AWS AI Practitioner の学習では、
AI の基礎概念だけでなく、AWS の代表的な AI サービスをどう使い分けるか も重要なポイントになります。
特に試験でよく見かけるのが、以下の5つです。
- Amazon Bedrock
- Amazon SageMaker
- Amazon Rekognition
- Amazon Comprehend
- Amazon Lex
どれも名前はよく出てきますが、最初は
「結局何が違うのか分かりにくい」
と感じやすいところです。
本記事では、試験頻出の5サービスについて、
- 何をするサービスなのか
- どんな場面で使うのか
- どう使い分ければよいのか
を、実務目線も交えながら分かりやすく整理していきます。
🎯 対象読者
- AWS AI Practitioner を勉強中の方
- AWS の AI サービスを整理したい方
- Bedrock と SageMaker の違いが曖昧な方
- 試験によく出るサービスを一気に押さえたい方
🧩 まずは全体像をつかむ
今回紹介する5つのサービスは、ざっくり以下のように整理できます。
生成AI系
└── Amazon Bedrock
機械学習基盤系
└── Amazon SageMaker
画像・動画分析系
└── Amazon Rekognition
自然言語処理系
└── Amazon Comprehend
チャットボット系
└── Amazon Lex
つまり、
- 生成AIを使いたい → Bedrock
- 独自の機械学習モデルを扱いたい → SageMaker
- 画像や動画を分析したい → Rekognition
- テキストを分析したい → Comprehend
- 会話型インターフェースを作りたい → Lex
というイメージで整理すると分かりやすいです。
1️⃣ Amazon Bedrock
Amazon Bedrock は、
生成AIアプリケーションを構築するためのフルマネージドサービス です。
近年の AWS の AI サービスの中でも、特に重要度が高い存在です。
何ができるのか
Amazon Bedrock を使うと、
さまざまな基盤モデル（Foundation Models）を活用して、生成AIアプリケーションを構築できます。
例えば、
- テキスト生成
- 要約
- 質問応答
- 画像生成
- エージェント型アプリケーションの構築
といった用途に対応できます。
ポイント
Bedrock の大きな特徴は、
基盤モデルを自前で学習・運用しなくても、API ベースで利用しやすい ことです。
つまり、
- モデルのインフラを細かく管理しなくてよい
- 生成AIを比較的すばやく組み込みやすい
- セキュリティやガードレールも考慮しやすい
というメリットがあります。
どんな場面で使う？
- 社内FAQの生成AI化
- ドキュメント要約
- チャットアシスタント
- ナレッジ検索補助
- コンテンツ生成
試験対策ポイント
👉 生成AIを AWS 上で使いたい場合の中心サービス
と覚えておくと分かりやすいです。
2️⃣ Amazon SageMaker
Amazon SageMaker は、
機械学習モデルの構築・学習・デプロイを支援するフルマネージドサービス です。
生成AIというよりは、
より広い意味での 機械学習基盤 として理解するのがポイントです。
何ができるのか
SageMaker では、例えば以下のようなことができます。
- データの準備
- モデルの学習
- モデルの評価
- 推論エンドポイントのデプロイ
- 機械学習ワークフローの管理
Bedrock との違い
ここは試験でも混乱しやすいポイントです。
- Bedrock → 生成AIをすばやく使いたい
- SageMaker → 機械学習モデルを自分で構築・学習・運用したい
という違いがあります。
つまり、SageMaker は
より作り込む側のサービス と考えるとイメージしやすいです。
どんな場面で使う？
- 需要予測
- 売上予測
- 離脱予測
- 独自の分類モデル作成
- カスタム ML パイプライン構築
試験対策ポイント
👉 機械学習モデルを構築・学習・デプロイするサービス
と押さえておくことが大切です。
3️⃣ Amazon Rekognition
Amazon Rekognition は、
画像や動画を分析するためのサービス です。
コンピュータビジョン系の代表的な AWS サービスとしてよく出てきます。
何ができるのか
Rekognition では、例えば以下のような分析が可能です。
- 画像内の物体検出
- 顔の検出
- ラベル付け
- 動画分析
- 不適切コンテンツの検出
- テキスト検出
特徴
画像認識モデルを自前で一から作らなくても、
既存の API を使って比較的簡単に画像・動画分析をアプリケーションに組み込めます。
どんな場面で使う？
- 画像の自動分類
- 動画内容の分析
- 顔認識や人物検出
- コンテンツモデレーション
- 画像からの情報抽出
