結論

AWS Certified AI Practitioner(AIF-C01)は、AI・機械学習と生成 AI の基礎、そして AWS の AI サービスの使いどころを問う「Foundational」区分の AWS 認定です。90分・65問(採点されるのは50問)、合格は換算スコア700、受験料は15,000円(100 USD)で、日本語で受けられます。

この記事でわかること

  • 試験の概要と、5分野の配点(20・24・28・14・14%)
  • 配点から計算した分野別の問題数の目安と1問あたりの時間
  • 試験ガイド版1.1で増えた範囲と、学ぶ順番・受ける順番の判断表

2026年11月13日更新|AWS 公式の認定ページ・試験ガイド(日本語版・英語版)で確認し、Python 3.13 で計算

AI Practitioner は「AI を作る人」より「AI を使う側として判断する人」に向けた試験です。試験ガイドは、モデルのコーディングやハイパーパラメータの調整を試験の範囲外と明記しています。学ぶ順番は次のとおり、基礎の用語から始めて、配点がいちばん大きい「基盤モデルの応用」に時間をかけます。

flowchart TD
    S{IT・AWSの経験は?} -->|浅い| E[AWSの基礎コース<br>Cloud Practitioner Essentials など]
    S -->|ある| D1
    E --> D1[分野1 AIとMLの基礎 20%]
    D1 --> D2[分野2 GenAIの基礎 24%]
    D2 --> D3[分野3 基盤モデルの応用 28%]
    D3 --> D4[分野4 責任あるAI 14%]
    D4 --> D5[分野5 セキュリティ・ガバナンス 14%]
    D5 --> P[公式の練習問題・練習試験で確かめる]

よく調べられることの答えを先にまとめます。

知りたいこと 答え 詳しい節
AWS AI Practitioner とは AI・ML・生成 AI の基礎と AWS の AI サービスを問う Foundational の認定 AIF-C01とは
試験時間・問題数 90分・65問(採点される50問+採点されない15問) 試験の概要
合格点 換算スコア100〜1,000のうち700。正答率70%という意味ではない 試験の概要
受験料 15,000円(100 USD)。税が適用される場合がある 試験の概要
出題範囲・配点 5分野。基盤モデルの応用28%がいちばん大きい 出題分野と配点
分野別の問題数 採点される50問なら10・12・14・7・7問が目安(計算) 問題数の目安と1問あたりの時間
難易度・勉強時間 公式は合格率も勉強時間も出していない。想定はAI/ML経験6か月以下の人 対象となる人
クラウドプラクティショナーとの違い 同じ区分・時間・問題数・料金で、範囲が AI に絞られている CLF・MLAとの違い
学ぶ順番 試験ガイド→不足分野の学習→演習→公式の練習試験の4ステップ 学ぶ順番

確認環境:AWS 公式の認定ページ(日本語・英語)、試験ガイド AIF-C01 の日本語版(はじめに・分野1〜5・対象のサービス・改訂のページ)と英語版(はじめに・改訂のページ)、受験前と受験後のポリシーのページ、AWS Certified Cloud Practitioner と AWS Certified Machine Learning Engineer - Associate の認定ページを読みました。分野ごとの問題数の目安、1問あたりの時間、試験ガイドの項目数・サービス名の数、改訂で変わった項目の割合は、試験ガイドの文を写したデータから Python 3.13.18 で計算しています。試験は受けておらず、AWS 認定アカウント・AWS Skill Builder にはサインインしていません(申し込み画面・学習画面は公式の説明の範囲で書いています)。図は mermaid で描画を確かめました(確認日 2026年11月13日)。

本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。

(記載例)出典:株式会社RJC「AWS AI Practitionerとは|AIF-C01の範囲・配点と学ぶ順番」

AWS Certified AI Practitioner(AIF-C01)とは

この節では、AI Practitioner がどんな認定で、何を確かめる試験なのかが分かります。

AWS Certified AI Practitioner は、AI の概念と AWS の AI ツールの基本的な知識を確かめる、AWS 認定の入門の区分(Foundational)の試験です。試験コードは AIF-C01 で、略して「AIF」と呼ばれます。試験ガイドは「この認定は、実務的なビジネスへの AI の活用に重点を置いています」と書いています。

試験ガイドの「はじめに」が挙げる、受験者の能力として確かめることは次の4つです。

1概念を説明する

一般的な、また AWS 上での AI、ML、生成 AI(GenAI)の概念・手法・戦略を説明する。

2使い方を見極める

ビジネス上の問題を解決するための、AI/ML と GenAI の適切な使い方を特定する。

3種類を選ぶ

特定のユースケースに合う AI/ML テクノロジーの種類を見極める。

4責任を持って使う

AI、ML、GenAI のテクノロジーを、責任を持って使う。

公式の認定ページは、対象となる人の役割として、クラウド・開発・データ・IT・AI/ML・業務部門などを幅広く挙げています。エンジニアに限らず、生成 AI を業務に入れるかどうかを判断する立場の人も想定されています。

名前の読み方と略し方

  • 正式名:AWS Certified AI Practitioner(エーダブリューエス サーティファイド エーアイ プラクティショナー)
  • 試験コード:AIF-C01。認定ページの本文には試験コードの記載がなく、試験ガイドの題名「AWS Certified AI Practitioner (AIF-C01)」で確かめられます
  • 日本語の呼び方:「AI プラクティショナー」「AIF」がよく使われます

試験の概要(試験時間・問題数・合格点・受験料・言語)

