Amazon Augmented AI (A2I) v2.0 完全ガイド（Human-in-the-Loop AI）

概要

Amazon Augmented AI (A2I) は、機械学習モデルの予測結果に人間のレビューループを統合するサービスです。Textract（文書 OCR）・Rekognition（画像認識）・カスタム ML モデルの低信頼スコア予測を自動的にヒューマンレビュータスク化し、Amazon Mechanical Turk・AWS Marketplace ワークフォース・プライベートワーカーチームが確認・修正します。完全自動化と人間確認のハイブリッド AI ワークフロー実現により、精度・合規性・信頼度を備えた AI パイプラインを構築します。

課題解決

• ML モデル精度不足の補完困難 - Textract・Rekognition の信頼スコアが低いが、自動化と人間確認の分岐ロジックを自前実装するのは複雑
• 低信頼予測の除外コスト - 金融・医療・法務など高リスク判定では 100% 自動化できず、低信頼ケースの人間レビューが必須
• ヒューマンレビュー UI の開発負担 - Lambda + SQS + カスタム Web UI を自前構築・管理するより、標準テンプレート・Mechanical Turk 統合を活用したい
• 監査証跡・品質メトリクスの不足 - AI 予測 + 人間修正の全ジャーニーを記録し、品質改善・コンプライアンス監査に活用したい

アーキテクチャ概要

入力ドキュメント・画像・テキスト
    ↓
ML モデル（Textract / Rekognition / SageMaker / Lambda）
    ├─ 予測スコア計算
    ├─ 信頼度評価
    └─ 出力生成

    ↓ 信頼スコア判定

高信頼（score >= 閾値）:
    └─ 自動承認 → 後続処理へ
    └─ S3 に記録（監査ログ）

低信頼（score < 閾値）:
    └─ Human Loop 作成
    └─ 人間タスク生成

A2I Human Loop（ヒューマンレビュー）:
    ├─ Amazon Mechanical Turk（クラウドワーカー）
    │   └─ 複数候補者でクロス検証（多数決）
    │
    ├─ AWS Marketplace ワークフォース
    │   └─ 業種別専門ワーカー（医療・法務など）
    │
    └─ プライベートワークフォース
        └─ 社内チーム（従業員・契約社員）

    ↓ レビュー・修正・フィードバック

出力：
    ├─ 人間確認済み結果（確定）
    ├─ 修正データ（元の AI 出力との差分）
    └─ フィードバック（AI 再学習用データ）

    ↓ S3 に保存 → 後続BI / 品質監視 / モデル改善

コアコンポーネント

1. Built-in Flow Types（組み込みワークフロー）

1.1 Textract-Integrated A2I

文書 OCR の低信頼フィールドを人間がレビュー・修正。

# Textract フォーム処理
aws textract start-form-detection \
  --document '{
    "S3Object": {
      "Bucket": "my-documents",
      "Name": "insurance-application.pdf"
    }
  }'

# Textract 結果を A2I で条件付きレビュー
aws sagemaker create-human-loop \
  --human-loop-name textract-form-review-20260427-001 \
  --human-loop-config '{
    "HumanTaskUiArn": "arn:aws:sagemaker:ap-northeast-1:123456789012:human-task-ui/textract-review",
    "ActivationConditions": {
      "Condition": "LowConfidenceOnly"
    }
  }' \
  --input-content '{
    "InputContent": "{
      \"taskObject\": \"document-form\",
      \"textractResult\": {
        \"Form\": [
          {
            \"FieldKey\": \"APPLICANT_NAME\",
            \"FieldValue\": \"田中太郎\",
            \"Confidence\": 0.62
          },
          {
            \"FieldKey\": \"POLICY_NUMBER\",
            \"FieldValue\": \"POL-2024-001\",
            \"Confidence\": 0.95
          }
        ]
      }
    }"
  }' \
  --role-arn arn:aws:iam::123456789012:role/A2IRole

