AWS vs Azure vs GCP AI認定資格：レベル別の比較

AI認定資格を1つ取得したいものの、どのクラウドを選ぶべきか迷っているなら、短く言えば次のとおりです。広範な知識ならAWS、エンタープライズやMicrosoftスタックを利用している企業ならAzure、本格的なMLエンジニアリングならGCPです。より詳細な説明は以下に、レベル別、対象サービス別、そして各認定資格が実際に誰を対象としているかという観点から記述します。

認定資格のラダーは、クラウド間で対称ではありません。AWSは現在、最も明確な3段階のパス（Foundational → Associate → Pro）を持っています。Azureは強力なFoundational + Associateを持っていますが、専門家レベルの純粋なAI認定資格はありません。GCPはFoundational + Proを持っていますが、アソシエイトレベルをスキップしています。この非対称性自体が、本記事のポイントの一部です。

以下に並列比較を示し、その後で詳細に掘り下げます。

一覧マップ

レベル	AWS	Azure / Microsoft	GCP
Foundational	AIF-C01 (AI Practitioner)	AI-900 (Azure AI Fundamentals)	Generative AI Leader
Associate	MLA-C01 (ML Engineer Associate)	AI-102 (Azure AI Engineer Associate); DP-100 (Data Scientist)	— (ギャップ)
Professional / Expert	AIP-C01 (Generative AI Developer Pro)	— (ギャップ)	PMLE (Professional ML Engineer)

いくつか注目すべき点があります。

• アソシエイトレベルはAzureがより広範です。2つの異なる認定資格（AIエンジニアリング用のAI-102、データサイエンス/ML用のDP-100）があります。
• GCPにはアソシエイトレベルのAI認定資格がありません。 FoundationalのGenerative AI LeaderとPro ML Engineerの間に資格が欲しい場合でも、存在しません。
• 2026年現在、AWSは唯一の「GenAI Developer Pro」認定資格を持っています。 AIP-C01は、他のどの資格とも異なる方法でGenAIに特化しています。

Foundational レベル — AIF-C01 vs AI-900 vs Generative AI Leader

これら3つは、エントリーレベルの概念的な「コードを書かずにクラウドAIを理解している」ことを示す資格です。3つすべてが難易度はほぼ同じ（かなり取り組みやすい）で、費用も約99〜100ドル、ターゲットとする層も同じです。PM、BA、セールスエンジニア、技術的な意思決定者、そして初めてクラウドAIに足を踏み入れるエンジニアです。

AWS AI Practitioner (AIF-C01)

2024年10月開始。100米ドル、65問、90分。

対象サービス:

• Amazon Bedrock (基盤モデル、エージェント、ナレッジベース、ガードレール)
• Amazon SageMaker (基礎 — Studio、JumpStart、モデルレジストリ)
• Amazon Q (デベロッパー + ビジネス)
• Amazon Comprehend (NLP / 感情分析 / エンティティ抽出)
• Amazon Transcribe (音声認識)
• Amazon Translate
• Amazon Polly (テキスト読み上げ)
• Amazon Rekognition (画像認識)
• Amazon Textract (ドキュメント抽出)
• Amazon Kendra (エンタープライズ検索)
• Amazon Lex (チャットボット)

試験では、サービスとユースケースをマッチングさせる問題が多く出題されます。「小売企業が顧客サポートのメールルーティングを自動化したいと考えています。どのAWSサービスを使用しますか？」といった種類の質問です。試験の約30%は、責任あるAI/ガバナンス/説明可能性/バイアス軽減に関するもので、純粋な技術的な質問を期待していた受験者を驚かせます。

Azure AI Fundamentals (AI-900)

99米ドル、約40問、60分。有効期限なし。

対象サービス:

• Azure AI Services (旧Cognitive Servicesの総称)
• Azure OpenAI Service (GPT-4、GPT-4o、DALL·E、Whisper)
• Azure Machine Learning Studio (ローコードML)
• Form Recognizer / Document Intelligence
• Azure AI Speech (認識、合成、翻訳)
• Azure AI Vision (画像分析、OCR、カスタムビジョン)
• Azure AI Language (感情分析、キーフレーズ、NER、会話言語理解)
• Azure AI Search (旧Cognitive Search)
• Azure Bot Service / Bot Framework

AI-900は、AWSのAIF-C01よりもAzureのMLプラットフォームに重点を置いています。より実践的な内容が多く、Azure MLデザイナーでのモデルトレーニングや、accuracy/precision/recallメトリクスの評価に関する質問が出題されます。責任あるAIに関する時間はAIF-C01よりも短く、古典的なML概念により多くの時間が割かれています。

