AIP-C01 サービス別ノート
AWS Certified Generative AI Developer – Professional の出題範囲にあるサービスを、1つずつ 「要するに何か・なぜ生まれたか・何に使うか・試験でどう問われるか・実務でどう使うか」で整理しています。 氷河期世代のエンジニアが自分で受けるために作っている教材で、間違いを見つけたら各ページの報告ボタンから直していく前提の生き物です。
113 / 113 本（100%）
試験の形
| ドメイン | 内容 | 配点 |
|---|---|---|
| D1 | FM統合・データ管理・コンプライアンス | 31% |
| D2 | 実装と統合 | 26% |
| D3 | AI安全性・セキュリティ・ガバナンス | 20% |
| D4 | 運用効率と最適化 | 12% |
| D5 | テスト・検証・トラブルシュート | 11% |
A｜GenAIの核
Bedrock 系・SageMaker 系・検索基盤・エージェント。歴史／用途／試験／実務／喩え／想起チェックまでフル。
- Amazon Bedrock 複数ベンダーの基盤モデルを、1つのAPIとIAMの下で借りて使うためのマネージドサービス。AIP-C01では全ドメインの土台になります。
- Amazon Bedrock AgentCore フレームワークもモデルも問わずにエージェントを本番稼働させるための実行基盤。Runtime・Memory・Gateway・Identity・Observability などのモジュールを単独でも組み合わせても使えます。
- Amazon Bedrock Knowledge Bases RAG のパイプライン（取り込み・チャンク分割・埋め込み・検索・引用付き生成）をマネージドで提供する仕組み。AIP-C01 では最大配点ドメイン D1 のベクトルストア設計と検索設計がここに集中します。
- Amazon Bedrock Guardrails 入力プロンプトとモデル応答を、モデルとは独立した6種のポリシーで検査・遮断・マスクする仕組み。D3（安全性・セキュリティ・ガバナンス）20%の中心にあります。
- Amazon Bedrock Prompt Management プロンプトを「アプリのコードに埋まった文字列」から取り出し、変数・推論設定・モデル指定ごと1つの AWS リソースにして版を切るための仕組み。アプリは ARN を呼ぶだけになります。
- Amazon Bedrock Prompt Flows プロンプト・Knowledge Base・エージェント・Lambda をノードとして繋ぎ、版とエイリアスを持つ1つのリソースとして実行する Bedrock 側のワークフロー。逐次チェーン・条件分岐・反復をアプリのコード外で組みます。
- Amazon Bedrock Model Evaluations モデルと RAG の出来を「ジョブ」として採点し、S3 にレポートを残す仕組み。採点者を統計指標・判定用 LLM・人間ワーカーから選び、RAG は検索だけと生成込みを分けて測ります。
- Amazon Bedrock Data Automation 文書・画像・動画・音声の非構造データを、モデルを選ばずプロンプトも書かずに構造化 JSON へ落とすマネージド API。Knowledge Bases のパーサとしても選べます。
- Amazon Bedrock Cross-Region Inference modelId を推論プロファイルに差し替えるだけで、推論リクエストを複数リージョンの計算資源へ自動ルーティングする仕組み。スループット確保とデータレジデンシーが同じ設定項目の裏表になります。
- Amazon Titan AWS 自身が事前学習した FM ファミリ。現在の公式 overview に載るのは埋め込み2種と画像生成1種で、試験では実質「RAG の埋め込みモデルをどう選ぶか」として問われます。
- Amazon SageMaker AI モデルを自分のインスタンスとエンドポイントの上で学習・ホストするためのマネージド基盤。AIP-C01 では「Bedrock で足りるのか、ここまで降りるのか」の分岐先として出ます。
- Amazon SageMaker JumpStart 公開・商用の基盤モデルを、配線済みの形で自分の SageMaker AI エンドポイントに載せるための入口。ライセンス受諾とモデルの見せ方の統制まで含みます。
- Amazon SageMaker Clarify 表形式・従来型MLのバイアスを標準化された式で測り、SHAP で予測の内訳を出す道具。判定はせず数値だけ返します。生成AIの評価は担当外で、そこが試験の分岐点です。
