生成AIが急速に普及し、
「AIをどう使うか」を理解することが、クラウドエンジニアにとって必須になってきました。
AWSもその流れを受けて、2024年に AWS Certified AI Practitioner（以下、AI プラクティショナー）という新しい資格をリリースしました。
この資格は、
“AIを使う側の基礎力” を測る試験です。
- LLM（大規模言語モデル）の基礎
- Embedding の概念
- 推論と学習の違い
- Bedrock や SageMaker の役割
- 責任あるAI（Responsible AI）
- AIユースケースの設計
- プロンプト設計の基礎
といった内容が問われます。
本シリーズでは、
クラウドプラクティショナー編と同様に 俯瞰 → 構造化 → 理解の地図化 の流れで、
AI プラクティショナーの内容を整理していきます。
まず #1 では、
AI プラクティショナーの全体像（地図） を描き、
「AIをどう理解すればよいか」を俯瞰していきます。
1. AI プラクティショナーとは何か（目的と位置づけ）
AI プラクティショナーは、AWSが提供するAI関連資格の中で最も基礎的な位置づけです。
- AIの基礎理解
- モデルの仕組み
- AWSのAIサービスの役割
- 責任あるAIの考え方
- AIユースケースの設計
といった “AIを使うためのリテラシー” を問います。
SAA が「AWSインフラの基礎力」だとすると、
AI プラクティショナーは 「AI時代の基礎リテラシー」 です。
2. 試験範囲を俯瞰する（全体マップ）
AI プラクティショナーの内容は、大きく4つに分類できます。
- AIの基礎（LLM / ML / データ）
- AWSのAIサービス（Bedrock / SageMaker）
- 責任あるAI（Responsible AI）
- AIユースケース設計（プロンプト含む）
この4つを理解すると、試験全体の構造が一気に見えてきます。
3. LLM・ML・データの基礎をざっくり理解する
AI プラクティショナーでは、AIの仕組みを深く理解する必要はありません。
ただし、以下の“基礎概念”は必須です。
- LLMとは何か
- トークンとは
- Embeddingとは
- 推論と学習の違い
- ファインチューニングの種類（PEFTなど）
- AIの限界（幻覚・バイアス）
ここでは詳細に踏み込みません。
#2 で深掘りします。
4. AWSのAIサービスの位置づけを俯瞰する
AWSのAIサービスは大きく2つに分かれます。
● Bedrock：モデルを“使う”サービス
- Claude
- Titan
- SDXL
- Llama
などのモデルを API で利用できる。
● SageMaker：モデルを“作る”サービス
- 学習
- 評価
- デプロイ
- MLOps
AI プラクティショナーでは、
「Bedrock＝使う」「SageMaker＝作る」
という理解ができれば十分です。
5. Responsible AI（責任あるAI）の概要
AIを扱う上で避けて通れないのが Responsible AI。
- バイアス
- プライバシー
- セキュリティ
- ガバナンス
- 説明責任
AWSはこれらを非常に重視しており、試験でも頻出です。
6. AIユースケースの分類（AIをどう使うか）
AI プラクティショナーでは、ユースケースの理解も重要です。
- チャットボット
- 検索（RAG）
- 要約
- 画像生成
- 分類・分析
- 自動化ワークフロー
「どのユースケースにどのサービスを使うか」を理解するのがポイントです。
7. まとめ：AI プラクティショナーの“理解の地図”
- AI プラクティショナーは“AIを使う側”の基礎力を問う試験
- 試験範囲は4つに分類できる
- Bedrock と SageMaker の役割を理解する
- Responsible AI は頻出
- ユースケース理解が重要
次回は、
#2：AIの基礎（LLM / Embedding / 推論 / 学習）編
を深掘りしていきます。
📚 関連シリーズ
- AWSの俯瞰と構造化（クラウドプラクティショナー編）
https://qiita.com/cloud_moso_architect/items/3448a5fd2d403d618120