AWS Certified Generative AI Developer - Professional
315 perguntas de prática
Última revisão: April 2026
Notas pessoais e links de recursos para sua jornada de estudo
Filtrar por Certificação
A certificação AWS Certified Generative AI Developer Professional (AIP-C01) é uma credencial de nível profissional focada na construção, integração e operação de aplicações de IA generativa de nível de produção na AWS — principalmente no Amazon Bedrock, com SageMaker, Lambda, OpenSearch e Knowledge Bases como serviços de suporte. Ela se destina a desenvolvedores experientes e engenheiros de ML que projetam sistemas de geração aumentada por recuperação (RAG), fluxos de trabalho agenticos e aplicações de modelos de base que utilizam ferramentas. Espere perguntas profundas sobre engenharia de prompts, embeddings, busca vetorial, guardrails, avaliação, otimização de custos e controles de IA responsável. Ao contrário do AIF-C01 fundamental, o AIP-C01 pressupõe que o candidato escreve código e entregou funcionalidades baseadas no Bedrock. O exame é de múltipla escolha e múltipla resposta, sem laboratórios práticos.
Maior domínio, com 31%. Seleção de modelos Bedrock, pipelines de embedding, armazenamentos de vetores (OpenSearch Serverless, Aurora pgvector, Kendra), Knowledge Bases, fine-tuning vs. pré-treinamento contínuo e governança de dados para dados de treinamento de LLM.
Construção de RAG, agentes e aplicações que usam ferramentas. Bedrock Agents, Action Groups, integrações Lambda e orquestração de chamadas LLM de várias etapas. Obstáculo comum: saber quando um Agente vs. uma orquestração personalizada é apropriado.
Bedrock Guardrails, mitigações de injeção de prompt, redação de PII, IAM e KMS para acesso a modelos e padrões de moderação de conteúdo. Perguntas de alta densidade, apesar do modesto peso de 20%.
Controle de custos de inferência (throughput provisionado vs. sob demanda), cache, destilação de modelos, ajuste de latência e escolha de modelos menores quando apropriado. Muitas vezes esquecido: quando usar perfis de inferência entre regiões.
Estruturas de avaliação (avaliação de modelo Bedrock, avaliação humana, LLM-como-juiz), drift, detecção de alucinações e depuração de falhas de recuperação de RAG. Menor domínio (11%), mas penaliza estudo superficial.
Serviços que você encontrará no exame e por que cada um importa.
Serviço totalmente gerenciado que expõe modelos de base da Anthropic, Meta, Mistral, AI21, Cohere, Stability AI e Amazon Titan por meio de uma única API com streaming, processamento em lote e throughput provisionado.
Por que está no exame: O Bedrock é o substrato para todo cenário do Domínio 1 (Integração de Modelos de Base) — seleção de modelos, parâmetros de inferência, throughput provisionado versus sob demanda e tratamento de respostas em streaming.
RAG gerenciado construído sobre documentos do S3 e um vector store plugável (OpenSearch Serverless, Aurora pgvector, Pinecone, MongoDB Atlas, Redis Enterprise) com suporte a chunking, embeddings e citações.
Por que está no exame: O Domínio 2 (Implementação e Integração) testa quando ancorar um modelo em dados privados via RAG em vez de fine-tuning, incluindo estratégia de chunking, escolha de vector store e propagação de citações.
Camada de políticas que filtra conteúdo nocivo, bloqueia tópicos negados, redige PII, aplica verificações de ancoragem contextual e expõe filtros de palavras/tópicos em entradas e saídas.
Por que está no exame: O Domínio 3 (Segurança, Proteção e Governança de IA) é em grande parte um questionário sobre Guardrails — forças de filtro de conteúdo, configuração de tópicos negados, ancoragem contextual e padrões de anonimização de PII.
Camada de orquestração que permite a um modelo de base chamar APIs, consultar bases de conhecimento e encadear ações em várias etapas via uso de ferramentas, com grupos de ação suportados por Lambda e schemas OpenAPI/de função.
Por que está no exame: Cenários do Domínio 2 sobre raciocínio em várias etapas, agentes de chamada de ferramentas e grupos de ação suportados por Lambda nomeiam Agents como o orquestrador nativo da AWS; espere distinções versus inferência pura ou Step Functions.
Fine-tuning e pré-treinamento contínuo de modelos de base em datasets privados do S3, produzindo modelos personalizados implantáveis via Throughput Provisionado.