- Amazon SageMaker Model Monitor 本番の SageMaker エンドポイントを、学習時に作ったベースラインと定期的に突き合わせて逸脱を鳴らす仕組み。データ品質・モデル品質・バイアスドリフト・特徴量寄与ドリフトの4種があり、対象は表形式データだけです。
- Amazon SageMaker Model Registry 学習したモデルをモデルグループの中の「版」として登録し、承認ステータスを付けて管理する台帳。承認ステータスの変更がそのまま CI/CD の引き金になり、切り戻しもここで起きます。
- Amazon SageMaker Ground Truth 学習データに人手でラベルを付けるための、作業者の手配・作業画面・成果物回収を一式にした仕組み。A2I（推論結果の人間レビュー）と役割が逆なので、そこだけ押さえます。
- Amazon SageMaker Data Wrangler 表形式データの取り込み・変換・品質確認をほぼコードなしで組み立てる GUI。SageMaker Canvas 側へ統合され、Studio Classic 時代とは入口が変わっています。
- Amazon SageMaker Processing 前処理・後処理・特徴量エンジニアリング・モデル評価を、使い捨てのマネージドなバッチジョブとして走らせる仕組み。人が画面を見ていない側の処理を全部ここで受けます。
- Amazon SageMaker Unified Studio 次世代 SageMaker の統合開発環境。データ・分析・AI・生成AIを1つのブラウザ画面に集め、ドメインとプロジェクトでガバナンスをかけます。Bedrock のツール群もこの中から使えます。
- Amazon OpenSearch Service ベクトル専用DBではなく「全文検索エンジンにベクトル索引が同居している」ストア。AIP-C01 では D1 のベクトルストア選定とハイブリッド検索の分岐で、既定の正解になりやすい側です。
- Amazon Aurora（pgvector） 業務データと同じ PostgreSQL の中にベクトル列を置ける選択肢。AIP-C01 では「新しいベクトルDBを増やさずに RAG を足す」分岐と、Bedrock Knowledge Bases のベクトルストア要件（RDS Data API・pgvector・GIN 索引）で問われます。
- Amazon Kendra 索引の中身を隠したマネージド検索。コネクタと権限フィルタが本体で、RAG では Retrieve API のリトリーバーになります。2026年にメンテナンスモードへ入り新規受付を終了したため、試験では「なぜ今それを選ばないか」まで問える対象です。
- Amazon Q Business / Q Business Apps 社内データに対する RAG アシスタントを、検索も生成もアクセス制御も含めて完成品として買う選択肢。回答は「そのユーザーが元のデータソースで見られる範囲」に絞られます。新規受付は終了し、後継は Amazon Quick です。
- Amazon Q Developer 開発者側に立つ完成品のアシスタント。IDE でのインライン補完・エージェント型のコード編集・レビュー・言語アップグレードまでを持ち、試験では「実装と統合」と「テスト・トラブルシュート」の道具として名指しで出ます。
- Amazon Comprehend テキストを渡すと、実体・キーフレーズ・感情・言語・PII を返す NLP API。AIP-C01 では「FM に渡す前／返した後にテキストを検査する層」として、特に PII 検出で名指しされます。
- Amazon Textract 文書の画像・PDF から、テキスト・フォームのキーバリュー・表・署名・レイアウトを構造として取り出す OCR＋文書解析 API。GenAI パイプラインでは「FM に渡せる形にする前段」に立ちます。
- Amazon Transcribe 音声をテキストに変換する ASR。S3 のファイルを処理するバッチと、リアルタイムのストリーミングで機能が違い、AIP-C01 では D1 のマルチモーダル前処理として名指しされます。
- Amazon Rekognition 画像・動画に何が写っているかを API で返すマネージドのコンピュータビジョン。AIP-C01 では「テキストではなく画像・動画のコンテンツモデレーションを誰がやるか」の担当として出ます。
- Amazon Lex 音声とテキストの会話インターフェイスを、意図（インテント）とスロットという決定的な枠で組み立てるサービス。FM に全部喋らせるか、確定させたい部分を Lex に持たせるかの分岐で出ます。
