AWS認定資格 WEB問題集＆徹底解説
会員登録/ログイン

生成AIデベロッパー-プロフェッショナル

正解 C問題

分野2：実装と統合タスクステートメント2.2：モデルデプロイ戦略の実装

1 2 3 4

次の問題前の問題

問題文と選択肢

ある法律事務所向け SaaS ベンダーは、顧客がアップロードした契約書を基盤モデルでレビューし、リスク箇所の要約とコメントを自動生成する機能を提供している。1件あたりの処理時間は文書の分量によって15〜45分ほど変動し、提出件数も時間帯によって1時間あたり3件のときもあれば40件に達するときもあり、予測が難しい。利用者は結果をリアルタイムで待つ必要はなく、処理が完了次第メール通知を受け取れればよい。運用チームは、リクエストが来ない時間帯にも推論用インスタンスの料金が発生し続けることを避けたいと考えている。

この要件を満たす Amazon SageMaker AI の推論オプションはどれか。

Amazon SageMaker AI の Batch Transform を使って、あらかじめ決めたスケジュールで文書をまとめて処理する
Amazon SageMaker AI のサーバーレス推論エンドポイントを使用する
Amazon SageMaker AI の非同期推論（Asynchronous Inference）を使用し、リクエストが無いときはインスタンス数をゼロまでスケールインさせる
Amazon SageMaker AI のリアルタイム推論エンドポイントを常時起動しておく

解説頻出度★★★★★

この問題は、「1 件 15〜45 分の長時間推論 × 予測できないトラフィック × 結果を待たなくてよい × アイドル時に課金したくない」の要件で、リクエストをキューイングし、かつゼロまでスケールインできる非同期推論を選べるかがポイント

A. Amazon SageMaker AI の Batch Transform を使って、あらかじめ決めたスケジュールで文書をまとめて処理する

Batch Transform はあらかじめ集めたデータをまとめて処理するオフラインバッチ用の機能であり、ジョブ実行中だけ課金される点はコスト要件に合う。
しかし本問は文書が不定のタイミングで到着し、件数も予測できない。スケジュール実行にすると、次の実行時刻まで結果が出ず、1 時間に 40 件到着する時間帯には滞留が発生する。
「提出のたびに 1 件ずつ処理し、完了次第通知する」という利用シナリオに対して、バッチのスケジューリングは設計として噛み合わない。

B. Amazon SageMaker AI のサーバーレス推論エンドポイントを使用する

サーバーレス推論はアイドル時に課金されない点だけを見ると魅力的だが、1 リクエストあたりの処理時間の上限が 60 秒である。
本問は 1 件 15〜45 分かかるため、この上限を大幅に超えてタイムアウトする。
加えてサーバーレス推論は GPU をサポートしないので、基盤モデルによる契約書レビューのホストにも向かない。「ゼロスケール」という言葉だけで選ぶと外す。

正解

C. Amazon SageMaker AI の非同期推論（Asynchronous Inference）を使用し、リクエストが無いときはインスタンス数をゼロまでスケールインさせる

正解。非同期推論はリクエストを内部キューに入れて順次処理する方式で、ペイロード最大 1 GB・処理時間最大 60 分に対応するため、15〜45 分の契約書レビューを完走できる。
結果は Amazon S3 に書き出され、完了・失敗を Amazon SNS へ通知できるので、「処理が終わったらメールで知らせる」という要件にそのまま乗る。
さらにオートスケーリングの最小キャパシティを 0 に設定でき、リクエストが無い時間帯はインスタンス料金が発生しない。キューの滞留量（ApproximateBacklogSizePerInstance）でスケールアウトするため、1 時間 3 件から 40 件までの変動にも追従できる。

