複数ファイルタスク：単一ファイルタスクよりも必須です。パイプラインでは、単一のアナライザーリクエスト内で、2つの異なるアクティブなトランザクション文書（請求書と発注書）のデータを照合する必要があります。
標準モードではなく、プロモードが必要です。プロモードは、複数ステップの推論、ファイル間分析、知識ベースに対する検証を必要とする高度なシナリオ向けに特別に設計されています。なお、プロモードでは現在、フィールドの分類と生成はサポートされていますが、抽出された特定のフィールドの信頼度スコアはサポートされていません。
ベンダー契約ファイルを参照データとして使用する：必須。ベンダー契約は静的なコンプライアンス文書であるため、アップロードしてアナライザーの背景知識ベース（参照データ）として扱い、検証ロジックをガイドする必要があります。
参照：
https://learn.microsoft.com/en-us/azure/ai-services/content-understanding/concepts/standard-pro-modes

正しい：
* ドキュメント用のプロンプトシールドを設定します。
文書保護のための迅速なシールド：非常に効果的（クリティカル防御）
効果：このシールドは、信頼できない第三者からのデータ入力（外部ドキュメントやアップロードされた画像から抽出されたテキストなど）を特にスキャンします。
メカニズム：抽出された画像テキストをLLMに送信する前に評価し、隠された牢獄を特定します。
* ユーザープロンプト用のプロンプトシールドを設定します。
ユーザープロンプトに対するプロンプトシールド：部分的に有効（多層防御）
効果：このシールドは、アップロード時にユーザーがテキストプロンプトフィールドに手動で入力した直接的な脱獄試行を標的にします。
仕組み：ユーザーが、画像内に含まれる隠された命令を実行するための準備となる補助命令を入力することを阻止します。
* 画像を処理する前に、安全でないコンテンツをブロックするように画像モデレーションを設定します。
厳格な画像モデレーションを実施することは、マルチモーダルAIシステムをこれらの脅威から保護する最も効果的な方法の一つです。モデレーションは、悪意のある入力が生成モデルに到達するのを防ぐ、必要不可欠なゲートキーパーとして機能します。
正しくない：
* 保護対象素材の検出を設定します。
保護対象物検出：この脅威に対しては効果なし
なぜ役に立たないのか：この機能は、モデルの出力をスキャンして、著作権で保護されたテキスト、独自のソースコード、またはライセンスされた画像が生成されないように設計されているからです。
制限事項：入力データから敵対的な指示をスキャンする機能はなく、ユーザーがモデルのロジックを操作することを防ぐ機能もありません。
参照：
https://www.upgrad.com/blog/what-is-multimodal-ai/
https://learn.microsoft.com/en-us/azure/ai-services/content-safety/concepts/jailbreak-detection