1.2 Rekognition-Integrated A2I

画像認識結果（顔認識・コンテンツモデレーション）の人間確認。

# Rekognition 顔認識 + A2I レビュー
aws rekognition detect-faces \
  --image '{
    "S3Object": {
      "Bucket": "my-images",
      "Name": "applicant-photo.jpg"
    }
  }'

# 低信頼の顔認識を A2I でレビュー
aws sagemaker create-human-loop \
  --human-loop-name rekognition-face-review-001 \
  --human-loop-config '{
    "HumanTaskUiArn": "arn:aws:sagemaker:ap-northeast-1:123456789012:human-task-ui/rekognition-face-review",
    "ActivationConditions": {
      "Condition": "LowConfidenceOnly"
    }
  }' \
  --input-content '{
    "InputContent": "{
      \"taskObject\": \"face-verification\",
      \"rekognitionResult\": {
        \"FaceMatches\": [
          {
            \"Face\": {
              \"BoundingBox\": {\"Width\": 0.35, \"Height\": 0.40},
              \"Confidence\": 0.58
            },
            \"Similarity\": 0.52
          }
        ]
      }
    }"
  }' \
  --role-arn arn:aws:iam::123456789012:role/A2IRole

# コンテンツモデレーション + A2I
aws rekognition detect-moderation-labels \
  --image '{
    "S3Object": {
      "Bucket": "my-images",
      "Name": "user-content.jpg"
    }
  }'

# 不適切ラベルの信頼度が低い場合→人間判定
aws sagemaker create-human-loop \
  --human-loop-name content-moderation-review-001 \
  --human-loop-config '{
    "HumanTaskUiArn": "arn:aws:sagemaker:ap-northeast-1:123456789012:human-task-ui/content-moderation"
  }' \
  --input-content '{
    "InputContent": "{
      \"taskObject\": \"content-moderation\",
      \"moderationLabel\": \"SUGGESTIVE\",
      \"confidence\": 0.65,
      \"imageUrl\": \"https://s3.amazonaws.com/my-images/user-content.jpg\"
    }"
  }' \
  --role-arn arn:aws:iam::123456789012:role/A2IRole

1.3 Custom A2I（カスタムモデル）

任意の ML モデル（SageMaker・Lambda）の出力に人間レビューを追加。

# カスタムタスク UI テンプレート作成
aws sagemaker create-human-task-ui \
  --human-task-ui-name custom-ml-review-ui \
  --content '{
    "TemplateBody": "<script src=\"https://assets.crowd.aws/crowd-html-elements.js\"></script>\n<crowd-form>\n  <div>\n    <h2>AI 予測の確認</h2>\n    <p>元の予測: <strong>${ml_prediction}</strong></p>\n    <p>信頼度: <strong>${confidence}%</strong></p>\n    <img src=\"${image_url}\" style=\"max-width: 400px;\" />\n  </div>\n  <crowd-classifier\n    name=\"classification\"\n    categories=\"[\'Correct\', \'Incorrect\', \'Uncertain\']\"\n    header=\"この分類は正確ですか?\">\n  </crowd-classifier>\n  <crowd-input\n    name=\"correction\"\n    label=\"修正があれば入力してください\"\n    placeholder=\"e.g., 正しい分類は ...\"\n    required=\"false\">\n  </crowd-input>\n  <crowd-button form-action=\"submit\">送信</crowd-button>\n</crowd-form>"
  }'

# カスタム Human Loop 作成（SageMaker Hyperparameter Tuning の結果確認など）
aws sagemaker create-human-loop \
  --human-loop-name custom-model-review-001 \
  --human-loop-config '{
    "HumanTaskUiArn": "arn:aws:sagemaker:ap-northeast-1:123456789012:human-task-ui/custom-ml-review-ui",
    "ActivationConditions": {
      "Condition": "Threshold",
      "ThresholdAttribute": "Confidence",
      "ThresholdValue": "0.7"
    }
  }' \
  --input-content '{
    "InputContent": "{
      \"ml_prediction\": \"Product Category: Electronics\",
      \"confidence\": \"65\",
      \"image_url\": \"https://s3.amazonaws.com/product-images/item-001.jpg\",
      \"product_name\": \"MacBook Pro 16インチ\"
    }"
  }' \
  --role-arn arn:aws:iam::123456789012:role/A2IRole

