はじめに

AWSでAIを使おうとすると、サービス名が多くて最初に迷いやすいです。

Amazon BedrockとAmazon SageMaker AIは何が違うのか
Amazon Qはアプリ開発に使うものなのか、社内FAQに使うものなのか
Textract、Rekognition、Transcribe、PollyのようなAIサービスは、生成AIとどう使い分けるのか
AWS Certified AI Practitionerなどの資格学習では、どの粒度で覚えればよいのか

この記事では、AWSのAI関連サービスを、サービス名の暗記ではなく 「何をしたいときに何を選ぶか」 で整理します。

分類をすばやく見分けられるよう、表や見出しでは絵文字を説明用アイコンとして使います。Amazon Bedrock、Amazon Q、Amazon SageMaker AIの解説と、目的別AIサービスの比較表には、AWS公式のアーキテクチャアイコンも併記します。

公式アイコンは、2026年4月30日版のAWS Architecture Iconsから取得しています。Amazon Q BusinessとAmazon Q Developerには、共通のAmazon Q公式アイコンを使います。

この記事でわかること

AWSのAIサービスを大きく分類する考え方
Amazon Bedrock、Amazon SageMaker AI、Amazon Qの使い分け
画像、音声、文書、翻訳、検索、レコメンド系AIサービスの役割
AWS AIサービスを選ぶときの判断表
最小構成でAmazon Bedrockを試すCLI例

先に結論

AWSのAIサービスは、まず次の5つに分けると理解しやすいです。

アイコン	分類	代表サービス	使う場面
🤖	生成AIアプリを作る	Amazon Bedrock	チャット、RAG、AIエージェント、文章生成、要約
🧑‍💻	開発者をAIで支援する	Amazon Q Developer	コード生成、AWS相談、脆弱性確認、運用支援
🏢	社内データに聞けるAIを作る	Amazon Q Business	社内FAQ、ドキュメント検索、業務チャット
🧪	自分でMLモデルを作る	Amazon SageMaker AI	学習、チューニング、推論エンドポイント、MLOps
🧰	特定機能をAPIで使う	Textract、Rekognition、Transcribeなど	OCR、画像認識、音声認識、翻訳、音声合成

迷ったら、最初に次の判断で分けます。

やりたいこと	最初に見るサービス
生成AIアプリを作りたい	🤖 Amazon Bedrock
社内文書をもとに回答する業務AIを早く作りたい	🏢 Amazon Q Business
コーディングやAWS作業をAIに手伝ってほしい	🧑‍💻 Amazon Q Developer
独自データでモデルを学習、評価、デプロイしたい	🧪 Amazon SageMaker AI
画像、PDF、音声、翻訳などの単機能APIがほしい	🧰 目的別AIサービス

前提

対象読者: AWSのAIサービスをこれから整理したい人、AWS資格学習中の人、AI機能をAWS上で検討しているエンジニア
確認日: 2026-08-13
扱う範囲: AWSの主要AIサービスの役割、使い分け、最初の検証観点
扱わない範囲: 料金の詳細比較、全リージョン対応状況、全モデル一覧、モデル性能ベンチマーク
注意: 料金、リージョン、利用可能モデル、サービス名、UIは変わるため、実際に使う前にAWS公式ドキュメントを確認してください

用語の短い説明

用語	短い説明
AI	人間の判断や作業の一部を、モデルやアルゴリズムで支援する技術の総称
ML	Machine Learningの略。データからパターンを学習し、予測や分類に使う技術
生成AI	文章、画像、コード、要約など、新しい出力を生成するAI
FM	Foundation Modelの略。多くのデータで事前学習された基盤モデル
RAG	Retrieval-Augmented Generationの略。社内文書などを検索して、その結果をもとに生成AIへ回答させる構成
エージェント	AIが手順を考え、必要に応じてツールやAPIを呼び出して作業する仕組み
OCR	画像やPDFから文字を読み取る技術
推論	学習済みモデルに入力を渡し、予測や生成結果を得ること

AWS AIサービスの全体像

AWSのAIは、1つの巨大なサービスではありません。
用途ごとに分かれています。

ポイントは、Bedrock、SageMaker AI、Amazon Qを同じ箱に入れて考えないことです。

Bedrockは、生成AIアプリを作るための基盤
SageMaker AIは、MLモデルを作る、学習する、運用するための基盤
Amazon Qは、ユーザーや開発者がAIアシスタントとして使うサービス
目的別AIサービスは、OCRや音声認識のような機能をAPIで使うサービス