- Amazon Augmented AI（A2I） 推論結果のうち確信度が低いものやランダム抽出したものを、人間のレビューに回すためのマネージドな仕組み。学習データにラベルを付ける Ground Truth とは向きが逆です。
- Strands Agents AWS が公開したオープンソースのエージェント SDK。ワークフローを人間が組む代わりに、モデル自身に計画・ツール選択・振り返りをさせる「モデル駆動」の方式を取ります。試験では「エージェントをどう書くか」側の選択肢として出ます。
- AWS Agent Squad AWS Labs のマルチエージェントフレームワーク。分類器がリクエストごとに担当エージェントを選び、会話コンテキストを保ったまま専門エージェントへ振り分けます。試験では「1体で全部やるか、振り分けるか」の分岐として出ます。
- Model Context Protocol（MCP） エージェントと外部機能をつなぐ標準プロトコル。ツールをエージェントに直接登録する代わりに、MCP サーバに預けて JSON-RPC で発見・呼び出しします。試験ではホスティング先と認可の設計として問われます。
B｜実装まわり
GenAI アプリを組み立てる部品。試験で問われる一点に絞った中密度。
- AWS Lambda GenAIアプリでは「モデルを動かす場所」ではなく「モデルの手足になる場所」。Bedrock Agentsのアクショングループ実体、MCPツールサーバ、動的モデル切替の配線としてD1〜D3に顔を出します。
- AWS Lambda@Edge In-Scopeサービス表には載っているが、GenAIのFM呼び出しをここで完結させるのは構造的に無理があります。試験では「エッジで何を・何をしないか」を見分けさせる引っかけ役です。
- AWS Step Functions BedrockのInvokeModel・AgentCoreのInvokeHarnessと最適化統合を持つ、GenAIオーケストレーションの配線盤。ReAct・サーキットブレーカー・人間承認（HITL）の受け皿として複数ドメインにまたがって出ます。
- Amazon API Gateway LambdaやFMの呼び出しをHTTP/WebSocketの口として公開する汎用サービス。AIP-C01では「生成AIサービスではない」からこそ、統合タイムアウトとストリーミング対応の限界がそのまま出題の分岐点になります。
- AWS AppSync GraphQL API とリアルタイム配信（サブスクリプション／Events）のマネージドサービス。AIP-C01では、エージェントの応答をUIへプッシュ配信する層として、Amplify経由のノーコード統合の文脈で顔を出します。
- Amazon EventBridge イベントバスでシステム間を疎結合につなぐサービス。AIP-C01ではエンタープライズ統合の文脈で、SaaSやレガシーの変更イベントをGenAI処理のトリガーにする役として登場します。
- Amazon SNS トピックへのpublishを複数の購読者へ配るfan-outのpub/subサービス。AIP-C01では主役にはならず、Guardrailsの介入通知やコスト異常検知のアラート配信といった、周辺の「人に知らせる」役で出てきます。
- Amazon SQS メッセージを溜めて消費者が自分のペースで処理するキュー。AIP-C01では「FM呼び出しをSDK経由で非同期化する」ときの標準部品として、可視性タイムアウトとモデルの生成時間の衝突が主な出題点になります。
- AWS AppConfig フィーチャーフラグと動的設定を、コード変更なしで安全に配信する仕組み。AIP-C01の公式スキル文で名指しされている「Lambda・API Gatewayと組み合わせた動的モデル切替」の正体です。
- Amazon AppFlow SaaSとAWSサービスの間でノーコードにデータを転送する統合サービス。AIP-C01では、Knowledge Basesが直接つながらないSaaS（Salesforce・Zendeskなど）のデータをS3へ着地させ、RAGの取り込み対象にする前段として出てきます。
- Amazon DynamoDB キーバリュー／ドキュメント型のNoSQL。AIP-C01では「ベクトルストアの選択肢」ではなく、会話履歴・セッション状態の置き場として、そしてZero-ETLでOpenSearchにベクトル検索を渡す送り出し口として出ます。
- Amazon DynamoDB Streams DynamoDBの項目レベル変更を時系列で流す仕組み。AIP-C01では「業務データが更新されたら、その変化をRAGの検索対象に近似リアルタイムで反映する」配管として出ます。
