Google Cloud Generative AI Leader
225問の練習問題
最終確認：April 2026
学習のための個人ノートとリソースリンク
認定でフィルター
Google Cloud Generative AI Leader (GAIL) は、2024年にGoogleが導入した基礎的な非技術系資格です。生成AIの概念、Google Cloudの生成AIサービス、およびそれらを導入する際に企業が直面する戦略的課題に関する理解を検証します。プロダクトマネージャー、ビジネスリーダー、セールスエンジニア、コンサルタントなど、コードを書いたりノートブックを実行したりすることなく、Gemini、Vertex AI、エージェント、RAG、責任あるAIについて信頼性のある話をする必要がある人々を対象としています。質問のスタイルは概念的でシナリオベースです — ビジネス成果に応じた適切なGoogle Cloud GenAIツールを選ぶこと、モデルにグラウンディングやファインチューニングが必要な時期を認識すること、ガバナンスのトレードオフを理解することなどが問われます。対象者と難易度はAWS AI Practitioner (AIF-C01) とほぼ同等です。
密度で重み付けされた最大のドメイン。基盤モデル、概念レベルでのトランスフォーマー、エンベディング、モダリティ（テキスト／画像／マルチモーダル）、プロンプトエンジニアリング、ハルシネーション、グラウンディング。試験の約30%を占めます。
35%を占める最大のドメイン。Geminiファミリー（Pro、Flash、Ultra）の製品レベル、Vertex AI Studio、Vertex AI Agent Builder、Model Garden、Imagen、Veo、Codey、Google Workspace向けGemini。製品マッピングのシナリオが期待されます。
プロンプトエンジニアリングのパターン、検索拡張生成（RAG）、Vertex AI Searchによるグラウンディング、ファインチューニングとプロンプティングのトレードオフ、評価指標。20% — シナリオ駆動型が非常に多い。
15%で最小のドメインですが、最も密度の高い「トレードオフ」に関する質問が含まれます：ビルド vs. バイ、責任あるAIフレームワーク、コストに関する考慮事項、変更管理、GenAIのROI測定。
試験で出会うサービスと、それぞれが重要な理由。
Google Cloud の統合 ML プラットフォームで、トレーニング、チューニング、デプロイ、サービングを網羅し、GAIL でテストされる他の Vertex AI 機能の包括的な基盤となります。
試験に出題される理由： Vertex AI はドメイン 2 (Google Cloud の生成 AI オファリング) の入り口であり、コンシューマー向け Gemini 製品との使い分けに関する質問が予想されます。
Google のファーストパーティモデル (Gemini, Imagen, Veo)、パートナーモデル (Claude, Llama, Mistral)、およびオープンソースモデルをワンクリックでデプロイできるキュレーションされたカタログです。
試験に出題される理由： ドメイン 2 ではプロバイダー横断でのモデル選定がテストされ、Model Garden は「Google Cloud で基盤モデルを評価し選択する方法」に対する規範的な解答となります。
Google の Gemini ファミリー (Pro, Flash, Ultra) 向けのマルチモーダル入力、長文コンテキスト、関数呼び出し、およびグラウンディング機能を備えた本番用 API サーフェスです。
試験に出題される理由： Gemini API はドメイン 1～3 全体で最も比重の高いシナリオサービスであり、モデルバリアント、コンテキストウィンドウ、およびマルチモーダル機能が繰り返し問われる質問です。
LLM とツール、検索、およびエンタープライズデータソースを組み合わせた、会話型およびタスク指向型 AI エージェントを構築するためのローコードプラットフォームです。
試験に出題される理由： エージェントパターンはドメイン 2 およびドメイン 4 (ビジネス戦略) に登場し、Agent Builder はカスタムオーケストレーションなしでエージェントを出荷するための指定された解答です。
Google のセマンティック検索に基づいて構築されたマネージドエンタープライズ検索で、ドキュメント、ウェブサイト、構造化データから根拠のある回答を返します。
