AWS AI Practitioner AIF-C01 完全攻略入門 — 5ドメインと4週間学習ロードマップ

AWS AI Practitioner（AIF-C01）は、AWS 認定の中で最も新しい Foundational レベルの試験であり、生成 AI 時代の「共通言語」を証明する資格だ。Amazon Bedrock や Amazon SageMaker といった AWS の AI サービス群を、ビジネス課題に正しくマッピングできるか。プロンプトエンジニアリングや RAG（検索拡張生成）の判断基準を説明できるか。本記事は AIF-C01 の試験仕様、5 ドメインの配点構造、CLF-C02・SAA-C03 との関係、そして 4 週間で合格レベルに到達する学習ロードマップを 1 記事で体系化する。

AWS SAA-C03 合格戦略 完全ガイド（2026-06-07 公開）の末尾で予告した AI 系認定への第一歩が、この AIF-C01 だ。

なぜ今 AWS AI Practitioner なのか — 生成AI時代の「共通言語」資格

AWS AI Practitioner が他のクラウド認定と決定的に違うのは、「インフラを組める人」ではなく「AI で何ができて何ができないかを判断できる人」を認定する点だ。

2024 年 8 月に発表され、同年 10 月に正式版へ移行した AIF-C01 は、AWS 認定ポートフォリオの中で Cloud Practitioner（CLF-C02）と並ぶ Foundational レベルに位置する。しかし対象者像は大きく異なる。CLF-C02 がクラウド全般の入門者を対象とするのに対し、AIF-C01 は「AI/ML プロジェクトに関わるすべての職種」を対象とする。エンジニアだけでなく、プロダクトマネージャー、営業、経営企画まで含む設計だ。

この設計には合理性がある。生成 AI プロジェクトの失敗要因の多くは技術力不足ではなく、「ファインチューニングすべき場面で RAG を選ぶ」「ハルシネーションのリスクを評価せず本番投入する」といった判断ミスにある。AIF-C01 の出題は、まさにこの判断力を問う構造になっている。

さらに見逃せないのが、責任ある AI（Responsible AI）とガバナンスで配点の 28% を占める点だ。バイアス検出、説明可能性、AI システムのコンプライアンス。2026 年の企業 AI 導入で最も問われるテーマが、試験の中核に据えられている。EU AI Act の段階的適用が進み、日本でも AI 事業者ガイドラインの改訂が続く今、この知識領域の市場価値は上がり続けている。

AIF-C01 試験仕様の正確な数字

公式 AWS Certified AI Practitioner (AIF-C01) 試験ガイドから、正確な仕様を押さえる。

注意したいのは試験時間だ。Web 上には「120 分」と記載する非公式情報が散見されるが、公式試験ガイドの記載は 90 分 である。65 問を 90 分で解くペースは 1 問あたり約 1.4 分。CLF-C02 と同じ時間感覚だが、後述する新問題形式（ordering / matching / case study）は読解量が多く、体感的な余裕は CLF-C02 より少ない。

合格点 700 は CLF-C02 と同じ水準だ。採点対象は 50 問なので、実質的には 7 割前後の正答が合格ラインとなる。模擬試験で安定して 80% を取れる状態で本番に臨むのが安全圏という点は、AWS Cloud Practitioner CLF-C02 完全攻略 — 試験概要と Domain 1: Cloud Concepts（2026-05-26 公開）で解説した CLF-C02 の戦略と変わらない。

受験申込は AWS Builder ID で CertMetrics にログインし、Pearson VUE 経由で予約する。自宅受験（OnVUE）も選べるが、部屋の撮影チェックや監督員とのやり取りが発生するため、初回はテストセンター受験を推奨する。

CLF-C02・SAA-C03 との関係 — どこが重なり、どこが新しいか

AWS 認定をすでに持っている読者にとって、最大の関心は「どこまで流用が利くか」だろう。結論から言えば、セキュリティとガバナンスの知識は CLF-C02 から大きく流用できるが、試験の主戦場である AI/ML ドメインはほぼ新規学習になる。