D. Amazon SageMaker AI のリアルタイム推論エンドポイントを常時起動しておく

リアルタイム推論エンドポイントは常時インスタンスが起動しているため、リクエストが来ない時間帯にも課金が続くという、運用チームが最も避けたい状態そのものである。
加えてリアルタイム推論も 1 リクエストの応答時間は 60 秒が上限で、15〜45 分の処理は完了できない。
低レイテンシが不要な本問では、機能面でもコスト面でも選ぶ理由がない。

これだけ覚える（記憶フック）
長時間 × 待たなくてよい＝非同期推論。サーバーレス推論は 60 秒・GPU 非対応で真っ先に落とす。

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
1 件あたりの処理時間が 15〜45 分と長い	同期系（リアルタイム／サーバーレス）は1 リクエスト 60 秒が上限で完走できない →選択肢（B・D）を消す
利用者は結果を待たず、完了次第メール通知でよい	非同期に受け付けて完了を Amazon SNS で通知できる方式が要件にそのまま合う →選択肢（C）が正解
提出件数が 1 時間 3 件〜40 件で予測できない	到着のたびに受け付けてキューイングし、滞留量に応じてスケールできるかを見る。固定スケジュールのバッチは滞留する →選択肢（A）を消す
リクエストが無い時間帯の料金を発生させたくない	非同期推論は最小インスタンス数を 0 にでき、アイドル課金が消える。常時起動は要件に真っ向から反する →選択肢（D）を消す

ひっかけポイント

選択肢 B の「サーバーレス」はゼロスケール＝コスト要件に合致と読めてしまうが、処理時間 60 秒の上限と GPU 非対応で本問には使えない。コスト条件だけで飛びつかせる典型的な罠
「非同期推論はスケールインできない」と思い込みやすいが、最小キャパシティ 0 のオートスケーリングに対応している。選択肢 C の後半はまさにこの点を明示している
Batch Transform も「実行時のみ課金」でコスト面は悪くないが、到着が読めないワークロードにスケジュール実行を当てると待ち時間が発生する。コストだけでなく到着パターンを読むこと
「メール通知でよい」という一文が非同期でよいことの明示的なヒント。リアルタイム性の要否は、必ず問題文のこうした表現から拾う

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
「処理は数秒で終わるが、リクエストが断続的でアイドル時間が長い」	サーバーレス推論が正解に浮上する（60 秒以内・GPU 不要が条件）。
「毎晩、蓄積した数万件をまとめて処理すればよい」	Batch Transform（または Amazon Bedrock のバッチ推論）が正解軸に。
「チャットの応答として1 秒以内に返す必要がある」	リアルタイム推論エンドポイント＋プロビジョニング済みキャパシティが正解に。
「ペイロードが1 GB を超える／処理に 60 分以上かかる」	非同期推論の上限を超えるため、Batch Transform や Step Functions での分割処理へ設計を変える。
「モデルは Amazon Bedrock の基盤モデルで、インスタンス管理をしたくない」	SageMaker の推論オプションではなく Amazon Bedrock のオンデマンド／バッチ推論が正解軸に。

知識項目	公式ドキュメント
SageMaker の推論オプションの使い分け（処理時間・ペイロード上限）	Inference options in Amazon SageMaker AI
非同期推論（キューイング・最大 60 分・SNS 通知・ゼロスケール）	Asynchronous inference - Amazon SageMaker AI
サーバーレス推論の制約（60 秒・GPU 非対応）	Deploy models with Amazon SageMaker Serverless Inference

AWS認定資格 WEB問題集＆徹底解説
会員登録/ログイン

A. Amazon SageMaker AI の Batch Transform を使って、あらかじめ決めたスケジュールで文書をまとめて処理する

B. Amazon SageMaker AI のサーバーレス推論エンドポイントを使用する

C. Amazon SageMaker AI の非同期推論（Asynchronous Inference）を使用し、リクエストが無いときはインスタンス数をゼロまでスケールインさせる

D. Amazon SageMaker AI のリアルタイム推論エンドポイントを常時起動しておく

次の問題 前の問題

会員機能

お役立ち情報

姉妹サイト

アンケート

サイト情報