試験に出題される理由： ドメイン 3 (モデル出力を改善するテクニック) ではグラウンディングパターンがテストされ、Vertex AI Search は「検索としての情報取得」RAG フローに対する規範的な解答です。
Gemini のグラウンディングのために、チャンク分割、埋め込み、ベクトルストレージ、および検索オーケストレーションを処理するマネージド検索拡張生成パイプラインです。
試験に出題される理由： ドメイン 3 はハルシネーションを減らすためのグラウンディングを重視しており、「パイプラインを手作業で構築せずに RAG を実装する」という問題が出た場合の Google Cloud ネイティブな解答が RAG Engine です。
プロンプティング、モデル比較、チューニング、およびコードエクスポートのためのウェブベースのプレイグラウンドで、Gemini および Imagen ワークフローのプロトタイピングの最初のステップです。
試験に出題される理由： ドメイン 3 のプロンプトエンジニアリングに関する質問は、プロンプト、システム指示、および少数ショットの例を反復するサーフェスとして Studio を参照します。
Vertex AI を通じて、編集、インペインティング、アップスケーリング、およびブランドセーフな生成機能を備えた Google のテキストから画像への基盤モデルファミリーです。
試験に出題される理由： ドメイン 2 ではマルチモーダル生成が扱われ、Imagen は試験における画像生成ユースケースに対する規範的な Google の解答です。
バージョン管理された実行、リネージ、およびキャッシュを備え、Kubeflow Pipelines / TFX SDKs 上の ML ワークフローのためのマネージドオーケストレーターです。
試験に出題される理由： ドメイン 4 (ビジネス戦略) では GenAI の運用化が扱われ、Pipelines は再現可能なチューニングおよび評価実行のための指定されたサービスです。
バージョン管理、エイリアス、評価指標、およびエンドポイントへのワンクリックデプロイを備えた ML モデル用の中央レジストリです。
試験に出題される理由： ドメイン 4 のモデルガバナンスのシナリオでは、「どのモデルが本番環境にあり、誰が承認したか」の監査証跡ソースとしてレジストリが引用されます。
オンライン (低レイテンシ) およびオフラインサービング、BigQuery 統合、および時点での正確性を備えた ML 特徴量のためのマネージドストアです。
試験に出題される理由： ドメイン 4 では、チーム間で特徴量を共有し、本番環境の GenAI 拡張パイプラインにおけるトレーニング/サービングスキューを回避する方法として Feature Store が参照されます。
Vertex AI SDK、BigQuery 統合、および ML 反復のための GPU/TPU アクセラレーションが事前設定されたマネージド JupyterLab ノートブックです。
試験に出題される理由： Workbench は、Studio 外での Gemini SDK を用いた実践的な作業やプロンプト実験のための、ドメイン 2 における指定された開発サーフェスです。
Google の ScaNN 上に構築された、数十億規模の類似性検索のためのマネージドな近似最近傍ベクトルデータベース (旧称 Matching Engine) です。
試験に出題される理由： ドメイン 3 のグラウンディングシナリオでは、Vertex AI Search (マネージド RAG) と Vector Search (BYO 埋め込み) を区別しており、その境界を理解することが繰り返し出題される試験問題です。
請求書、契約書、フォーム、および本人確認書類から構造化データを抽出するための、事前学習済みでカスタマイズ可能なドキュメント理解サービスです。
試験に出題される理由： ドメイン 2 は、Gemini に渡す前の「構造化データを抽出する」ための事前構築済みオプションとして Document AI を参照しており、これはカスタム Vertex AI トレーニングとは対照的です。
Google の Translation API を介して、適応型翻訳チューニングとドキュメント形式の保持機能を備えた 100 以上の言語に対応するニューラル機械翻訳です。
試験に出題される理由： ドメイン 2 は、多言語 GenAI アプリケーション向けに Gemini と組み合わせるための事前構築済みサービスとして Translation API を参照します。