この節では、AIF-C01 の試験時間・問題数・合格点・受験料などの基本の数字が分かります。

2026年11月13日時点の公式ページでは、90分・65問・合格は換算スコア700・受験料15,000円です。料金や言語は変わることがあるため、申し込む前に公式ページで確かめるのが確実です。

90分試験時間英語で受ける場合は申請で30分延長あり
65問問題数採点される50問+採点されない15問
700点合格スコア100〜1,000の換算スコア
15,000円受験料100 USD。税が適用される場合あり
項目 内容(2026年11月13日時点) 出典
区分 Foundational(基礎) 認定ページ
試験時間 90分 認定ページ
問題数 65問。うちスコアに影響する設問50問、影響しない設問15問 認定ページ・試験ガイド
出題形式 択一選択・複数選択・並べ替え・内容一致 試験ガイド
合否 合否判定方式。換算スコア100〜1,000で、合格スコアは700 試験ガイド
受験料 100 USD/15,000円(税が適用される場合がある) 受験前のポリシー
言語 日本語・英語・韓国語・中国語(簡体字・繁体字)・フランス語・ポルトガル語・スペイン語・アラビア語など 認定ページ
受け方 Pearson VUE のテストセンター、またはオンライン監督付き試験 認定ページ
有効期間 3年間 認定ページ

認定ページには、イタリア語とドイツ語の試験は2026年10月15日の後に終了する、という告知も載っています。言語の一覧は時期によって変わるため、受ける言語が一覧にあるかを予約の前に確かめます。

4つの出題形式

1

択一選択

正しい選択肢が1つ、誤った選択肢が3つ。

もっとも多い形

2

複数選択

5つ以上の選択肢のうち正解が2つ以上。全部選んで初めて得点になる。

部分点はない

3

並べ替え

3〜5つの答えから正しいものを選び、正しい順序に並べる。

手順の流れを問う

4

内容一致

3〜7つのプロンプトと答えを、すべて正しく組み合わせる。

用語と説明の対応

試験ガイドには「未解答の設問は不正解とみなされます。推測による解答にペナルティはありません」とあります。分からない問題も、何かを選んで先へ進むのが得になります。

出題分野と配点(AIF-C01 の5分野)

この節では、AI Practitioner の出題範囲の5分野と、それぞれの配点が分かります。

配点は、分野1「AI と ML の基礎」20%、分野2「GenAI の基礎」24%、分野3「基盤モデルの応用」28%、分野4「責任ある AI に関するガイドライン」14%、分野5「AI ソリューションのセキュリティ、コンプライアンス、ガバナンス」14%です。配点は「採点対象の設問」に対する割合で、日本語版と英語版の試験ガイドで同じ値でした。

分野 名前(試験ガイドの表記) 配点 中心になる内容
1 AI と ML の基礎 20% 用語、学習の種類、推論の種類、ユースケース、ML の開発の流れ、MLOps
2 GenAI の基礎 24% トークン・埋め込み・基盤モデル、得意と苦手、エージェンティック AI、AWS の生成 AI サービス
3 基盤モデルの応用 28% モデルの選び方、RAG、プロンプトの手法、ファインチューニング、性能の測り方
4 責任ある AI に関するガイドライン 14% バイアス・公平性、ガードレール、説明できるモデル、透明性
5 AI ソリューションのセキュリティ、コンプライアンス、ガバナンス 14% IAM・暗号化、プロンプトインジェクション、ハルシネーションの検出、ログと監査

分野2と分野3を合わせると52%です。採点される問題の半分以上が、生成 AI と基盤モデル(大量のデータで事前に学習した汎用のモデル)に関する問題という配分になっています。

分野ごとの問題数の目安と1問あたりの時間(計算)

この節では、配点から計算した分野ごとの問題数の目安と、本番で1問にかけられる時間が分かります。

採点される50問を配点で割ると、分野1から順に10問・12問・14問・7問・7問になります。採点されない15問の分野の内訳は公開されていないため、計算には入れていません。試験ガイドも「各セクションに割り当てられる設問数が異なる場合があります」と書いており、実際の出題数はこの目安から前後します。

計算に使ったコードです。「項目」は、試験ガイドの各タスクステートメントの下に並ぶ「対象:」の箇条書きの数で、日本語版の分野1〜5のページから数えました。

weights = {"分野1 AIとMLの基礎": 20, "分野2 GenAIの基礎": 24,
           "分野3 基盤モデルの応用": 28, "分野4 責任あるAI": 14,
           "分野5 セキュリティ・ガバナンス": 14}
items = {"分野1 AIとMLの基礎": 17, "分野2 GenAIの基礎": 14,
         "分野3 基盤モデルの応用": 19, "分野4 責任あるAI": 11,
         "分野5 セキュリティ・ガバナンス": 8}
SCORED, TOTAL, MINUTES = 50, 65, 90   # 採点される50問+採点されない15問

for name, w in weights.items():
    q = SCORED * w / 100
    print(f"{name:<18} {w:>2}%  採点{q:>4.1f}問  項目{items[name]:>2}  項目あたり{q/items[name]:.2f}問")
print(f"合計 {sum(SCORED*w/100 for w in weights.values()):.0f}問 / 項目{sum(items.values())}")
print(f"1問あたり {MINUTES*60/TOTAL:.1f}秒(見直し10分を残すと {(MINUTES-10)*60/TOTAL:.1f}秒)")
print(f"ESL +30 のとき {(MINUTES+30)*60/TOTAL:.1f}秒")
print(f"換算スコア700の位置 {(700-100)/(1000-100)*100:.1f}%(正答率ではない)")

