Daniel（シニアフルスタックエンジニア）です。AWS の新しい認定試験 AWS Certified AI Business Strategist（AIB-C01）がベータ試験として始まりました。AWS の公式情報をもとに、試験の形式と出題範囲、AWS Certified AI Practitioner（AIF-C01）との違いを整理し、4 週間の学習計画と練習問題 5 問を紹介します。
- 本記事と問題は AI の支援を受けて作成し、AWS 公式ドキュメントで確認しています。
- 練習問題はすべてオリジナルです。実際の試験問題ではありません。
- 2026 年 10 月 11 日時点の情報です。ベータの終了日と一般提供の開始日は、認定ページにも AWS のブログにも記載がありません。
1. 日程と試験の形式
AWS のブログ「Introducing AWS Certified AI Business Strategist: Built for the people who scale AI」（2026 年 9 月 1 日）と認定ページによる日程です。
| 日付 | 内容 |
|---|---|
| 2026 年 9 月 1 日 | ベータ試験の登録開始 |
| 2026 年 9 月 29 日 | ベータ試験の配信開始 |
| 2027 年 2 月 15 日 | この日までに取得すると Early Adopter（アーリーアドプター）デジタルバッジも授与 |
認定ページによるベータ試験の形式です（10 月 11 日確認）。
- 170 分・85 問（択一選択問題と複数選択問題）
- 受験料 50 USD（ベータ試験価格。標準試験価格は 100 USD）
- 英語・日本語（AWS のブログによると、一般提供の開始時に言語が追加されます）
- ピアソンテストセンターまたはオンライン監督付き試験
試験ガイドによると、標準の試験時間は 130 分、結果は 100～1,000 の換算スコアで、合格スコアは 700 です。セクションごとの合否ラインはなく、推測による解答にペナルティはありません。標準版の問題数は試験ガイドに記載がありません（10 月 11 日確認）。
試験前のポリシーによると、ベータ試験は通常 1～3 か月の期間限定で、結果はベータ試験を含めて試験終了後 5 営業日以内に入手できます。円建ての料金表では、本試験のカテゴリーである Business の標準価格は 15,000 円（税が適用される場合あり）ですが、ベータの円建て価格は載っていません。予約時に金額を確認してください（10 月 11 日確認）。
2. 試験の内容（分野と比率、何が問われるか）
試験ガイドは「この試験では、実装に関する技術的な専門知識よりも戦略的意思決定が優先されます」としています。対象者は AI イニシアチブを評価・推進し、組織全体へスケーリングするビジネス担当者で、プロダクトマネージャー、コンサルタント、マーケティング担当者、ビジネスアナリストなどが例に挙がっています。コーディングや実践的な AWS の実装経験は不要で、AI を導入しているチームで（または連携して）業務に携わった経験が 6 か月あることが推奨されています。
| 分野 | 比率 | 主に問われること（試験ガイドのスキルから） |
|---|---|---|
| 1. AI の基礎とリテラシー | 24% | AI・ML・生成 AI の区別、データの種類と品質、ISO/IEC 23053・42001、ルールベースと AI の使い分け、AI エージェント、モデルドリフト、シャドー AI、プロンプト、トークンとコンテキストウィンドウ、RAG とファインチューニング |
| 2. AI 戦略とビジネス価値の創造 | 28% | ユースケースの特定、ビルドバイパートナー、優先順位付け（スケーリング・一時停止・終了）、AI が適切でない場合、KPI・ベースライン・ROI・先行指標、コスト管理、競争優位性 |
| 3. AI ガバナンスと責任ある AI リーダーシップ | 24% | 責任ある AI の原則とトレードオフ、ガバナンスバイデザイン、人による監視、ガバナンス構造、規制コンプライアンス、アクセス制御、リスク分類、バイアスドリフト、有害コンテンツと知的財産、ハルシネーション |
| 4. ビジネス準備状況、リーダーシップ、AI トランスフォーメーション | 24% | 準備状況と成熟度、能力ギャップ、データサイロとデータ戦略、経営幹部の支援、部門横断的なチーム、文化的障壁、AI リテラシー、パイロットから全社規模への展開、COE |
試験対象外には、モデルの開発やコーディング、ハイパーパラメータのチューニング、AWS のサービスの設定・デプロイ・管理などが並んでいます。「どう作るか」ではなく、「何に投資し、どう統治し、どう全社に広げるか」を判断する試験です。
