「天才じゃない私」のAWS攻略法。生成AIを「専属メンター」にしてCLF合格を目指す

はじめに

はじめまして。2025年12月に異業種からSES企業に入社し、インフラエンジニアとしてのキャリアをスタートさせた新人（29歳）です。

入社後は1か月ほど社内研修を受け、現在は案件配属までの待機期間に入っています。
待機期間は7日間とかなり短いのですが、この時間を無駄にしたくないと思い
2026年1月15日開始予定のAWS案件に向けて、AWSの学習を進めています。
（インフラ初見だが、そんな知識で大丈夫か…？）

1月5日から本格的に学習を開始し、1/13現在の総学習時間は約30時間。
本記事では、実務未経験の私が短期間で現場レベルの知識に近づくために実践している
生成AI（Gemini/ChatGPT）をメンターにした学習効率化とそのメリット・デメリットについて共有します。

ターゲット

• 未経験からインフラエンジニアになったばかりの方
• AWS CLF（クラウドプラクティショナー）を学習中の方
• 生成AIを学習にどう組み込むか悩んでいる方

1. 資格学習：抽象的な概念を「具体的イメージ」に変換する

CLFの学習を始めて最初にぶつかった壁が、聞き慣れない専門用語のオンパレードでした。
テキストを読むだけでは頭に入らないため、AIに「自分にわかりやすい例え」で解説させています。

プロンプト例：

AWSの「ELB（ロードバランサー）」と「Auto Scaling」の役割を、**「コンサート会場のスタッフ」**に例えて説明してください。

AIの回答イメージ：

• ELB = チケットもぎりの誘導員（来場者を空いている列に振り分ける）
• Auto Scaling = 混雑状況に合わせてスタッフを増減させる管理者（客が増えたら窓口を開け、減ったら閉める）

この学習法のメリット・デメリット

• メリット
  • 自分の得意分野（音楽など）に置き換えることで、イメージが付きやすく、直感的に理解しやすい。
• デメリット
  • 「Appleは……あぁ、リンゴか」といった翻訳作業のような脳内処理が都度必要になるため、脳に対する負荷が高くなる可能性がある。

(;´･ω･)＜ 余談だけど、Geminiにアウトロー（893）ワードに置き換えて解説させていたら、コンプラ違反でセッションが強制消滅しました...置き換え用語にも気を付けないとね。
Geminiの野郎は「セッションが消えることはありません」とか白を切るけど、マジで消える

2. 実践練習：AIを「横にいる講師」としてハンズオンを行う

資格の勉強だけでは操作感が掴めないため、実際にAWSコンソールを触るハンズオンを行っています。その際、Gemini等のAIを**「常に質問できる講師」**として活用し、エラー解決や手順確認を行っています。

活用シーン：

• 「EC2を立ててApacheを入れるまでの手順を教えて」
• 「SSH接続でPermission deniedが出た。確認すべき設定は？」

この学習法のメリット・デメリット

• メリット
  • 曖昧な質問（「なんか繋がらない」等）であっても、文脈を汲み取って最速で「正しい答え」と「理屈」を提示してくれるため、学習を止めずに進めることができる。
• デメリット
  • 「質問力」が育たない（社会的成長の阻害）
    • 人間相手（現場の上司や先輩）であれば怒られるような「丸投げの質問」でもAIは答えてしまう。これに慣れると、エンジニアとして必須の「状況を整理して的確に質問する能力」が育ちにくい。
  • 解説のスキップ（ツール特性）
    • 環境構築工程において、AIモデルによっては必要な設定項目の解説を飛ばすことがある。
    • 肌感として、ChatGPTは手順を網羅してくれる確率が高いが、Geminiは細かい設定手順を飛ばす確率が高い傾向にあると感じており、使い分けやダブルチェックが必要。

(´･ω･)< 「答えを教えて」というのは方法を知りたいとき、ハンズオンでつまずいたときは「答えではなくヒントを教えて」と指示に入れることで自分で考える事ができた。答えだけ教えてもらっていても一生覚えられん。

3. 業務予習：現場を想定した「監視運用」シミュレーション

最後に、配属後の業務（監視運用）を見据えた予習です。
資格勉強では「機能」は学べますが、「現場でどう使うか」までは学べません。そこで、具体的な案件内容をAIに伝えてシミュレーションしています。

プロンプト例：

ミュージシャンの公式サイト（WordPress構成）をAWSで運用します。
チケット発売日にアクセスが急増した際、CloudWatchで監視すべきメトリクスと、その閾値設定の目安を教えてください。

これにより、「CPU使用率だけでなく、ステータスチェック失敗も見るべき」といった、現場視点の「勘所」を事前にインプットしています。

この学習法のメリット・デメリット

• メリット
  • 「一般的な基準」を持てる
    • 現場独自のルールを教わった際に、「一般的（AIの回答）」との差分を意識できるため、「なぜこの設定なのか」という背景理解が早まる。
• デメリット
  • 現場ルールとの乖離（先入観のリスク）
    • 現場には予算や歴史的経緯による「独自のお作法」が必ずある。AIの回答（理想論）を正解と思い込んで現場に入ると、実際の運用ルールとのギャップに混乱したり、無駄な知識となってしまう可能性がある。

(´･ω･)< いろんなサービスに触れるから、資格勉強になるし現場予習にもなるけど、時間が無かったらやらなかったと思う

まとめ・所感

学習開始からまだ30時間程度ですが、生成AIを「専属メンター」として活用することで、インプットの質とハンズオンの効率を高めることができています。

一方で、AIは「何でも答えてくれる」がゆえに、それに甘えすぎると対人スキルや質問力が落ちるリスクがあるという側面も忘れてはいけません。

現在、私のCLF学習手順は「赤本（教本）⇒ Ping-t（問題集）⇒ AI解説 ⇒ Ping-t」という
サイクル（分散学習）で行っています。
経験者や地頭の良い方々は「Ping-tだけ回していれば受かる」と言いますが、私はそういった天才肌ではないため、ハンズオンやAIによる詳細解説で「理屈」を補強することでカバーしています。
「資格勉強にも自分に合ったスタイル（生存戦略）がある」と気づけたことも、今回の収穫でした。

あとがき

メリットには必ずデメリットが付随します。「だからAIは使わない」と判断するのも一つの正解でしょう。
しかし、生成AIが作り出す"文字の羅列"を"意味ある知見"に変えられるかは、使う"ヒト"がどれだけAIを理解し、使いこなせるかにかかっています。

AIに寿命は存在しません。しかし、人間には寿命という有限のリソースが存在します。
思考や調査の一部をAIに頼るということは相対的に
「自分の寿命（持ち時間）を延ばし、より多くの学びを得る」
ということではないでしょうか。

最後までお読みいただき、ありがとうございました。

備考

使用していたプロンプト/Gemini
・絵文字や顔文字を使用しないこと
・会話の最後にGeminiから提案をしないでください。
　（例：「次はどうするか」「〇〇の話に進んでも良いか」
・過度な同調をしないこと。サイコファンシーを禁止。
　ユーザが間違ったことを発言した際は必ず正す。
・ユーザに聞かれてわからないことを想像や憶測で話すのは禁止。
・会話の最後に（年/日付/時間）を表記する。
　表記された日付を元に、ユーザとの会話が日を跨いでいたら、
　日を跨いだ事を前提に会話する。
・ユーザは日本人であるため、日本語で話してください。

※あとは逐次、セッション別にプロンプトを追加してスタイル変更