実行した結果です。

分野1 AIとMLの基礎       20%  採点10.0問  項目17  項目あたり0.59問
分野2 GenAIの基礎       24%  採点12.0問  項目14  項目あたり0.86問
分野3 基盤モデルの応用       28%  採点14.0問  項目19  項目あたり0.74問
分野4 責任あるAI         14%  採点 7.0問  項目11  項目あたり0.64問
分野5 セキュリティ・ガバナンス   14%  採点 7.0問  項目 8  項目あたり0.88問
合計 50問 / 項目69
1問あたり 83.1秒(見直し10分を残すと 73.8秒)
ESL +30 のとき 110.8秒
換算スコア700の位置 66.7%(正答率ではない)

結果から読み取れることを3つにまとめます。

11問あたり約83秒

65問を90分で解くと1問83.1秒。見直しに10分を残すなら約74秒で進める計算です。

2分野5は項目が少なく密度が高い

項目1つあたりの問題数は分野5が0.88問、分野2が0.86問でいちばん高く、分野1は0.59問です。

3700点は70%正解ではない

700は100〜1,000の目盛りの66.7%の位置ですが、換算スコアなので正答数とは直接対応しません。

試験ガイドは、換算スコアについて「複数の試験間で難易度がわずかに異なる可能性があるため、スコアを均等化するために換算スコアが使用されます」と説明しています。何問正解すれば700になるかは公開されていません。

各分野で問われること(タスクステートメント14個)

この節では、試験ガイドのタスクステートメント(分野をさらに分けた出題の単位)14個と、それぞれの要点が分かります。

5分野は14個のタスクステートメントに分かれ、その下に合計69個の「対象」の項目があります。下の表は、タスクステートメントの名前(日本語版の表記)と、項目に出てくる主な語をまとめたものです。

番号 タスクステートメント 項目数 項目に出てくる主な語
1.1 AI の基本的な概念と用語を説明する 5 深層学習・NLP・LLM・エージェンティック AI、推論(バッチ・リアルタイム・非同期・サーバーレス)、教師あり・教師なし・強化学習
1.2 AI の実用的なユースケースを特定する 6 回帰・分類・クラスタリング、AI が適切でない場合、Transcribe・Translate・Comprehend・Lex・Polly
1.3 AI/ML 開発ライフサイクルについて説明する 6 パイプライン、マネージド API とセルフホスト、MLOps、正解率・適合率・再現率・F1、ROI
2.1 生成 AI(GenAI)の基本概念を説明する 6 トークン・チャンク化・埋め込み・ベクトル・拡散モデル、トークン単位の料金、コンテキストエンジニアリング、MCP
2.2 GenAI の可能性と制限を理解する 4 ハルシネーション・非決定性、モデルを選ぶ要素(コスト・レイテンシー)、ビジネス価値の指標
2.3 GenAI アプリの AWS インフラとテクノロジー 4 Bedrock・SageMaker AI・JumpStart・Quick・Kiro・Strands Agents・AgentCore、プロビジョンドスループット
3.1 基盤モデルを使うアプリの設計上の考慮事項 6 温度などの推論パラメータ、RAG とナレッジベース、ベクトルデータベース、蒸留、AI エージェント
3.2 効果的なプロンプトエンジニアリング手法を選択する 5 思考の連鎖・ゼロショット・フューショット、ジェイルブレイク、Bedrock Prompt Management
3.3 基盤モデルのトレーニングとファインチューニング 3 事前トレーニング・継続的な事前トレーニング・転移学習・RLHF・データの準備
3.4 基盤モデルの性能の測り方を説明する 5 ヒューマンインザループ、ROUGE・BLEU・BERTScore・LLM-as-a-judge、タスク完了率
4.1 責任ある AI システムの開発について説明する 7 バイアス・公平性・堅牢性、Bedrock のガードレール、SageMaker Clarify・Model Monitor・A2I
4.2 透明性の高い説明可能なモデルの重要性を認識する 4 SageMaker Model Cards、解釈可能性と性能のトレードオフ、人間中心設計
5.1 AI システムを保護する方法を説明する 5 IAM・暗号化・Macie・PrivateLink・Guardrails、プロンプトインジェクション、グラウンディング
5.2 AI システムのガバナンスとコンプライアンス規制を認識する 3 Config・Inspector・Artifact・CloudTrail・Trusted Advisor、データの保持とレジデンシー

分野1「AI と ML の基礎」の要点

AI・ML・深層学習・生成 AI・エージェンティック AI の関係と違いを説明できることが土台です。推論の種類(まとめて処理するバッチ、すぐ返すリアルタイム、非同期、サーバーレス)、データの種類(ラベルあり・なし、表形式、時系列、画像、テキスト)も項目に入っています。「AI/ML ソリューションが適切でない場合」を見分ける項目があり、何でも AI で解く答えを選ばない判断が問われます。

分野2「GenAI の基礎」の要点

トークン・チャンク化・埋め込み・ベクトルといった生成 AI の部品の用語と、生成 AI の得意なこと・苦手なこと(ハルシネーション、非決定性など)が中心です。版1.1で、トークン単位の料金が推論のコストと性能に与える影響、コンテキストエンジニアリング、MCP(モデルコンテキストプロトコル)を含むエージェンティック AI の基本が加わりました。生成 AI の仕組みは、関連記事「生成AI(LLM)の仕組み8選|ハルシネーション・トークン」で扱っています。

