AWS認定資格 WEB問題集＆徹底解説生成AIデベロッパー プロフェッショナル（AIP）
AIP-C01 は、試験時間 180 分で 75 問に答え、1,000 点満点中 750 点以上で合格です。配点が最も大きい分野は「基盤モデルの統合、データ管理、コンプライアンス」（31%）です。当サイトには 450 問を収録しています（分野ごとの問題数は下の表のとおり）。
AIP-C01 の試験の基本
| 試験コード | AIP-C01 |
|---|---|
| 問題数 | 75 問（うち採点対象 65 問。残り 10 問は採点されない調査用の問題） |
| 試験時間 | 180 分 |
| 合格点 | 1,000 点満点中 750 点以上（換算スコア。正答率そのものではありません） |
| 受験方法 | テストセンターまたはオンライン（Pearson VUE） |
| 受験料 | 40,000 円（税別）（公式の価格表） |
| 有効期限 | 3 年間 |
| 再受験 | 不合格の場合は 14 日後から再受験できます。回数の制限はなく、受験料は毎回かかります。 |
分野と配点
本試験の出題分野と配点、当サイトの収録問題数です。分野名から、その分野の問題だけを解けます。
| 分野 | 本試験の配点 | 当サイトの問題 |
|---|---|---|
| 基盤モデルの統合、データ管理、コンプライアンス | 31% | 140 問 |
| 実装と統合 | 26% | 117 問 |
| AI の安全性、セキュリティ、ガバナンス | 20% | 90 問 |
| GenAI アプリケーションの運用効率と最適化 | 12% | 54 問 |
| テスト、検証、トラブルシューティング | 11% | 49 問 |
| 合計 | 100% | 450 問 |
本試験の問題はこんな形
公式のサンプル問題と試験ガイドを分析し、本試験の問題の特徴をまとめました。当サイトの問題もこの形に合わせて作っています。
- プロフェッショナル試験らしく、問題文は 4〜6 文と長めです。コストの上限、レイテンシーの目標、コンプライアンス上の制約といったビジネス要件と、既存システムとの連携やマルチリージョンといった技術的な制約が複数絡みます。
- 知識の暗記よりも、基盤モデル（FM）をどう選び、アプリケーションに組み込み、本番で運用するかという実装の判断が主題です。Amazon Bedrock を軸に、RAG、エージェント、ガードレール、評価の設計が問われます。
- 「最もコスト効率よく」「運用上のオーバーヘッドを最小限に」「開発の手間を最小限に」といった条件で、機能的にはどれも成り立ちそうな選択肢を 1 つに絞ります。自前の実装よりマネージドな機能が優先されやすい傾向があります。
- RAG の各段階（チャンキング、埋め込み、ベクトルストア、リランキング、クエリの変換）が、Amazon Bedrock Knowledge Bases、Amazon OpenSearch Service、Amazon Aurora PostgreSQL の pgvector、Amazon Titan Text Embeddings などの具体名で問われます。
- エージェントとツールの連携（Amazon Bedrock AgentCore、Strands Agents、Model Context Protocol（MCP））や、責任ある AI（Amazon Bedrock Guardrails、モデルカード、LLM-as-a-judge、個人情報の検出）がよく出ます。比較的新しいサービスや機能が正解になることもあります。
- トークンの使用量、レイテンシー、ハルシネーションの割合、Amazon Bedrock のモデル呼び出しログといった生成 AI 特有の運用指標を読み解いて、コストや性能の改善策を選ぶ問題があります。
- モデルそのものの開発・学習や、データ・特徴量のエンジニアリングは出題範囲外です。既存の基盤モデルを組み込んで運用することに焦点が置かれます。
よくあるひっかけの型
誤りの選択肢には決まった型があります。型を知っておくと、もっともらしい選択肢を落ち着いて消去できます。
目的に合わないサービスを選んだ選択肢です。名前や分野が近いサービスほど紛らわしくなります。
例: ベクトル検索に Amazon Comprehend を使う。個人情報の検出に AWS CloudTrail を使う。
マネージドな機能で済む場面に、自前の仕組みを組む選択肢です。運用の負荷や開発の工数が大きくなるため、「最小限の手間で」と問われていれば誤りになります。
例: Amazon Bedrock Knowledge Bases で足りる場面で、埋め込みの生成パイプラインやセルフホストのベクトルデータベースを自作する。
動作はするものの、コストの上限やレイテンシーの目標といった要件の一部を取りこぼしている選択肢です。
例: 低レイテンシーが求められる対話型アプリケーションでバッチ推論を使う。利用量が少なく変動の大きい場面で、プロビジョンドスループットを常時購入する。
ハルシネーションや有害な出力への対策として、効果の無い、または不十分な手段を挙げた選択肢です。
例: ハルシネーションを減らすためにオートスケーリングを設定する。有害な出力への対策を temperature の調整だけで済ませる。
RAG やプロンプトの工夫で解決できる課題に、モデルの再学習やフルファインチューニングを持ち出す選択肢です。正解らしく見えますが、手間とコストが見合わず出題範囲からも外れます。
例: 社内文書に基づいて回答させるために、ナレッジベースで根拠を与えるのではなく、モデルを再学習する。
従来の機械学習の評価や学習の手法を、生成 AI の評価にそのまま当てはめる選択肢です。
例: 生成 AI アプリケーションの回答品質を、SageMaker AI の学習ジョブや従来の ML の指標だけで評価し、Amazon Bedrock の評価機能（LLM-as-a-judge や RAG の評価）を使わない。
出題範囲の注意（提供終了・新規受付終了のサービス）
公式試験ガイドの出題範囲には載っているものの、提供終了・新規受付終了・サポート終了が決まっているサービスです。本試験で名前が出る可能性は残りますが、新しく深く学ぶ優先度は低めです。後継・代替のサービスもあわせて押さえておくと安心です。
| サービス | 状況 | 後継・代替 |
|---|---|---|
| Amazon Kendra | メンテナンスモード 新規受付終了（2026年7月30日） |
Amazon Bedrock Managed Knowledge Base |
| Amazon Q Business | 新規受付終了 | Amazon Quick（旧 Amazon Quick Suite） |
| Amazon Q Developer終了するのは IDE プラグインと有料サブスクリプションで、後継は Kiro です。 | サポート終了予定（2027年4月30日） | Kiro |
| Amazon SageMaker Clarify | 新規受付終了 | AWS 公開の SageMaker AI モニタリング参照実装（bias メトリクスの自作計算）/ SHAP ライブラリ / SageMaker AI MLflow / Amazon Bedrock Evaluations（基盤モデル評価のみ） |