AWS Certified Generative AI Developer – Professionalの資格取得攻略法を徹底解説！

AWS Certified Generative AI Developer – Professional合格への近道と、試験勉強法について解説します！
サッとお読みいただけるよう、シンプルかつ要点をまとめて記載しています！

目次
  1. AWS Certified Generative AI Developer – Professionalとは
    1. 1. 試験概要
    2. 2. 出題範囲・受験対象者
    3. 3. 受験申込方法
  2. 攻略法
    1. 1. まず伝えたいこと
    2. 2. 勉強方法
    3. 3. 当サイトの問題集


AWS Certified Generative AI Developer – Professionalとは

1. 試験概要

◆誰でも受験可能（受験資格や前提認定なし。AWSまたはオープンソース技術を使用した本番環境向けアプリケーションの構築経験が2年以上あり、AI／MLまたはデータエンジニアリングの経験と、生成AIソリューションの実装経験が1年以上ある方が主な対象です）
◆試験コードはAIP-C01
◆選択式（単一選択・複数選択）75問／180分（採点対象65問＋採点対象外10問。採点対象外の問題は試験中に区別されません）
◆合格スコアは750点（100～1,000点のスケールドスコア）
◆基盤モデル（FM）をアプリケーションやビジネスワークフローへ統合し、本番環境に対応した生成AIソリューションを設計、実装、デプロイ、運用する能力が問われるProfessionalレベルの試験
◆RAG、ベクトルストア、プロンプトエンジニアリング、エージェンティックAI、セキュリティ、責任あるAI、評価、監視、コスト・パフォーマンス最適化などの高度で実践的な知識が問われます
◆モデルそのものをゼロから開発・トレーニングする能力よりも、既存の基盤モデルとAWSサービスを組み合わせて本番品質の生成AIアプリケーションを構築する能力が重視されます
◆事前に読み込むケーススタディはなく、各設問内に提示されるビジネス要件や技術要件に対して、最適なモデル、RAG構成、エージェント、セキュリティ制御、評価・運用方法を選択する形式
◆受験料：300 USD（為替レートや税金により日本円価格は変動）
◆試験は日本語でも受験可能
◆Pearson VUEテストセンターもしくは、オンライン監督付き試験で受験可能
◆有効期限は3年間

2. 出題範囲・受験対象者

受験対象者

AWS Certified Generative AI Developer – Professionalは、基盤モデル（FM）をアプリケーションやビジネスワークフローへ効果的に統合し、AWSテクノロジーを利用して生成AIソリューションを本番環境に実装する能力を証明する認定資格です。

主な対象者は、生成AIデベロッパー、AIアプリケーション開発者、ソフトウェアエンジニア、クラウドエンジニア、ソリューションアーキテクト、MLエンジニア、データエンジニア、DevOps／MLOpsエンジニアなどです。Amazon Bedrockを中心に、RAGアプリケーション、AIエージェント、生成AIを組み込んだ業務システムを設計・開発したい方にも適しています。

対象者には、AWSまたはオープンソース技術を使用した本番環境向けアプリケーションの構築経験が2年以上あり、一般的なAI／MLまたはデータエンジニアリングの経験と、生成AIソリューションを実装した1年以上の実務経験が推奨されています。

また、AWSのコンピューティング、ストレージ、ネットワーク、セキュリティ、ID管理、Infrastructure as Code（IaC）、モニタリング、オブザーバビリティ、コスト最適化に関する知識も必要です。

試験では、単に生成AIやAmazon Bedrockの用語を知っているだけではなく、ビジネス要件、モデルの能力と制約、データ品質、検索精度、セキュリティ、プライバシー、レイテンシー、スループット、トークン使用量、運用負荷、コストなどを総合的に判断して、最適な生成AIアーキテクチャを設計・実装する能力が問われます。

なお、モデルをゼロから開発・トレーニングする作業、高度な機械学習手法、特徴量エンジニアリングを中心としたデータエンジニアリングは、本試験の主な対象外です。既存の基盤モデルを適切に選択・設定し、アプリケーションへ安全かつ効率的に統合する能力が重視されます。

