PRACTICE練習問題

Generative AI Developer Professional（AIP-C01）の練習問題 100問

Amazon Bedrock を中心に、基盤モデル・RAG・エージェントを本番のアプリに組み込む。MLA・AIF の先。 この問題は、執筆者が公式ドキュメントを出典に一から作った独自問題です。本試験の問題の再現・転載ではありません。各問に公式ドキュメントの出典を付けています。

受験日から逆算して計画する（学習プラン） ／ 試験の版・時間・受験料（AWS 認定の一覧） ／ 関連する記事: Codex を Bedrock 経由で使う｜Lit...・生成 AI アプリの本番設計｜モデル選び・RAG ...・Amazon Bedrock とは何か｜モデルの選...

WHAT'S INSIDE

AIP-C01 の練習問題 100問の分野と扱うサービス

AIP-C01 の試験ガイドが示す分野ごとに問題を分けています。問題数は分野の配分に合わせたもので、どの分野も公式ドキュメントを出典に作っています。

分野	問題数	多く扱うサービス
基盤モデルの統合・データ管理・コンプライアンス	31問	Amazon Bedrock、Knowledge Bases for Amazon Bedrock、Amazon Titan Embeddings、Amazon OpenSearch Service、Amazon S3
実装と統合	26問	Amazon Bedrock、Agents for Amazon Bedrock、AWS Lambda、Knowledge Bases for Amazon Bedrock、AWS Step Functions
AIの安全性・セキュリティ・ガバナンス	20問	Guardrails for Amazon Bedrock、Amazon Bedrock、AWS IAM、Agents for Amazon Bedrock、Amazon SageMaker
生成AIアプリケーションの運用効率と最適化	12問	Amazon Bedrock、Amazon S3、Amazon DynamoDB、Amazon CloudWatch、Knowledge Bases for Amazon Bedrock
テスト・検証・トラブルシューティング	11問	Amazon Bedrock、Knowledge Bases for Amazon Bedrock、Amazon CloudWatch、Amazon Titan Embeddings、Service Quotas

SAMPLE QUESTIONS

AIP-C01 の見本の問題（分野ごとに1問）

全100問のうち、分野ごとに1問を答えと解説つきで載せています。残りの問題は、上の4つのモードから解けます。

基盤モデルの統合・データ管理・コンプライアンスAIP-C01 #1

法律事務所の開発チームが、数百ページに及ぶ契約書を丸ごとモデルに渡して条項の要約を作る社内ツールを作っています。文書を分割して要約をつなぎ合わせると、条項間の参照関係が失われることが分かっています。モデルを選ぶときに最優先で確認すべき特性はどれですか？

• Aモデルが画像や図の入力にも対応しており、スキャンした契約書を直接読めるか
• Bモデルがファインチューニングに対応しているか
• C1 回のリクエストで扱えるコンテキストウィンドウの大きさ
• D埋め込みベクトルの次元数

答えと解説を見る

正解: C

文書全体を分割せずに一度に渡したいので、入力と出力を合わせて扱えるトークン量＝コンテキストウィンドウが要件を満たすかが最優先です。画像入力やファインチューニングの可否は今回の要件と無関係で、埋め込みの次元数は検索用ベクトルの性質であり生成モデルの入力量を決めません。

公式の出典

• Amazon Bedrock でサポートされている基盤モデル

実装と統合AIP-C01 #32

ホテルチェーンが、宿泊客の自然文の依頼（「明日の朝 7 時にタクシーを手配して」など）を理解し、既存の予約システムの REST API を呼び分けて処理するアシスタントを作ります。どの API をどの引数で呼ぶかはモデルに判断させ、API の呼び出し自体は既存のコードで行いたいと考えています。最も適した構成はどれですか？

• Aエージェントに、API スキーマと Lambda を定義したアクショングループを設定する
• Bナレッジベースに API の仕様書を取り込み、RetrieveAndGenerate で回答させる
• CAPI Gateway のマッピングテンプレートで自然文を API の引数に変換する
• Dガードレールの拒否トピックで API ごとに振り分ける

