DISPLAY SETTINGS 各種設定
表示モード
画像位置
文字位置
理解度の自動記録
理解度の位置
Q1AWS Certified Generative Ai Developer Professional
Q1. ある大学の研究支援部門が、教員の科研費申請書作成を支援するツールの構築にAmazon Bedrockを採用しています。
このツールはAmazon Nova Pro基盤モデル（FM）を土台としており、4つの必須入力を受け取ったうえで、常に一貫したテキスト形式で応答を返す必要があります。
部門としては、応答にいじめ的な表現（bullying language）が含まれた場合にAmazon Bedrockから通知を受け取りたいと考えていますが、フラグが付いた応答をすべてブロックすることまでは望んでいません。
そこで、入力プロンプトを受け取ってAmazon Nova Pro FMへ送信し、FMからの応答を返すAmazon Bedrockフローを構築しました。
これらの要件を満たすために、部門が追加で実施すべき手順はどれですか？（2つ選択してください。）
解答を見る
正解：A、D
本問の要件は、構造化された入力、一貫した出力形式、そしていじめ的表現を「ブロックせずに検出・通知」することの3点です。Aでは、Amazon Bedrock Prompt Managementにより4つの必須入力を変数として定義し、出力形式を指定できるため、構造化入力と一貫した応答形式を実現できます。
Dのポイントは、侮辱フィルターの応答アクションを「ブロック」ではなく「検出（detect）」に設定することで、応答を返しつつフラグ付けと通知だけを行える点です。
Bはブロック設定のため「すべてをブロックしない」という要件に反します。
Cのプロンプトルーターは単一モデル構成では不要で、Eの推論プロファイルは変数や出力形式の強制を保証しません。
コンテンツフィルターによる有害コンテンツの検出 – Amazon Bedrock
Q2AWS Certified Generative Ai Developer Professional
Q2. あるエレベーターメンテナンス事業者が、Amazon Bedrockを活用して現場技術者向けのAIアシスタントを開発しました。
このアシスタントは、Amazon Kinesis Data Streamsで収集したエレベーターのセンサーデータをもとに保守推奨事項を生成します。
新たな業界規制により、AIが出す推奨事項はすべて人間の技術者が確認しなければならなくなりました。
事業者は、AIの推奨事項を人が確認・承認するワークフローを整備するとともに、監査に備えて技術者の判断内容をすべて記録に残す必要があります。
この要件を満たすソリューションはどれですか？
解答を見る
正解：B. waitForTaskToken APIを使用して実行を一時停止する、人間による承認ステップを持つAWS Step Functionsワークフローを作成する。技術者がレビューを完了したら、AWS Lambda関数で承認判断を付けてSendTaskSuccess APIを呼び出す。すべてのレビュー判断をAmazon DynamoDBに保存する。
人間の承認を挟むワークフローには、AWS Step Functionsのコールバックパターンが最適です。waitForTaskToken（タスクトークン待機）を使うと、人間がレビューを完了してSendTaskSuccessを呼び出すまで実行を一時停止でき、承認結果を確実にワークフローへ戻せます。
レビュー判断をAmazon DynamoDBに保存することで、監査に必要な永続的な記録も得られます。
Aはビジュアルワークフローが本来ETL向けのGlueで、人的承認の待機には適しません。
Cは判断のキャッシュにElastiCacheを使う点が監査目的の永続保存に不向きです。
Dは独自実装で状態管理やタイムアウト制御が複雑になり、マネージドなStep Functionsに比べ運用負荷が高くなります。
タスクトークンを使ったコールバックの待機 – AWS Step Functions
Q3AWS Certified Generative Ai Developer Professional
Q3. ある金融サービス事業者が、Amazon Bedrock経由で複数の基盤モデル（FM）を用いて生成AI（GenAI）アプリケーションを提供しています。
機密性の高い金融データに生成AIを利用する際の新しい規制へ対応するため、トークン管理の仕組みが必要になりました。
この仕組みは、アプリケーションがモデル固有のトークン上限に近づいた段階で予防的にアラートを発する必要があります。
あわせて、毎分5,000件を超えるリクエストをさばきつつ、事業部門ごとにコストを配分できるようトークン使用量のメトリクスを維持しなければなりません。
この要件を満たすソリューションはどれですか？
解答を見る