Por que está no exame: Questões do Domínio 1 testam a árvore de decisão fine-tune vs. RAG vs. prompt-engineering; espere cenários específicos onde o pré-treinamento contínuo ou o fine-tuning de instruções é a resposta correta.
Avaliação de modelo gerenciada, automática e com intervenção humana — métricas integradas (precisão, robustez, toxicidade) além de rubricas personalizadas pontuadas por LLM-como-juiz ou trabalhadores humanos.
Por que está no exame: O Domínio 5 (Testes, Validação e Resolução de Problemas) testa como quantificar regressões de qualidade entre modelos ou variantes de prompt — Bedrock Evaluations é o mecanismo nomeado.
Catálogo de modelos de base e específicos de tarefa pré-treinados com implantação em um clique para endpoints SageMaker, notebooks de transfer learning e marketplace de modelos proprietários.
Por que está no exame: O Domínio 2 distingue "hospedar em endpoint SageMaker" (JumpStart) de "chamar API Bedrock" — as questões testam os tradeoffs de latência, custo e personalização entre os dois.
Assistente de IA generativa empacotado — Q Developer para workflows de codificação em IDE/Console, Q Business para RAG corporativo sobre fontes de dados conectadas, Q no QuickSight para Q&A de BI.
Por que está no exame: O Domínio 2 testa quando consumir o Q (empacotado) versus construir sobre o Bedrock (sob medida); o Q Business aparece especificamente em questões de cenário de RAG corporativo.
OpenSearch Serverless com um tipo de coleção dedicado para busca vetorial — o backend padrão do Bedrock Knowledge Base e o vector store nativo da AWS mais testado.
Por que está no exame: Cenários de RAG do Domínio 1 assumem o OpenSearch Serverless como o vector store padrão — espere questões sobre dimensionamento de OCU, capacidade versus custo e escolhas de índice de vizinhos mais próximos aproximados.
Aurora PostgreSQL com a extensão pgvector, suportado por Bedrock Knowledge Bases como um vector store alternativo com semântica transacional e acesso SQL.
Por que está no exame: Questões de seleção de vector store do Domínio 2 contrastam Aurora pgvector (stack SQL existente, transacional) com OpenSearch Serverless (puramente vetorial, OCU serverless).
Armazenamento de objetos que armazena documentos fonte de Knowledge Base, corpora de treinamento para fine-tuning, datasets de avaliação e logs de invocação de modelo.
Por que está no exame: Todo cenário de gerenciamento de dados do Domínio 1 passa pelo S3 — layout da fonte para chunking, ciclo de vida em documentos brutos e acesso IAM em buckets de KB são tópicos recorrentes do exame.
Computação serverless para grupos de ação do Bedrock Agent, pré-processamento de RAG, formatação de resposta pós-inferência e ingestão acionada por eventos do S3 em Knowledge Bases.
Por que está no exame: Questões de grupo de ação do Domínio 2 testam o contrato Lambda (schema de requisição/resposta) que os Bedrock Agents invocam; o Domínio 4 também testa o Lambda como o "glue" de inferência eficiente em termos de custo.
Orquestrador de workflow serverless com integração nativa do Bedrock InvokeModel, ideal para cadeias de prompt de múltiplas chamadas, avaliações paralelas e loops de aprovação humana.
Por que está no exame: O Domínio 2 distingue Step Functions (orquestração determinística de várias etapas) de Bedrock Agents (chamada de ferramentas orientada por modelo); saber quando cada um é correto é um distrator recorrente.
Gateway HTTP/REST/WebSocket gerenciado para endpoints de inferência suportados pelo Bedrock, com throttling, chaves de API, autorização JWT e escalonamento de plano de uso.
Por que está no exame: Cenários de produção do Domínio 2 testam a exposição externa de endpoints de RAG e de agentes — API Gateway é o ponto de entrada nomeado, pareado com Lambda ou integração direta com Bedrock.
Plataforma de ML usada no AIP-C01 principalmente para hospedar modelos de base JumpStart em endpoints em tempo real/serverless/assíncronos quando a API gerenciada do Bedrock não é a opção adequada.
Por que está no exame: Questões de implantação de endpoint do Domínio 2 testam as escolhas de inferência em tempo real vs. serverless vs. assíncrona no SageMaker; os tradeoffs de custo e cold start versus Bedrock são o pivô típico.