2. ワークフォース管理（Workforce Configuration）

2.1 Public Workforce（Amazon Mechanical Turk）

クラウドワーカーによる大規模レビュー。複数ワーカーでの多数決で精度向上。

# Public Workforce の作成と設定
aws sagemaker create-workforce \
  --workforce-name public-workforce \
  --public-workforce-status-code {
    "PublicWorkforceStatus": "Enabled"
  }

# Mechanical Turk タスク設定
aws sagemaker create-workteam \
  --workteam-name public-team \
  --workforce-arn arn:aws:sagemaker:ap-northeast-1:123456789012:workforce/public \
  --member-definitions '[{
    "OidcMemberDefinition": {
      "OidcProviderArn": "arn:aws:iam::123456789012:oidc-provider/..."
    }
  }]' \
  --description "Amazon Mechanical Turk パブリックワーカー"

# Mechanical Turk 報酬設定
aws sagemaker create-labeling-job \
  --labeling-job-name product-category-labeling \
  --label-attribute-name prediction \
  --input-config '{
    "DataSource": {
      "S3DataSource": {
        "ManifestS3Uri": "s3://my-labeling-data/manifest.json"
      }
    }
  }' \
  --output-config '{
    "S3OutputPath": "s3://my-labeling-output/"
  }' \
  --role-arn arn:aws:iam::123456789012:role/SageMakerRole \
  --human-task-config '{
    "WorkteamArn": "arn:aws:sagemaker:ap-northeast-1:123456789012:workteam/public/public-team",
    "Iui": "arn:aws:sagemaker:ap-northeast-1:123456789012:human-task-ui/product-category",
    "PreHumanTaskLambdaArn": "arn:aws:lambda:ap-northeast-1:123456789012:function:PreHumanTask",
    "AnnotationConsolidationConfig": {
      "AnnotationConsolidationLambdaArn": "arn:aws:lambda:ap-northeast-1:123456789012:function:AnnotationConsolidation"
    },
    "PublicWorkforceTaskPrice": {
      "AmountInUsd": {
        "Dollars": 0,
        "Cents": 50
      }
    },
    "NumberOfHumanWorkersPerDataObject": 3,
    "TaskTimeLimitInSeconds": 600
  }' \
  --tags Key=Team,Value=DataScience Key=Project,Value=ProductClassification

2.2 Private Workforce（内部チーム）

社内従業員・契約社員によるレビュー。機密データ・専門判定向け。

# Private Workforce の作成
aws sagemaker create-workforce \
  --workforce-name internal-team \
  --cognito-config '{
    "ClientId": "cognito-client-id",
    "UserPool": "ap-northeast-1_xxxxxxxxx"
  }' \
  --oidc-config '{
    "ClientId": "oidc-client-id",
    "ClientSecret": "...",
    "Issuer": "https://idp.example.com",
    "AuthorizationEndpoint": "https://idp.example.com/oauth/authorize",
    "TokenEndpoint": "https://idp.example.com/oauth/token",
    "UserInfoEndpoint": "https://idp.example.com/oauth/userinfo",
    "LogoutEndpoint": "https://idp.example.com/logout",
    "JwksUri": "https://idp.example.com/.well-known/jwks.json"
  }'

# Workteam 設定（内部チーム）
aws sagemaker create-workteam \
  --workteam-name medical-review-team \
  --workforce-arn arn:aws:sagemaker:ap-northeast-1:123456789012:workforce/internal-team \
  --member-definitions '[{
    "CognitoMemberDefinition": {
      "UserPool": "ap-northeast-1_xxxxxxxxx",
      "UserGroup": "medical-reviewers",
      "ClientId": "cognito-client-id"
    }
  }]' \
  --description "医療文書レビューチーム（社内 MD / RN）"