正しい観測可能性シグナルは B. 根拠付け評価指標です。RAGソリューションでは、重要な診断上の質問は、生成された回答が取得されたコンテキストによって裏付けられているかどうかです。Microsoft Foundry の組み込み評価ツールのリファレンスでは、根拠付けを、取得されたコンテキストにおける応答の根拠付けの度合いを測定する指標として定義しており、スコアリングによって、モデルの主張が提供されたソース資料によって裏付けられているかどうかを示します。
これは、コンテンツの更新後に発生する問題と一致します。取得したチャンクが古くなっている、誤解を招く、不完全である、またはユーザーのクエリと適切に整合していない場合、グラウンディングの結果から、生成された応答が取得したドキュメントによって確実に裏付けられていないことが示される可能性があります。RAG評価ツールのガイダンスでは、グラウンディングは応答がグラウンディングコンテキスト外のコンテンツを回避しているかどうかに焦点を当てているのに対し、取得などの他のプロセスメトリックは、取得したチャンクの関連性を評価すると説明しています。レイテンシートレースは、パフォーマンスのトラブルシューティングに役立ちますが、応答の正確性には役立ちません。インデクサーの状態は、取り込みの失敗を明らかにすることができますが、取得したコンテンツが生成された応答に悪影響を与えているかどうかは示しません。予測ドリフトはモデル監視の概念であり、RAGグラウンディング品質の主要なシグナルではありません。参照トピック: Microsoft Foundryの可観測性、RAG評価ツール、グラウンディング、取得コンテキスト、応答品質評価。
トピック1、ケーススタディ Contoso, Ltd
概要
Contoso, Ltdは、Microsoft Foundryを使用して生成型AIおよびエージェントベースのソリューションを構築、展開、管理する多国籍小売企業です。
アイデンティティ環境:
Contosoは、エージェントが組織のリソースやサービスにアクセスできるようにするID管理、認証、認可機能にMicrosoft Entra IDを使用しています。
Contosoは最近、既存のAIソリューションを最適化および保守するために、Agent1Dev Teamという新しいAIエンジニアリングチームを結成しました。
チームは、ソリューションアーキテクト、DevOpsエンジニア、セキュリティエンジニアと協力して、AIアプリケーションの設計、実装、監視、およびセキュリティ対策を行います。
Contosoには、AIソリューションの展開前にその妥当性を検証するAgent1Testチームというチームも存在する。
生成環境：
Contosoは、Project1とProject2という名前の2つのプロジェクトを含むMicrosoft Foundry環境を構築しています。
プロジェクト1
Project1には、顧客からの製品に関する問い合わせやトラブルシューティングの依頼に対応する、Agent1という名前のカスタマーサポートエージェントが含まれています。
Agent1には以下の設定があります。
* Agent1は基本モデルのデプロイメントを使用します。
* 安全性評価パイプラインは有効になっていません。
* ツール呼び出し承認ワークフローは有効になっていません。
* 会話メモリの制約は設定されていません。
Agent1は、デジタルサポートチャネルを使用して顧客とやり取りし、Contoso製品に関する一般的な質問に回答します。
Project1は、欧州連合（EU）域内にあるAzureリージョンにデプロイされています。
Agent1開発チームは、Project1を使用してAgent1の最適化と保守を行います。
プロジェクト2
Project2には、既に展開済みの動画生成モデルが含まれています。Contoso社のマーケティング部門はProject2にアクセスでき、このモデルを用いて動画制作ソリューションを開発する予定です。
解決策の開発は未完了です。
データ環境:
Contosoは、AIアプリケーションをサポートするAzureリソースに製品関連情報を保存します。
Azure環境には、Contoso製品の製品詳細シートを保存するstorage1という名前のAzure Blob Storageアカウントが含まれています。
製品仕様書には、仕様、機能説明、および製品サポート情報が記載されており、エージェント1はこれらを使用して顧客からの質問に回答できます。製品仕様書はPDF形式で保存されます。
問題提起：
コントソ氏は以下の問題点を指摘している。
* エージェント1は、コントソ製品に関する一般的な知識しか持っていません。
* エージェント1との最近のチャットのやり取りについて、感情分析が行われました。分析結果はまだ処理されていません。
* Agent1は、顧客からの質問に回答する際に、storage1に保存されている製品シートの詳細な製品情報を使用しません。
コントソ社の財務部門によると、仕入先からの請求書は、契約書に定められた条件と一致していることを確認するため、手作業で精査する必要があるとのことです。請求書には表やロゴ、様々なレイアウトが含まれているため、一貫した処理が困難です。
要件：
予定されている変更点：
コントソ氏は以下の変更を実施する予定です。
* プロジェクト1向けに、仕入先請求書の視覚的なレイアウトとテキスト内容の両方を評価することで請求書を分析し、請求書の詳細が仕入先契約条件と照合できるようにするソリューションを実装する。
* Agent1で使用される基本モデルのデプロイメントを更新し、モデルのバージョンを標準化して、継続性と一貫した応答を確保します。
* Agent1がstorage1に保存されている製品シートから詳細な製品情報を取得して使用できるようにします。
* Agent1が顧客からの質問に回答するために使用できる製品シートのインデックス作成ソリューションを実装する。
* 動画制作ソリューションの開発を完了する。
技術要件:
Contoso社は、以下の技術要件を特定しました。
* Agent1で使用されるモデル展開は、拡張性が高く、高スループットの生成型AIワークロードをサポートし、予約済みのスループット容量を必要とせずに、変動する顧客サポートトラフィックを処理するために動的に拡張する必要があります。
* 製品シートは、セマンティック検索とベクトル検索を可能にするインデックス作成パイプラインを使用して処理され、Agent1が関連する製品情報を取得できるようにする必要があります。
* 製品シートの情報に基づいて生成される回答は、関連性があり、完全かつ正確でなければなりません。
* エージェント1は、製品シートを使用して、製品の詳細に関する自然言語の質問に答えることができなければなりません。
* エージェント1が使用するモデルのバージョンは、安定した応答を確保するために一貫している必要があります。
* モデルによって処理されるデータは、EU域内に留まらなければなりません。
安全および法令遵守要件：
Contosoは、以下のセキュリティおよびコンプライアンス要件を特定しています。
* APIキーを使用してFoundryにデプロイされたモデルにアクセスしてはなりません。
* Azureリソースへのアクセスは、最小権限の原則に従う必要があります。
* Contosoの開発者は、Microsoft Entra認証を使用してMicrosoft Foundryリソースへの認証を行う必要があります。
* Project1へのアクセス権は、SC_Agent1_Devという名前のセキュリティグループを使用して、Agent1Devチームのメンバーに割り当てる必要があります。
* Project1へのアクセス権は、SC_Agent1_Testという名前のセキュリティグループを使用して、Agent1Testチームのメンバーに割り当てる必要があります。
* Agent1は、顧客データを含む文書がストレージ1の製品シートリポジトリに誤って追加された場合でも、顧客情報を決して開示してはならない。
* 製品仕様書には、テキストが埋め込まれた画像が含まれている場合があります。Agent1は、画像内に隠されている可能性のある悪意のある命令から保護される必要があります。
事業情報：
Contosoは以下のビジネス要件を特定しました。
* Agent1とやり取りするユーザーは、今後のやり取りにおいてパーソナライズされた体験を得る必要があり、Agent1が会話のコンテキストを保持し、以前のやり取りから関連情報を想起できる機能も必要です。
* エージェント1は、Contosoが販売する製品に関する質問のみに回答しなければなりません。

Explanation:
ボックス1：作成
client.videos.create(...) は生成ジョブを初期化します。これにより、一意の ID と「queued」または「in_progress」のステータスを含むビデオオブジェクトが返されます。
ボックス2：回収
client.videos.retrieve(video.id) は、ビデオオブジェクトの状態をサーバーから更新された完了進行状況とステータスを取得して更新し、完了するまで続けます。参照:
https://developers.openai.com/api/reference/python/resources/videos/methods/create