NLP gerenciado com uma API de detecção de PII que retorna extensões e tipos de entidades, além de redação direcionada de PII — utilizável como um filtro pré-Guardrails ou um depurador pós-inferência.
Por que está no exame: Questões de tratamento de PII do Domínio 3 testam defesas em camadas: Comprehend para detecção, Guardrails para bloqueio — saber onde cada um se encaixa no pipeline é material para o exame.
Controle de acesso em toda a conta com funções de serviço, políticas baseadas em identidade e em recurso, e chaves de condição que governam o acesso a modelos Bedrock, execução de Agents e ingestão de KB.
Por que está no exame: O Domínio 3 (Segurança, Proteção e Governança de IA) testa funções de menor privilégio para invocação do Bedrock, grupos de ação de Agents e ingestão de Knowledge Base — o IAM é o mecanismo nomeado em todos os casos.
Chaves de criptografia gerenciadas pelo cliente para dados de personalização de modelos Bedrock, índices vetoriais de Knowledge Base, documentos fonte do S3 e logs de invocação do CloudWatch.
Por que está no exame: Cenários de conformidade do Domínio 3 testam o controle de chaves gerenciadas pelo cliente sobre corpora de fine-tuning e logs de prompt/resposta; concessões do KMS e políticas de chave são a resposta nomeada.
Log de auditoria em toda a conta de cada chamada de API — quem invocou qual modelo Bedrock, quem atualizou Guardrails, quem ingeriu dados em uma Knowledge Base, com captura opcional de eventos de dados para inferência.
Por que está no exame: Cenários de trilha de auditoria do Domínio 3 citam o CloudTrail como o registro imutável necessário para revisões de conformidade e resposta a incidentes em toda a atividade do Bedrock e Agent.
Métricas, logs e alarmes — logs de invocação de modelo Bedrock (prompts e conclusões), rastreamentos de Agent, progresso de ingestão de Knowledge Base e métricas de execução de grupo de ação Lambda.
Por que está no exame: O Domínio 4 (Eficiência Operacional) e o Domínio 5 (Resolução de Problemas) testam o CloudWatch para observabilidade de custo de token, alarmes de latência e rastreamento de invocações falhas de grupo de ação de Agent.
$140k–$195k–$280k USD anual
AIP-C01 é uma credencial mais recente e carece de pesquisas salariais dedicadas. A faixa é derivada da remuneração de engenharia de GenAI/ML adjacente no mercado dos EUA e deve ser tratada como aproximada. Engenheiros GenAI seniores em laboratórios de IA de primeira linha e FAANG frequentemente excedem $400k TC. Funções de "GenAI" de nível inicial podem cair abaixo do limite inferior. Seu retorno variará substancialmente de acordo com o nível da empresa, localização e trabalho entregue demonstrado.
Fonte: levels.fyi 2025–2026 para funções de engenheiro GenAI / ML (adjacentes), U.S. BLS OEWS May 2024 (15-1252 software developers, 15-2051 data scientists). Os valores são aproximados; a compensação real depende da função, região e experiência.
As funções de engenharia de GenAI tornaram-se uma das famílias de empregos que mais crescem entre 2024 e 2026, à medida que a adoção empresarial de Bedrock e LLM passou de protótipos para sistemas de produção. O AIP-C01 é posicionado como um sinal credível de nível profissional de que um candidato pode entregar aplicações baseadas em Bedrock, incluindo RAG, agentes e endpoints de produção protegidos. Recrutadores em empresas focadas em AWS usam-no juntamente com projetos Bedrock demonstrados no GitHub ou trabalho em produção. Ele se combina fortemente com AIF-C01 (fundação), MLA-C01 (abrangência de engenharia) e Solutions Architect Professional (SAP-C02) para credibilidade em múltiplos domínios. A certificação POR SI SÓ NÃO qualifica candidatos para pesquisa de ML, funções de treinamento de modelos de base ou posições de ciência aplicada — essas exigem fundamentos profundos de ML e frequentemente um diploma de pós-graduação.
Não há pré-requisitos formais. A AWS recomenda pelo menos um ano de experiência na construção de aplicações com modelos de base na AWS, além de um ano de experiência mais ampla em engenharia de software. As expectativas práticas incluem familiaridade com Python, integração REST/SDK, bancos de dados vetoriais e pelo menos uma implantação em produção de Bedrock ou SageMaker JumpStart.