# A2I Human Loop で medical-review-team を指定
aws sagemaker create-human-loop \
  --human-loop-name medical-record-review-001 \
  --human-loop-config '{
    "WorkteamArn": "arn:aws:sagemaker:ap-northeast-1:123456789012:workteam/internal-team/medical-review-team",
    "HumanTaskUiArn": "arn:aws:sagemaker:ap-northeast-1:123456789012:human-task-ui/medical-record-review"
  }' \
  --input-content '{
    "InputContent": "{
      \"document_type\": \"medical_record\",
      \"extracted_text\": \"患者: 山田太郎, 診断: 糖尿病 2 型\",
      \"ai_confidence\": 0.72,
      \"document_url\": \"s3://secure-medical-docs/record-001.pdf\"
    }"
  }' \
  --role-arn arn:aws:iam::123456789012:role/A2IRole

2.3 Vendor Workforce（AWS Marketplace）

医療・法務など業種別専門ワーカー。Scale AI・Surge AI・Appen など。

# Marketplace Workforce（Surge AI との統合例）
aws sagemaker create-workforce \
  --workforce-name surge-ai-workforce \
  --source-ip-config '{
    "Cidrs": ["198.51.100.0/24"]
  }' \
  --description "Surge AI 医療専門家ネットワーク"

aws sagemaker create-workteam \
  --workteam-name clinical-coding-team \
  --workforce-arn arn:aws:sagemaker:ap-northeast-1:123456789012:workforce/surge-ai-workforce \
  --member-definitions '[{
    "OidcMemberDefinition": {
      "OidcProviderArn": "arn:aws:iam::123456789012:oidc-provider/surge-ai.com"
    }
  }]' \
  --description "ICD-10 コーディング専門家（Surge AI）"

ユースケース実装

UC1: 保険申請書自動処理パイプライン

import boto3
import json
from datetime import datetime

textract = boto3.client('textract', region_name='ap-northeast-1')
sagemaker = boto3.client('sagemaker', region_name='ap-northeast-1')
s3 = boto3.client('s3')

def process_insurance_application(document_s3_uri):
    """
    1. Textract で保険申請書を OCR
    2. 信頼度低いフィールドを A2I でレビュー
    3. 人間確認データをモデル改善に活用
    """
    
    # ステップ1: Textract でドキュメント解析
    response = textract.analyze_document(
        Document={
            'S3Object': {
                'Bucket': 'insurance-applications',
                'Name': document_s3_uri
            }
        },
        FeatureTypes=['FORMS', 'TABLES']
    )
    
    # 抽出フィールドと信頼度を整理
    low_confidence_fields = []
    form_data = {}
    
    for block in response['Blocks']:
        if block['BlockType'] == 'KEY_VALUE_SET':
            if block['Confidence'] < 0.8:  # 信頼度 < 80%
                low_confidence_fields.append({
                    'fieldName': block.get('Text', 'unknown'),
                    'confidence': block['Confidence'],
                    'blockId': block['Id']
                })
            form_data[block['Text']] = {
                'confidence': block['Confidence'],
                'value': block.get('Text', '')
            }
    
    # ステップ2: 低信頼フィールドに対して A2I Human Loop を作成
    if low_confidence_fields:
        human_loop_response = sagemaker.create_human_loop(
            HumanLoopName=f'insurance-review-{datetime.utcnow().isoformat()}',
            HumanLoopConfig={
                'HumanTaskUiArn': 'arn:aws:sagemaker:ap-northeast-1:123456789012:human-task-ui/insurance-form-review',
                'ActivationConditions': {
                    'Condition': 'LowConfidenceOnly'
                }
            },
            InputContent={
                'InputContent': json.dumps({
                    'taskObject': 'insurance-form',
                    'documentUri': document_s3_uri,
                    'lowConfidenceFields': low_confidence_fields,
                    'formData': form_data,
                    'textractResult': response
                })
            },
            RoleArn='arn:aws:iam::123456789012:role/A2IRole'
        )
        
        human_loop_name = human_loop_response['HumanLoopArn']
        print(f"Human Loop Created: {human_loop_name}")
        