- Amazon ElastiCache インメモリのキャッシュサービス。AIP-C01ではD4（コスト・性能最適化）の文脈で、「意味が近い問いへの回答を再利用するセマンティックキャッシュ」として出ます。
- Amazon RDS マネージドのリレーショナルDB。RDS for PostgreSQLはpgvectorでベクトル検索ができますが、Bedrock Knowledge Basesの正式なベクトルストアはAurora限定——AIP-C01ではこの一線が問われます。
- Amazon DocumentDB MongoDB互換のドキュメントDB。5.0以降はネイティブのベクトル検索を持ち、既存のJSON資産の上でRAGを組む選択肢になります。ただしBedrock Knowledge Basesの正式なベクトルストア一覧には入りません。
- Amazon Neptune マネージドのグラフDB。AIP-C01でGraphRAGやBedrock Knowledge Basesの正式なベクトルストアとして出るのは「Neptune」ではなく「Neptune Analytics」——同じブランドの中の別エンジンという一線が問われます。
- Amazon S3 RAGパイプラインの取り込み元・モデルカスタマイズの学習データ置き場・バッチ推論の入出力先。AIP-C01ではオブジェクトストレージの一般論ではなく、Bedrockの各機能がS3をどう読み書きするかが問われます。
- Amazon S3 Intelligent-Tiering アクセス頻度が読めないRAGコーパスに向けたストレージクラス。「どのくらいの頻度でアクセスされるか分からない」というシナリオに対する、コスト最適化ドメイン(D4)の定番の答えです。
- Amazon S3 Lifecycle ポリシー 学習データ・推論ログ・生成物の保持期間を機械的に管理する仕組み。生成AI文脈では「いつまで持つか」を規約に合わせて決める、コンプライアンス(D3)とコスト(D4)の両面から出ます。
- Amazon S3 クロスリージョンレプリケーション 学習データ・RAGコーパスのデータレジデンシー要件とマルチリージョン推論の可用性を支える機能。生成AI文脈では「データを特定リージョンに留めるか、複数リージョンへ広げるか」という対立した要件の両方に顔を出します。
- Amazon ECS EC2起動タイプを選べばGPUインスタンスにコンテナを配置できる、Fargateとの分水嶺。自前のOSSモデルをコンテナでGPU推論させたいシナリオの正解になります。
- Amazon EKS Kubernetesの上でGPU/Inferentia/Trainiumノードを扱える、ECSのもう一つのGPU選択肢。OSSのML運用エコシステム（Kubernetes標準ツール群）を前提にするシナリオで名指しされます。
- Amazon ECR SageMaker AIのBring Your Own Containerや、ECS/EKS上のMCPサーバ・エージェント基盤の置き場所。イメージスキャンはGenAIスタックのサプライチェーンセキュリティ（D3）にも関わります。
- AWS Fargate サーバーレスのコンテナ実行環境。GenAIの文脈では「状態を持つがGPUは要らない」処理（複雑なMCPサーバ、エージェントのオーケストレーション層）の置き場所であり、GPU推論の受け皿にはなりません。
- Amazon CloudWatch Bedrock のモデル呼び出しを数値で見る場所。`AWS/Bedrock` 名前空間のメトリクス（トークン数・レイテンシ・スロットル）と、Agents・Guardrails それぞれ別名前空間のメトリクスを押さえます。
- Amazon CloudWatch Logs Bedrock のモデル呼び出しログ（invocation logging）と AgentCore のスパンの着地先。プロンプト・レスポンス本文が実際に残る場所で、CloudWatch のメトリクスとは役割が違います。
- AWS CloudTrail 「誰が・いつ・どの Bedrock API を呼んだか」の監査証跡。InvokeModel は管理イベントとして既定で記録される一方、エージェント・KB・Flow の実行系はデータイベントで、明示的な設定が要ります。
- AWS X-Ray リクエスト単位の分散トレーシング。エージェント型アプリでは「どのツール呼び出し・どのモデル呼び出しが遅延の原因か」を1リクエスト単位で追うための道具で、AgentCore Observability の裏側でも使われています。