「有効期限なし」というステータスは、現実的かつ重要です。Microsoftの他のFundamentals（AZ-900、DP-900、SC-900）も永続的であり、Fundamentalsにおいてはこれが標準です。

GCP Generative AI Leader

99米ドル。3つの中で最新（2024年導入）。明確に非技術的であり、リーダーシップ/戦略認定資格として位置付けられています。

対象サービス:

• Vertex AI Generative AI (Geminiファミリー、Imagen、Codey、MedLM)
• Gemini in Workspace
• Vertex AI Search and Conversation
• Vertex AI Model Garden (サードパーティモデル — Anthropic Claude、Meta Llamaなど)
• Vertex AI Agent Builder
• Document AI (AWS Textractと同様の役割)
• Translation API
• Speech-to-Text / Text-to-Speech
• Vision AI

GAILは3つの中で最も戦略的な色合いが強いです。AIプログラムガバナンス、RAGパターンの概念、プロンプトエンジニアリングの基本、モデル選択基準、およびGoogleの責任あるAI原則に関する質問が予想されます。AIF-C01やAI-900よりもプラットフォームの仕組みに関する内容は少なくなっています。

もしあなたがクラウドAIプロバイダーを評価するリーダーやPMであれば、これはまさにその層をターゲットにしているため、おそらく最適な認定資格と言えるでしょう。

どのFoundational認定資格を選ぶべきか？

すでにクラウドを選択している場合: そのクラウドのFoundational認定資格を受験してください。移行可能な知識はほぼ同じですが、サービス名は異なるため、「AWSのCognitive Servicesに相当するものは何か？」といった精神的な体操をたくさんせずに済みます。

まだ選択していない場合: AIF-C01は最も広範なサービス範囲を持ち、責任あるAIに最も重点を置いています。これは企業がますます重視する話題です。AI-900は3つの中で最も簡単で、有効期限がありません。GAILは非エンジニアリング系のリーダーシップ層に特化して位置付けられている唯一の認定資格です。

Associate レベル — MLA-C01 vs AI-102 vs DP-100 (GCPには相当するものなし)

ここからは、全く異なる領域に入ります。アソシエイトレベルの認定資格は、実践的な経験を前提とし、より深いサービス知識をテストします。

AWS ML Engineer Associate (MLA-C01)

2024年8月開始。150米ドル、65問、170分。旧ML Specialty（MLS-C01）に代わるものです。

対象サービス:

• Amazon SageMaker (詳細 — Studio、Pipelines、Feature Store、Model Registry、Model Monitor、Clarify、Data Wrangler、Ground Truth、JumpStart、Canvas)
• ファインチューニングとプロビジョンドスループットのためのAmazon Bedrock
• AWS Glue (データ準備)
• Amazon S3 + S3 Tables + Lake Formation (データレイクパターン)
• Amazon Athena、Redshift (MLのための分析)
• Amazon Kinesis Data Streams / Firehose (ストリーミング機能)
• Step Functions (オーケストレーション)
• ML監視のためのCloudWatch Container Insights

この認定資格は、純粋なモデリングではなく運用MLに焦点を当てています。ドリフトの監視、再トレーニングトリガー、モデルバージョンのA/Bテスト、推論のコスト最適化、MLOpsパターンに関する質問が予想されます。「CNNをゼロから構築する」ことを期待していた場合、がっかりするでしょう（そして準備不足になるでしょう）。

Azure AI Engineer Associate (AI-102)

165米ドル、約50〜60問、100分。2025年初頭にagentic-solutionsコンテンツを追加するため、重要な改訂が行われました。

対象サービス:

• Azure OpenAI Service (詳細 — ファインチューニング、補完、埋め込み、関数呼び出し、アシスタントAPI、Azure AI Foundryを含む)
• Azure AI Services (旧Cognitive Services — フルスイート)
• Azure AI Search (詳細 — ベクトル検索、ハイブリッド検索、セマンティックランキング、RAGパターン)
• Azure AI Document Intelligence (旧Form Recognizer)
• Azure AI Speech (カスタム音声、カスタムボイス、リアルタイム翻訳)
• Azure AI Language (カスタムNER、分類、会話言語理解)
• Azure AI Vision (カスタムビジョン、顔認識、ビデオインデクサー)
• Azure AI Content Safety
• AIモデルデプロイ用のContainer Apps
• Azure AI Agent Service (2025年の改訂で追加された新しいagenticコンテンツ)

AI-102は、MLA-C01と範囲が最も直接的に比較可能な認定資格です。どちらもAIワークロードを本番環境にデプロイし、運用することを想定しています。違いはサービスの重点にあり、AI-102はAzure OpenAI + RAG + AI Searchに関するものであり、MLA-C01は大規模なSageMaker + Bedrockに関するものです。

Azure Data Scientist Associate (DP-100)

