AIF-C01試験に出題されるすべてのAWSサービスと、その出題理由

AIF-C01試験は、驚くほど幅広いAWSサービスをカバーしています。その中には、Amazon BedrockやAmazon SageMakerのように、明らかに主役となるものもあります。一方、Amazon Macie、AWS KMS、Amazon CloudWatchなどは、セキュリティやガバナンスの要件に適したツールを知っているかどうかが正解の分かれ目となるような、シナリオ問題で出題されます。生成AI（generative-AI）サービスだけを覚えて試験に臨むと、貴重な得点源を失うことになります。

このガイドでは、AIF-C01試験に出題されるすべてのAWSサービスを網羅し、それぞれが何を行うのかを平易な日本語で説明し、どの試験ドメイン（Domain）に属しているかを示します。試験での出題のされ方に合わせて、まずコアとなる生成AIサービス、次に特定の用途に特化した事前構築済みAIサービス、そして最後にセキュリティ、ガバナンス、サポートインフラストラクチャの順にグループ分けしています。

Core generative-AI services

これらは、学習時間の大部分を費やすべきサービスです。試験の大部分を占めるDomain 2、Domain 3、Domain 4にわたって出題されます。

Amazon Bedrock

Amazon Bedrockは、AIF-C01試験の核心です。Anthropic（Claude）、Meta（Llama）、Mistral、AI21、Cohere、Stability AI、そしてAmazon独自のTitanファミリーといった基礎モデル（foundation models）にAPI経由でアクセスできる、完全マネージド型のサービスです。インフラを管理する必要はなく、モデルのトレーニングも不要です。プロンプト（prompts）を送信して応答（responses）を受け取るだけです。

試験のポイント: Domain 3（Applications of Foundation Models）は、Amazon Bedrockに大きく依存しています。モデルの選択（Claude、Titan、Llamaをいつ選ぶべきか）、推論パラメータ（temperature、top-p、max tokens）、そしてAmazon SageMakerでのセルフホストと比較して、いつAmazon Bedrockが最適な選択肢となるかについてのシナリオ問題が想定されます。

Amazon Bedrock Knowledge Bases

これは、AWSが提供するマネージドなRAG（retrieval-augmented generation）ソリューションです。Amazon S3のドキュメントを指定すると、サービスがそれをチャンク（chunks）に分割し、埋め込み（embeddings）を生成してベクトルデータベースに保存します。そして、基礎モデルが回答を生成する前に、関連する箇所を検索・取得します。引用元の追跡（citation tracking）も自動的に処理されます。

試験のポイント: RAGは、「ファインチューニングを行うことなく、独自のプライベートデータに基づいて基礎モデルをグラウンディングさせるにはどうすればよいか」という問いに対する模範解答です。試験ではこのシナリオが何度も登場します。RAGとファインチューニング（fine-tuning）の違いを必ず理解しておいてください。試験で明示的に問われます。

Amazon Bedrock Guardrails

Amazon Bedrock Guardrailsは、ユーザーとモデルの間に位置するポリシーレイヤーです。有害なコンテンツのフィルタリング、定義した特定のトピックのブロック、入力および出力からのPIIのマスキング（redact）、ハルシネーション（hallucinations）を減らすための応答のグラウンディング（根拠付け）を行うことができます。宣言的に設定するため、カスタムコードは不要です。

試験のポイント: Domain 4（Guidelines for Responsible AI）では、モデルが安全でないコンテンツやハルシネーションを生成するのを防ぐ方法が問われます。Amazon Bedrock Guardrailsは、AWSにおけるその回答となります。提供される4つの保護タイプ（コンテンツフィルター、拒否されたトピック、PIIマスキング、グラウンディングチェック）を理解してください。

Amazon Bedrock Agents

Amazon Bedrock Agentsは、基礎モデルにアクションを実行する能力を与えます。APIの呼び出し、ナレッジベース（knowledge bases）へのクエリ、複数ステップのワークフローの実行などです。「アクショングループ」（action groups）を定義してモデルが使用できるツールを記述すると、Amazon Bedrock Agentsがオーケストレーションループ（思考 → 行動 → 観察 → 応答）を処理します。

試験のポイント: Domain 3には「AIオーケストレーション」のシナリオが含まれます。試験では、Amazon Bedrock Agents（複数ステップ、ツールの使用）と、通常のAmazon Bedrock推論（単一のプロンプト → 単一の応答）が区別されます。注文状況を検索し、データベースを変更し、応答する必要があるチャットボットが説明されている場合、答えはAmazon Bedrock Agentsです。

Amazon Q

Amazon Qは、AWSが提供するパッケージ化されたAIアシスタント製品です。Amazon Q Developerは、IDEやAWSコンソール内に常駐し、コーディング、デバッグ、インフラに関する質問を支援します。Amazon Q Businessは、社内のQ&Aに対応するために、企業データソース（SharePoint、Confluence、Salesforce）に接続します。

試験のポイント: AIF-C01では、Amazon Qを「何も開発したくない場合に使用する」選択肢として導入しています。問題では、どのような場合にAmazon Q（事前構築済み、あらかじめ定義された動作）を選び、どのような場合にAmazon Bedrock（カスタマイズ可能、自作向け）を選ぶべきかがテストされます。