認定ページのよくある質問には「この認定は AWS AI サービスに関する知識を評価するものではありません」とあります。一方、試験ガイドの「対象の AWS のサービスと機能」には、Amazon Bedrock、Amazon SageMaker AI、Amazon Quick（いずれも基礎的な活用のみ）、AWS CAF、責任共有モデル、AI サービスの料金体系、AWS Cost Explorer、AWS Marketplace、AWS 料金見積りツールが挙がっています（10 月 11 日確認）。設定方法は不要ですが、「何のためのサービスか」「どう課金されるか」は押さえておくと安心です。
AIF-C01（AI Practitioner）との違い
| AIF-C01（AI Practitioner） | AIB-C01（AI Business Strategist） | |
|---|---|---|
| カテゴリー | Foundational | Business |
| 対象者 | AWS の AI/ML テクノロジーに携わった経験が 6 か月以下の方 | AI イニシアチブを評価・推進するビジネス担当者 |
| 分野 | 5 分野（20% / 24% / 28% / 14% / 14%）。最大は「基盤モデルの応用」 | 4 分野（24% / 28% / 24% / 24%）。最大は「AI 戦略とビジネス価値の創造」 |
| 形式 | 90 分・65 問（採点対象 50 問）。択一選択、複数選択、並べ替え、内容一致 | 標準 130 分（ベータは 170 分・85 問）。択一選択、複数選択 |
| 合格スコア・受験料 | 700 点・100 USD | 700 点・100 USD（ベータは 50 USD） |
| 言語 | 日本語を含む多数の言語 | 英語、日本語（ベータ） |
認定ページのよくある質問によると、AI Practitioner は「AI、機械学習、生成 AI の概念と AWS AI サービスに関する基本的な知識」を、AI Business Strategist は「AI に関する意思決定に求められるビジネス判断力」を証明します。違いがはっきり出るのはガバナンスで、AIF-C01 の試験ガイドでは「AI/ML ソリューションのガバナンスフレームワークとポリシーの開発と実装」が対象外ですが、AIB-C01 ではガバナンス構造の確立（タスク 3.2）が出題範囲です。認定ページによると、受験に他の AWS 認定は必要ありません。
3. 4 週間の学習計画
試験ガイドが推奨する 6 か月の経験がある方を想定し、平日 1 時間・週末 2〜3 時間で組みました。コーディングは不要なので、手を動かす代わりに、自分の業務を題材に判断を書き出します。
| 週 | 重点 | やること |
|---|---|---|
| 1 | 第 1 分野：AI・ML・生成 AI、データ品質、ルールベースと AI、AI エージェント、ドリフト、シャドー AI、トークンとコンテキストウィンドウ、RAG とファインチューニング | AWS 規範ガイダンスの RAG とファインチューニングの比較 を読み、社内の問い合わせ対応 1 件でどちらから始めるかを理由とともに書く |
| 2 | 第 2 分野：ユースケース、ビルドバイパートナー、優先順位付け、KPI・ベースライン・ROI・先行指標、料金体系（使用量・インスタンス・シートベース）、AWS 料金見積りツールと Cost Explorer の違い | 業務 1 つについて、KPI、AI 導入前のベースライン、ROI の前提を 1 枚にまとめる |
| 3 | 第 3 分野：責任ある AI（AWS Well-Architected の責任ある AI Lens）、ガバナンス構造、リスク分類、人による監視、ガードレール、責任共有モデル、バイアスドリフト | 社内の AI 利用 1 件について、リスクの大きさ、人がレビューする箇所、監視する指標を書き出す |
| 4 | 第 4 分野と総仕上げ：準備状況の評価、生成 AI 成熟度モデル、AWS CAF、データ戦略、チェンジマネジメント、COE、本番環境への移行 | 標準試験と同じ 130 分（ベータ試験で受ける場合は 170 分）で模擬試験を解き、正解した問題も含めて解説を読む |
- AWS の生成 AI 成熟度モデルの 4 レベル（Envision、Experiment、Launch、Scale）と AWS CAF のフェーズ（Envision、Align、Launch、Scale。日本語ページでは構想・調整・起動・スケール）は似ているので、区別して覚えます。
- 認定ページには、AWS Skill Builder の試験対策プラン、デジタルコース（AWS のブログによると 4 分野に対応する 13 モジュール）、Official Practice Question Set、Meeting Simulator が紹介されています。公式模擬試験はベータ期間中は利用できません（10 月 11 日確認）。