        # ステップ3: Human Loop 結果を待機
        while True:
            loop_status = sagemaker.describe_human_loop(
                HumanLoopName=human_loop_name
            )
            
            if loop_status['HumanLoopStatus'] == 'Completed':
                # 人間確認結果を取得
                output_s3_uri = loop_status['HumanLoopOutput']['OutputS3Uri']
                obj = s3.get_object(
                    Bucket='output-bucket',
                    Key=output_s3_uri.replace('s3://output-bucket/', '')
                )
                human_review_result = json.loads(obj['Body'].read())
                
                print(f"Human Review Result: {human_review_result}")
                
                # ステップ4: 人間修正データをモデル改善用に保存
                training_data = {
                    'original_extraction': form_data,
                    'human_corrections': human_review_result,
                    'timestamp': datetime.utcnow().isoformat()
                }
                
                s3.put_object(
                    Bucket='ml-training-data',
                    Key=f'insurance-corrections/{datetime.utcnow().date()}/correction-{datetime.utcnow().isoformat()}.json',
                    Body=json.dumps(training_data)
                )
                
                # ステップ5: 最終確定データをデータベースに登録
                # → 後続の給付金支払い処理へ
                print("Insurance Application Processing Complete")
                break
            
            elif loop_status['HumanLoopStatus'] == 'Failed':
                print(f"Human Loop Failed: {loop_status.get('FailureReason')}")
                break
            
            # ポーリング待機
            import time
            time.sleep(5)
    else:
        print("All fields have high confidence - No human review needed")

# 実行例
process_insurance_application('insurance-form-20260427.pdf')

UC2: KYC（本人確認）プロセス

def kyc_face_verification(applicant_photo_s3_uri, registered_photo_s3_uri):
    """
    Rekognition 顔認識による本人確認：
    1. 申請者写真 vs 登録済み写真をマッチング
    2. 信頼度低い場合→人間が目視確認
    3. 不正検知との組み合わせ
    """
    
    rekognition = boto3.client('rekognition')
    sagemaker = boto3.client('sagemaker')
    
    # Rekognition 顔比較
    response = rekognition.compare_faces(
        SourceImage={
            'S3Object': {
                'Bucket': 'kyc-documents',
                'Name': applicant_photo_s3_uri
            }
        },
        TargetImage={
            'S3Object': {
                'Bucket': 'kyc-documents',
                'Name': registered_photo_s3_uri
            }
        },
        SimilarityThreshold=80
    )
    
    # 信頼度が低い場合（< 85%）→人間確認
    if response['FaceMatches']:
        match_confidence = response['FaceMatches'][0]['Similarity']
        
        if match_confidence < 85:
            # A2I でオペレーターが目視確認
            sagemaker.create_human_loop(
                HumanLoopName=f'kyc-face-verification-{datetime.utcnow().isoformat()}',
                HumanLoopConfig={
                    'HumanTaskUiArn': 'arn:aws:sagemaker:ap-northeast-1:123456789012:human-task-ui/kyc-face-verification',
                    'ActivationConditions': {
                        'Condition': 'LowConfidenceOnly'
                    }
                },
                InputContent={
                    'InputContent': json.dumps({
                        'taskObject': 'face-verification',
                        'applicantPhotoUri': applicant_photo_s3_uri,
                        'registeredPhotoUri': registered_photo_s3_uri,
                        'aiConfidence': match_confidence,
                        'aiVerdict': 'MATCH' if match_confidence >= 85 else 'NO_MATCH'
                    })
                },
                RoleArn='arn:aws:iam::123456789012:role/A2IRole'
            )
            print(f"KYC Face Verification: Low confidence ({match_confidence}%) - Human review initiated")
        else:
            print(f"KYC Face Verification: PASSED ({match_confidence}%)")
    else:
        print("KYC Face Verification: No faces detected")

kyc_face_verification('applicant-20260427.jpg', 'registered-id-photo.jpg')