🤖 Amazon Bedrock

Amazon Bedrockは、生成AIアプリケーションを作るためのマネージドサービスです。
基盤モデルを選び、APIから呼び出して、文章生成、要約、分類、チャット、RAG、エージェントなどを作れます。

Bedrockでできること

使い方	説明
チャット	ユーザーの質問に対して自然文で回答する
要約	長い文書、議事録、問い合わせ履歴を短くまとめる
分類	問い合わせ内容をカテゴリ分けする
RAG	社内文書やFAQを検索し、その内容をもとに回答する
エージェント	APIやツールを呼び出しながら複数ステップの作業を進める

Bedrockを選ぶ場面

自社アプリに生成AI機能を組み込みたい
モデルを直接管理せず、APIとして使いたい
複数の基盤モデルを比較して選びたい
社内文書をもとに回答するRAGを作りたい
生成AIエージェントをAWS上で作りたい

Bedrockを使う場合でも、モデルアクセス、リージョン、IAM権限、データの扱い、料金は必ず確認します。
「生成AIだから何でもできる」と考えるより、入力、参照データ、出力確認、人間のレビュー範囲を先に決める方が安全です。

🏢 Amazon Q Business

Amazon Q Businessは、企業や組織のデータをもとに回答する生成AIアシスタントを作るサービスです。

Bedrockで一からアプリを作るよりも、社内FAQ、社内規程、手順書、ドキュメント検索のような用途に寄せて使いやすい位置づけです。

Q Businessを選ぶ場面

場面	理由
社内文書を横断検索したい	ドキュメントや業務データをもとに回答させやすい
ユーザーごとの権限を考慮したい	権限に応じてアクセスできる情報を制御する設計にしやすい
Slack、Teams、社内ポータルにAIを入れたい	業務ユーザーが使う導線に寄せやすい
まず業務利用を早く試したい	生成AIアプリを一から作るより始めやすい

Bedrockとの違い

観点	Amazon Q Business	Amazon Bedrock
主な用途	社内ナレッジAI、業務アシスタント	生成AIアプリ開発基盤
利用者	業務ユーザー、社内利用者	開発者、アプリ利用者
作り込み	既定機能を活用しやすい	アプリ側で自由に設計しやすい
向いている例	社内FAQ、社内文書検索	独自チャット、RAG、AIエージェント、業務アプリ組み込み

🧑‍💻 Amazon Q Developer

Amazon Q Developerは、開発者やAWS運用者向けの生成AIアシスタントです。
コード生成、コード説明、リファクタリング、セキュリティスキャン、AWSリソースの相談、CLI支援などに使います。

Q Developerを選ぶ場面

IDEでコード補完やコード生成を使いたい
AWS構成やベストプラクティスを相談したい
既存コードを説明してほしい
単体テストやドキュメント作成を支援してほしい
AWS CLIや運用作業のコマンドを確認したい

Amazon CodeWhispererの機能はAmazon Q Developerへ移行しています。
古い資料でCodeWhispererと書かれている場合は、現在のAmazon Q Developerドキュメントを確認すると整理しやすいです。

🧪 Amazon SageMaker AI

Amazon SageMaker AIは、機械学習モデルを作る、学習する、評価する、本番環境へデプロイするためのマネージドサービスです。

Bedrockが「既存の基盤モデルをAPIとして使う」方向に近いのに対して、SageMaker AIは「自分たちのデータとMLワークフローを使ってモデルを作る、運用する」方向に強いです。

SageMaker AIを選ぶ場面

場面	理由
独自データでモデルを学習したい	学習ジョブ、実験、評価、デプロイの流れを作れる
予測、分類、異常検知などのMLを作りたい	生成AI以外の機械学習にも対応しやすい
モデルの評価、監視、MLOpsを整えたい	MLワークフローを運用に乗せやすい
推論エンドポイントを本番運用したい	モデルをAPIとしてデプロイできる

