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。