4. 練習問題 5 問
答えと解説は折りたたんでいます。
問題 1（第 1 分野：RAG とファインチューニング）
ある地方の病院グループの人事チームは、福利厚生と休暇に関する従業員の質問に回答する生成 AI アシスタントを求めています。回答は約 400 件のポリシードキュメント（数千ページ）に基づく必要があり、これらのドキュメントは四半期ごとに数回改訂されます。従業員が確認できるよう、各回答にはその根拠となるポリシードキュメントを示す必要があります。チームにはデータサイエンティストがいません。これらの要件を最もよく満たすアプローチはどれですか。
- A. 四半期ごとの改訂のたびに、ポリシードキュメントで基盤モデルをファインチューニングする。
- B. 質問ごとに関連するポリシーの該当箇所を取得する、マネージド型の RAG ナレッジベースを使用する。
- C. ポリシーライブラリ全体で基盤モデルの継続的な事前トレーニングを実行する。
- D. すべてのリクエストのシステムプロンプトに、すべてのポリシードキュメントの全文を貼り付ける。
正解と解説
正解：B
- A：不正解。ファインチューニングは更新ごとに数時間から数日かかり、出典の参照も提供しません。ポリシーは四半期に数回変更されるため、四半期ごとの再トレーニングのサイクルでは回答が古くなってしまいます。
- B：正解。RAG（たとえば Amazon Bedrock Knowledge Bases）は各質問の時点で最新の該当箇所を取得するため、改訂されたポリシーはデータソースを同期すれば数分で反映され、回答に引用を含めることができます。マネージド型のナレッジベースは取り込み、インデックス作成、取得を実行するため、データサイエンティストは不要です。
- C：不正解。継続的な事前トレーニングは、モデル自体を変更する、労力が大きく専門性の高い手法です。ポリシーが変更されるたびに繰り返す必要があり、出典の引用も提供しません。
- D：不正解。数千ページはほとんどのモデルのコンテキストウィンドウを超えます。また、収まる場合でも、質問のたびにそれらを再送信すると、毎回そのすべての入力トークンに課金され、すべての回答が遅くなります。
ポイント：RAG は、信頼できる社内コンテンツを取得して質問時にプロンプトに追加するため、モデルは再トレーニングなしで最新のドキュメントに基づいて回答します。手がかりは、頻繁な改訂、必須の出典の参照、そしてデータサイエンスのスタッフがいないことです。
問題 2（第 2 分野：ベースラインの確立）
ある地方の保険会社は、保険金請求ファイルを要約する生成 AI アシスタントを保険金請求担当者に提供することを計画しています。運営委員会は、パイロットの KPI として、1 件の請求あたりの平均処理時間、手戻り率、担当者の満足度の 3 つに合意しました。この保険会社は、これらの KPI を一貫して測定したことがありません。スポンサーは AI ストラテジストに対し、来月パイロットが始まる前に各 KPI の改善目標を提案するよう求めています。AI ストラテジストは最初に何をすべきですか。
- A. 請求の要約ごとのモデル使用コストを追跡する ROI ダッシュボードを構築します。
- B. ベンダーの事例で公表されている改善値に基づいて目標を設定します。
- C. 現在運用されている保険金請求プロセスについて、各 KPI の現在の値を測定します。
- D. 今すぐパイロットを開始し、最初の 1 か月の結果を確認した後に目標を設定します。
正解と解説
正解：C
- A：不正解。コストの追跡は後で重要になりますが、使用コストのダッシュボードでは、目標の前提となる現在のプロセスのパフォーマンスがわかりません。
- B：不正解。ベンダーの事例は、プロセスや出発点が異なる他の組織について説明したものです。そのため、そこから流用した目標は非現実的である可能性があり、保険会社自身の開始時点の値がなければ検証もできません。
- C：正解。目標とは出発点からの改善であり、この保険会社には信頼できる開始時点の値がありません。そのため、まず既存のプロセスにおける現在の処理時間、手戻り、満足度を測定する必要があります。
- D：不正解。パイロットが始まると、プロセスにはすでにアシスタントが含まれるため、AI 導入前のクリーンな基準点を取得する機会が失われます。
ポイント：ベースラインとは、AI を導入する前に測定した現在のプロセスのパフォーマンスであり、その後の変化を AI ソリューションによるものと判断できるようにするためのものです。アシスタントの使用が始まると AI 導入前の状態を再現できないため、パイロットの前に測定することも重要です。
