- 既存システムとの連携： もともとAWSでシステムを作っている会社は、同じAWS内で完結させたい
- ベンダーロックイン： 特定のモデル1本に依存するのはリスクがある
Bedrockはこういった企業側の悩みをまるっと解決するサービスとして生まれています。「AWSのエコシステムの中で、安全に・複数モデルを・柔軟に使える」というのがBedrockのコンセプトです。
他サービスとの違い
「生成AIをAPIで使う」サービスって、実はBedrockだけじゃないんですよね。よく名前が出るのはこの3つです。
- Amazon Bedrock（AWS）
- OpenAI API（ChatGPTのOpenAI）
- Azure OpenAI Service（Microsoft）
それぞれ何が違うのか、比較表でざっくり整理してみます。
| 比較軸 | Amazon Bedrock | OpenAI API | Azure OpenAI |
|---|---|---|---|
| 提供元 | AWS | OpenAI | Microsoft |
| 使えるモデル | Claude・Llama・Novaなど複数 | GPTシリーズ中心 | GPTシリーズ中心 |
| AWSとの連携 | ◎ ネイティブ | △ 要工夫 | △ 要工夫 |
| データのプライバシー | VPC内に閉じられる | OpenAIのサーバーに送信 | Azureの管理下 |
| モデルの選択肢 | ◎ 複数ベンダーから選べる | △ OpenAI製のみ | △ ほぼOpenAI製 |
ポイントはここ
OpenAI APIはシンプルで使いやすくて、個人開発や小規模なプロジェクトには十分すぎるくらい優秀です。
ただ、「もともとAWSでシステムを組んでいる会社」 にとっては、Bedrockのほうが相性が良いことが多いです。S3・Lambda・IAMなどすでに使っているAWSのサービスと、ほぼ追加設定なしでつなげられるので。
あと地味に大きいのが モデルを複数切り替えられる 点です。「このタスクはClaudeが得意、こっちはLlamaで十分」みたいな使い分けが、同じBedrockの枠の中でできるんですよね。1つのサービスに縛られないのは、長期的にみてかなり嬉しいポイントだと思います。
使えるモデル一覧
Bedrockって、いわば 「AIモデルのマーケットプレイス」 みたいなイメージです。2026年現在、なんと 約100種類近くのモデル が使えるようになっていて、どんどん増え続けています！
主要なものをざっくり紹介しますね。
Anthropic｜Claude シリーズ
現場でも一番よく聞くやつです。
| モデル | 特徴 |
|---|---|
| Claude Opus 4.6 | 最上位。複雑な推論・コーディング・エージェント系に強い |
| Claude Sonnet 4.6 | バランス型。速さと賢さのコスパが良い |
| Claude Haiku 4.5 | 軽量・高速。シンプルなタスクに最適 |
Claude Opus 4.6は2026年2月にBedrockに追加されたばかりの最新モデルで、コーディングや複雑なエージェントタスクで特に高い性能を発揮します。
Meta｜Llama シリーズ
オープンソース系の代表格。カスタマイズしたい用途に向いています。
Amazon｜Nova / Titan シリーズ
AWS純正モデル。テキスト・画像・動画など マルチモーダルに対応 していて、コスパ重視のユースケースに使われることが多いです。
Mistral AI
Mistral Large 3は長文ドキュメント理解やエージェント系ワークフロー、多言語処理に強みを持つモデルで、AmazonではBedrockが世界初の提供プラットフォームになっています。
その他（最近どんどん増えてる）
2026年2月にはDeepSeek V3.2・MiniMax M2.1・GLM 4.7・Kimi K2.5・Qwen3 Coder Nextなど、推論やエージェント系コーディングに強い6つのモデルが一気に追加されました。
ほかにも、AI21 Labs・Cohere・Luma AI・Stability AIなど、有名どころのAI企業のモデルが揃っています。
まとめると
「使いたいモデルがBedrockにない」という状況がどんどん少なくなってきている感じです。現場で「Claudeで動かしてる」「Llamaで試してる」みたいな会話が出てきても、全部Bedrockの中の話だったりするわけですね。
Bedrockでできること（主要機能）
Bedrockって「モデルを呼び出すだけのサービス」だと思われがちなんですが、実はそれだけじゃないんですよね。周辺機能がかなり充実していて、生成AIを使ったシステムを作るのに必要なものがほぼ揃ってる、みたいな状態になっています。
主要な機能を順番に見ていきましょう。
Converse API｜基本のテキスト生成
まずはシンプルにこれ。プロンプトを送ったら回答が返ってくる、生成AIの基本中の基本の機能です。