出題範囲（全5セクション）

  1. 基盤モデルの統合、データ管理、コンプライアンス（Foundation Model Integration, Data Management, and Compliance：31%） — ビジネス要件と技術要件を分析し、適切な生成AIアーキテクチャと基盤モデルを選択・構成する能力が問われます。Amazon Bedrockを利用したモデル選択、モデル評価、クロスリージョン推論、フォールバック、モデルのライフサイクル管理に加え、Amazon SageMaker AIを利用したカスタムモデルやファインチューニング済みモデルのデプロイも出題範囲です。テキスト、画像、音声、表形式データを基盤モデルへ入力するためのデータ検証・前処理、AWS Glue Data Quality、SageMaker Data Wrangler、AWS Lambda、Amazon Comprehendなどを使用したデータ品質の向上も重要です。また、ベクトルストア、埋め込み、チャンク分割、メタデータ、セマンティック検索、ハイブリッド検索、Amazon Bedrock Knowledge Bases、Amazon OpenSearch Service、Amazon Aurora PostgreSQL-Compatible Editionのpgvector、Amazon Neptuneなどを利用したRAGの設計・実装が問われます。プロンプトテンプレート、システムプロンプト、Few-shotプロンプト、構造化出力、プロンプトバージョン管理、Amazon Bedrock Prompt Management、Amazon Bedrock Prompt Flowsなどを利用したプロンプトエンジニアリングとガバナンスも重点分野です。
  2. 実装と統合（Implementation and Integration：26%） — 生成AI機能をアプリケーションやビジネスワークフローへ統合する能力が問われます。Amazon BedrockのAPIやAWS SDKを使用したモデル呼び出し、ストリーミング応答、構造化レスポンス、エラー処理、再試行、レート制限、非同期処理などを理解しておく必要があります。また、Amazon Bedrock Agents、Amazon Bedrock AgentCore、Strands Agents、Model Context Protocol（MCP）、AWS Lambda、AWS Step Functions、Amazon API Gatewayなどを利用したエージェンティックAIとツール連携も重要です。エージェントのメモリ、状態管理、停止条件、ヒューマンインザループ、複数エージェントの連携、ツール呼び出しの検証と権限制御なども出題範囲です。さらに、Amazon ECS、Amazon EKS、AWS Fargate、AWS Lambda、Amazon SageMaker AIなどへのモデル・アプリケーションのデプロイ、AWS CloudFormation、AWS CDK、AWS CodePipeline、AWS CodeBuild、AWS CodeDeployを利用したCI/CD、Amazon SQS、Amazon SNS、Amazon EventBridgeを利用した疎結合な統合パターンについても理解しておく必要があります。
  3. AIの安全性、セキュリティ、ガバナンス（AI Safety, Security, and Governance：20%） — 生成AIアプリケーションに入力・出力の安全対策、データ保護、プライバシー、監査、ガバナンス、責任あるAIを実装する能力が問われます。Amazon Bedrock Guardrailsを利用した有害コンテンツ、禁止トピック、機密情報、PIIのフィルタリングに加え、プロンプトインジェクション、ジェイルブレイク、敵対的入力、ハルシネーションへの対策が重要です。Amazon Bedrock Knowledge Basesによる回答の根拠付け、信頼度スコア、引用元の表示、JSON Schemaによる構造化出力、入力・出力の多層検証なども出題範囲です。また、IAM、AWS KMS、AWS Secrets Manager、VPCエンドポイント、AWS PrivateLink、Amazon Macie、Amazon Comprehend、AWS CloudTrail、Amazon CloudWatchなどを利用したアクセス制御、暗号化、ネットワーク分離、個人情報保護、監査ログも理解しておく必要があります。データリネージ、モデルカード、出力の説明可能性、公平性評価、バイアス検出、ポリシー違反の監視、継続的なコンプライアンス確認など、責任あるAIと組織的なガバナンスも重要です。
  4. GenAIアプリケーションの運用効率と最適化（Operational Efficiency and Optimization for GenAI Applications：12%） — 生成AIアプリケーションのコスト、レイテンシー、スループット、リソース使用量、可観測性を最適化する能力が問われます。プロンプト圧縮、コンテキストの削減、出力長の制御、モデルの使い分け、バッチ推論、プロビジョンドスループット、レスポンスストリーミング、並列処理などを利用したトークン効率とパフォーマンスの改善が重要です。また、プロンプトキャッシュ、セマンティックキャッシュ、Amazon ElastiCache、Amazon CloudFrontなどを利用して、不要なモデル呼び出しを削減する方法も出題範囲です。ベクトルインデックス、チャンクサイズ、埋め込みモデル、検索方式、再ランキングを調整し、RAGの検索精度と応答速度を最適化する知識も必要です。Amazon CloudWatch、AWS X-Ray、Amazon Bedrock Model Invocation Logs、AWS Cost Explorer、AWS Cost Anomaly Detectionなどを使用して、トークン使用量、応答品質、ハルシネーション率、レイテンシー、コスト、ツール呼び出し、エージェントの動作を監視する方法も理解しておく必要があります。
  5. テスト、検証、トラブルシューティング（Testing, Validation, and Troubleshooting：11%） — 基盤モデル、RAG、プロンプト、エージェント、生成AIアプリケーションの品質を継続的に評価し、問題を特定・修正する能力が問われます。関連性、事実性、正確性、一貫性、流暢性、安全性、レイテンシー、コスト、ビジネス成果などの評価指標に加え、Amazon Bedrock Model Evaluation、A/Bテスト、カナリアテスト、LLM-as-a-Judge、人手評価、ユーザーフィードバック、ゴールデンデータセットなどを利用した評価方法が重要です。RAGについては、検索結果の関連性、コンテキストの一致、チャンク分割、埋め込み品質、ベクトル検索、検索レイテンシーを検証する必要があります。また、コンテキストウィンドウの超過、入力の切り捨て、APIリクエストエラー、レート制限、モデルレスポンスの不整合、プロンプトの混乱、ハルシネーション、セマンティックドリフト、エージェントの誤ったツール使用などを、CloudWatch Logs、AWS X-Ray、トレース情報、評価結果から切り分ける能力も問われます。