カスタム音声、Chirp 基盤モデル、および SSML サポートを備えた Google Cloud の事前学習済み ASR (Speech-to-Text) および TTS (Text-to-Speech) API です。
試験に出題される理由： ドメイン 2 のマルチモーダルシナリオでは、カスタム音声モデルをトレーニングすることなく音声駆動型 GenAI アプリケーションを構築するために、Gemini とこれらの Speech API を組み合わせます。
Google Cloud のアカウント全体のアクセス制御であり、Vertex AI のトレーニング、チューニング、デプロイ、および推論のための事前定義ロールとカスタムロールを提供します。
試験に出題される理由： ドメイン 4 (Gen AI のビジネス戦略) では、Gemini を呼び出せるユーザーとチューニング済みモデルを公開できるユーザーを制限するための最小権限パターンがテストされます。
トレーニングデータ、チューニング済みモデル、および埋め込み用の CMEK (顧客管理の暗号鍵) を含む、暗号鍵のマネージドな作成と制御です。
試験に出題される理由： Vertex AI アーティファクトに対する CMEK は、エンタープライズのコンプライアンス要件の下でモデル IP および機密性の高いトレーニングコーパスを保護するための、ドメイン 4 の解答です。
デプロイされた Vertex AI エンドポイントにおける特徴量スキュー、予測ドリフト、およびデータ品質問題の継続的な検出を、アラートとダッシュボードとともに提供します。
試験に出題される理由： ドメイン 4 の責任ある AI に関する質問では、ハルシネーションやバイアス回帰を引き起こす前に本番環境のドリフトを捕捉するためのサービスとして Model Monitoring が引用されます。
Vertex AI リクエストログ、トークン使用量、およびエンドポイントレイテンシを含む、ログ、メトリクス、およびトレースを収集するための Google Cloud の運用スイートです。
試験に出題される理由： ドメイン 4 の運用シナリオでは、GenAI ワークロードのコスト帰属、クォータ管理、およびインシデント対応のために Cloud Logging + Monitoring が参照されます。
$95k–$145k–$215k USD 年収
この範囲は、Google Cloud GenAIの知識が採用要件となる米国を拠点とするAI関連ビジネス職を対象としています。Google自体、FAANG、および資金豊富なGenAIスタートアップでは、シニアTCを25万ドル以上に押し上げています。この認定はスクリーニングシグナルとして機能し、実証された製品またはプリセールスの経験を補完するものであり、それ自体でこれらの給与を保証するものではありません。
出典: levels.fyi 2025–2026 (Google L4–L6 非エンジニアリングAI職、パートナーソリューションコンサルタント), U.S. BLS OEWS May 2024 (13-1111 経営分析アナリスト, 11-9041 建築・エンジニアリングマネージャー, 41-9031 セールスエンジニア)。数値は概算であり、実際の報酬は職務、地域、経験によって異なります。
Google Cloud中心のスタックにおけるGenAIの採用は、企業のGeminiおよびVertex AIの導入がパイロット段階から本番運用に移行するにつれて、2024年から2026年にかけて加速しました。GAILは、深いMLコーディングが不要な役割においてスクリーニングシグナルとして機能します。採用担当者は、Geminiファミリーの選択、RAGアーキテクチャ、エージェントパターン、責任あるAIのトレードオフについて信頼性をもって話せる候補者を選別するためにこれを使用します。需要は、Google Cloudパートナー、システムインテグレーター、Vertex AI上で構築するエンタープライズソフトウェアベンダーで最も高くなっています。基礎的な資格であるため、それ自体でMLエンジニアリングの役割の候補者を認定するものではありません。これらの役割には、Professional Machine Learning Engineer (PMLE) がより強力なシグナルとなります。
正式な前提条件はありません。Googleは、基本的なビジネスまたは技術戦略のバックグラウンドと、クラウドコンピューティングに関する基本的な知識を推奨していますが、この試験は、Google Cloud Skills Boostの公式Generative AI Leader学習パス（約8～12時間）を完了した人なら誰でも本当に取り組みやすいものです。