分野3「基盤モデルの応用」の要点

配点がいちばん大きい分野です。モデルの選び方(コスト・モダリティ・レイテンシー・多言語・入出力の長さ・プロンプトキャッシュ)、RAG(検索拡張生成)、ファインチューニング、プロンプトの手法、性能の測り方の指標まで、生成 AI をアプリに組み込むときに迷う点が並びます。カスタマイズの方法(事前トレーニング・ファインチューニング・コンテキスト内学習・RAG・モデル蒸留)を「コスト面のトレードオフ」で比べる項目が特徴的です。RAG とファインチューニングの使い分けは関連記事「RAGとファインチューニングの違いと使い分け判断基準の早見表」、プロンプトの手法は関連記事「プロンプトエンジニアリング手法一覧|Few-shot・CoT・ReActの違い」で扱っています。

分野4「責任ある AI に関するガイドライン」の要点

バイアス・公平性・包括性・堅牢性・安全性といった責任ある AI の特徴と、それを確かめる道具(Bedrock のガードレール、SageMaker Clarify、SageMaker Model Monitor、Amazon Augmented AI)が問われます。説明可能なモデルと説明できないモデルの違い、解釈しやすさと性能のトレードオフも入っています。生成 AI を使うときのリスク(知的財産権の侵害の申し立て、偏った出力、顧客の信頼を失うことなど)を特定する項目もありますが、問われるのはリスクの種類を見分けることです。

分野5「セキュリティ、コンプライアンス、ガバナンス」の要点

IAM のロールとポリシー、暗号化、Amazon Macie、AWS PrivateLink、AWS 責任共有モデルといった AWS の基本の守り方に加えて、プロンプトインジェクション、データの漏えいを防ぐこと、出力のフィルタリング、ハルシネーションの検出とグラウンディング(根拠となる情報に結び付けて答えさせること)が並びます。ガバナンスでは AWS Config・Amazon Inspector・AWS Artifact・AWS CloudTrail・AWS Trusted Advisor の役割を区別できることが問われます。

試験ガイドに出てくる AWS のサービス

この節では、AI Practitioner の試験ガイドにどの AWS サービスが出てくるか、分野ごとの数と名前が分かります。

69個の項目の文にサービス名・機能名として出てくるものを数えると、分野1が9個、分野2が7個、分野3が7個、分野4が6個、分野5が11個でした。分野5は配点14%ですが、名前の出るサービスはいちばん多い分野です。

分野 数 項目の文に出てくるサービス・機能(Amazon・AWS を省略)
1 9 SageMaker AI、Transcribe、Translate、Comprehend、Lex、Polly、Bedrock、Quick、Kiro
2 7 Bedrock、SageMaker AI、SageMaker JumpStart、Quick、Kiro、Strands Agents、Bedrock AgentCore
3 7 Bedrock ナレッジベース、OpenSearch Service、Aurora、Neptune、RDS for PostgreSQL、Bedrock Prompt Management、Bedrock のモデル評価
4 6 Bedrock のガードレール、SageMaker Clarify、SageMaker Model Monitor、Augmented AI、SageMaker Model Cards、Bedrock のモデル評価
5 11 Macie、PrivateLink、Bedrock AgentCore Identity、AgentCore のポリシー、Bedrock Guardrails、SageMaker Model Cards、Config、Inspector、Artifact、CloudTrail、Trusted Advisor

全項目の文で語の出る回数も数えました。「Bedrock」が10回、「SageMaker」が9回、「エージェン(エージェント・エージェンティック)」が11回、「プロンプト」が10回、「コスト」が8回です。Bedrock と SageMaker の2つは、どの分野でも名前が出てくる中心のサービスです。

試験ガイドには、項目の文とは別に「対象の AWS サービス」の一覧もあります。分析(AWS Glue・Amazon Redshift など)、コンピューティング(Amazon EC2・AWS Lambda)、データベース(Amazon DynamoDB・Amazon RDS など)、ストレージ(Amazon S3)といった AI 以外のサービスも載っており、推奨される知識として EC2・S3・Lambda・Bedrock・SageMaker AI のユースケースに精通していることが挙げられています。

Amazon Bedrock(使う側の中心)

複数の基盤モデルを API で使う

ナレッジベース(RAG)・ガードレール・Prompt Management

AgentCore でエージェントを動かす

Amazon SageMaker AI(作る側の中心)

ML モデルの学習・デプロイ・監視

JumpStart で公開モデルから始める

Clarify・Model Monitor・Model Cards

Bedrock の呼び出し方は関連記事「Bedrock Python入門|Converse APIでClaudeを呼ぶ」、SageMaker の全体像と Bedrock との違いは関連記事「SageMakerとは|できること・料金・SDKの使い方とBedrockとの違い」で扱っています。試験では API の書き方は問われませんが、手で一度呼んでみると、サービスの役割の違いを覚えやすくなります。

試験ガイドの版と2026年の改訂(版1.1・1.2)

この節では、AIF-C01 の試験ガイドが2026年にどう改訂されたかと、教材を選ぶときの注意が分かります。

試験コードは AIF-C01 のままですが、試験ガイドは2026年に改訂されています。日本語版の改訂のページには版1.0(2026年3月26日公開)と版1.1(2026年4月30日公開)、英語版の改訂のページにはさらに版1.2(2026年10月29日公開)が載っていました(いずれも2026年11月13日時点)。英語版は、試験ガイドの更新は試験に反映される約1か月前に公開される、と説明しています。

版1.0から版1.1への変更を、改訂のページの表から数えました。

分野 書き換えた項目 追加した項目 版1.1の項目のうち変わった割合
1 AI と ML の基礎 8 1 53%(17項目中9)
2 GenAI の基礎 4 3 50%(14項目中7)
3 基盤モデルの応用 4 2 32%(19項目中6)
4 責任ある AI 2 0 18%(11項目中2)
5 セキュリティ・ガバナンス 2 1 38%(8項目中3)
合計 20 7 39%(69項目中27)

