一家金融服務公司希望使用 ML 模型自動化貸款決策。每筆記錄都包含第三方信用歷史和客戶人口統計資料。每個預測都必須包含解釋，說明申請人被核准或拒絕的原因。使用 Amazon SageMaker，哪種解決方案能以最少的開發工作提供此功能？

SageMaker Clarify 專為機器學習模型的可解釋性而設計，能夠生成 SHAP 值和其他解釋報告，以說明模型預測的依據。這直接滿足了題目中「每個預測都必須包含解釋」的需求，且作為 SageMaker 的內建功能，開發工作量最少。SageMaker Model Debugger 主要用於模型訓練期間的監控和除錯，而非生成預測解釋。AWS Lambda 雖然可以執行程式碼，但自行計算特徵重要性和部分依賴圖需要大量開發工作，且不如 Clarify 整合。自訂 CloudWatch 指標主要用於監控系統效能，無法直接生成模型預測的解釋報告。