UC3: コンテンツモデレーション（ユーザー生成コンテンツ）

def moderate_user_content(image_s3_uri):
    """
    Rekognition Content Moderation + A2I：
    1. 不適切コンテンツを自動検出
    2. 境界ケース（信頼度 50-80%）を人間が判定
    3. モデレーション判定を公開
    """
    
    rekognition = boto3.client('rekognition')
    sagemaker = boto3.client('sagemaker')
    dynamodb = boto3.resource('dynamodb')
    
    # コンテンツモデレーション実行
    response = rekognition.detect_moderation_labels(
        Image={
            'S3Object': {
                'Bucket': 'user-uploads',
                'Name': image_s3_uri
            }
        }
    )
    
    # 検出ラベルを信頼度別に分類
    blocked_labels = []
    borderline_labels = []
    approved_labels = []
    
    for label in response['ModerationLabels']:
        if label['Confidence'] >= 80:
            blocked_labels.append(label)
        elif 50 <= label['Confidence'] < 80:
            borderline_labels.append(label)
        else:
            approved_labels.append(label)
    
    # 自動決定
    if blocked_labels:
        # 高信頼で不適切 → 自動削除
        decision = 'BLOCKED'
        print(f"Content AUTO-BLOCKED: {[l['Name'] for l in blocked_labels]}")
    elif borderline_labels:
        # 境界ケース → 人間判定に回す
        sagemaker.create_human_loop(
            HumanLoopName=f'content-moderation-{datetime.utcnow().isoformat()}',
            HumanLoopConfig={
                'HumanTaskUiArn': 'arn:aws:sagemaker:ap-northeast-1:123456789012:human-task-ui/content-moderation-review'
            },
            InputContent={
                'InputContent': json.dumps({
                    'taskObject': 'content-moderation',
                    'imageUri': image_s3_uri,
                    'borderlineLabels': [{'Name': l['Name'], 'Confidence': l['Confidence']} for l in borderline_labels],
                    'aiRecommendation': 'REVIEW_REQUIRED'
                })
            },
            RoleArn='arn:aws:iam::123456789012:role/A2IRole'
        )
        decision = 'PENDING_HUMAN_REVIEW'
        print(f"Content flagged for HUMAN REVIEW: {[l['Name'] for l in borderline_labels]}")
    else:
        # 低信頼で不適切でない → 自動承認
        decision = 'APPROVED'
        print("Content AUTO-APPROVED")
    
    # モデレーション結果を DynamoDB に記録
    table = dynamodb.Table('content-moderation-log')
    table.put_item(Item={
        'image_uri': image_s3_uri,
        'decision': decision,
        'blocked_labels': blocked_labels,
        'borderline_labels': borderline_labels,
        'timestamp': datetime.utcnow().isoformat()
    })

moderate_user_content('user-upload-20260427.jpg')

Ground Truth Plus との統合（廃止予定）

A2I の一部機能は SageMaker Ground Truth Plus に統合。新規プロジェクトは Ground Truth Plus の利用推奨。

# Ground Truth Plus（推奨）
aws sagemaker create-labeling-job \
  --labeling-job-name product-image-labeling \
  --label-attribute-name category \
  --input-config '{...}' \
  --output-config '{...}' \
  --role-arn arn:aws:iam::123456789012:role/SageMakerRole \
  --labeling-job-algorithm-specification-status Auto \
  --human-task-config '{
    "WorkteamArn": "arn:aws:sagemaker:ap-northeast-1:123456789012:workteam/default/default",
    "TaskTitle": "Product Image Classification",
    "TaskDescription": "画像に含まれるカテゴリを分類してください",
    "TaskKeywordsForWorkers": ["image", "classification"],
    "TaskAvailabilityDurationSeconds": 86400,
    "MaxConcurrentTaskCount": 100,
    "AnnotationConsolidationConfig": {
      "AnnotationConsolidationLambdaArn": "arn:aws:lambda:ap-northeast-1:123456789012:function:AnnotationConsolidation"
    },
    "PublicWorkforceTaskPrice": {
      "AmountInUsd": {
        "Dollars": 0,
        "Cents": 50
      }
    },
    "NumberOfHumanWorkersPerDataObject": 3
  }' \
  --tags Key=Team,Value=ML

