[{"data":1,"prerenderedAt":239},["ShallowReactive",2],{"topic-page:\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fgenerative-ai-fundamentals\u002Faws-genai-services-infrastructure-and-cost-tradeoffs":3},{"topic":4,"category":196,"seo":200,"breadcrumbs":205,"prerequisites":215,"nextTopics":216,"relatedTopics":226},{"id":5,"slug":6,"title":7,"summary":8,"canonicalPath":9,"categoryPath":10,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"generatedAt":14,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":16,"expectedKnowledge":27,"learningGoal":30,"keyTerms":31,"blocks":108},"it-aws-aws-certified-ai-practitioner-generative-ai-fundamentals-aws-genai-services-infrastructure-and-cost-tradeoffs","aws-genai-services-infrastructure-and-cost-tradeoffs","AWS生成AIサービス・基盤・費用トレードオフ","AWS生成AIサービス・基盤・費用トレードオフを、AIF-C01の公式objective 2.3.1・2.3.2・2.3.3・2.3.4に沿って、用語、判断順序、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fgenerative-ai-fundamentals\u002Faws-genai-services-infrastructure-and-cost-tradeoffs","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fgenerative-ai-fundamentals","beginner","cert_candidate",6,"2026-08-06","ai_generated",[17,18,19,20,21,22,23,24,25,26],"AWS Certified AI Practitioner","AIF-C01","生成AIの基礎","Amazon Bedrock","SageMaker AI","Amazon Q","Kiro","Strands Agents","Bedrock AgentCore","生成AI費用",[28,29],"AWSクラウドの基本用語を聞いたことがある","AIを使う業務例を日常的な言葉で考えられる","AWS生成AIサービス・基盤・費用トレードオフについて、試験で問われる違いと選択基準を説明し、短い業務例へ適用できる。",[32,36,40,44,47,51,54,57,61,69,73,77,81,88,92,96,100,104],{"id":33,"label":20,"shortDefinition":34,"role":35},"amazon-bedrock","複数の基盤モデルと生成AI構築機能を提供するAWSのマネージドサービスです。","primary",{"id":37,"label":38,"shortDefinition":39,"role":35},"amazon-sagemaker-ai","Amazon SageMaker AI","機械学習モデルの構築・学習・展開・運用を広く支えるAWSサービスです。",{"id":41,"label":42,"shortDefinition":43,"role":35},"sagemaker-jumpstart","SageMaker JumpStart","事前学習モデルやソリューションの選択・展開を支えるSageMakerの機能です。",{"id":45,"label":22,"shortDefinition":46,"role":35},"amazon-q","業務情報やAWS開発を支援する生成AIアシスタント群です。",{"id":48,"label":49,"shortDefinition":50,"role":35},"amazon-quick","Amazon Quick","調査・業務分析・自動化などを支援するAIアシスタントです。",{"id":52,"label":23,"shortDefinition":53,"role":35},"kiro","仕様作成からコード・テストまでを支援するエージェント型開発サービスです。",{"id":55,"label":24,"shortDefinition":56,"role":35},"strands-agents","AIエージェントの構築を支援するAWSのオープンソースSDKです。",{"id":58,"label":59,"shortDefinition":60,"role":35},"bedrock-agentcore","Amazon Bedrock AgentCore","AIエージェントの実行・展開・運用を支えるAWSサービスです。",{"id":62,"label":63,"shortDefinition":64,"supplement":65,"role":68},"foundation-model","基盤モデル","大規模なデータで事前学習され、多様な下流タスクへ適応できるモデルです。",{"kind":66,"text":67},"misconception","すべての定型予測を、基盤モデルへ置き換える必要はありません。","contextual",{"id":70,"label":71,"shortDefinition":72,"role":68},"token-based-pricing","トークンベース料金","入出力などで処理したトークン量に応じて費用が変わる料金方式です。",{"id":74,"label":75,"shortDefinition":76,"role":68},"provisioned-throughput","プロビジョンドスループット","一定量のモデル処理能力を、あらかじめ確保する利用方式です。",{"id":78,"label":79,"shortDefinition":80,"role":68},"custom-model","カスタムモデル","組織のデータや要件に合わせ、追加学習・調整したモデルです。",{"id":82,"label":83,"shortDefinition":84