はじめに
この記事はノー勉で AWS Certified Generative AI - Professional (Beta) に挑戦しようとしている方を対象としています。しっかり勉強されている方は読む必要はありません。
2025年12月、私はノー勉でこのベータ試験を受け、スコア750点（合格基準点ギリギリ）で合格しました。私は運良く合格できましたが、ノー勉での受験は全くおすすめしません。なぜなら ベータ試験の受験チャンスは一度きり だからです。落ちたらGA版リリースまで数ヶ月間は再受験することができません。私はこのルールを受験前は知らず、とりあえず受験して問題の傾向を掴んでから再受験しようと甘い考えで受験していました。今思えばなんと愚かなことでしょう。
本記事では、私自身の経験から受験前にこれだけは勉強しておくべきだった試験のポイントを記載します。
設問数と試験時間
本題に入る前に、AWSのベータ試験が初めてという方はこの試験の試験時間と設問数をご確認ください。
- 試験時間：205分（3時間25分）
- 試験形式： 85問、択一選択問題および複数選択問題
- 合格ライン： 750 / 1000
知識以前の問題として、最後まで集中力を切らさないスタミナが重要です。プロフェッショナル試験特有の長文問題がなんと85問もあります。試験時間は205分なので1問あたり2〜3分で解く必要があります。ノー勉で挑むと未知の用語や想定外のアーキテクチャに遭遇するたびに脳のリソースを削られ、終盤には思考が停止します。体力と集中力を備えるために 試験前日はよく寝ること をおすすめします。
勉強しておくべきだった試験のポイント
本題です。受験前の私は、Generative AI Professionalという試験名から、なんとなくAmazon Bedrock AgentCoreと周辺のコンポーネント群（AgentCore Identity, AgentCore Memoryなど）を押さえておけばなんとかなるだろうと思っていました。
しかし実際は、AWSサービスを使ったAIエージェントそのものの開発ではなく、AIを商用システムとして組み込むための全体設計が問われました。言い換えれば、単にAIエージェントが組めるかではなく、いかに他のAWSサービスと組み合わせて堅牢にAIを商用システムとして運用するか、という視点が問われる試験でした。
押さえておくべきAWSサービス
これからベータ試験に挑戦される方は、以下のAWSサービスを組み合わせたオーケストレーションの視点をもっておくことをおすすめします。もちろんこれ以外のAWSサービスも登場しますが、以下の 太字にしたAWSサービス とその周辺の知識を押さえておくことは必須です。
- AWS Step Functions
- Amazon Comprehend
- Amazon OpenSearch Service/Serverless
- Amazon Bedrock Agents
- Amazon Bedrock Guardrails
- Amazon Bedrock Knowledge Bases
- Amazon Bedrock Prompt Management
- Amazon Bedrock Intelligent Prompt Routing
- Amazon Bedrock Model Evaluation
- Amazon SageMaker Clarify
これらのAWSサービスがどのように組み合わせられるかを記載します。
1. 「エージェント」を「ワークフロー」で制御する
Amazon Bedrock Agentsを中心としたAIエージェントの自律的な動きは強力ですが、商用環境では AWS Step Functions による制御が有効です。スロットリング時の指数バックオフ（エクスポネンシャルバックオフ）や、特定モデル障害時のフォールバックなど、開発者が意図した決定論的なフローをどう担保するか。このオーケストレーションの視点が重要です。
2. 「安全性」はマネージド機能で多層防御する
LLMが出力するハルシネーションや不適切発言への対策を、アプリコードだけで解決しようとしてはいけません。Amazon Bedrock Guardrails の Contextual Grounding（回答が根拠に基づいているかの判定）などを活用し、いかに安全性を一元管理するかという設計思想が焦点となります。
3. 「前処理」でLLMの負荷とコストを削る
すべてをLLMに任せず、Amazon Comprehend 等の既存サービスを併用する最適化も重要です。ナレッジベース登録前のPII（個人情報）匿名化や、入力文の判定による Dynamic Routingなど、LLMに情報を渡す前に整理し、コストと精度のバランスを取る視点が欠かせません。
4. 「検索」でRAGの精度を高める
Amazon OpenSearch Service/Serverless は、RAGアーキテクチャにおけるベクトル検索やハイブリッド検索の基盤として重要な役割を果たします。Bedrock Knowledge Basesと組み合わせることで、セマンティック検索とキーワード検索を併用した高精度な情報取得が可能になります。検索精度の向上は、LLMの回答品質に直結する重要な要素です。
5. 「プロンプト」を戦略的に管理・最適化する
Amazon Bedrock Prompt Management を活用することで、プロンプトのバージョン管理が可能になります。また、Amazon Bedrock Intelligent Prompt Routing を用いることで、クエリの複雑さに応じて最適なモデルへ自動的にルーティングし、コストと品質のバランスを最適化できます。プロンプトエンジニアリングを「運用可能な資産」として管理する視点が求められます。
6. 「評価」で継続的な品質改善を実現する
Amazon Bedrock Model Evaluation や Amazon SageMaker Clarify を用いた定量評価もおさえておきましょう。どのモデルが最適か、バイアスはないか。客観的な指標に基づいたモデル選定のプロセスは、実務的なライフサイクルとして非常に重要視されています。
参考資料
ノー勉で受験する場合も時間があれば以下の情報には目を通しておきましょう。
公式の試験ガイド
Step Functionsに関するブログ
Bedrock Guardrailsに関するブログ
Amazon Bedrock Intelligent Prompt Routingに関するブログ
SageMaker Clarifyに関するブログ
おわりに
この試験は単なる知識の暗記ではなく、AWSのサービスをどう組み合わせて、ビジネスレベルの生成AIアプリを完成させるかという設計思想を問われます。この記事を読んでいるみなさまはぜひその視点を持って、ノー勉ではなく万全の状態で挑んでいただければと思います。一発勝負のベータ試験、みなさまの合格を心から応援しています！