O caminho recomendado é AIF-C01 primeiro para absorver o vocabulário de GenAI, depois MLA-C01 (profundidade de engenharia) ou DVA-C02 (fluência de desenvolvedor) antes de abordar o AIP-C01. Candidatos sem exposição prévia à AWS devem esperar uma curva íngreme — muitas perguntas do AIP-C01 pressupõem familiaridade básica com IAM, VPC, Lambda e API Gateway. Um projeto RAG pessoal em funcionamento com Bedrock mais OpenSearch Serverless ou Knowledge Bases é o artefato de preparação mais útil.
O AIP-C01 é classificado como Profissional e é um dos exames AWS de nível associado ou superior mais difíceis porque abrange tanto a engenharia de aplicações LLM quanto a profundidade da plataforma AWS. Planeje 100-160 horas ao longo de 10-14 semanas se você já constrói aplicações GenAI profissionalmente; mais de 200 horas ao longo de mais de 16 semanas se você vem de um background não GenAI. O exame possui 75 questões pontuadas em 180 minutos — múltipla escolha e múltipla resposta, sem laboratórios.
Os obstáculos comuns incluem a amplitude dos recursos do Bedrock (Agents, Action Groups, Guardrails, Knowledge Bases, avaliação de modelos, importação de modelos personalizados, inferência entre regiões), cenários de otimização de custos com nuances envolvendo throughput provisionado e perguntas sutis sobre a qualidade da recuperação de RAG vs. tradeoffs de fine-tuning. O exame também recompensa a familiaridade prática com mitigações de injeção de prompt e vazamento de dados.
Disponibilidade geral inicial da credencial de Desenvolvedor de IA Generativa de nível profissional. Substitui e estende o AIF-C01 fundamental com conteúdo profundo de Bedrock e aplicações LLM. Versão atual a partir de abril de 2026.
AIP-C01 (AWS Certified Generative AI Developer - Professional) é um exame de nível Professional um exame desafiador, com muitos cenários, que exige profunda experiência prática e a capacidade de tomar decisões de trade-off arquitetônicas. A maioria dos candidatos precisa de 150 a 300 horas de estudo distribuídas em 3 a 6 meses para exames de nível profissional e especialista. Esses exames geralmente esperam proficiência anterior em nível associado. A maioria dos candidatos que pontuam consistentemente acima do limite de aprovação em exames práticos é aprovada na primeira tentativa.
A maioria dos candidatos precisa de 150 a 300 horas de estudo distribuídas em 3 a 6 meses para exames de nível profissional e especialista. Esses exames geralmente esperam proficiência anterior em nível associado. O tempo para aprovação varia amplamente de acordo com a experiência prévia. Engenheiros com experiência prática de produção na tecnologia subjacente geralmente precisam de menos tempo; candidatos novos na plataforma devem planejar-se para o limite superior dessa faixa.
AIP-C01 é uma credencial reconhecida no ecossistema AWS e sinaliza conhecimento validado para empregadores, recrutadores e clientes. Se vale a pena o tempo e a taxa para você, depende do seu papel e objetivos — geralmente compensa mais para engenheiros de nuvem, arquitetos e consultores que trabalham com AWS diariamente ou desejam mudar para funções que o fazem.
A pontuação de aprovação para AIP-C01 é 750 / 1000. O exame contém 75 questões e dura 3 h.
A taxa do exame AIP-C01 é $300 USD. As taxas são definidas por AWS e podem variar por região; sempre confirme o preço atual na página oficial de certificação AWS antes de agendar.
As certificações AWS são válidas por 3 anos. Recertifique-se passando na versão atual do mesmo exame, ou passando em um exame de nível superior no mesmo caminho antes do vencimento.
Sim. Você pode fazer o exame online (supervisionado através do navegador seguro do provedor, disponível 24 horas por dia, 7 dias por semana na maioria das regiões) ou em um centro de testes Pearson VUE presencial durante o horário comercial. Ambos os formatos usam as mesmas perguntas, limite de tempo e pontuação de aprovação.
A CertLabPro oferece 15 modos de estudo no banco de questões práticas para AIP-C01. O modo de simulação de exame espelha o exame real: 75 questões em 3 h, com o mesmo limite de aprovação de 750 / 1000. O modo de navegação permite que você leia todas as perguntas e respostas estaticamente.