AWSが、解決済みのITサービス管理（ITSM）チケットからナレッジベース記事を自動生成し、既存記事の重複排除や品質改善まで行う仕組み「KnowledgeForge」を公開した。企業のITサポート現場に蓄積された未活用の知見を、生成AIで資産化する具体的な設計パターンを示すもので、社内ナレッジ運用のあり方を変える可能性がある。

解決済みチケットの知見を記事化する自動ループ

KnowledgeForgeは、解決済みのインシデントチケットをクラスタリングし、関連する複数のチケットから新しいナレッジベース記事と根本原因分析ドキュメントを生成する。同時に、既存記事の分類、重複検出、品質スコアリング、低品質コンテンツの改善も行う。生成AIによる記事作成と既存ナレッジの整理を一つの閉ループとして設計している点が特徴だ。記事の最終承認はナレッジマネージャーが行い、人間が公開をコントロールする形を保つ。AWS Step Functionsがオーケストレーションを担い、Amazon Bedrockが生成と改善を担当する。

重複検出にS3 Vectorsを採用した設計意図

この仕組みの技術的な注目点は、Amazon S3 Vectorsを重複記事の検出に使っていることだ。S3 VectorsはAmazon S3の機能で、ベクトルインデックスを別のデータベースなしで扱える。KnowledgeForgeはキュレーション工程で全記事のベクトルを保存し、次の生成工程でそのベクトルを参照する。これにより、新しい記事を書く前に既存記事との重複を回避できる。専用のベクターデータベースを追加せずに、オブジェクトストレージ内で埋め込み検索を完結させる構成は、大規模な文書処理パイプラインを組む際の選択肢の一つとして示唆を与える。

企業ITナレッジ運用の構造的課題への応答

企業のITサポート部門は毎月数千件のチケットを解決するが、その知見の多くはチケット履歴に埋もれたまま再利用されない。一方、ナレッジベースは成長するほど重複記事や陳腐化した内容が混在し、検索性と信頼性が低下する。KnowledgeForgeはこの両面のギャップを埋める設計であり、ITSMツールを運用する企業のサポートコスト削減や解決時間短縮に直結する。日本企業においても、社内ヘルプデスクや運用保守部門は同様の課題を抱えており、生成AIを活用したナレッジ運用の自動化は導入検討の具体的な参照例になり得る。

生成AI導入のレイヤー構造と今後の論点

KnowledgeForgeの構成は、AI産業のレイヤー構造を反映している。基盤モデルはAnthropic Claude Sonnet 4.5とAmazon Titan Text Embeddings V2をAmazon Bedrock経由で利用し、実行環境はAWS Fargate上のAmazon ECS、オーケストレーションはAWS Step FunctionsとAWS Lambda、状態管理はDynamoDBとSQSが担う。つまり、モデルを直接運用するのではなく、クラウド事業者のマネージドサービス群を組み合わせて企業向けアプリケーションを構築する形だ。今後の論点は、生成記事の品質をどう担保するか、ナレッジマネージャーのレビュー負荷をどこまで下げられるか、そして他社のITSMツールや社内システムとの連携をどう標準化するかになる。