正解：B. AWS Lambda関数内にモデル固有のトークナイザーを開発する。Amazon Bedrockへリクエストを送信する前に、そのLambda関数でトークン使用量を推定する。Lambda関数でメトリクスをAmazon CloudWatchに発行し、リクエストがしきい値に近づいたらアラームを発報するよう設定する。詳細なトークン使用量をAmazon DynamoDBに保存してコストを報告する。
要件は、上限接近時の予防的アラート、毎分5,000件超のスケール、コスト配分用のメトリクス維持の3点です。送信前にトークン数を推定し、CloudWatchへメトリクスを発行してしきい値でアラームを出す方式なら、上限に達する前に予防的に警告でき、DynamoDBへの記録でユニット別コスト配分も可能です。
Aはエラーログを事後に分析する方式で、予防的アラートになりません。
CのAPI Gatewayによる拒否はスロットリングであり、予防通知やコスト配分メトリクスの要件を満たしません。
DのBedrock Guardrailsはコンテンツ安全性の機能で、トークンクォータ管理を目的とはしていません。
Amazon CloudWatchによるAmazon Bedrockのモニタリング
Q4AWS Certified Generative Ai Developer Professional
Q4. ある大手ECサイト運営会社が、商品説明文を自動生成するために基盤モデル（FM）を運用しています。
エンジニアリング部門はトークン使用量・レイテンシー・エラー率といった技術メトリクスをAmazon CloudWatchで監視している一方、マーケティング部門はコンバージョン率や売上への影響といったビジネスメトリクスを社内システムで別途追跡しています。
同社は、技術面のパフォーマンスとビジネス成果とを関連付けて把握できる統合的なオブザーバビリティ（可観測性）の仕組みを必要としています。
この仕組みは、運用メトリクスに劣化の兆候が見られた際に関係者へ自動でアラートを送るとともに、技術メトリクスとビジネスメトリクスの両方を横断的に可視化できなければなりません。
この要件を満たすソリューションはどれですか？
解答を見る
正解：D. 運用メトリクスとインポートしたビジネスメトリクスを統合するCloudWatchカスタムダッシュボードを設定する。異常検出付きのCloudWatch複合アラームを設定する。相関したメトリクスがパフォーマンス問題を示したときに関係者へ通知するアラームアクションをAmazon SNSで作成する。
要件は、技術とビジネスの両メトリクスを1か所に統合し、劣化時に自動アラートを出す包括的な可観測性です。CloudWatchのカスタムダッシュボードに両メトリクスを取り込み、異常検出付きの複合アラームで相関的な劣化を捉え、SNSで通知する構成が最も要件に合致します。
Cも近い構成ですが、異常検出や相関判定がなく、単純なしきい値ベースにとどまります。
AはGrafanaで自動修復まで行う点が「アラート提供」という要件を越えており過剰です。
BはS3経由でQuickSightに送る方式でリアルタイム性が低く、運用アラートの即時性に劣ります。
複合アラームの作成 – Amazon CloudWatch
Q5AWS Certified Generative Ai Developer Professional
Q5. ある企業が、Amazon Bedrockを用いて顧客からの問い合わせにリアルタイムで応答する生成AI（GenAI）アプリケーションを運用しています。
トラフィックが集中する時間帯に、基盤モデル（FM）へのAPI呼び出しが断続的に失敗する事象が確認されました。
同社は、一時的なエラーに対応しつつ、FMのパフォーマンスを詳細に把握できるオブザーバビリティ（可観測性）の仕組みを必要としています。
この仕組みは、スロットリング発生時にカスケード障害を招かないようにし、サービス境界をまたいだ分散トレーシングによってレイテンシーの原因を特定できなければなりません。
さらに、パフォーマンス上の問題を特定のFMの特性と関連付けて分析できる必要があります。
この要件を満たすソリューションはどれですか？
解答を見る
正解：B. AWS SDKを標準リトライモードとジッター付き指数バックオフで設定する。AWS X-Rayトレーシングをアノテーション付きで使用し、サービスコンポーネントを特定・フィルタリングする。
要件は、一時的エラーへの耐性、カスケード障害の防止、サービス境界を越えた分散トレーシング、FM特性との相関の4点です。AWS SDKの標準リトライモードはジッター付き指数バックオフを提供し、同時再試行の集中を避けてカスケード障害を防ぎます。またAWS X-RayのアノテーションでモデルIDなどを付与すると、レイテンシー要因をFM特性ごとに分析できます。
Aの固定遅延リトライは再試行が同期しやすく、分散トレーシングも提供しません。
Cはキャッシュとログのみでカスケード障害を防げず、横断トレースもできません。
DのCloudTrailは監査ログ用であり、リクエストのレイテンシー分析向けの分散トレーシングではありません。
