AWSの基盤モデルAmazon Novaを中核に、画像内の個人識別情報（PII）を自動で墨消しするパイプラインの詳細が公開された。単一の画像認識モデルでは対処が難しかった指紋や任意角度のナンバープレートといった対象に対し、Novaが状況を推論し、SAM 3やAmazon Textractといった専門モデルに処理を振り分ける設計が特徴だ。

Novaが司令塔、専門モデルを動員する多段処理

今回のパイプラインは、単一の汎用モデルですべてのPII領域を直接検出する方式を避け、Amazon Novaによる状況判断を起点とする。Novaは画像全体の文脈を解析し、見つかった文字列や物体がPIIに該当するか否かを評価。その上で、テキスト抽出に適したAmazon Textractや、ピクセル単位の領域切り出しに強みを持つMetaのSAM 3をSageMaker AI上で呼び分ける。この「推論モデルが専門ツールを制御する」構成は、多様なPIIの種類や撮影条件が存在する現実環境において、処理の柔軟性と精度を両立させる手段として注目される。単に画像の上から塗りつぶすのではなく、対象領域を正確に特定するため、後処理や監査にも耐えうる高いコンプライアンス水準が意識されている。

指紋や傾いたナンバープレート、エッジケースへの対応

従来のテキスト主体のPII検出システムでは、画像内の指紋や、正面を向かないナンバープレート、身分証明書の写り込みといった物理的な対象への対応が限定的だった。このパイプラインは、Novaの視覚的推論で物体のカテゴリを特定し、SAM 3のセグメンテーションで対象形状を正確に捉える組合せで、これらの死角を減らすアプローチを取る。例えばナンバープレートが斜めに写っている場合でも、文字としてのOCR処理をかける前段階で、画像内の金属板領域としての輪郭を特定できる。エッジケースへの網羅性を高めるこの設計は、法執行機関の証拠品公開メディア処理や、自動運転車両の運行記録公開時の匿名化といった、ミッションクリティカルだが従来は人手に頼っていた工程の自動化余地を広げる。

責任あるAI運用を支える、コンプライアンス志向の自動化

企業が画像データを分析や公開に活用する際、GDPRや各種個人情報保護法への対応は必須だが、手作業による墨消しは人為的ミスとコストの源泉だった。パイプライン化された処理は、監査ログの作成と組み合わせることで、誰がいつどの領域をなぜ墨消ししたかの説明可能性を担保しやすい。Novaが推論結果をテキストで出力できる特性を活かせば、墨消し判断の理由を自然言語で記録し、後の検証に備えることも可能になる。AWSがこの仕組みをブログという形でパターン化して示したことで、同様の責任あるAI導入を求める金融機関、医療機関、公共部門などの技術検討が加速する可能性がある。

クラウド事業者によるAI設計思想の競争軸が変化

このパイプラインが示唆するのは、クラウド事業者間の競争が単一モデルの性能比較から、複数のファウンデーションモデルや既存APIをいかに組み合わせて実用的なワークロードを構成するか、という設計思想の戦いに移行しつつある点だ。Amazonは自社のNovaをオーケストレーターとして位置づけ、テキスト抽出は既存サービスのTextract、セグメンテーションはMetaのオープンモデルSAM 3と、自社・他社を問わず最適な部品を採用した。このアプローチは、MicrosoftのAzureにおけるOpenAIモデルと自社コパイロット機能の連携や、Google CloudのGeminiとVertex AIツール群の統合とも異なる方向性を示す。企業の調達判断が、単一ベンダーロックインから、マルチモデル管理の容易さとエコシステムの開放性へと軸足を移す可能性がある。