CLF-C02 取得者であれば、AIF-C01 の Domain 5（Security, Compliance, and Governance for AI Solutions）で問われる IAM、暗号化、CloudTrail といった基礎は既習領域だ。共有責任モデルの考え方も、AI ワークロードに適用対象が変わるだけで本質は同じ。この重なりがあるため、CLF-C02 → AIF-C01 の順で受験する場合の追加学習は AI/ML 領域に集中投下できる。

一方、SAA-C03 との関係は「直交」に近い。SAA-C03 が問うのは可用性・性能・コストの設計判断であり、AIF-C01 が問うのは AI ユースケースの適合判断だ。AWS Solutions Architect Associate SAA-C03 完全攻略入門（2026-05-30 公開）で扱った設計思考は、AIF-C01 では前提とされない。だからこそ、SAA-C03 を飛ばして CLF-C02 から直接 AIF-C01 に進む選択も十分に合理的だ。

なお、AI 系のキャリアをさらに進めるなら、Associate レベルの AWS Certified Machine Learning Engineer – Associate（MLA-C01）が次の段階として控えている。AIF-C01 で概念の地図を作り、MLA-C01 で SageMaker を使った実装力を証明する。この二段構えが 2026 年の AI 認定ラダーの標準ルートになっている。

5 ドメイン構成の全体像 — 配点マップと出題テーマ

AIF-C01 は 5 つのドメインで構成される。配点と中核テーマを一覧で押さえる。

配点構造を見ると、この試験の性格がはっきり読み取れる。Domain 2 と Domain 3 を合わせると 52%。つまり AIF-C01 は過半が「生成 AI と基盤モデル」の試験 だ。従来型 ML（回帰、分類、クラスタリング）を扱う Domain 1 は 20% に抑えられており、出題の重心は明確に生成 AI 側にある。

サービス面では、Amazon Bedrock と Amazon SageMaker が二大主役となる。Bedrock は基盤モデルを API で利用するマネージドサービス、SageMaker は ML モデルの構築・学習・デプロイを担う統合プラットフォーム。この 2 つの役割分担と使い分けは、全ドメイン横断で繰り返し問われる。加えて Amazon Q（業務アシスタント）、Amazon Comprehend（自然言語処理）、Amazon Rekognition（画像分析）、Amazon Transcribe（音声認識）といった AI サービス群が、ユースケース適合問題の選択肢として登場する。

Domain 4 と Domain 5 は配点こそ各 14% だが、合わせて 28% と Domain 3 に匹敵する。バイアス検出ツールとしての SageMaker Clarify、生成 AI の安全制御としての Amazon Bedrock Guardrails。このあたりのサービスと概念の対応付けは、確実な得点源にできる。

Domain 1・2 の手触り — 「AI の地図」を問う前半 44%

Domain 1（Fundamentals of AI and ML、20%）は、AI・機械学習・深層学習という入れ子構造の概念整理から始まる。問われるのは定義の暗記ではなく、区別の実用性だ。「ルールベースで解ける問題に ML を持ち込んでいないか」「ラベル付きデータがないのに教師あり学習を選んでいないか」。教師あり・教師なし・強化学習の 3 つの学習タイプと、分類・回帰・クラスタリングといったタスク類型を、具体的なビジネス課題に対応付けられるかが焦点になる。

ML ライフサイクル全体の流れも Domain 1 の柱だ。ビジネス課題の定義、データ収集と前処理、モデルの学習と評価、デプロイ、そして本番運用後の監視。各工程で使う AWS サービス（データ準備なら SageMaker の前処理機能、監視なら SageMaker Model Monitor）との対応付けまで踏み込んで問われる。過学習と過小学習の違い、学習データとテストデータを分ける理由といった、ML 実務の常識も出題範囲に含まれる。