BedrockとSageMaker AIの使い分け

判断	Bedrock	SageMaker AI
まず生成AIをアプリに入れたい	向いている	場合による
基盤モデルをAPIで使いたい	向いている	場合による
独自MLモデルを学習したい	場合による	向いている
MLの学習、評価、デプロイを管理したい	場合による	向いている
RAGやエージェントを早く作りたい	向いている	補助的に使うことがある

🧰 目的別AIサービス

生成AIだけでなく、画像、音声、文書、翻訳などの処理は、目的別AIサービスを使う方がシンプルなことがあります。

アイコン	サービス	入力	出力	使う場面
📄	Amazon Textract	PDF、スキャン画像	テキスト、表、フォーム情報	請求書、申込書、帳票の読み取り
🖼️	Amazon Rekognition	画像、動画	物体、人物、テキスト、ラベルなど	画像分類、動画解析、コンテンツ確認
🗣️	Amazon Transcribe	音声、動画	文字起こしテキスト	議事録、通話ログ、字幕作成
🔊	Amazon Polly	テキスト	音声	読み上げ、音声案内、ナレーション
🌐	Amazon Translate	テキスト	翻訳テキスト	多言語対応、問い合わせ翻訳
📝	Amazon Comprehend	テキスト	感情、キーフレーズ、エンティティなど	問い合わせ分析、文章分類
💬	Amazon Lex	音声、テキスト	会話インターフェース	チャットボット、音声ボット
🔎	Amazon Kendra	文書、社内データ	検索結果、回答候補	エンタープライズ検索、社内ナレッジ検索
🎯	Amazon Personalize	ユーザー行動、商品情報	レコメンド	EC、動画、記事、学習コンテンツの推薦

目的別AIサービスは、生成AIよりも「入力と出力」がはっきりしています。

たとえば、PDFから文字を取り出すだけならBedrockではなくTextractが候補になります。
音声を文字にするだけならTranscribeが候補です。

一方で、取り出した文字を要約したり、分類したり、自然文で回答したりする場合は、BedrockやComprehendと組み合わせると使いやすくなります。

よくある組み合わせ

社内FAQ・規程検索

判断:

社内ナレッジAIを早く使いたいならAmazon Q Business
自社アプリへ細かく組み込みたいならAmazon Bedrock
既存の検索基盤や文書検索が中心ならAmazon Kendraも候補

帳票読み取りと要約

判断:

文字や表の抽出はTextract
抽出後の要約や自然文説明はBedrock
ルールベースで十分なら、Bedrockを使わずLambdaやStep Functionsで処理する

音声問い合わせの分析

判断:

音声を文字にするのはTranscribe
感情やキーフレーズ抽出はComprehend
対応履歴の要約や次アクション案はBedrock

まず試すならAmazon Bedrockの最小確認

生成AIアプリの入口としては、Bedrock RuntimeのConverse APIを使うと考え方を掴みやすいです。

以下は概念例です。
実行にはAWS CLI、利用するリージョン、Bedrockのモデルアクセス、IAM権限、利用可能なモデルIDの確認が必要です。
モデルIDはリージョンやアカウントの設定で変わるため、固定値をそのまま使わず、自分の環境で確認してください。

利用できるモデルIDを確認する

ターミナル

# Bedrockで利用可能な基盤モデルのIDを確認する
# リージョンは自分が使う環境に合わせて変更する
aws bedrock list-foundation-models \
  --region ap-northeast-1 \
  --query 'modelSummaries[].{modelId:modelId, provider:providerName, name:modelName}' \
  --output table

メッセージをJSONで用意する

messages.json

[
  {
    "role": "user",
    "content": [
      {
        "text": "AWSのAIサービスを、初心者向けに3分類で説明してください。"
      }
    ]
  }
]

Converse APIで呼び出す

ターミナル

# 事前に list-foundation-models などで確認したモデルIDを設定する
MODEL_ID="your-model-id"

# Bedrock Runtimeにメッセージを送り、応答本文だけを表示する
aws bedrock-runtime converse \
  --region ap-northeast-1 \
  --model-id "$MODEL_ID" \
  --messages file://messages.json \
  --query 'output.message.content[0].text' \
  --output text

うまくいかないときの確認

症状	確認すること
モデルが見つからない	リージョン、モデルID、モデルアクセスの有効化
AccessDeniedになる	IAM権限、利用しているAWSプロファイル
応答が期待と違う	プロンプト、入力データ、モデルの向き不向き
料金が不安	トークン数、リクエスト数、リージョン、モデル別料金
社内文書に答えられない	RAG構成、Knowledge Bases、Q Businessの利用を検討