リトライ動作 – AWS SDKリファレンス
Q6AWS Certified Generative Ai Developer Professional
Q6. ある医療機器メーカーが、自社機器を用いた医療処置に関するレポートをAIアシスタントに取り込みたいと考えています。
患者のプライバシーを守るため、患者の個人を特定できる情報（PII）は執刀医にのみ開示され、エンジニアに対してはマスキングされなければなりません。
また、AIアシスタントが参照できるのは作成から3年未満の医療レポートに限られます。
各レポートは公開と同時にAmazon S3バケットへ保存され、同社はすでにAmazon Bedrock Knowledge Basesを設定済みです。
ユーザー認証にはAmazon Cognitoを利用しています。
この要件を満たすソリューションはどれですか？
解答を見る
正解：C. 3年より古いレポートを削除するS3ライフサイクル設定を行う。バケットとナレッジベースの日次同期を実行するAWS Lambda関数をスケジュールする。ユーザーがAIアシスタントを操作する際、ユーザーのCognitoユーザーグループに基づいて選択したガードレール設定を適用し、必要に応じて応答からPIIをマスキングする。
本問の核心は、同一データに対して役割ごとに異なる可視性を与えることです。PIIの取り込み時に削除するのではなく、推論時にCognitoグループに応じたガードレール設定を動的に適用し、外科医には完全な応答、エンジニアにはマスキング応答を返す方式が正解の根拠です。
S3ライフサイクルで3年超の文書を自動削除し、日次同期でナレッジベースを最新に保てます。
Aは取り込み時にPIIを恒久的に除去するため、外科医の閲覧要件に反します。
Bはマスキングが取り込み時に固定され役割別制御ができません。
Dはナレッジベースを二重化しコストとデータ不整合のリスクを増やします。
Amazon Bedrock Guardrails
Q7AWS Certified Generative Ai Developer Professional
Q7. あるメディア企業が、毎時数千人規模のユーザーが画像やテキストコンテンツを投稿できる新プラットフォームの立ち上げを予定しています。
このプラットフォームはAmazon Bedrockを用いて、投稿されたコンテンツをもとに創作物を生成します。
同社は、不適切なコンテンツの処理・生成を防ぎ、生成物の中に個人を特定できる情報（PII）が含まれないようにする仕組みを必要としています。
また、この仕組みは既存のAmazon S3ストレージワークフローと連携できなければなりません。
インフラ管理の負荷を最小限に抑えつつこの要件を満たすソリューションはどれですか？
解答を見る
正解：D. 組み込みのAmazon Bedrockガードレールを使用してコンテンツをフィルタリングするAWS Step Functionsワークフローを作成する。Amazon ComprehendのPII検出でコンテンツを前処理する。Amazon Rekognitionの画像モデレーションを使用する。
要件は、不適切コンテンツの遮断、PII非露出、S3ワークフローとの統合を、最小のインフラ管理負荷で満たすことです。マネージドなBedrockガードレール、ComprehendのPII検出、Rekognitionの画像モデレーションをStep Functionsで組み合わせる構成は、独自モデルを構築せずに済み運用負荷が最小になります。
Aは監視アラームが多く冗長で、コンテンツ安全性を直接強制しません。
BはSageMakerでカスタムモデルを構築・保守する必要があり負荷が大きいです。
Cは認証時にモデレーションを行い、Textractはモデレーション用途ではないため不適切です。
コンテンツのモデレーション – Amazon Rekognition
Q8AWS Certified Generative Ai Developer Professional
Q8. ある金融サービス企業が、Amazon Bedrockを用いてカスタマーサポート向けのAIアシスタントを開発しています。
このAIアシスタントは投資アドバイスに関する話題をユーザーと議論してはならず、有害なコンテンツのブロック、個人を特定できる情報（PII）のマスキング、コンプライアンス報告のための監査証跡の維持が求められます。
また、コンテンツの機微度に応じて、ユーザー入力とモデル応答の双方にコンテンツフィルタリングを適用する必要があります。
同社は、誤検知を抑えつつポリシーを実効的に適用できるAmazon Bedrockガードレールの構成を探しており、複数種類の機微なコンテンツそれぞれに異なる処理戦略を適用できる仕組みを求めています。
この要件を満たすソリューションはどれですか？
解答を見る