AWS Certified Generative AI Developer – Professionalでは、基盤モデルの統合、データ管理、コンプライアンスと、実装と統合の2分野だけで全体の57%を占めます。

そのため、Amazon Bedrock、Amazon Bedrock Knowledge Bases、Amazon Bedrock Agents、Amazon Bedrock AgentCore、Amazon Bedrock Guardrails、Amazon Bedrock Prompt Management、Amazon Bedrock Prompt Flows、Amazon OpenSearch Service、Amazon SageMaker AI、AWS Lambda、AWS Step Functions、Amazon API Gateway、IAM、AWS KMS、Amazon CloudWatchなどを優先して学習することが重要です。

ただし、本試験ではサービスの概要を知っているだけではなく、モデルの品質、コンテキストウィンドウ、データの機密性、検索精度、回答の根拠、ハルシネーション、レイテンシー、トークン使用量、スループット、安全性、監査、運用負荷、コストなどの条件を総合的に判断する必要があります。

例えば、「社内文書を利用したRAGアプリケーションを構築する」「複数のツールを安全に呼び出すAIエージェントを実装する」「機密情報をモデルへ送信する前にマスキングする」「生成結果のハルシネーションを検出・抑制する」「応答品質を維持しながらトークンコストを削減する」「モデル変更前後の品質を自動評価する」など、本番環境を想定した問題が出題されます。

そのため、単なる用語暗記ではなく、「どの基盤モデルを選択するか」「RAGとモデルカスタマイズのどちらを利用するか」「どのベクトルストアと検索方式が適しているか」「どのようにプロンプトインジェクションと機密情報漏えいを防ぐか」「どの評価指標で品質を測定するか」「どの方法でレイテンシーとコストを最適化するか」という観点で理解しておくと、本番問題に対応しやすくなります。


3. 受験申込方法

◆AWS Certified Generative AI Developer – Professionalページより受験申し込みが可能です。

　認定試験を申し込む

攻略法

1. まず伝えたいこと

生成AIのモデル、Amazon Bedrockの機能、エージェント開発のフレームワーク、セキュリティ対策は、非常に速いスピードでアップデートされています。そのため、古い試験対策教材だけで勉強していると、現在のAIP-C01の出題範囲、サービス名、推奨される生成AIアーキテクチャに対応できない可能性があります。

本試験はProfessionalレベルの試験であり、生成AIやAWSサービスの概要だけでなく、基盤モデルを利用したアプリケーションを、本番環境で安全・高品質・高性能・低コストに運用するための高度で実践的な知識が問われます。

特に重要なのは、Amazon Bedrock、Amazon Bedrock Knowledge Bases、Amazon Bedrock Agents、Amazon Bedrock AgentCore、Amazon Bedrock Guardrails、Amazon Bedrock Prompt Management、Amazon Bedrock Prompt Flows、Amazon OpenSearch Service、Amazon SageMaker AI、AWS Lambda、AWS Step Functions、Amazon API Gateway、Amazon S3、IAM、AWS KMS、AWS Secrets Manager、Amazon CloudWatch、AWS X-Rayです。

これらのサービスは単独で出題されるだけでなく、データの準備、埋め込み生成、ベクトル検索、プロンプト作成、モデル推論、エージェントによるツール呼び出し、安全性制御、評価、監視までを構成する生成AIシステムの一部として頻繁に登場します。

また、本試験では問題文に、使用目的、入力データ、機密性、モデルの能力、回答品質、根拠の必要性、レイテンシー、スループット、トークン数、リージョン、可用性、監査、コストなどの要件が記載されます。その状況に対して、最も適したモデル、サービス、検索方式、セキュリティ設定、評価・運用方法を選択します。

そのため、問題文に記載された「回答の根拠を提示する」「最新の社内データを利用する」「PIIをモデルへ送信しない」「プロンプトインジェクションを防ぐ」「モデルを切り替えられるようにする」「低レイテンシー」「最小の運用負荷」「トークンコストを削減する」といった条件を見落とさないことが重要です。