Domain 2（Fundamentals of Generative AI、24%)は、生成 AI の仕組みを概念レベルで問う。トークン、埋め込み（エンベディング)、コンテキストウィンドウ、Transformer といった用語の役割を、数式なしで説明できるレベルが要求水準だ。たとえば「埋め込みとは何か」に対して「テキストの意味を数値ベクトルに変換したもので、意味の近さを距離として扱える」と答えられれば十分で、線形代数の理解までは求められない。

Domain 2 でもう 1 つ重要なのが、生成 AI の「限界」の理解だ。ハルシネーション（もっともらしい誤情報の生成）、知識カットオフ、非決定性、毒性のある出力。これらのリスクを把握したうえで、ユースケースごとに生成 AI が適するか否かを判断させる問題が出る。「正確性が絶対条件の計算処理」に生成 AI を選ばせない、という判断力こそが Foundational レベルの合格基準になっている。

最大配点 28% — Domain 3「基盤モデルの応用」が合否を分ける

5 ドメインの中で最大配点を持つ Domain 3 は、AIF-C01 の合否を最も左右する領域だ。出題テーマは大きく 4 つに分かれる。

第一に モデル選定の判断基準。コスト、レイテンシ、多言語対応、モデルサイズ、カスタマイズ可能性。要件に対してどの基盤モデルを選ぶかを問う。「最高性能のモデル」ではなく「要件を満たす最小コストのモデル」を選ばせる問題構造は、SAA-C03 の設計問題と同じ思想だ。

第二に プロンプトエンジニアリング。zero-shot、few-shot、chain-of-thought といった技法の使い分け、プロンプトインジェクションのリスク、temperature や top-p といった推論パラメータの効果。概念の名前と効果を正確に対応付けられるかが問われる。

第三に モデルカスタマイズの選択。ここが Domain 3 の最重要ポイントだ。「事前学習済みモデルをそのまま使う → プロンプトエンジニアリング → RAG → ファインチューニング → 独自モデルの事前学習」という段階的アプローチのうち、どの場面でどれを選ぶべきか。「社内文書に基づいて回答させたい」なら RAG、「モデルの応答スタイル自体を変えたい」ならファインチューニング。この判断基準を軸に、コストと複雑性のトレードオフを評価させる。

第四に 基盤モデルの評価。ROUGE や BLEU といった評価指標の用途、人間によるレビューの位置づけ、ベンチマークの限界。生成 AI の出力品質をどう測るかという、実務でも頻出の論点だ。

Domain 3 の学習で意識すべきは、暗記ではなく「判断フローチャート」を頭の中に作ることだ。要件を聞いた瞬間に、プロンプト改善で済むのか、RAG が必要なのか、ファインチューニングまで踏み込むのかを振り分けられるようになれば、このドメインは得点源になる。

新問題形式に備える — ordering・matching・case study

AIF-C01 を受験するうえで、従来の AWS 認定と異なる重要ポイントが問題形式だ。AWS 公式ブログが発表した通り、従来の単一選択・複数選択に加えて、3 つの新形式が導入されている。

• Ordering（並べ替え）: 3〜5 個の選択肢を正しい順序に並べる。ML ライフサイクルの工程順、RAG 実装のワークフロー順など、プロセス理解を直接問う
• Matching（組み合わせ）: 3〜6 個の項目とその説明をドロップダウンで対応付ける。サービス名と用途、評価指標と適用場面のマッピングが典型
• Case study（ケーススタディ）: 1 つのシナリオを読み、それに紐づく複数の設問に答える。シナリオの読み込みは 1 回で済むため、読解時間の節約になる