試験対策ポイント
👉 画像・動画分析なら Rekognition
これはかなり基本的な対応付けです。
4️⃣ Amazon Comprehend
Amazon Comprehend は、
テキストから意味や情報を抽出する自然言語処理（NLP）サービス です。
文章データの分析をしたいときに使われます。
何ができるのか
Comprehend では、以下のような分析ができます。
- 感情分析
- エンティティ抽出
- キーフレーズ抽出
- 言語判定
- トピック分析
- 文書分類
特徴
機械学習モデルを細かく自前構築しなくても、
テキスト分析機能を利用しやすい点が魅力です。
どんな場面で使う？
- 顧客レビュー分析
- 問い合わせ内容の分類
- SNS テキスト分析
- 文書から重要語句を抽出
- メールやサポートチケットの分析
試験対策ポイント
👉 テキスト分析・自然言語処理なら Comprehend
という対応関係を押さえておくのが重要です。
5️⃣ Amazon Lex
Amazon Lex は、
音声またはテキストによる会話型インターフェースを構築するサービス です。
いわゆるチャットボットや音声ボットの構築に使われます。
何ができるのか
Lex を使うと、
- ユーザーの発話を受け取る
- 意図（インテント）を理解する
- 必要な情報を聞き返す
- 自動応答する
といった会話フローを構築できます。
特徴
単なるテキスト分析ではなく、
会話のやり取りそのものを設計できる のが特徴です。
どんな場面で使う？
- カスタマーサポートのチャットボット
- FAQ ボット
- 音声アシスタント
- 予約受付ボット
- 社内問い合わせボット
試験対策ポイント
👉 チャットボット / 会話型 AI なら Lex
と覚えると整理しやすいです。
⚖ サービスの違いをまとめる
| サービス | 主な役割 | 主な用途 |
|---|---|---|
| Amazon Bedrock | 生成AIの活用 | 要約、生成、質問応答、エージェント |
| Amazon SageMaker | 機械学習基盤 | 学習、デプロイ、予測モデル構築 |
| Amazon Rekognition | 画像・動画分析 | 顔検出、物体検出、動画分析 |
| Amazon Comprehend | テキスト分析 | 感情分析、分類、キーフレーズ抽出 |
| Amazon Lex | 会話型 AI | チャットボット、音声ボット |
🧠 ここは特に覚えたいポイント
覚え方 1
- Bedrock = 生成AI
- SageMaker = 機械学習基盤
- Rekognition = 画像・動画
- Comprehend = テキスト分析
- Lex = チャットボット
覚え方 2
- 生成したい → Bedrock
- 学習したい → SageMaker
- 見たい → Rekognition
- 読みたい → Comprehend
- 会話したい → Lex
覚え方 3
試験で迷ったときは、
入力データの種類 を考えると整理しやすいです。
- テキスト生成 → Bedrock
- 学習済み / 独自モデル → SageMaker
- 画像 / 動画 → Rekognition
- 文書 / テキスト → Comprehend
- 会話 → Lex
💼 実務目線の補足
実務で AI サービスを選ぶときは、
「AIを使いたい」という発想だけでは足りず、
何を入力し、何を出力したいか を明確にすることが重要です。
例えば、
- 文書を要約したい → Bedrock
- 過去データから予測したい → SageMaker
- 画像の内容を分析したい → Rekognition
- 顧客の声を分析したい → Comprehend
- 対話型UIを作りたい → Lex
といったように、用途によって最適なサービスが変わります。
この感覚は試験対策にも、そのまま役立ちます。
✅ まとめ
今回整理したポイントは以下の通りです。
- Amazon Bedrock は生成AIの中心サービス
- Amazon SageMaker は機械学習モデルの構築・学習・デプロイ向け
- Amazon Rekognition は画像・動画分析向け
- Amazon Comprehend は自然言語処理・テキスト分析向け
- Amazon Lex はチャットボットや音声ボット向け
AWS AI Practitioner では、
こうした サービスと用途の対応関係 をしっかり押さえておくことが非常に重要です。
単なる名前暗記ではなく、
「このケースならどのサービスか」 を考えながら整理すると、試験でもかなり強くなります。
📌 次回予告
次回は、AWS AI Practitioner でもよく問われる
AI の安全性・責任ある利用 に関するテーマを整理していきます。
例えば、
- バイアス
- 公平性
- explainability
- プライバシー
といった内容を、試験向けに分かりやすくまとめる予定です。