例えば、RAGとファインチューニングの違い、セマンティック検索とハイブリッド検索の使い分け、Amazon Bedrock Knowledge Basesと独自RAG実装の違い、Bedrock AgentsとStep Functionsの役割、Guardrailsと独自フィルターの組み合わせ、オンデマンド推論とプロビジョンドスループットの違い、モデル評価とRAG評価の違いなどを比較しながら覚えると理解しやすくなります。

本サイトでは、AWS Certified Generative AI Developer – Professionalの出題範囲に沿って、基盤モデルの統合、RAG、エージェンティックAI、安全性、セキュリティ、ガバナンス、評価、監視、コスト・パフォーマンス最適化を理解しやすい解説付きの問題集を用意しておりますので、気になった方はぜひチェックしてみてください！（ページの一番下にもリンクがあります！）


2. 勉強方法

①AWS Skill Builder（公式学習）
↓
②AWS公式練習問題・模擬試験
↓
③試験対策問題集

私は上記の順番で勉強することをおすすめします！
各勉強方法の意図は、下記の通りです。

①AWS Skill Builder（AWS Certified Generative AI Developer – Professional Exam Prep）で、基盤モデルの統合、RAG、エージェント、安全性、セキュリティ、評価、監視、最適化の全体像を学びます。
②AWS公式練習問題や公式模擬試験で、出題形式と問われ方を確認します。
③AWS Certified Generative AI Developer – Professional試験対策問題集で、実試験で出題される問題の感覚や、要件に適した生成AIアーキテクチャ、モデル、RAG構成、安全対策、評価・運用方法を選定する考え方に慣れます。

AWS Skill Builderでは、試験範囲に沿って、AWS上での生成AIアプリケーション開発を体系的に学べるため、最初のインプット教材としておすすめです。Professionalレベルの試験であるため、Amazon Bedrockだけでなく、AWSのセキュリティ、ネットワーク、アプリケーション統合、IaC、CI/CD、監視、コスト管理についても整理しておきましょう。

可能であれば、Amazon S3へ社内文書を保存し、Amazon Bedrock Knowledge Basesとベクトルストアを使用して、質問に対する回答と引用元を返すRAGアプリケーションを実際に構築してみることをおすすめします。

さらに、Amazon Bedrock AgentsとAWS Lambdaを利用したツール呼び出し、Amazon Bedrock Guardrailsを利用した入力・出力フィルタリング、Prompt Managementを利用したプロンプトのバージョン管理、CloudWatchとModel Invocation Logsを利用したトークン数・レイテンシー・エラーの監視などを試すと、各機能の役割や連携方法を理解しやすくなります。

AWS公式練習問題・模擬試験は、本番に近い文章量や出題形式を確認できる公式教材です。AIP-C01では、ビジネス要件、モデルの制約、データの機密性、検索精度、回答品質、運用条件などが記載された長めのシナリオ問題が多いため、問題文から重要な条件を読み取る練習として、一度は取り組んでおきましょう。

そのうえで、試験対策問題集を使って、Amazon Bedrock、Knowledge Bases、Agents、AgentCore、Guardrails、Prompt Management、Prompt Flows、ベクトルストア、RAG、IAM、KMS、CloudWatch、モデル評価を反復練習することが重要です。

AWS Certified Generative AI Developer – Professionalでは、選択肢の中に技術的には実現可能な構成が複数含まれることがあります。そのため、間違えた問題は単に正解だけを覚えるのではなく、「なぜこのモデル、サービス、検索方式が要件に最も適しているのか」「他の選択肢では品質、セキュリティ、運用負荷、コストのどの要件を満たせないのか」「データの鮮度、機密性、レイテンシーなどの条件が変わった場合はどの構成が適切になるのか」まで確認すると、得点が安定しやすくなります。

3. 当サイトの問題集

AWS Certified Generative AI Developer – Professionalは、基盤モデルの選択やアプリケーション統合だけでなく、RAG、ベクトルストア、プロンプト管理、エージェンティックAI、安全性、セキュリティ、責任あるAI、評価、監視、トラブルシューティング、コスト・パフォーマンス最適化まで幅広く問われる試験です。そのため、実試験形式で多くのシナリオ問題を解きながら、各選択肢が正解・不正解となる理由まで確認できる日本語の問題集を探すと、意外と時間がかかります。

当サイトの問題集には、以下4つの強みがあり、効率的に勉強を進めることが可能です。

①AIP-C01の出題範囲に対応
②基盤モデル・RAG・エージェント・安全性・評価・最適化の考え方を解説（解説には一次ソースを記載）
③10問単位でページがシンプルかつ広告が一切ない
④実際の試験問題の出題方式が分かるよう問題を作成（ラジオボタン方式、チェックボタン方式など）

まずは、はじめの10問を解いてみましょう！

AWS Certified Generative AI Developer – Professional 1-10
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…
japanitstudy.com