採点上の扱いは公平で、新形式 1 問の配点は単一選択 1 問と同じだ。部分点はなく、ordering なら順序まで完全一致で初めて得点になる。

対策として有効なのは、概念を「リスト」ではなく「フロー」で覚えることだ。たとえば ML ライフサイクルを「データ収集 → 前処理 → 学習 → 評価 → デプロイ → 監視」という流れで説明できるようにしておけば、ordering 問題はそのまま得点になる。単語カード式の暗記では新形式に対応しきれない。この点は学習方法の設計段階から織り込んでおきたい。

matching 形式の典型例も挙げておく。左列に「Amazon Comprehend / Amazon Transcribe / Amazon Rekognition / Amazon Polly」、右列に「感情分析 / 音声の文字起こし / 画像内の物体検出 / テキスト読み上げ」が並び、正しい組み合わせを選ぶ。1 つでも取り違えれば 0 点なので、AI サービス群は「名前と用途のペア」で確実に固めておく必要がある。サービス名の語感（Transcribe = 書き起こす、Polly = オウム）と機能を結び付けて覚えると、本番での取り違えが減る。

時間配分への影響も計算しておきたい。case study はシナリオ 1 つに設問が 2 問以上ぶら下がるため、シナリオの読み込みに 2〜3 分かけても設問単価では元が取れる。逆に ordering は見た目より時間を食う。順序の根拠に確信が持てないまま並べ替えを繰り返すと、1 問で 3 分以上溶けることがある。迷ったらフラグを立てて先へ進み、全問走破後に戻る。90 分 65 問の試験では、この規律が合否を分ける。

学習リソースの選び方 — 公式無料から始める三段構え

AIF-C01 の学習リソースは、無料の公式教材だけでもかなりの範囲をカバーできる。推奨は次の三段構えだ。

第一段: AWS Skill Builder（無料）。公式のデジタルトレーニングプラットフォームで、AIF-C01 向けの学習プランと Official Practice Question Set（公式練習問題セット）が無料で提供されている。まず Exam Guide を読み、無料の練習問題で現在地を測る。ここまでコストはゼロだ。

第二段: 体系学習用の講座。独学で概念の地図を作りにくい場合は、Udemy の Stéphane Maarek 氏による AIF-C01 講座が定番だ。Udemy は恒常的にセールを実施しており、セール時には数千円帯で購入できる。クラウド認定の文脈に慣れた講師の解説は、Bedrock と SageMaker の役割分担を整理するうえで効率がいい。

第三段: 模擬試験での仕上げ。Tutorials Dojo の AIF-C01 Practice Exams（約 15 ドル前後、セールで変動）は、本番に近い難度と丁寧な解説で定評がある。全ドメインで安定して 80% を超えるまで反復する。間違えた問題は解説を読むだけでなく、該当サービスの公式ドキュメントまで遡って確認する習慣をつけたい。

避けるべきは、いわゆる「問題集の丸暗記」だ。AIF-C01 は新問題形式の導入により、暗記ベースの対策が通用しにくい設計になっている。ordering や matching は概念間の関係を理解していなければ解けない。急がば回れで、判断基準そのものを身につける学習が結局は最短ルートになる。

4 週間学習ロードマップ

CLF-C02 取得済み、または同等のクラウド基礎知識がある前提で、4 週間の学習プランを提示する。1 日 1〜1.5 時間、合計 30〜40 時間の想定だ。

クラウド知識ゼロから始める場合は、この前に 2 週間の「クラウド基礎」期間を追加し、合計 6 週間を見込む。その場合の基礎固めにはクラウドコンピューティング 完全入門 2026（2026-05-25 公開）が出発点になる。

各週の進め方にも補足しておく。第 1 週は概念のインプットが中心になるが、ここで完璧主義に陥らないことが重要だ。Domain 1・2 の用語は Domain 3 の文脈で再登場するため、初週は「7 割の理解で先へ進む」と決めておく。埋め込みやトークンの意味は、第 2 週に Bedrock のプレイグラウンドで実物を触った瞬間に腹落ちすることが多い。

第 3 週の Domain 4・5 は、CLF-C02 取得者なら最も短時間で仕上がる領域だ。IAM ポリシー、KMS による暗号化、CloudTrail による監査ログという統制の基本構造は共通で、AI 固有の上乗せ分（バイアス検出、モデルの説明可能性、ガードレール設定）だけを差分学習すればいい。逆にここで時間が余ったら、第 4 週の模擬試験を前倒しで 1 回転させて弱点を早期に可視化しておくと、最終週の密度が上がる。