競合他社との比較

コスト詳細

1. Human Loop 処理:
   - $0.08/オブジェクト（A2I が処理）
   
2. Mechanical Turk 報酬:
   - 1 タスク = $0.50（設定可能）
   - 複数ワーカーレビュー: 報酬 × ワーカー数
   
3. Private Workforce:
   - A2I オブジェクト処理: $0.08
   - 人員管理: 無料（自社チーム）
   
4. 例: 10,000 件 / 月
   - 高信頼（自動）: 0 円（スキップ）
   - 低信頼（A2I）: 2,000 件 × $0.08 = $160/月
   - MTurk（3 人レビュー）: 2,000 × $0.50 × 3 = $3,000/月
   - 合計: $3,160/月

5. コスト最適化:
   - 信頼度閾値を上げる → A2I対象件数削減
   - Private Workforce 活用 → MTurk 報酬削減
   - バッチ処理 → 全体スループット最適化

ベストプラクティス

BP1: 信頼度閾値設定

• Textract フォーム: 0.70～0.80（0.70 未満でレビュー）
• Rekognition 顔: 0.85～0.95（金融/医療は 0.95）
• カスタムモデル: モデルの実装に応じて調整・監視

BP2: ワークフォース選択

BP3: 品質監視

# 人間レビュー精度の監視
def monitor_a2i_quality():
    sagemaker = boto3.client('sagemaker')
    cloudwatch = boto3.client('cloudwatch')
    
    # 完了済みループの集計
    loops = sagemaker.list_human_loops(
        CreationTimeAfter='2026-04-01T00:00:00Z',
        CreationTimeBefore='2026-04-30T23:59:59Z'
    )
    
    total_loops = len(loops['HumanLoopSummaries'])
    completed = sum(1 for l in loops['HumanLoopSummaries'] if l['Status'] == 'Completed')
    failed = sum(1 for l in loops['HumanLoopSummaries'] if l['Status'] == 'Failed')
    
    completion_rate = completed / total_loops * 100 if total_loops > 0 else 0
    
    # CloudWatch にメトリクス送信
    cloudwatch.put_metric_data(
        Namespace='A2I/Quality',
        MetricData=[
            {
                'MetricName': 'HumanLoopCompletionRate',
                'Value': completion_rate,
                'Unit': 'Percent'
            },
            {
                'MetricName': 'HumanLoopFailureCount',
                'Value': failed,
                'Unit': 'Count'
            }
        ]
    )
    
    print(f"Total Loops: {total_loops}, Completion Rate: {completion_rate:.2f}%, Failures: {failed}")

monitor_a2i_quality()

トラブルシューティング

採用判断チェックリスト

• [ ] Textract / Rekognition の低信頼結果の人間確認が必要？
• [ ] 自動化と人間確認の柔軟な組み合わせが必要？
• [ ] 監査証跡・品質メトリクスの記録が必須か（金融・医療）？
• [ ] MTurk / Private / Vendor ワークフォースのいずれかで対応可能？

まとめ

Amazon A2I は、ML モデルの予測に人間のレビューループを統合し、精度・合規性・信頼度を確保するハイブリッド AI サービスです。Textract・Rekognition とのネイティブ統合で低信頼予測を自動的に人間確認に回し、Mechanical Turk・Private Team・Vendor Workforce で柔軟にワーカーを確保できます。修正データを学習データとして活用することで、モデル改善サイクルを加速します。

最終更新：2026-04-27 バージョン：v2.0