追加された7項目は次のとおりです(改訂のページの表記を短くしたもの)。

  • 1.2.6:従来の ML モデルと基盤モデルのどちらが合うかを、規制・説明可能性・運用上の制約から見分ける
  • 2.1.4:トークンベースの料金と、推論のコスト・性能への影響
  • 2.1.5:基盤モデルのアプリでのコンテキストエンジニアリングの役割
  • 2.1.6:エージェンティック AI の基本(マルチエージェント、MCP、メモリ管理、ツールの使用、ワークフローのオーケストレーション)
  • 3.2.5:Amazon Bedrock Prompt Management によるプロンプトのバージョン管理
  • 3.4.5:AI アプリのビジネス目標との整合の指標(タスク完了率・ユーザー満足度・インタラクションあたりのコスト)
  • 5.1.5:ハルシネーションの検出とグラウンディング(RAG・出力の検証・信頼度スコア)

書き換えでは、サービスの例も入れ替わりました。たとえば 2.3.1 は、版1.0では Amazon SageMaker JumpStart・Amazon Bedrock PartyRock・Amazon Q・Amazon Bedrock Data Automation が例でしたが、版1.1では Amazon Bedrock・Amazon SageMaker AI・SageMaker JumpStart・Amazon Quick・Kiro・Strands Agents・Amazon Bedrock AgentCore に変わっています。

版1.2について、英語版の改訂のページで確かめられたのは、版と公開日の行と、「対象外の一覧から外したサービス」(Amazon Elastic Transcoder、AWS Elemental MediaStore、AWS IoT 1-Click、AWS IoT Analytics、AWS IoT Events、Amazon Nimble Studio)の欄でした。この欄がどの版の変更かはページに書かれていません。分野の名前と配点は、英語版の試験ガイドでも20・24・28・14・14%のままでした。

  • 1教材がどの版の試験ガイドに合わせたものかを見る2026年4月より前の教材には、エージェンティック AI・MCP・コンテキストエンジニアリングの項目が入っていないことがある
  • 2サービス名が今の試験ガイドにあるかを見るAmazon Q・PartyRock が中心の教材なら、Quick・Kiro・AgentCore を公式ドキュメントで補う
  • 3受ける前に改訂のページを開く英語版のほうが早く更新されることがある。日本語版と版の数が違わないかを見比べる

対象となる人と推奨される知識(試験の範囲外のこと)

この節では、AI Practitioner が想定している受験者と、推奨される知識、そして試験の範囲外とされている作業が分かります。

試験ガイドは、AWS の AI/ML テクノロジーに携わった経験が6か月以下の人を対象とし、AWS で AI/ML ソリューションを使うものの、構築している経験は必須ではない、と書いています。公式は合格率や難易度の数字、勉強時間の目安を出していません。難しさは、この想定(経験6か月以下・作る経験は必須でない)と、Foundational という区分で読むのが正確です。

推奨される AWS の知識(試験ガイドの4項目)

  • AWS の主要なサービス(Amazon EC2、Amazon S3、AWS Lambda、Amazon Bedrock、Amazon SageMaker AI など)と、そのユースケースに精通している
  • AWS クラウドのセキュリティとコンプライアンスに関する AWS 責任共有モデルに精通している
  • AWS リソースへのアクセスを守り制御するための AWS Identity and Access Management(IAM)に精通している
  • AWS のサービスの料金モデルに精通している

試験の範囲外とされている作業

勉強の深さを決めるときに

範囲外モデルやアルゴリズムのコーディング、特徴量エンジニアリングの実装、ハイパーパラメータのチューニング、パイプラインの構築とデプロイ、数学的・統計的な分析、セキュリティやガバナンスの仕組みを実装すること
→
問われるそれぞれが何のためのもので、どの場面でどれを選ぶか、どの AWS サービスが受け持つかを説明・特定できること

目安:「作り方」ではなく「選び方と理由」を言えるか

たとえば分野1には「ハイパーパラメータのチューニング」という語が出てきますが、これはパイプラインの1段階として説明できればよく、値の決め方を計算する問題は範囲外です。数式を追うより、用語の意味と、どの段階で何をするかを1文で言えるようにする学び方が合っています。

クラウドプラクティショナー(CLF)・MLAとの違い

この節では、AI Practitioner と、同じ Foundational の Cloud Practitioner、AI/ML の Associate である Machine Learning Engineer - Associate との違いが分かります。

AI Practitioner と Cloud Practitioner は、区分・試験時間・問題数・受験料・有効期間が同じで、範囲が違います。Cloud Practitioner は AWS クラウド全般、AI Practitioner は AI・生成 AI に範囲を絞っています。

項目 AI Practitioner Cloud Practitioner ML Engineer - Associate
試験コード AIF-C01 CLF-C02 MLA-C01(更新版のベータが別にある)
区分 Foundational Foundational Associate
試験時間・問題数 90分・65問 90分・65問 130分・65問
受験料 100 USD 100 USD 150 USD
合格スコア 700 700 720
想定する経験 AWS の AI/ML に6か月以下。構築は必須でない AWS クラウドの使用が最長6か月。IT の経歴がなくてもよい SageMaker などの ML エンジニアリングの使用経験が少なくとも1年

表の値は2026年11月13日時点の各認定ページと受験後のポリシーのページ(合格スコア)によります。Machine Learning Engineer - Associate の認定ページには、MLA-C01 と並んで、更新版のベータ(170分・85問・ベータ価格75 USD)も載っていました。