,"supplement":85,"role":68},"responsiveness","応答性","利用者の要求へ、必要な速度と内容で応答できる性質です。",{"kind":86,"text":87},"comparison","レイテンシは、応答に要する時間を測る尺度です。",{"id":89,"label":90,"shortDefinition":91,"role":68},"availability","可用性","必要なときにシステムや機能を利用できる性質です。",{"id":93,"label":94,"shortDefinition":95,"role":68},"redundancy","冗長性","障害に備え、同じ役割を果たす要素を複数用意する性質です。",{"id":97,"label":98,"shortDefinition":99,"role":68},"regional-coverage","リージョン範囲","サービスやモデルを利用できるAWSリージョンの範囲です。",{"id":101,"label":102,"shortDefinition":103,"role":68},"compliance","コンプライアンス","法令・規制・契約・社内規程などの要求へ適合することです。",{"id":105,"label":106,"shortDefinition":107,"role":68},"efficiency","効率性","同じ成果を、より少ない時間・費用・作業量で得られる程度です。",[109,114,125,134,143,149,155,161,177,186],{"id":110,"type":111,"title":7,"subtitle":112,"shortDefinition":113},"hero","HeroBlock","目的別サービスと、速度・可用性・範囲・料金の均衡を見る","複数の基盤モデルや生成AI機能を、AWS上で構築・運用するためのマネージドサービスです。",{"id":115,"type":116,"term":20,"definition":117,"plainExplanation":118,"presentation":119,"supportLabel":120,"keywords":121},"definition","DefinitionBlock","[[cloze:amazon-bedrock|Amazon Bedrock]]とは、複数の基盤モデルと生成AI構築機能を提供するAWSのマネージドサービスです。","このサービスは[[term:foundation-model|基盤モデル]]の利用と生成AIアプリ構築を支えます。[[term:amazon-sagemaker-ai|Amazon SageMaker AI]]と[[term:sagemaker-jumpstart|SageMaker JumpStart]]は、モデル選択・調整・MLライフサイクルを広く支えます。","natural","言葉を分けると",[122,123,124],"用途別サービス","運用責任","費用と性能",{"id":126,"type":127,"steps":128,"title":133},"decision-steps","StepBlock",[129,130,131,132],"生成AI機能、独自ML、業務支援、開発支援、エージェント運用のどれが中心か決める。","必要なモデル、[[term:regional-coverage|リージョン範囲]]、データ統制、[[term:compliance|コンプライアンス]]を確認する。","オンデマンド、[[term:provisioned-throughput|プロビジョンドスループット]]、[[term:custom-model|カスタムモデル]]の費用と性能を比較する。","[[term:availability|可用性]]、[[term:redundancy|冗長性]]、[[term:responsiveness|応答性]]、[[term:efficiency|効率性]]を事業目標と照合する。","AWS構成を選ぶ順序",{"id":135,"type":136,"title":137,"points":138,"body":142},"exam-cues","KeyPointBlock","判断で押さえる境界",[139,140,141],"サービス名を利用目的へ対応付ける","AWS基盤を使っても利用者責任は残る","応答性・可用性・地域・料金を同時比較","業務情報やAWS開発の支援は[[term:amazon-q|Amazon Q]]、調査・分析は[[term:amazon-quick|Amazon Quick]]、仕様駆動開発は[[term:kiro|Kiro]]が担います。[[term:strands-agents|Strands Agents]]はエージェント構築、[[term:bedrock-agentcore|Amazon Bedrock AgentCore]]は実行・展開・運用を支えます。製品名だけでなく、必要な能力と責任範囲で選びます。",{"id":144,"type":145,"src":146,"alt":147,"caption":148},"diagram","DiagramBlock","\u002Fassets\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fgenerative-ai-fundamentals\u002Faws-genai-services-infrastructure-and-cost-tradeoffs\u002Faws-genai-services-infrastructure-and-cost-tradeoffs.svg","AWS生成AIサービス・基盤・費用トレードオフについてFM活用：Bedrock、広いML：SageMaker AI、業務・開発支援、AgentCore等の運用支援の関係を文字ラベルと矢印で示した図","用途の広さと管理対象を二軸に、試験ガイド掲載サービスの位置を整理します。製品名ではなく担当能力で読みます。",{"id":150,"type":151,"scenario":152,"explanation":153,"result":154},"worked-example","ExampleBlock","利用量が昼だけ急増する社内要約機能をAWS上で提供します。","まず[[term:amazon-bedrock|Amazon Bedrock]]で要件を満たすモデルを比較し、[[term:token-based-pricing|トークンベース料金]]とピーク遅延を測ります。変動が大きい初期段階ではオンデマンド利用が合う可能性があります。安定した大量利用と応答保証が必要になれば、確保型の選択肢を費用とともに再評価します。