正解：C. ガードレールを構成し、有害コンテンツ向けにコンテンツフィルターを「中」に設定する。投資アドバイスの禁止トピックを設定し、明確な定義とブロックするサンプルフレーズを含める。応答内のPIIをマスキングし、入力内の金融情報をブロックする機密情報フィルターを構成する。監査用のカスタムブロックメッセージを使用する入力・出力の両評価を有効にする。
誤検知を抑えつつ強力にポリシーを適用するには、単一のガードレールでコンテンツ種別ごとに異なるアクションを設定するのが推奨されます。フィルターを「高」ではなく「中」にすることで、正当な顧客対応の過剰ブロックを避けつつ有害コンテンツを防ぎ、応答ではPIIをマスキング、入力では金融情報をブロックと文脈別に使い分けられます。
禁止トピックに定義とサンプルフレーズを加えると検出精度が上がります。
Aは全PIIを一律ブロックし誤検知が多発します。
Bは不要に複雑で、ガードレール本来の使い方ではありません。
DはStep Functionsでの連結が冗長で、ガードレールが本来ネイティブに扱える処理です。
ガードレールのコンポーネント – Amazon Bedrock
Q9AWS Certified Generative Ai Developer Professional
Q9. ある企業が、Amazon Bedrockを用いた検索拡張生成（RAG）システムを構築しています。
このシステムは、速報ニュースの動画コンテンツを扱うデータソースとして、Amazon S3バケットを基盤とするAmazon Bedrock Knowledge Basesを利用し、文字起こしデータやアーカイブ済みレポート、関連文書を取得します。
最先端の埋め込みモデルと高性能な検索構成を使っているにもかかわらず、ユーザーからは応答が遅く関連性の低い結果が返るとの不満が寄せられています。
調査の結果、ベクトル検索が多種多様なコンテンツを対象に、長期間分の文書を過剰に評価していることが判明しました。
同社は、基盤モデルの追加ファインチューニングでは改善しないと結論づけ、より的確な制約によって検索精度を高めたいと考えていますが、既存アーキテクチャへの変更は最小限に抑えたいと考えています。
この要件を満たすソリューションはどれですか？
解答を見る
正解：C. S3オブジェクトのメタデータをインデックス化して、Amazon Bedrockナレッジベース内でメタデータ対応のフィルタリングを有効にする。
問題の根本原因は、検索対象が広すぎることです。Amazon Bedrock Knowledge Basesはメタデータ対応フィルタリングをサポートしており、S3オブジェクトのメタデータ（コンテンツ種別・公開日・ソースなど）をインデックス化して検索範囲を絞ることで、評価する文書数を減らし、レイテンシーと関連性の両方を改善できます。
これはアーキテクチャ変更が最小で済む方法です。
Aは埋め込みの再学習で、効果がないと既に判断済みです。
BのOpenSearch移行とDのAmazon Q Businessへの移行は、いずれも運用負荷と実装工数を増やし、既存構成から逸脱します。
Amazon Bedrock ナレッジベース
Q10AWS Certified Generative Ai Developer Professional
Q10. あるメディア企業が、AIが生成するコンテンツについて堅牢なガバナンス体制を構築するため、Amazon Bedrockを導入しています。
同社は数百件におよぶプロンプトテンプレートを管理する必要があり、複数のチームが複数のAWSリージョンにまたがってこれらのテンプレートを使いコンテンツを生成しています。
求められるソリューションは、レビュー待ちの通知を含む承認ワークフローとバージョン管理を備え、プロンプトの操作履歴を記録する詳細な監査証跡と、品質基準を担保する一貫したプロンプトのパラメータ化を提供しなければなりません。
この要件を満たすソリューションはどれですか？
解答を見る
正解：B. Amazon Bedrock Prompt Managementを使用してバージョン管理を実装する。監査ログのためにAWS CloudTrailを設定する。承認権限の制御にAWS Identity and Access Management（IAM）ポリシーを使用する。変数を指定してパラメータ化されたプロンプトテンプレートを作成する。
Amazon Bedrock Prompt Managementは、チームやリージョンをまたいでプロンプトを大規模に統制・標準化するための専用機能です。ネイティブなバージョン管理と承認ワークフローを備え、承認権限はIAMポリシーで制御でき、CloudTrailと連携して不変の監査証跡を残せる点が正解の根拠です。
パラメータ化テンプレートにより一貫した品質基準を強制できます。
Aは承認調整に大幅なカスタム開発が必要です。
Cは汎用サービスと手動バージョン管理に依存し、規模拡大時に誤りが生じやすいです。
Dは大規模な生成AIプロンプト統制を想定していないサービス構成で不必要に複雑です。
Amazon Bedrock のプロンプト管理