AI Practitioner の認定ページは、有効期限の前にこの試験の最新版に合格するか、Machine Learning Engineer - Associate を取得すると再認定されると説明しています。AI Practitioner から ML Engineer - Associate に進むと、AI Practitioner の更新も同時に済む関係です。

Cloud Practitioner の範囲と配点は、関連記事「AWSクラウドプラクティショナーとは|CLF-C02の範囲・配点・対策」で扱っています。

AI Practitionerの学ぶ順番(公式の4ステップ)

この節では、AWS の公式が示す学習の進め方と、それを試験ガイドの分野にあてはめた学ぶ順番が分かります。

公式の認定ページは、AWS Skill Builder の試験準備の計画に沿って「試験を知る→足りない知識を補う→復習と演習→準備の度合いを確かめる」の4段階で進める流れを示しています。IT や AWS の経験が浅い場合は、AWS Cloud Practitioner Essentials または AWS Technical Essentials から始めることが勧められています。

1

試験を知る

試験ガイドを読み、公式の練習問題セットや事前のテストで、今どの分野が弱いかをつかむ。試験ガイドの69項目に、分かる・あいまい・知らないの印を付けると、次の段階で何を学ぶかが決まる。

試験ガイド・公式の練習問題

2

足りない知識を補う

弱い分野のデジタルコースを受け、AWS Builder Labs・AWS Cloud Quest・AWS Jam などの手を動かす教材で、サービスを実際に触る。

デジタルコース・ハンズオン

3

復習と演習

試験範囲を見直し、模擬問題やフラッシュカードで用語と使い分けを固める。AWS SimuLearn などの演習も案内されている。

模擬問題・フラッシュカード

4

準備の度合いを確かめる

公式の練習試験(Practice Exam)を受け、本番と同じ形式・時間配分で解けるかを確かめる。

公式の練習試験

どの教材が無料か、どの教材がサブスクリプションかは時期によって変わるため、AWS Skill Builder の各教材のページで確かめます。

分野をどの順で学ぶか

試験ガイドの項目は、後の分野が前の分野の用語を使って書かれています。たとえば分野3の「RAG」「ファインチューニング」は、分野2の「埋め込み」「ベクトル」「基盤モデル」が分かっている前提です。そこで、この記事では分野1から5へ順に進め、時間の配分を配点と項目数に合わせる順番を勧めます。

  1. 1分野1 AI と ML の基礎(時間の目安22%)用語・学習の種類・推論の種類・性能の指標の名前。項目が17個と多い
  2. 2分野2 GenAI の基礎(22%)トークン・埋め込み・基盤モデル・エージェンティック AI・MCP
  3. 3分野3 基盤モデルの応用(28%)RAG・プロンプト・ファインチューニング・性能の測り方。配点がいちばん大きい
  4. 4分野4 責任ある AI(15%)バイアス・公平性・説明可能性・ガードレール
  5. 5分野5 セキュリティ・ガバナンス(13%)IAM・暗号化・プロンプトインジェクション・ガバナンスのサービス
  6. 6公式の練習試験で通して解く1問約83秒のペースで65問を解き、弱い分野へ戻る

かっこ内の割合は、配点の割合と項目数の割合(項目数÷69)の平均を計算したもので、勉強の総時間をどう分けるかの目安です。総時間そのものは、公式の目安がないため示していません。計算の値は、分野1が22.3%、分野2が22.1%、分野3が27.8%、分野4が15.0%、分野5が12.8%でした。

申し込みから結果までの流れと再受験

この節では、AI Practitioner を予約してから結果が出るまでの流れと、不合格のときの再受験の決まりが分かります。

予約は AWS 認定アカウント(aws.training/Certification)から行い、試験の場所と日時は Pearson VUE で選びます。受験前・受験後のポリシーのページの記載をまとめると次のとおりです(2026年11月13日時点)。

場面 公式の記載
予約 AWS 認定アカウントにサインインし、新しい試験を予約して Pearson VUE で場所と日時を選び、購入する。購入後に確認メールが届く
予約の変更 予約時間の24時間前まで
英語で受けるときの延長 英語が母語でない人が英語で受ける場合、申請すると30分延長(ESL +30)。登録の前に1度申請すると、以後の試験に適用される
結果 試験終了後5営業日以内に AWS 認定アカウントに掲載される
スコアレポート アカウントの試験履歴から見る・ダウンロードできる。分野ごとの成績の表が含まれる場合がある
不合格のとき 不合格になった日から14日たてば再受験できる。回数の上限はなく、毎回受験料の全額がかかる
合格したあと 同じ試験は2年間受け直せない(試験が新しい試験ガイドやシリーズコードに更新された場合は新しい版を受けられる)

ESL +30 は英語で受ける場合の仕組みで、日本語で受ける場合は日本語の試験を選べます。また試験ガイドは、スコアレポートの分野ごとの表について解釈に注意するよう書いています。分野ごとの合否ラインはなく、合否は試験全体のスコアで決まります。