Amazon SageMaker

Amazon SageMakerは、ノートブック、トレーニングジョブ、ハイパーパラメータチューニング、マネージド推論エンドポイント、MLOpsパイプラインなどを含む、包括的な機械学習（ML）プラットフォームです。事前トレーニング済みのモデルを呼び出すだけでなく、カスタムモデルを構築してトレーニングする場合に使用するサービスです。

試験のポイント: Domain 2 (Fundamentals of AI and ML) では、MLライフサイクル全体に関連してAmazon SageMakerが参照されます。試験では、トレーニング（Amazon SageMaker）、推論ホスティング（Amazon SageMakerエンドポイント）、およびAPIベースのモデルアクセス（Amazon Bedrock）の違いを理解しているかどうかが問われます。

Amazon SageMaker JumpStart

Amazon SageMaker JumpStartは、Amazon SageMaker内にあるモデルカタログです。ワンクリックでデプロイできる事前トレーニング済みの基礎モデルやタスク固有のモデル、およびファインチューニング用のノートブックを提供します。独自のAWSアカウントにデプロイできる、MLモデルの「App Store」のようなものと考えてください。

試験のポイント: 試験では、モデルを使用する3つの方法が区別されます。(1) Amazon Bedrockを介してホストされたAPIを呼び出す、(2) Amazon SageMaker JumpStartから事前トレーニング済みモデルを独自のエンドポイントにデプロイする、(3) Amazon SageMakerでゼロからトレーニングする。Amazon SageMaker JumpStartはオプション2にあたります。

Amazon SageMaker Clarify

Amazon SageMaker Clarifyは、バイアス検出（bias detection）およびモデルの説明性（explainability）ツールです。SHAP特徴量属性（どの入力特徴量がこの予測に影響を与えたか）を計算し、人口統計グループ全体でのトレーニング前後のバイアスを測定します。表形式のモデル（tabular models）と基礎モデルの出力の両方に対応しています。

試験のポイント: Domain 4（Responsible AI）では、バイアス検出と説明性がテストされます。「モデルが特定のデモグラフィックグループに対してバイアスを持っているかどうかを検出するにはどうすればよいか」という問いに対しては、Amazon SageMaker Clarifyが答えになります。

Specialized pre-built AI services

これらのサービスは、モデルのトレーニングや管理を必要とせずに、特定のAIタスクを解決します。試験では、与えられたユースケースに対して適切なサービスを選択する能力がテストされます。

Amazon Comprehend

マネージドな自然言語処理（NLP）サービスです。感情分析（sentiment analysis）、エンティティ認識（entity recognition）、キーフレーズ抽出、言語検出、およびPII識別を行います。トレーニングは不要で、テキストを送信するだけで構造化された結果が得られます。

試験のポイント: 「顧客フィードバックの感情分析を行いたい」 → Amazon Comprehend。「ドキュメント群からPIIを見つけたい」 → Amazon Comprehend（またはS3スキャンにはAmazon Macie）。それぞれの役割の境界線を理解してください。

Amazon Rekognition

コンピュータビジョン（computer vision）サービスです。ラベル検出、顔分析、コンテンツモデレーション、有名人認識、ビデオアクティビティ検出を行います。画像またはビデオを入力すると、構造化されたラベルが出力されます。

試験のポイント: 「画像があるが、MLチームがない」 → Amazon Rekognition。また、試験では責任あるAI（responsible-AI）のシナリオにおいて、Amazon Rekognitionのコンテンツモデレーション機能もよく使用されます。

Amazon Textract

ドキュメント理解サービスです。PDFやスキャン画像から、テキスト、キーと値のペア、表、フォームフィールドを抽出します。単なるOCRを超えて、ドキュメントの構造を理解します。

試験のポイント: 「請求書、領収書、フォームからデータを抽出する」 → Amazon Textract。試験では、Amazon Textract（構造化ドキュメント抽出）とAmazon Rekognition DetectText（写真に対する一般的なOCR）の違いが特に出題されます。

Amazon Transcribe

話者識別、カスタム語彙、リアルタイムストリーミング、および医療やコールセンターのオーディオに特化したバリアントを備えた、音声認識（Speech-to-text）サービスです。

試験のポイント: パイプラインに関する問題において、Amazon Comprehendと組み合わせて使用されます。「コールセンターの録音を書き起こし、その感情を分析する」 → Amazon Transcribe + Amazon Comprehend。

Amazon Polly

数十の言語に対応した、ニューラルおよび生成的な音声による音声合成（Text-to-speech）サービスです。発音、ペース、強調を細かく制御するためのSSMLをサポートしています。

試験のポイント: 「テキストを音声に変換する」 → Amazon Polly。試験では、事前構築済みのPollyで十分なケースと、Amazon SageMakerでカスタム音声モデルが必要となるケースの違いがテストされます。