165米ドル。AI-102とは異なり、DP-100はデータサイエンス/古典的なMLに焦点を当てており、AI-102はGenAI/コグニティブサービスに焦点を当てています。

対象サービス:

• Azure Machine Learning workspace (詳細 — コンピューティングクラスター、環境、実験、ジョブ、エンドポイント、MLflow統合)
• Azure ML SDK / CLI
• AutoML
• MLパイプライン
• モデルレジストリとデプロイ
• 責任あるAIダッシュボード (説明可能性、公平性、エラー分析)
• データ準備のためのAzure Synapse Analytics
• Azure Databricks統合
• コンピューティング最適化 (CPU vs GPU、スポットインスタンス、低優先度)

カスタムモデルを構築するデータサイエンティストであればDP-100が、Azure OpenAIアプリケーションをデプロイするAIエンジニアであればAI-102が、それぞれの認定資格です。両者はデプロイ/監視のトピックにおいて、せいぜい20%程度の重複しかありません。

GCP — アソシエイトレベルのAI認定資格なし

これは2026年現在のGCPのカタログにおける実際のギャップです。GoogleにはCloud Digital Leader（Foundational）、Generative AI Leader（Foundational）、そして（真にプロフェッショナルレベルの）Professional ML Engineerがあります。GAILからPMLEへの道のりは険しく、中間的な資格は存在しません。

GCP固有の中間的なシグナルが欲しい場合: Associate Cloud Engineer (ACE) 認定資格は、AIに特化しているわけではありませんが、Vertex AIのデプロイの基本をカバーしています。一部のエンジニアはこれを「AIスペシャリストでなくてもGCPでAIワークロードを実行できる」と位置付けています。これは回避策であり、明確な答えではありません。

どのAssociate認定資格を選ぶべきか？

• カスタムモデルの構築 / 古典的なML: DP-100 (Azure) が最も焦点を絞っています。
• Azure OpenAIアプリの本番環境へのデプロイ: AI-102 (Azure)。
• AWSでSageMaker + Bedrockを大規模に運用する: MLA-C01 (AWS)。
• GCPのみ: PMLEに進んでください。中間オプションはありません。

最も近いクラウド横断的な類似点はMLA-C01 ≈ AI-102です。どちらも「AIを本番環境にデプロイして運用する」ことをテストします。異なるサービス表面ですが、同様のエンジニアリングレベルです。

Professional / Expert レベル — AIP-C01 vs PMLE (Azureには相当するものなし)

AWS Generative AI Developer Professional (AIP-C01)

300米ドル、75問、180分。2025年にAWS初のGenAI特化型Pro認定資格として開始されました。

対象サービス:

• Amazon Bedrockの詳細 (継続的事前学習によるカスタムモデル、モデル評価、多段階推論エージェント、ハイブリッド検索によるナレッジベース、ガードレール設定)
• Amazon Bedrock Studio + Bedrock IDE
• 基盤モデルのファインチューニングのためのSageMaker JumpStart
• カスタムモデルホスティングのためのSageMaker
• 推論サービスのためのAWS App Runner / ECS Fargate
• ベクトルストアとしてのAmazon OpenSearch
• コード生成ユースケースのためのAmazon Q
• クロスサービスGenAIアクセスのためのIAMロール
• 複雑なエージェントワークフローオーケストレーションのためのAWS Step Functions

AIP-C01は、主要なクラウド認定資格の中で、GenAI開発に特化した唯一のものです。古典的なMLや「AIサービス」全般ではありません。検索拡張生成アーキテクチャ、モデル評価戦略（HHEM、ROUGE、カスタム評価）、トークンコスト最適化、ハルシネーション軽減、およびマルチエージェントオーケストレーションに関する深い質問が予想されます。

これは真新しい認定資格です。給与データは信頼できる引用をするには不十分です。関連する役割の文脈については、AIF-C01の給与に関する記事を参照してください。

Google Cloud Professional ML Engineer (PMLE)

200米ドル。levels.fyiによると、単一クラウド認定資格の中で最も高給なものの一つであり、その一因は候補者数が少ないことにあります。

対象サービス:

• Vertex AI Workbench (マネージドノートブック)
• Vertex AI Pipelines (マネージドインフラストラクチャ上のKubeflow Pipelines)
• Vertex AI Training (カスタムコンテナ、ハイパーパラメータチューニング)
• Vertex AI Prediction (オンライン + バッチエンドポイント、カスタムサービングコンテナ)
• Vertex AI Model Registry + Model Monitoring
• Vertex AI Feature Store
• Vertex AI Generative AI (Gemini、Model Garden、エージェント)
• Vertex AI Search and Conversation
• BigQuery ML (データベース内ML)
• TensorFlow Extended (TFX) 統合
• セルフマネージドMLのためのGKE上のKubeflow
• MLデータパイプラインのためのDataflow
• オーケストレーションのためのCloud Composer (Airflow)
• AutoML Tables / Vision / NLP