AI Practitionerの勉強でよくあるつまずき

この節では、AI Practitioner の勉強や受験で起きやすい思い違いと、試験ガイドに沿った直し方が分かります。

つまずき 起きること 試験ガイド・公式の記載 直し方
700点を「70%正解」と思う 必要な正答数を読み違える 「100~1,000 の換算スコア」「スコアを均等化するために換算スコアが使用されます」 正答数との対応は非公開と考え、練習試験で全分野の取りこぼしを減らす
分野ごとに足切りがあると思う 苦手分野を捨てる・逆に1分野に偏る 「セクションごとに合否ラインは設定されておらず」 配点の大きい分野3を厚くしつつ、全体の点を上げる
分からない問題を空欄で残す 確実に0点になる 「未解答の設問は不正解」「推測による解答にペナルティはありません」 必ず1つ選び、見直し用の印を付けて先へ進む
採点されない15問を探す 時間を失う 「どの設問が採点対象外かは受験者にわからない」 65問すべてを同じように解く
版1.0の教材だけで学ぶ エージェンティック AI・MCP・Quick・Kiro が抜ける 版1.1(2026年4月30日)で7項目追加・20項目書き換え 改訂のページの追加項目を公式ドキュメントで補う
コードや数式に時間をかける 範囲外に時間を使う モデルのコーディング・ハイパーパラメータのチューニングは範囲外 「何のためのものか」「どれを選ぶか」を1文で言える練習に切り替える
複数選択で1つだけ選ぶ その設問は得点にならない 「正解をすべて選択する必要がある」 問題文の「2つ選択」などの数を最初に確かめる

似た用語の取り違え

試験ガイドに並ぶ語のうち、取り違えやすい組を挙げます。どれも項目の文に名前が出ているものです。

  • ファインチューニングと RAG:モデル自体を追加のデータで学習し直すか、モデルは変えずに検索した情報をプロンプトに足すか。コストの違いが分野3の項目になっている
  • ゼロショット・シングルショット・フューショット:プロンプトに入れる例の数が0・1・複数
  • AWS Config と AWS CloudTrail:公式ドキュメントでは、Config は AWS リソースの設定の詳細と設定の履歴を示すサービス、CloudTrail はユーザー・ロール・AWS のサービスが実行したアクションをイベントとして記録するサービスと説明されている
  • Amazon Macie と Amazon Inspector:Macie は機械学習とパターンマッチングで機密データを見つけるデータセキュリティのサービス、Inspector はソフトウェアの脆弱性や意図しないネットワークの露出を継続的に調べる脆弱性管理のサービス(公式ドキュメントの説明)
  • SageMaker Clarify と SageMaker Model Monitor:バイアスや説明可能性を調べる機能と、デプロイ後のモデルの品質を見張る機能
  • 適合率と再現率:陽性と予測したもののうち当たった割合と、本当の陽性のうち見つけられた割合

判断表:AI Practitionerをどの順で受けるか

この節では、自分の今の状況から、AI Practitioner をいつ受け、その前後に何を学ぶかを決められます。

公式の認定ページの案内に沿って、状況ごとの最初の一歩をまとめました。「次の認定」は、認定ページが次の候補として挙げているものです。

今の状況 最初の一歩 AI Practitioner の位置 次の認定の候補(公式)
IT・AWS の経験が浅い AWS Cloud Practitioner Essentials か AWS Technical Essentials AWS の基礎を学んだあと Solutions Architect - Associate
Cloud Practitioner か Associate の認定がある AI の基礎のトレーニングから すぐに準備を始められる ML Engineer - Associate・Data Engineer - Associate
生成 AI を業務に入れるか判断する立場 分野2・3・4を厚めに 中心の目標 必要に応じて Associate
SageMaker でモデルを作る・運用する 分野1の用語を AWS の呼び方で確かめる ML Engineer - Associate の前の整理 ML Engineer - Associate(取得で AIF も再認定)
Bedrock で生成 AI アプリを作る 分野3と5(RAG・ガードレール・プロンプトインジェクション) 作ったものの説明の土台 Solutions Architect - Associate など

Cloud Practitioner と AI Practitioner のどちらを先に受けるかについて、公式は順番を決めていません。認定ページは、IT や AWS の経験が浅い人には AWS の基礎のコースから始めることを勧め、AWS の認定を持つ人は AI の基礎から始められる、と書いています。AWS 全体の基本(責任共有モデル・IAM・料金モデル)は AI Practitioner でも推奨される知識なので、そこに不安があれば Cloud Practitioner の範囲から入るのが近道です。

よくある質問

この節では、AWS AI Practitioner について検索されることの多い疑問に、公式の記載をもとに答えます。

Q. AWS AI Practitioner は難しいですか?
公式は合格率や難易度の数字を公表していません。区分は入門の Foundational で、試験ガイドの想定は「AWS の AI/ML テクノロジーに携わった経験が6か月以下」「構築している必要はない」人です。コーディングや数学的な分析は範囲外です。

Q. 勉強時間はどれくらいですか?
公式の目安はありません。この記事では総時間ではなく配分の割合(分野1から22・22・28・15・13%)を示しました。最初に公式の練習問題で弱い分野を確かめると、必要な時間を自分で見積もれます。

Q. 合格点の700点は何問正解ですか?
公開されていません。結果は100〜1,000の換算スコアで、試験ごとの難易度の差をならすために使われています。採点される50問のうち何問で700になるかは、試験によって変わり得ます。

Q. 日本語で受けられますか?オンラインで受けられますか?
日本語で受けられます。受け方は Pearson VUE のテストセンターか、オンライン監督付き試験です(2026年11月13日時点の認定ページ)。

Q. 受験料はいくらですか?
100 USD、日本円では15,000円です。受験前のポリシーのページには「税が適用される場合があります」とあります。再受験のたびに全額がかかります。

Q. 有効期限と更新はどうなりますか?
有効期間は3年間です。期限の前にこの試験の最新版に合格するか、AWS Certified Machine Learning Engineer - Associate を取得すると再認定されます。

Q. Cloud Practitioner を先に取るべきですか?
公式は順番を決めていません。IT や AWS の経験が浅い場合は AWS の基礎のコースから始めることが勧められています。AI Practitioner でも責任共有モデル・IAM・料金モデルの知識が推奨されている点を目安に決めます。