サービス選定の実務チェックリスト

AWS AIサービスを選ぶときは、サービス名から入るより、次の順で確認すると判断しやすいです。

確認項目	見ること
目的	生成、検索、分類、OCR、音声、翻訳、レコメンドのどれか
入力データ	テキスト、PDF、画像、音声、ログ、商品データ、社内文書
出力	自然文回答、JSON、分類結果、文字起こし、音声、検索結果
利用者	開発者、社内ユーザー、顧客、運用担当者
データ保護	個人情報、顧客情報、社内文書、権限管理
運用	監視、ログ、評価、誤回答時の対応、再学習要否
費用	リクエスト単位、トークン単位、文字数、音声時間、推論エンドポイント

判断を間違えやすいポイント

BedrockとQ Businessを混同しない

社内FAQを作る場合、Bedrockでも作れます。
ただし、業務ユーザー向けの社内ナレッジAIとして早く形にしたいなら、Q Businessの方が合うことがあります。

逆に、既存アプリに細かく組み込みたい、UIやAPI連携を自由に設計したい場合はBedrockを検討します。

BedrockとSageMaker AIを混同しない

生成AIアプリを作りたいだけなら、最初からSageMaker AIでモデル学習を始める必要はないことが多いです。
まずBedrockで検証し、既存の基盤モデルで足りない理由が明確になってから、SageMaker AIでの学習、チューニング、独自MLを検討します。

目的別AIサービスを軽視しない

PDFから表を取りたい、音声を文字にしたい、翻訳したい、画像からラベルを取りたい。

このように入力と出力が明確な処理は、目的別AIサービスの方が設計しやすいことがあります。
生成AIは便利ですが、すべてを生成AIに任せる必要はありません。

AI出力の確認工程を設計する

AIサービスを入れるときは、機能が動くことだけでなく、出力が間違ったときの扱いを先に決めます。

誰が結果を確認するか
どの出力をログに残すか
ユーザーへAI生成であることをどう伝えるか
個人情報や機密情報を入力してよいか
誤回答が業務判断に影響する場合、どこで人間が確認するか

APIキー、パスワード、顧客情報、個人情報、社内限定資料を、検証目的でそのままAIサービスへ入れないでください。
検証ではサンプルデータ、マスキング済みデータ、公開可能なデータを使います。

AWS資格学習での覚え方

AWS Certified AI Practitionerなどの資格学習では、細かいAPI名を暗記するより、次の対応関係を先に押さえると整理しやすいです。

覚え方	サービス
生成AI、基盤モデル、RAG、エージェント	Amazon Bedrock
開発者向けAIアシスタント	Amazon Q Developer
社内データに基づく業務AI	Amazon Q Business
MLモデルの学習、デプロイ、MLOps	Amazon SageMaker AI
PDF、帳票、フォーム抽出	Amazon Textract
画像、動画分析	Amazon Rekognition
音声から文字	Amazon Transcribe
文字から音声	Amazon Polly
翻訳	Amazon Translate
テキスト分析	Amazon Comprehend
チャットボット	Amazon Lex
エンタープライズ検索	Amazon Kendra
レコメンド	Amazon Personalize

参考・確認先

確認日: 2026-08-13

まとめ

AWSのAIサービスは、生成AI、開発者支援、業務AI、独自ML、目的別AI APIに分けると整理しやすい
生成AIアプリはAmazon Bedrock、社内ナレッジAIはAmazon Q Business、開発者支援はAmazon Q Developerを最初に見る
独自MLの学習やMLOpsが必要ならAmazon SageMaker AIを検討する
OCR、画像認識、音声認識、翻訳、音声合成などは目的別AIサービスを使う方がシンプルなことがある
AIサービスを選ぶときは、入力、出力、利用者、データ保護、運用、費用を先に確認する

おわりに

AWSのAIサービスは、サービス名を暗記するより、使いたい業務フローから逆算すると選びやすくなります。
Wealthy Designでは、Webシステム開発、クラウド活用、AIを使った業務改善に取り組んでいます。

会社の取り組みは、会社サイトにまとめています。