Amazon Translate

75以上の言語に対応したニューラル機械翻訳サービスであり、ドキュメント固有の表現に対応するカスタム用語集をサポートしています。

試験のポイント: シンプルです。「モデルをトレーニングすることなく、コンテンツを複数の言語に翻訳する」 → Amazon Translate。

Amazon Lex

インテント（intents）、スロット（slots）、およびAmazon Pollyを介した音声出力を備えたチャットボットを構築するための対話型AI（Conversational AI）です。Alexaのようなインタラクションを実現します。

試験のポイント: Amazon Lexは、事前構築済みのチャットボットフレームワークです。試験ではAmazon Bedrock Agentsと比較されます。Lexはインテントに基づく構造化された会話に使用され、Agentsはツールを使用するオープンエンドなAIアシスタントに使用されます。

Amazon Kendra

ドキュメント、SharePoint、Confluence、データベースにわたる、ML駆動のエンタープライズ検索サービスです。キーワードマッチングだけでなく、自然言語によるクエリを理解します。

試験のポイント: Amazon Kendraは、Amazon Bedrock Knowledge Basesの「検索のみ（retrieval-only）」の代替手段として登場します。「検索のみで、生成は不要」という場合はAmazon Kendra。「検索して回答を合成・要約する」という場合はAmazon Bedrock Knowledge Basesを選択します。

Security, governance, and supporting infrastructure

これらのサービスはAI専用ではありませんが、Domain 5（Security, Compliance, and Governance）の問題で登場します。AIワークロードをどのように保護し、監視するかについての知識がテストされます。

AWS IAM

すべてのAWSサービス呼び出しに対するユーザー、ロール、ポリシー、フェデレーション、および最小権限（least-privilege）の管理です。AI専用ではありませんが、試験ではAI固有のIAMパターンがテストされます。

試験のポイント: 「開発者がAmazon Bedrockで呼び出せるモデルを制限するにはどうすればよいか」 → IAMポリシー。「Amazon SageMakerノートブックがS3内のトレーニングデータにアクセスするにはどうすればよいか」 → IAMロール。最小権限（least-privilege）が繰り返しテーマとなります。

AWS KMS

トレーニングデータセット、モデルアーティファクト、推論ログなどの静止データ（data at rest）を暗号化するための、管理された暗号化キーです。

試験のポイント: 「カスタマー管理キーを使用して、保存されているモデルの重みを暗号化するにはどうすればよいか」 → AWS KMS。これはコンプライアンスに焦点を当てた問題で出題されます。

Amazon Macie

MLを使用してS3バケット内のPII、認証情報、財務データを検出する、機密データ検出サービスです。

試験のポイント: 「RAGパイプラインにドキュメントを取り込む前に、ソースデータ内のPIIをチェックするにはどうすればよいか」 → Amazon MacieでS3バケットをスキャンします（Amazon Bedrock Guardrailsは推論時にフィルターします）。試験では両方のレイヤーがテストされます。

Amazon CloudWatch

すべてのAWSサービスにおけるメトリクス、ログ、およびアラームです。AIワークロードにおいては、Amazon Bedrockの呼び出しログ、Amazon SageMakerエンドポイントのレイテンシ、モデルモニターのドリフトアラートなどが対象となります。

試験のポイント: 「本番環境でモデルのパフォーマンスを監視するにはどうすればよいか」 → Amazon CloudWatchのメトリクスとアラーム。「Amazon Bedrockにどのプロンプトが送信されたかを監査するにはどうすればよいか」 → Amazon Bedrockの呼び出しログを有効にした上で、Amazon CloudWatch Logsを確認します。

How to study this

各サービスのすべての機能を暗記しようとしないでください。試験ではパターン認識がテストされます。特定のシナリオが与えられたとき、どのサービスがそれを解決するかということです。以下がその思考モデルです。

• 「API経由で基礎モデルを呼び出したい」 → Amazon Bedrock
• 「独自のプライベートデータに基づいてモデルをグラウンディングさせたい」 → Amazon Bedrock Knowledge Bases (RAG)
• 「モデルにアクションを実行させたい」 → Amazon Bedrock Agents
• 「モデルの出力に安全性のルールを適用したい」 → Amazon Bedrock Guardrails
• 「何も開発せず、AIをそのまま利用したい」 → Amazon Q
• 「カスタムモデルをトレーニングする必要がある」 → Amazon SageMaker
• 「自分でデプロイできる事前トレーニング済みモデルが必要」 → Amazon SageMaker JumpStart
• 「モデルのバイアスをチェックする必要がある」 → Amazon SageMaker Clarify
• 「[テキストを分析する / 画像を見る / ドキュメントからデータを抽出する / 音声を書き起こす / 音声を合成する / 翻訳する / チャットボットを構築する / ドキュメントを検索する]必要がある」 → 対応する専用サービス
• 「セキュリティ対策 / 暗号化 / スキャン / 監視を行う必要がある」 → AWS IAM / AWS KMS / Amazon Macie / Amazon CloudWatch

このフレームワークを意識して練習問題を解いていけば、サービス選択に関するほとんどの問題に30秒以内に答えられるようになるはずです。

Source: AWS AI Practitioner (AIF-C01) exam guide v1.1 (2024-08), AWS documentation as of May 2026.