PMLEはAIP-C01よりも広範です。古典的なML、MLOps、そしてGenAIをカバーしており、これらすべてがVertex AIの比較的統一されたサーフェス上にあります。試験はGCP Pro試験と同様にシナリオ重視で、「これらの制約下でコスト、レイテンシー、精度を最もよくバランスさせるソリューションはどれか？」といったアーキテクチャ上のトレードオフに焦点を当てた長いケーススタディが出題されます。

Microsoft — エキスパートレベルの純粋なAI認定資格なし

2026年現在、MicrosoftにはエキスパートレベルのAI認定資格がありません。AI-102がAIラダーの最上位です。AIに触れる最も近いエキスパートレベルの資格は、より広範なアーキテクチャの文脈でAIに関する質問が散見される**Azure Solutions Architect Expert (AZ-305)か、AIセキュリティに間接的に触れるMicrosoft Cybersecurity Architect (SC-100)**です。

もしMicrosoftが2026年か2027年に「AI Architect Expert」認定資格を追加する場合、AI-102とDP-100の専門知識をより戦略的な試験に統合するだろうと予想されます。現時点では、そのような資格は存在しません。

どのPro認定資格を選ぶべきか？

• AWSでのGenAIのみに焦点を当てる: AIP-C01は、その範囲で現在入手可能な最も深い資格です。
• GCPでのGenAIを含むエンドツーエンドのMLエンジニアリング: PMLEはより広範ですが、GCPに特化しています。
• MicrosoftスタックでのシニアAIロール: 試験はありません。代わりにAI-102をAZ-305またはDP-100と組み合わせてください。

Proレベルは、クラウド横断的な比較が最も困難になる領域です。各クラウドは、「プロフェッショナルなAIエンジニア」が何を意味するかについて異なる見解を持っています。

認定資格の更新に関する注意点

AIは急速に変化するため、他のカテゴリの認定資格よりもAI認定資格にとって重要です。

• AWS AI認定資格: 3年間の有効期間。現行バージョンを再受験することで更新します。
• Azure AI認定資格: ロールベース（AI-102、DP-100）は1年間の有効期間ですが、有効期限の6ヶ月前からMicrosoft Learnで監督なしのオンラインアセスメントを通じて無料で更新できます。Fundamentals（AI-900）は有効期限がありません。
• GCP AI認定資格: Foundational/Associateは3年間、Professionalは2年間。再受験することで更新します。

Microsoftの更新モデルは、他のものよりもはるかに友好的です。特にAIにおいては、基盤となるサービス（Azure OpenAI、Bedrock、Vertex AI）が数ヶ月ごとに更新されるため、更新コストが積み重なります。ほぼ同等の2つの資格の間で選択する際には、この点を考慮する価値があります。

役割別のおすすめ

• AI / MLプロダクトマネージャー: GAIL (GCP) または AIF-C01 (AWS) — 戦略レベルの認定資格。両方、または一方を先に、もう一方を後で取得する。
• 製品にAIを追加するバックエンドエンジニア: スタックがMicrosoft寄りならAI-102 (Azure)、クラウド寄りならMLA-C01 + AIF-C01 (AWS)。
• データサイエンティスト: 古典的なMLにはDP-100 (Azure)、より広範なスコープにはPMLE (GCP)。
• シニアMLエンジニア / MLOpsリード: スタックがVertex AIに近いならPMLE (GCP)、それ以外ならMLA-C01 (AWS)。チームがGenAI中心ならAIP-C01 (AWS)を追加。
• AI安全性 / 責任あるAIの仕事: FoundationalレベルではAIF-C01 (AWS)がこれを最もよくカバーしています。上位レベルの認定資格には、責任あるAIを独立したトピックとして深く掘り下げたものはありません。

今週すべきこと

これらのいずれかの学習をすでに進めている場合: 問題を徹底的に練習してください。AIF-C01の問題集、MLA-C01の問題集、AI-102、PMLE、またはCertLabProの他の問題集を閲覧してください。

最初のAI認定資格を選ぶ場合: 雇用主（または目標とする雇用主）がどのクラウドを使用しているかを特定し、そのクラウドのFoundational認定資格を受験してください。そこからAssociate、Proへと進むのは、間違ったクラウドから始めて後でピボットするよりもはるかに速いです。

どのクラウドのAIラダーが「最適」かを判断しようとしている場合: 勝者はいません。各クラウドのカタログは、AIエンジニアリングが何を意味するかについて異なる見解を反映しています。あなたの仕事に合ったものを選んでください。