[レポート]生成型AIで財務データの隠れた関連性を明らかにする #FSI305

AWS認定トレーニング講師の平野@おんせん県おおいたです。

今日は「Uncover hidden connections in financial data with generative AI」というタイトルのワークショップについてレポートします。

公式セッション紹介（日本語訳）

概要/オススメポイント

このワークショップでは、アセットマネージャーの視点で、GenAIを使用して隠れた金融市場の洞察を明らかにするナレッジグラフを構築するというストーリで構成されています。

ワークショップの内容は下記になります

• 1 - Introduction
  • 1.1 - Business Challenge
  • 1.2 - Addressing the Challenge
• 2 - Setting up the environment
  • 2.1 - Enable access to Amazon Bedrock model
  • 2.2 - Launch your Web IDE
  • 2.3 - Deploy application
  • 2.4 - Architecture
  • 2.5 - Start annual report ingestion
• 3 - Building the knowledge graph
  • 3.1 - Before you begin
  • 3.2 - Identifying the main entity
  • 3.3 - Extracting interested entities and relationships
  • 3.4 - Filtering entities
  • 3.5 - Disambiguating against the knowledge graph
• 4 - Enriching the news feed
  • 4.1 - Extracting interested entities/relationships, attributes and sentiment
  • 4.2 - Identifying connections to investment portfolio
  • 4.3 - Assessing news impact to investment portfolio
• 5 - Review and test the solution
  • 5.1 - Review the annual report ingestion
  • 5.2 - Exploring the knowledge graph [Optional]
  • 5.3 - Access the news web application
  • 5.4 - News enrichment
• 6 - Summary

このワークショップで構築するアーキテクチャーは下記になります。

構築はCloudFormationで行うので構築自体のワークショップではありません。
また、実際の処理はStep Functionsにて自動化されています。
このワークショップのメインは、Step Functionsの処理を理解するために、各ステップのプロンプトを Bedrockの プレイグラウンド実行し、jupiter notebook上でgremlinコマンドでNeptune上のデータを検索して確認してくことです。ここの部分を変更することで、様々なアプリケーションにも応用できると思います。

まとめ

ワークショップの概要を紹介しました。生成AI+Neputuneを学ぶのにとても良い内容だと思いました。ぜひ日本語化してもらいたいと思います。