学習の進め方で重要なのは、第 1 週から手を動かすことだ。Amazon Bedrock にはプレイグラウンドがあり、複数の基盤モデルに同じプロンプトを投げて応答を比較できる。temperature を変えると出力がどう変わるか、few-shot の例示を増やすと精度がどう上がるか。この体感があるかないかで、Domain 3 の理解速度がまったく違ってくる。

メイカーと AI エンジニアにとっての AIF-C01

swiftwand.com の読者であるメイカー・エンジニア層にとって、AIF-C01 の価値は「資格」そのものより、生成 AI プロジェクトの判断基準を体系的に棚卸しできる点 にある。

たとえば 3D プリントファームの運用自動化を考えてみる。印刷失敗の検出にはコンピュータビジョン、造形パラメータの推奨にはレコメンデーション、トラブルシューティングの対話インターフェースには基盤モデル + RAG。AIF-C01 の Domain 1〜3 で学ぶ「ユースケースと手法のマッピング」は、こうした個人プロジェクトの技術選定にそのまま適用できる。

実際、「自前で YOLO を学習させるべきか、Amazon Rekognition のカスタムラベルで済ませるべきか」という判断は、Domain 1 の「ML を使うべき場面・使わないべき場面」の出題テーマそのものだ。クラウド API で済む領域と、エッジでの推論が必要な領域の切り分け。この感覚は、Raspberry Pi や Jetson でローカル AI を動かしてきたメイカーほど、試験勉強を通じて言語化される価値が大きい。

また、企業で AI 導入を主導する立場なら、Domain 4・5 のガバナンス知識は説得材料になる。「このユースケースはバイアスリスクをどう評価したのか」という経営層の問いに、SageMaker Clarify や Bedrock Guardrails という具体的な統制手段で答えられるようになる。技術と統制の両方を語れる人材は、2026 年の AI 案件で明確に希少だ。

まとめ — 今日やるべき 3 つのこと

AWS AI Practitioner（AIF-C01）は、65 問・90 分・¥15,000 で受験できる、生成 AI 時代の判断力を証明する Foundational 認定だ。配点の過半が生成 AI と基盤モデルに割かれ、ordering・matching・case study という新問題形式が概念理解を直接問う。CLF-C02 取得者なら 25〜40 時間、4 週間で合格圏に到達できる。

今日やるべきことは 3 つ。

1. 公式試験ガイドを読む。5 ドメインのタスク一覧に目を通し、知らない用語をリストアップする（30 分）
2. AWS Skill Builder に登録する。無料の Official Practice Question Set で現在地を測る（30 分）
3. 受験日を仮決めする。4 週間後の週末に Pearson VUE の空き枠を確認する。締め切り効果が学習を駆動する

まずは試験の全体地図を手に入れたうえで、配点最大の Domain 3 を軸に学習を組み立ててほしい。生成 AI の判断基準を体系的に言語化する 30〜40 時間は、資格の有無にかかわらず、2026 年のエンジニアにとって回収効率の高い投資になる。

参照

• AWS Certified AI Practitioner 公式ページ
• AWS Certified AI Practitioner (AIF-C01) 試験ガイド（日本語版 PDF）
• AWS Certification: Addition of new exam question types（AWS 公式ブログ）
• AWS Skill Builder
• Tutorials Dojo AIF-C01 Practice Exams

ブラウザだけでできる本格的なAI画像生成【ConoHa AI Canvas】

swiftwand

X

AIを使って、毎日の生活をもっと快適にするアイデアや将来像を発信しています。 初心者にもわかりやすく、すぐに取り入れられる実践的な情報をお届けします。 Sharing ideas and visions for a better daily life with AI. Practical tips that anyone can start using right away.