難易度は Level 1（やさしめ）〜Level 5（難関） の5段階です。
AWS AIP-C01のサンプル問題（本番形式・解説付き）
AWS AIP-C01（Amazon Web Services・AWS Certified Generative AI Developer – Professional（AIP-C01））の出題形式を、実際の問題で確かめられます。ここに掲載する5問は、無料の会員登録で解ける模試 第1回（75問）の冒頭から抜粋したオリジナル問題です。当サイトは全600問を本番CBT準拠の形式で収録しており、この5問はそのごく一部にあたります。
設問1
小売業の情報システム部が、毎月の売上の集計と在庫の突合を FM に任せる案を検討している。この業務に FM を当てた場合に起きることとして適切なものはどれか。
- コストが増え、出力の数値が揺らぎ、監査ができなくなる（正解）
- 社内の情報を知らないため、根拠のない回答がそのまま返ってくる
- 単発の推論となり、多段の手順を最後まで完遂できなくなる
- 座標の情報が失われ、帳票の項目を正確に取り出せなくなる
解説
売上の集計や在庫の突合は決定的なロジックで書ける仕事であり、FM を当てるとコスト増、数値の揺らぎ、監査不能が起きます。座標の情報が失われるのは定型帳票からの項目抽出を単体の FM だけで行った場合の話です。社内の情報を知らないのは社内文書に基づく質疑応答を素の FM だけで行った場合であり、RAG で埋めます。多段の手順を完遂できないのは手順を持つ業務の自動遂行を単発の推論で行った場合であり、エージェントの領分です。
設問2
製造業の品質保証部が、定型帳票から項目を取り出す仕組みを設計している。この業務に適した手段として本文が挙げるものはどれか。
- RAG として Knowledge Bases とベクトルストアを組み合わせて使う
- Amazon Textract と Bedrock Data Automation を使う（正解）
- エージェントとして AgentCore と Strands Agents を使う
- SQL と AWS Lambda と AWS Step Functions を組み合わせて使う
解説
定型帳票からの項目抽出には Amazon Textract や Bedrock Data Automation が適します。SQL や Lambda や Step Functions は売上の集計や在庫の突合のような決定的なロジックで書ける仕事に向きます。RAG は社内文書に基づく質疑応答に向く構成です。エージェントは手順を持つ業務の自動遂行に向く構成であり、帳票からの項目抽出には過剰です。
設問3
保険会社の企画部が、GenAI の要件を四つの軸で数値化している。遅延の軸で決めた内容が設計に効く先として適切なものはどれか。
- モデルサイズ、プロンプト圧縮、キャッシュ、model cascading の選択
- cross-Region inference の型、KMS、PrivateLink、CloudTrail
- streaming の要否、batch inference の可否、Provisioned Throughput（正解）
- モデル選定、RAG の有無、Guardrails の contextual grounding check の適用
解説
遅延の軸では初回トークンまでの時間や全文完了までの時間、同期か非同期かを決め、それが streaming の要否、batch inference の可否、Provisioned Throughput に効きます。モデルサイズやプロンプト圧縮やキャッシュや model cascading はコストの軸が効く先です。モデル選定や RAG の有無や Guardrails の contextual grounding check は精度の軸が効く先です。cross-Region inference の型や KMS や PrivateLink や CloudTrail はデータ所在と統制の軸が効く先です。
設問4
金融機関の設計チームが、要件の数値化にあたってデータ所在と統制の軸を整理している。この軸で決める内容として適切なものはどれか。
- 初回トークンまでの時間、全文完了までの時間、同期で返すか非同期で返すか
- 1リクエストあたりの入力・出力トークン数、月間リクエスト数はどれだけか
- 何をもって正解とするか、許容できる誤答率はどこまでか、根拠の提示は要るのか
- どのリージョンで処理してよいか、誰がアクセスできるか、ログをどこまで残すか（正解）
解説
データ所在と統制の軸では、データをどのリージョンで処理してよいか、誰がアクセスできるか、ログをどこまで残すかを決めます。正解の定義や許容できる誤答率や根拠提示の要否は精度の軸です。初回トークンまでの時間や全文完了までの時間や同期か非同期かは遅延の軸です。入力・出力トークン数や月間リクエスト数はコストの軸で決める内容です。
設問5
通信事業者の開発部が、夜間に大量の問い合わせ履歴を一括で分類する処理の統合パターンを選んでいる。この場面に向く統合パターンとして適切なものはどれか。
- バッチとして Amazon Bedrock batch inference と Amazon S3 で組む（正解）
- 同期リクエスト・レスポンスとして API Gateway と Lambda で組む
- ストリーミングとして ConverseStream と WebSocket で組む
- 非同期キューとして Amazon SQS と AWS Lambda と AWS Step Functions で組む
解説
夜間の一括分類や一括要約はバッチが向き、Amazon Bedrock batch inference と Amazon S3 で組みます。同期リクエスト・レスポンスはチャットやその場の要約のように呼び出して待つ場面に向きます。ストリーミングは対話 UI や長文生成のように生成しながら少しずつ返す場面に向きます。非同期キューは投げて後で受け取る形であり、大量処理や重い生成に使いますが、まとめて一括処理する型はバッチです。
続きは、会員登録なしでそのまま50問解けます。採点と解説つきで、上と同じ本物の問題です。
登録なしで50問解く