AWS、Amazon Bedrockを活用したBIダッシュボードの異常自動検知システムを公開　検知時間を72時間から1時間未満に短縮

要点

• AWSの社内チームが、Amazon Bedrock上の大規模言語モデル（LLM）を活用してBIダッシュボードの表示崩れや数値の誤りを自動検知する仕組みを構築した。

• サーバーやAPIが正常稼働していても発生する画面の空白や数値不整合などのサイレント障害を、視覚的解析とデータ検証で特定する。

• 30日間の検証データでは802件のコンテンツ障害が検出された一方、利用者からの報告は全体の1パーセント未満にとどまっていた。

• 5ステージのサーバーレス構成と2系統のAI検証機構により、障害の平均検知時間を従来の最大72時間から1時間未満へ短縮した。

• 米Amazon Web Services（AWS）は2026年9月2日（現地時間）、公式技術ブログ「AWS ML Blog」において、マネージドAIサービス「Amazon Bedrock」の大規模言語モデル（LLM）を活用し、BI（ビジネスインテリジェンス）ダッシュボードのコンテンツ障害を大規模かつ自動で検知する社内ソリューションの構築事例を公開した。

• 従来のインフラ監視では検知が困難だった画面の空白表示や数値の不整合をリアルタイムで検知し、ダッシュボードの製作者へ通知することで、利用者が閲覧する前に問題を修復できる体制を整えたという。この仕組みの導入により、障害の平均検知時間（MTTD：Mean Time to Detection）は従来の最大72時間から1時間未満へと大幅に短縮されたことが明らかになった。

インフラ監視をすり抜けるコンテンツ層の課題

企業においてBIダッシュボードが大規模に運用される中、重要な会議の直前にダッシュボードを開くとグラフが空白になっているといった問題が発生することがある。このような事態において、サーバーやAPI、データパイプラインなどのインフラ監視ツールはすべて正常稼働（ヘルスチェック成功）を示しているケースが多い。

発表によると、この種の障害は画面の描画結果や表示データそのものにのみ現れるため、インフラ層の監視を完全にすり抜けてしまうという。これまでは利用者が気づいてサポート窓口へ報告することに依存していたが、同チームの計測では、実際に発生した障害のうち利用者から報告が寄せられたケースは全体の1パーセント未満にとどまっていた。

同チームが自動監視システムを導入して収集した30日間のデータでは、行レベルのアクセス権限エラーやフィルタによる意図しないレコード除外、描画エラーなどを含む計802件のコンテンツ障害インスタンスが検出された。自動検知がなければ、これらの大半が潜在的な不具合として放置されていたことになる。

また、問題は画面の欠損などの視覚的障害（サイレント視覚障害）だけにとどまらない。グラフ自体は正常に描画されていても、集計ロジックの誤りや更新タイミングのズレ、フィルタ設定の不備などによって表示される数値そのものが誤っている「未検知の数値不整合」も深刻な課題として挙げられている。特に近年では、ダッシュボードのデータをAIシステムに投入して経営層向けのサマリーやナラティブ（解説テキスト）を自動生成する動きが広がっており、元データの数値誤りが経営判断に関わる誤ったインサイトへと直接伝播するリスクが高まっていると説明している。

Amazon Bedrockを用いた5ステージの検証アーキテクチャ

こうした課題を解決するため、同チームは「Amazon Quick」を基盤とする社内分析アプリケーション「AWS Insights」上でホストされている数百規模のダッシュボードを対象に、ラストマイルの自動コンテンツ検証ソリューションを開発した。

このシステムはAWSのマネージドサービスを活用した5ステージのサーバーレスアーキテクチャで構成されており、ダッシュボードを能動的に巡回して監視を行う。検証機構には、同一の設計原則に基づいた2つの並列AI検証メカニズムが組み込まれている。

1つ目は「視覚的完全性（Visual Integrity）」の検証である。Amazon Bedrock上で動作するマルチモーダルなLLMを用い、レンダリングされたダッシュボードの画面を視覚的に解析する。これにより、表やグラフ、ビジュアル要素の空白化や古いデータの残存、エラー状態の表示などを自動で判定する。

2つ目は「数値的一貫性（Numeric Consistency）」の検証である。描画結果と元データの間で数値の整合性を照合し、フィルタ設定のミスや集計異常による数値の食い違いを検出する。

これら2つの並列検証により、ダッシュボードに問題が検知された場合は、リアルタイムでダッシュボードの製作者（ビルダー）にアラートが送信される。これにより、利用者がダッシュボードを閲覧して問題に遭遇する前に対処が可能となった。

本番環境運用の知見と成果

今回のソリューションの導入により、障害の平均検知時間は最大72時間から1時間未満へと大幅に削減された。

また、本番環境でのエンジニアリングにおける重要な教訓として、誤検知（フォールスポジティブ）の抑制設計と、LLMに直接的な算術計算を担わせない設計方針が示されている。LLMに数値計算を直接実行させることを避け、視覚的な解釈や整合性判断に特化させることで、高い信頼性と精度を両立させたという。