参考：https://docs.aws.amazon.com/prescriptive-guidance/latest/strategy-accelerate-software-dev-lifecycle-gen-ai/measuring-success.html （試験ガイドのスキル 2.2.2 も参照：https://docs.aws.amazon.com/ja_jp/aws-certification/latest/ai-business-strategist-01/ai-business-strategist-01-domain2.html）
問題 3（第 2 分野：コスト計画）
ある医療保険会社のビジネスアナリストは、来週が期限の予算申請に、計画中の会員サービスアシスタントの月間 AWS 想定コストを含める必要があります。このアシスタントは Amazon Bedrock を通じて基盤モデルを呼び出しますが、まだ何もデプロイされていません。アナリストは、月間の会話量と、1 回の会話あたりの平均入力トークン数および出力トークン数の見積もりを持っており、2 つの候補モデルを比較したいと考えています。アナリストはどのアプローチを使用すべきですか。
- A. アシスタントを本番環境で 1 か月間稼働させ、最初の実際の請求額を見積もりとして報告する。
- B. AWS Cost Explorer による今後 3 か月間の Amazon Bedrock 支出の予測を使用する。
- C. AWS Cost Explorer で先月のコストをサービス別にグループ化し、表示を Amazon Bedrock に絞り込む。
- D. 想定される会話量とトークン量を使用して、AWS Pricing Calculator で各候補をモデル化する。
正解と解説
正解：D
- A：不正解。予算申請は来週が期限であり、デプロイ前に承認される必要があります。実際の請求を待つことは、計画と支出の順序を逆にすることになります。
- B：不正解。Cost Explorer の予測は過去の使用量に基づいており、予測の基になる Bedrock の使用実績はまだありません。
- C：不正解。Cost Explorer はすでに発生したコストを分析するものであるため、まだデプロイされていないアシスタントのコストは、先月の分には何も含まれていません。
- D：正解。AWS Pricing Calculator（AWS 料金見積りツール）は、何かをデプロイする前に新しいワークロードのコスト見積もりを作成できるため、アナリストは想定されるトークン量で候補モデルごとに見積もりを作成できます（計算ツールに載っていないモデルは、Amazon Bedrock の料金ページのトークン単価で同じ計算をします）。
ポイント：AWS Pricing Calculator と AWS Cost Explorer は、異なる問いに答えるツールです。Cost Explorer は実際のコストと使用量を表示および分析するもので、その予測は過去の使用量に基づいているため、ワークロードが稼働した後に役立ちます。
参考：https://aws.amazon.com/aws-cost-management/aws-pricing-calculator/
問題 4（第 3 分野：バイアスドリフト）
ある通信会社は、端末の分割払いを顧客に承認するかどうかの判断にモデルを使用しています。リリース前の公平性テストでは、年齢層や地域による承認率の差は小さく、同社の許容範囲内でした。その後、同社は顧客プロファイルが大きく異なる 2 つの新しい地域に事業を拡大しましたが、モデルは再トレーニングも変更もされていません。プロダクトオーナーは、モデルが同じであるため、リリース時の公平性レポートは引き続き有効であると述べています。AI ガバナンスの責任者は何を求めるべきですか。
- A. リリース時の公平性レポートを受け入れ、公平性テストはモデルの再トレーニング時にのみ再実施します。
- B. 新しい地域のデータでモデルを再トレーニングし、リリース時の元の公平性レポートを再度公開します。
- C. グループ間の承認結果をリリース時のベースラインと比較して監視し、レビューのトリガーを設けます。
- D. 公平性を測定する必要がなくなるように、モデルの入力から年齢と地域を削除します。
正解と解説
正解：C
- A：不正解。本番環境でモデルが接する母集団やデータが変化するため、バイアスドリフトはモデルを変更しなくても発生する可能性があります。そのため、再トレーニング時にのみテストを行うと、バイアスドリフトを見逃します。
- B：不正解。将来的には再トレーニングが必要になるかもしれませんが、変更されたモデルに古い公平性レポートを再利用すると、その公平性はテストされないままになります。
