AWS認定資格 WEB問題集＆徹底解説
AIプラクティショナー
問題文と選択肢
この要件に最も適したアプローチはどれか。
- Amazon Q Developer をIDEに統合して機能を構築する。
- Amazon Kendra を導入し、社内ドキュメントの全文検索機能として構築する。
- Amazon Bedrock のAPIを使って機能を構築する。
- Amazon SageMaker JumpStart のノートブックを使って機能を構築する。
A. Amazon Q Developer をIDEに統合して機能を構築する。
Amazon Q Developer は、IDE でのコード補完やデバッグ、AWS の使い方の質問に答える開発者向けのコーディング支援アシスタントです。
開発の生産性は上がりますが、顧客向けアプリケーションに組み込む基盤モデルの呼び出し口ではありません。
「異なる提供元のテキストモデルと画像モデルを API で呼ぶ」という要件をそもそも満たしません。
B. Amazon Kendra を導入し、社内ドキュメントの全文検索機能として構築する。
Amazon Kendra は、社内ドキュメントを横断して自然文で検索できるインテリジェント検索サービスです。
RAG 構成の「検索」部分を担うことはありますが、テキスト生成や画像生成のモデルを提供するサービスではなく、独自ツールを呼び出すエージェント機能も持ちません。
本要件の中心である「複数提供元のモデル呼び出し」に応えられません。
C. Amazon Bedrock のAPIを使って機能を構築する。
Amazon Bedrock は、複数の提供元（Amazon、Anthropic、Meta、Stability AI など）のテキストモデルと画像モデルを、単一のマネージド API で呼び分けられるサービスです。
インフラのプロビジョニングが不要なサーバーレス型で、モデルを差し替えても呼び出し方の枠組みは変わりません。
さらに Bedrock のエージェント機能を使えば、アクショングループ経由で保証状況の確認 API や修理員手配システムなど社内独自のツールをモデルから呼び出せるため、将来計画まで含めて要件を満たす唯一の選択肢です。
D. Amazon SageMaker JumpStart のノートブックを使って機能を構築する。
Amazon SageMaker JumpStart でも複数の提供元の基盤モデルを利用できますが、自分でエンドポイントにデプロイし、インスタンスタイプや台数を管理する使い方が基本です。
ノートブックでの実験・カスタマイズには向く一方、「呼ぶだけで使えるマネージド API」という要件からは運用負荷が大きく外れます。
独自ツールを呼び出すエージェントの仕組みも自前で実装する必要があります。
複数ベンダーの基盤モデルを 1 つの API で＝Amazon Bedrock。エージェントも Bedrock の標準機能。
正解への思考ルート
問題文から要件を抽出し、選択肢の適否を判断するのがポイントです。| 要件 | 判断ポイント |
|---|---|
| 異なる提供元のテキストモデルと画像モデルを使いたい | 複数ベンダーの基盤モデルを 1 か所で提供するのは Amazon Bedrock。検索サービスやコーディング支援は該当しない →選択肢（A・B）を消す |
| AWS のマネージド API 経由で呼び出せること | エンドポイントのデプロイやインスタンス管理が必要な方式は「マネージド API」の要件から外れる →選択肢（D）を消す |
| 将来、社内独自のツールを使うエージェントを追加したい | Bedrock のエージェントはアクショングループで自社 API / Lambda を呼び出せる →選択肢（C）が正解 |
| 用途は「顧客向け」の生成 AI 機能 | 社内開発者の生産性向上ツールと、顧客向けアプリに組み込む基盤を取り違えない →選択肢（A）を消す／選択肢（C）が正解 |
ひっかけポイント
- Amazon Q Developer は「生成 AI」というだけで選びたくなるが、対象は開発者のコーディング作業。顧客向け機能の実行基盤ではない
- Amazon Kendra は RAG の文脈でよく併記されるため紛らわしいが、担当するのは検索であって生成ではない
- SageMaker JumpStart も基盤モデルを扱えるため半分正しく見える。分岐点は「エンドポイント管理が要るか（JumpStart）／API を呼ぶだけか（Bedrock）」
- 「将来的にエージェントを追加」という一文を読み飛ばさない。エージェント機能まで標準で備えるのは Bedrockで、ここが決定打になる
出題バリエーション
同じ知識が本番では条件を変えて出題されます。| 問題文がこう変わったら | 正解はこう変わる |
|---|---|
| 「モデルを自分でファインチューニングし、学習ジョブやハイパーパラメータを細かく制御したい」 | Amazon SageMaker AI（JumpStart 含む）が正解軸に移る。 |
| 「社内文書を検索して回答の根拠にする仕組みだけが欲しい」 | Amazon Kendra や Bedrock のナレッジベース（RAG）が正解に浮上する。 |
| 「開発チームの生産性を上げたい（コード補完・脆弱性スキャン）」 | Amazon Q Developer が正解に入れ替わる。 |
| 「モデルの有害な出力や機微情報をブロックしたい」 | Amazon Bedrock Guardrails が正解軸に。 |
この要件に最も適したアプローチはどれか。
- Amazon Q Developer をIDEに統合して機能を構築する。
- Amazon Kendra を導入し、社内ドキュメントの全文検索機能として構築する。
- Amazon Bedrock のAPIを使って機能を構築する。
- Amazon SageMaker JumpStart のノートブックを使って機能を構築する。