Q. プログラミングの知識は要りますか?
試験ガイドは、AI/ML モデルやアルゴリズムの開発・コーディングを範囲外としています。問われるのは、手法やサービスを選ぶ理由と、それぞれの役割を説明できることです。

Q. 落ちたらいつ受け直せますか?
不合格になった日から14日たてば受け直せます。回数の上限はありません。結果は試験終了後5営業日以内に AWS 認定アカウントに掲載されます。

Q. 試験ガイドが改訂されたら、何が変わりますか?
試験コード AIF-C01 のまま、項目や例のサービスが変わります。2026年は版1.1(4月30日公開)で7項目が追加され20項目が書き換えられました。英語版の説明では、試験ガイドの更新は試験に反映される約1か月前に公開されます。

Q. Machine Learning Engineer - Associate との違いは何ですか?
区分が Associate で、想定は SageMaker などの ML エンジニアリングの使用経験が少なくとも1年の人です。試験時間130分・65問・150 USD・合格スコア720(MLA-C01、2026年11月13日時点)で、AI Practitioner より作る側の内容になります。

まとめ

この節では、AWS Certified AI Practitioner(AIF-C01)の要点を5つに絞って確かめられます。

  • AIF-C01 は AI・ML・生成 AI の基礎と AWS の AI サービスの使いどころを問う Foundational の認定で、90分・65問・合格700・15,000円・有効期間3年です。
  • 配点は20・24・28・14・14%。採点される50問に当てはめると10・12・14・7・7問が目安で、1問にかけられるのは約83秒です。
  • 生成 AI と基盤モデルの分野(2と3)で52%。Bedrock と SageMaker はどの分野でも名前が出る中心のサービスです。
  • 試験ガイドは2026年に改訂され、版1.1で7項目追加・20項目書き換え。エージェンティック AI・MCP・コンテキストエンジニアリング・Quick・Kiro が入ったため、教材の版を確かめます。
  • 学ぶ順番は、試験を知る→補う→演習→練習試験の4段階。分野は1から5へ順に進め、配点の大きい分野3に時間をかけます。

参考・出典

確認日はいずれも 2026年11月13日です。

  • AWS「AWS Certified AI Practitioner」(日本語):https://aws.amazon.com/jp/certification/certified-ai-practitioner/
  • AWS「AWS Certified AI Practitioner」(英語):https://aws.amazon.com/certification/certified-ai-practitioner/
  • AWS「AWS Certified AI Practitioner (AIF-C01) 試験ガイド」(日本語):https://docs.aws.amazon.com/ja_jp/aws-certification/latest/ai-practitioner-01/ai-practitioner-01.html
  • 同 コンテンツ分野1〜5:https://docs.aws.amazon.com/ja_jp/aws-certification/latest/ai-practitioner-01/ai-practitioner-01-domain1.html (domain2〜domain5 も同じ形式)
  • 同 改訂(日本語):https://docs.aws.amazon.com/ja_jp/aws-certification/latest/ai-practitioner-01/aif-01-revisions.html
  • 同 試験ガイド・改訂(英語):https://docs.aws.amazon.com/aws-certification/latest/ai-practitioner-01/ai-practitioner-01.html / https://docs.aws.amazon.com/aws-certification/latest/ai-practitioner-01/aif-01-revisions.html
  • 同 PDF 版(日本語):https://docs.aws.amazon.com/ja_jp/aws-certification/latest/ai-practitioner-01/ai-practitioner-01.pdf
  • AWS「受験前のポリシー」(試験の料金・予約・ESL +30):https://aws.amazon.com/jp/certification/policies/before-testing/
  • AWS「受験後のポリシー」(再受験・結果・合格スコア):https://aws.amazon.com/jp/certification/policies/after-testing/
  • AWS「AWS Certified Cloud Practitioner」:https://aws.amazon.com/jp/certification/certified-cloud-practitioner/
  • AWS「AWS Certified Machine Learning Engineer - Associate」:https://aws.amazon.com/jp/certification/certified-machine-learning-engineer-associate/

本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。

(記載例)出典:株式会社RJC「AWS AI Practitionerとは|AIF-C01の範囲・配点と学ぶ順番」

株式会社RJC ― SI事業・SES事業・AI駆動開発。RJCは一緒に成長を楽しめる会社です。

WE ARE HIRING

RJCで一緒に開発しながら、
成長を楽しみませんか?

RJCは、Web・モバイル・AIを活用した開発プロジェクトで、テックリードやPM・PMOも活躍するシステム開発会社です。会社を知る、待遇を確かめる、話を聞いてみる。気になるところ見てみてください!

  • 127日年間休日
  • 12時間平均残業時間
  • 毎日ガチャ遊びココロも大切にする福利厚生。アマギフなどの賞品ラインナップ!

ほかにも、チケットレストラン、書籍読み放題、2年ごとの慰労報奨(休暇 or 金一封)、11期連続の黒字決算。

ABOUT RJC RJCがどんな会社か知る 考え方、研修、働き方、福利厚生、社員の前職まで。RJCのことが丸わかり! RJC丸わかりページへ JOB DESCRIPTION 仕事内容・待遇を見てみる 仕事内容、給与・待遇、選考の流れ。経験者も未経験も!応募前に知りたいこと、まとめました! 募集要項を見る ENTRY エントリーする エントリーは1〜2分・履歴書不要です。まずは話を聞いてみたい、という方でも歓迎です! エントリーフォームへ

成長のヒミツ、 ぜんぶ丸わかり