- C：正解。顧客の母集団が変化しているため、グループ間の結果がリリース時の公平な結果から乖離する可能性があります。レビューのトリガーとなるしきい値を設定し、リリース時のベースラインと比較して継続的に監視することで、バイアスドリフトを早期に検出できます。
- D：不正解。他のフィールドが代理変数として機能する可能性があるため、属性を削除してもバイアスはなくならず、不平等な結果の検出がより困難になります。
ポイント：リリース時に公平だったモデルが後に不公平になることがあり、これはバイアスドリフトと呼ばれます。バイアスドリフトは、モデル自体が一切変更されていなくても、母集団、入力データ、またはコンテキストが変化したときに発生する可能性があります。
参考：https://docs.aws.amazon.com/wellarchitected/latest/responsible-ai-lens/raimon01-bp02.html
問題 5（第 4 分野：AI 導入の準備状況の評価）
ある中規模の保険会社は、最初の AI の取り組みを開始する前に AI 準備状況の評価を実施しました。評価結果は次のとおりです。経営委員会は 3 つの AI 目標に合意し、スポンサーと予算を割り当てています。クラウドプラットフォームにはすでに AI ワークロードに対応できる容量があります。顧客記録は 3 つの保険契約システムに分散しており、重複、欠落したフィールド、矛盾する顧客 ID があります。従業員調査では、従業員が AI に仕事を奪われることを恐れており、管理職が失敗した実験にペナルティを科していることが示されています。AI ポリシー、リスクレビュープロセス、監督委員会が整備されています。取り組みを開始する前に最も多くの作業が必要な準備状況の側面はどれですか。（2 つ選択してください。）
- A. データ品質
- B. ガバナンスフレームワーク
- C. 技術インフラストラクチャ
- D. リーダーシップの連携
- E. 文化的な準備
正解と解説
正解：A、E
- A：正解。3 つのシステムにまたがる重複レコード、欠落したフィールド、矛盾する顧客 ID はデータ品質の問題であり、信頼性の低い AI 出力につながります。
- B：不正解。AI ポリシー、リスクレビュープロセス、監督委員会があることは、ガバナンスフレームワークがすでに整備されていることを示しています。
- C：不正解。クラウドプラットフォームにはすでに AI ワークロードに対応できる容量があるため、技術インフラストラクチャは主要なギャップではありません。
- D：不正解。リーダーシップの連携は取れています。経営委員会は共通の目標に合意し、スポンサーと予算を割り当てています。
- E：正解。職を失うことへの恐れや、失敗した実験にペナルティを科す管理職の存在は、文化的な準備が不十分であることを示しています。これは導入を遅らせ、AI の取り組みに必要な実験を妨げます。
ポイント：準備状況の評価では、リーダーシップの連携、データ品質、文化的な準備、技術インフラストラクチャ、ガバナンスフレームワークなど、複数の側面を横断的に確認します。ある側面の強みで別の側面のギャップを補うことはできないためです。
参考：https://docs.aws.amazon.com/prescriptive-guidance/latest/strategy-gen-ai-maturity-model/level-1.html
5. 模擬試験について
上の 5 問は練習用のサンプルです。本番と同じ出題形式（シナリオ型の択一選択問題・複数選択問題）で練習したい方のために、筆者は「AWS Certified AI Business Strategist（AIB-C01）模擬試験問題集 3 回分 195 問」を Kindle 版とペーパーバック版で出しています。
- 65 問の模擬試験が 3 回分（上の 5 問とは別の問題です。標準試験の問題数は未公表のため、1 回 65 問で構成しています）
- すべての選択肢に日本語の解説、各問題に AWS 公式ドキュメントなどの一次情報源の URL
- Kindle 版は Kindle Unlimited でも読めます
問題は AI の支援を受けて作成し、AWS 公式ドキュメントなどの一次情報源と照合する別の工程で確認しています。AWS の公式教材ではありません。
- Kindle 版：https://www.amazon.co.jp/dp/B0HM6XCDFT
- ペーパーバック版：https://www.amazon.co.jp/dp/B0HMG1DY4V
- シリーズの他の問題集：https://www.amazon.co.jp/dp/B0HMLTLHGR
Amazon Web Services、AWS および関連する名称は、Amazon.com, Inc. またはその関連会社の商標です。本記事は個人の記事であり、AWS とは提携しておらず、AWS による承認も受けていません。