Google Cloudのバックグラウンドが全くない場合は、最初にCloud Digital Leader (CDL) を完了しておくと役立ちますが、必須ではありません — GAILの質問の多くは、Google Cloudサービス分類と共有責任モデルに関する基本的な知識を前提としています。すでにAWS AI PractitionerまたはAzure AI Fundamentalsの資格を持っている場合、ほとんどの生成AIの概念は直接適用可能です。主に、Googleの製品名（Gemini、Vertex AI Studio、Agent Builder、Model Garden）とGoogleの責任あるAIフレームワークを再学習する必要があります。
GAILは基礎的で取り組みやすいものです。AIまたはクラウドの事前知識がない場合は、3～4週間で20～35時間の学習を、すでにGenAI関連の基礎資格を持っている場合は、1～2週間で8～15時間の学習を計画してください。試験は90分間で50～60問の多肢選択式／複数選択式の問題で構成され、Pearson VUEを通じて提供されます（Googleは2026年初頭にKryterion / Webassessorから移行しました）。
最も一般的なつまずきは、Google GenAI製品の表面の広さです — Geminiのバリアント、Vertex AI Studio vs. Vertex AI Agent Builder vs. Model Garden、Imagen vs. Veo、さらにWorkspace側のGemini統合などです。多くの質問では、2つのもっともらしい回答が提示され、最もGoogleらしい選択肢に報酬が与えられます。Googleは数値スコアを公表せず、合否のみを通知します。この認定は3年間有効で、再認定には現行の試験バージョンを再受験する必要があります（別途再認定試験はありません）。
初回一般提供。ベータ版試験は2024年半ばに割引価格で実施されました。Google Cloud認定トラックにおいて、初期のWorkspace認定以来、初めての新規資格です。2026年4月現在の現行バージョンです。
GAIL (Google Cloud Generative AI Leader) は、概念的理解の広範さよりも実践的な深さを問う、エントリーレベルの試験と見なされます Foundationalレベルの試験です。ほとんどの受験者は、基礎レベルの試験に3〜6週間かけて30〜80時間の学習を必要とします。 練習試験で合格基準を安定して上回るスコアを獲得している受験者のほとんどは、初回で合格しています。
ほとんどの受験者は、基礎レベルの試験に3〜6週間かけて30〜80時間の学習を必要とします。 合格までの時間は、これまでの経験によって大きく異なります。基礎となるテクノロジーでの実践的な本番経験を持つエンジニアは通常、より少ない時間で済みますが、プラットフォームに初めて触れる受験者は、この範囲の上限を目安に計画を立てる必要があります。
GAILは、GCPエコシステムで認められた資格であり、雇用主、リクルーター、クライアントに検証済みの知識を示します。あなたにとって時間と費用をかける価値があるかどうかは、あなたの役割と目標によります。通常、GCPを日常的に扱っている、またはそのような役割に就きたいと考えているクラウドエンジニア、アーキテクト、コンサルタントにとって最も報われる傾向があります。
GAILの合格点は未公開です。試験には50問の問題が含まれており、所要時間は1 時間 30 分です。
GAIL試験の受験料は$99 USDです。受験料はGCPによって設定されており、地域によって異なる場合があります。予約する前に、常にGCPの公式認定ページで現在の価格を確認してください。
Google Cloud基礎およびアソシエイト認定は3年間有効です。試験の現在のバージョンを再受験することで再認定されます。
はい。試験はオンライン（プロバイダーのセキュアブラウザを介して監督され、ほとんどの地域で24時間年中無休で利用可能）または営業時間内のピアソンVUE試験センターで対面で受験できます。どちらの形式も同じ問題、時間制限、合格点を使用します。
CertLabProでは、GAILの練習問題バンクで15の学習モードを提供しています。試験シミュレーションモードは、実際の試験を反映しており、1 時間 30 分で50問、合格基準は未公開と同じです。ブラウズモードでは、すべてのQ&Aを静的に読むことができます。