答えと解説を見る

正解: A

Bedrock のエージェントは、アクショングループに定義した API スキーマをもとに、ユーザーの依頼から呼ぶべき操作と引数を判断し、Lambda 関数などを通じて実行できます。ナレッジベースは文書の検索と回答で API を実行しません。マッピングテンプレートは自然文を理解せず、ガードレールは安全性の制御で振り分けの仕組みではありません。

公式の出典

• Amazon Bedrock エージェント

AIの安全性・セキュリティ・ガバナンスAIP-C01 #58

銀行の住宅ローン相談チャットで、利用者から「どの株を買えばいいか」と聞かれても、個別の投資助言は一切答えさせない方針です。この話題に当たる入力と出力を、会話の種類を問わずまとめて遮断したいと考えています。最も適した設定はどれですか？

• Aモデルの temperature を 0 にする
• Bガードレールで投資助言を拒否トピックとして定義する
• Cシステムプロンプトの末尾に「投資の話はしない」と書くだけにする
• D最大トークン数を小さくして長い回答を防ぐ

答えと解説を見る

正解: B

Bedrock のガードレールの拒否トピックは、自然文で定義した話題に該当する入力や応答を検出して遮断できます。アプリの外側で一貫して適用できるため、方針の徹底に向きます。temperature や最大トークン数は話題を制御せず、プロンプトの指示だけでは言い回しを変えた質問で回避されることがあります。

公式の出典

• Amazon Bedrock ガードレール

生成AIアプリケーションの運用効率と最適化AIP-C01 #78

契約審査アシスタントでは、毎回同じ長い審査基準（数千トークン）をプロンプトの先頭に置き、その後ろに個別の契約条項を付けて呼び出しています。先頭の共通部分の処理にかかるコストとレイテンシを下げたいと考えています。最も効果的な方法はどれですか？

• Aプロンプトキャッシュで共通の先頭部分をキャッシュする
• Btemperature を毎回 0 にして、同じ入力の処理を省かせる
• C審査基準を毎回ランダムな順序に並べ替える
• Dストリーミング応答に切り替えて、共通部分の処理を待たずに出力を始める

答えと解説を見る

正解: A

プロンプトキャッシュは、繰り返し送られるプロンプトの先頭部分（接頭辞）をキャッシュし、後続の呼び出しでその部分の処理を省くことで、コストとレイテンシを下げます。共通部分を先頭に固定しておくことが前提です。temperature は出力の多様性の設定で、並べ替えはキャッシュが効かなくなります。ストリーミングは表示の早さの改善で入力の処理量は減りません。

公式の出典

• Amazon Bedrock とは (Amazon Bedrock User Guide)

テスト・検証・トラブルシューティングAIP-C01 #90

ニュース記事の要約機能に使うモデルを 3 つの候補から選びます。まず正確さや頑健性などの共通の指標で、組み込みまたは自社のプロンプトデータセットを使って機械的に比べたいと考えています。評価者の手配は不要です。最も適した方法はどれですか？

• AAmazon Bedrock のモデル評価で自動評価のジョブを作り、候補のモデルを比べる
• B開発者が数件の出力を読んで印象で決める
• C本番に 3 つとも出して利用者の苦情の数で比べる
• Dモデルのパラメータ数が最も大きいものを選ぶ

答えと解説を見る

正解: A

Bedrock のモデル評価の自動評価では、組み込みまたは独自のプロンプトデータセットに対してモデルを実行し、正確さ・頑健性・有害性などの指標でスコアを出して比べられます。評価者の手配も不要です。数件の印象や本番での苦情の数は再現性がなく、パラメータ数は用途での品質を保証しません。

公式の出典

• Amazon Bedrock のモデル評価

READ FIRST

AIP-C01 の論点を記事で読む

• Codex を Bedrock 経由で使う｜LiteLLM ゲートウェイで予算とレート制限を握る
• 生成 AI アプリの本番設計｜モデル選び・RAG の品質・ガードレール・コストと監視の判断軸
• Amazon Bedrock とは何か｜モデルの選び方・RAG・エージェント・ガードレールと SageMaker の違い