ポイントは 「モデルが変わっても同じコードで動く」 という点。
普通、モデルが変わるとAPIの叩き方も変わったりするんですが、Converse APIはBedrockが間に入って吸収してくれるので、「やっぱりClaudeじゃなくてLlamaにしよう」ってなっても、コードをほとんど変えずに済みます。地味に嬉しいやつです。
Knowledge Bases｜RAGをお手軽に
RAG（Retrieval-Augmented Generation） って聞いたことありますか？簡単に言うと、
「AIに自社のドキュメントを読ませて、それをもとに回答させる仕組み」
です。
これを自前で作ろうとすると、ドキュメントをベクトル化して・データベースに保存して・検索して・プロンプトに突っ込んで…と結構な手間がかかります。
Knowledge Basesはそれを全部やってくれます。 S3にPDFや社内ドキュメントを置いておくだけで、あとはBedrockが自動でベクトル化・保存・検索までやってくれる感じです。
現場での使われ方例：
- 社内規定・マニュアルへの質問応答ボット
- 製品ドキュメントを読んで回答するサポートBot
「社内Notionの内容に基づいて答えてくれるSlack Bot」みたいなやつ、Bedrockで割と手軽に作れます。
Agents｜AIに仕事を任せる
ここが最近一番アツい機能です。
Converse APIは「聞いたら答えてくれる」ですが、Agentsは 「やることを自分で判断して、勝手に動いてくれる」 イメージです。
たとえば「先月の売上レポートをまとめてSlackに送っておいて」みたいな指示に対して、
- データベースから売上データを取得
- 内容を整形してレポートを作成
- Slackに投稿
…みたいな複数ステップの作業を自律的にこなしてくれます。
Lambda関数や外部APIと組み合わせることで、かなり複雑なワークフローも自動化できます。現場で「エージェント作ってる」という会話が出たら、だいたいこの機能の話だと思っておけば大丈夫です。
Guardrails｜安全対策
企業で生成AIを使うときに絶対避けて通れないのが「変な回答をしてしまうリスク」です。
Guardrailsは、
- 有害なコンテンツをフィルタリング
- 個人情報（電話番号・メールアドレスなど）をマスク
- 特定のトピックへの回答を禁止する
といったことができる、安全装置的な機能です。
現場での使われ方例：
- カスタマーサポートBotが政治的な話題に答えないようにする
- ユーザーの入力から個人情報が漏れないようにする
「ちゃんと動くBotを作る」だけじゃなくて「変なことを言わないBotを作る」のも重要なんですよね。Guardrailsはそこをカバーしてくれます。
Model Evaluation｜モデルを比べる
「ClaudeとLlama、どっちが自社のユースケースに合ってるんだろう？」という疑問、あると思います。
Model Evaluationは、同じデータセットを使って複数のモデルを比較・評価できる機能です。
感覚じゃなく数字でモデルを選べるので、「とりあえずClaude使っとくか」じゃなくてちゃんと根拠のある選定ができます。コスト最適化にも役立ちます。
機能まとめ
| 機能 | 一言で言うと |
|---|---|
| Converse API | モデルをAPIで呼び出す基本機能 |
| Knowledge Bases | 自社ドキュメントでRAGをお手軽構築 |
| Agents | 複数ステップの作業を自律的に実行 |
| Guardrails | 安全対策・フィルタリング |
| Model Evaluation | モデルを定量的に比較 |
まとめ
長かったようで意外とあっという間でしたが、最後にBedrockを3行でまとめておきます。
- 複数の生成AIモデルをAPIで使えるAWSのフルマネージドサービス
- Knowledge Bases・Agents・Guardrailsなど、生成AIシステムを作るのに必要な機能が一通り揃っている
- 既存のAWSシステムとの相性が抜群で、企業での採用が増えている
現場で「Bedrockで〇〇やってる」という会話が出てきたとき、この記事を読む前と後では理解度がちょっと違うはずです。「あ、あのRAGの部分ね」「Agents使ってるのか」みたいな感じで、会話についていけるようになってれば嬉しいです！
次のステップ
概念を掴んだら、次は実際に触ってみるのが一番早いです。
- AWS Bedrock Playground：コンソールからすぐ試せる。コード不要でモデルに話しかけられます
- AWS Workshop Studio：ハンズオン形式でBedrockを学べる公式コンテンツ。無料で使えます
- AWS公式ドキュメント：機能ごとに丁寧にまとまっているので、気になる機能から読んでみるのがおすすめ
「まず触ってみる」だけで、理解度がグッと上がります。ぜひ！