機密データのアクセス制御とログは別途設計します。","サービス、料金方式、非機能要件を一つの判断表へまとめられます。",{"id":66,"type":156,"warningTitle":157,"message":158,"severity":159,"action":160},"WarningBlock","マネージドは責任ゼロを意味しない","基盤の運用負担が減っても、入力データ、IAM、暗号化設定、出力検証、法令・社内規程への適合は利用者側の責任として残ります。","warning","各候補について、AWSが管理する部分と利用者が決める部分を分けます。",{"id":162,"type":163,"title":164,"questions":165},"quiz","QuizBlock","AIF-C01 判断チェック",[166],{"question":167,"choices":168,"answerIndex":172,"choiceExplanations":173},"変動する生成AI利用の費用比較で確認すべき組み合わせはどれですか。",[169,170,171],"トークン量・呼び出し頻度・遅延・可用性","サービス名の長さだけ","最大モデルを常時固定する前提だけ",0,[174,175,176],"正解です。費用と性能の主要条件です。","費用や性能と関係しません。","利用特性を比較していません。",{"id":178,"type":179,"title":180,"points":181},"summary","SummaryBlock","まとめ",[182,183,184,185],"AWS生成AIサービスは目的別に役割が違う","マネージドでもデータとアプリの責任は残る","料金方式を利用量と性能で比較する","リージョン・可用性・統制条件を現行資料で確認する",{"id":187,"type":188,"title":189,"nextTopics":190,"relatedKeywords":192},"next-action","NextActionBlock","次は「基盤モデル選択と推論パラメータ」へ",[191],"it-aws-aws-certified-ai-practitioner-foundation-model-applications-foundation-model-selection-and-inference-parameters",[193,194,195],"基盤モデル選択","temperature","入力長",{"path":10,"title":19,"description":197,"parentPath":198,"accentToken":199},"生成AIの構成概念、ユースケース、エージェント型AI、モデル選択とAWS基盤をAIF-C01の範囲で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner","cloud-amber",{"title":201,"description":202,"canonicalUrl":203,"ogImage":204},"AWS生成AIサービス・基盤・費用トレードオフ | AWS Certified AI Practitioner","AIF-C01対策としてAWS生成AIサービス・基盤・費用トレードオフの定義、判断軸、具体例、誤解しやすい境界を公式試験範囲に沿って学びます。","https:\u002F\u002Fzeqnilo.com\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fgenerative-ai-fundamentals\u002Faws-genai-services-infrastructure-and-cost-tradeoffs","https:\u002F\u002Fzeqnilo.com\u002Fassets\u002Fsite\u002Fdefault-og.svg",[206,209,212,213,214],{"title":207,"path":208},"IT","\u002Fit",{"title":210,"path":211},"AWS","\u002Fit\u002Faws",{"title":17,"path":198},{"title":19,"path":10},{"title":7,"path":9},[],[217],{"id":191,"title":218,"summary":219,"canonicalPath":220,"categoryPath":221,"categoryTitle":222,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":223},"基盤モデル選択と推論パラメータ","基盤モデル選択と推論パラメータを、AIF-C01の公式objective 3.1.1・3.1.2に沿って、用語、判断順序、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Ffoundation-model-applications\u002Ffoundation-model-selection-and-inference-parameters","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Ffoundation-model-applications","基盤モデルの活用",[17,18,222,193,194,195,224,225],"出力長","プロンプトキャッシュ",[227],{"id":228,"title":229,"summary":230,"canonicalPath":231,"categoryPath":10,"categoryTitle":19,"difficulty":11,"targetAudience":12,"estimatedMinutes":13,"publishedAt":14,"updatedAt":14,"reviewStatus":15,"tags":232},"it-aws-aws-certified-ai-practitioner-generative-ai-fundamentals-genai-model-selection-and-business-metrics","生成AIモデルの選択と事業指標","生成AIモデルの選択と事業指標を、AIF-C01の公式objective 2.2.3・2.2.4に沿って、用語、判断順序、例、誤解修正で整理します。","\u002Fit\u002Faws\u002Faws-certified-ai-practitioner\u002Fgenerative-ai-fundamentals\u002Fgenai-model-selection-and-business-metrics",[17,18,19,233,234,235,236,237,238],"モデル選択","性能要件","レイテンシ","ROI","変換率","顧客生涯価値",1787370540062]