- AWS Cost Explorer Bedrock のコストを可視化・予測するダッシュボード。ただし粒度は「日次・使用タイプ単位」までで、リクエスト単位の按分にはコスト配分タグ（Application inference profiles等）を別に組む必要があります。
- AWS Cost Anomaly Detection 機械学習でコスト急増を自動検知する仕組み。GenAI 文脈での最大の落とし穴は「Bedrock 経由の Anthropic Claude 等サードパーティモデル課金を監視対象外としている」ことです。
- IAM Bedrock やエージェントに「誰が・何を・どこまで」実行させるかを決める権限の最終防衛線。信頼ポリシーとリソースベースポリシーの組み合わせが試験の主戦場です。
- IAM Identity Center 複数AWSアカウントとAWS管理アプリへの人間のワークフォースSSO。生成AI文脈での本体は、サインインしたIDをアプリ側の認可にそのまま渡す「trusted identity propagation」です。
- IAM Access Analyzer 設定した権限が意図通りかを事後に検査する側。生成AI文脈ではKnowledge BaseのS3バケット・KMSキー・エージェントの秘密情報が外部共有されていないかの点検に使えます。
- AWS KMS モデルカスタマイズ成果物・Knowledge Base・エージェントをカスタマーマネージドキーで暗号化する仕組み。試験ではキーポリシーとBedrockサービスロールの権限をどう分けるかが問われます。
- AWS Secrets Manager RAGの外部データソース接続情報やサードパーティのベクトルストア認証情報をアプリのコードから追い出す場所。Bedrock Knowledge Basesの各種コネクタが実際にここへ依存しています。
- Amazon Cognito 生成AIアプリの一般エンドユーザーを認証・認可する仕組み。Bedrock AgentCore Identityのチュートリアルが最初の一歩としてCognitoユーザープールを使っています。
- Amazon Macie S3に保管された機械学習用データセットやRAGのソースドキュメントに機密情報が紛れていないかを棚卸しする側。流れるプロンプト・応答を見るGuardrails/Comprehendとは対象が違います。
- AWS WAF HTTPリクエストのパターンを見るファイアウォールで、Bedrock AgentCore GatewayやCognitoユーザープールの手前にも配置できます。ただしプロンプトインジェクション対策そのものではありません。
- AWS PrivateLink VPCとAWSサービスの間をインターネットに出さずに繋ぐ仕組み。Bedrockへの推論トラフィックをパブリック網に晒したくないシナリオで、答えが割れる決め手になります。
- Amazon VPC 生成AIワークロードを閉じたネットワークに置くための土台。PrivateLinkやGuardrailsが機能する前提の「箱」であって、GenAI固有の機能は持ちません。
- AWS Glue / Glue Data Quality / Data Catalog RAGコーパスを取り込む前の「目録作り」と「品質検査」を担う2つの機能。試験ではETLの一般論ではなく、データ検証パイプライン（D1.3）とガバナンス（D3.3）の文脈で出ます。
- AWS Lake Formation Glue Data Catalogの上に乗る許可レイヤー。列・行単位のアクセス制御と、Bedrock Knowledge Basesが構造化データストアとしてGlue Data Catalogを使うときの必須権限が試験の焦点です。
- Amazon Athena S3上のデータにサーバーレスでSQLを投げる道具。Bedrock Knowledge Basesの構造化データ検索の「実行エンジン」だと誤解されがちですが、その役はAmazon Redshiftが担っています。
- Amazon CloudFront 生成AIアプリのフロントエンド配信とプライベート生成物の配布を担うCDN。AIP-C01ではCDN一般論ではなく、S3オリジンへの署名付きアクセス・地理的制限・エッジでのカスタマイズがGenAIアプリ統合の文脈でどう出るかが対象です。
- AWS Well-Architected Tool / GenAI Lens 6本柱の設計レビューを行う無料サービス本体と、生成AI向けの追加質問セット「Generative AI Lens」の関係。このLensはビルトインではなく、GitHubから取り込むカスタムレンズという扱いが試験の急所です。
- AWS Auto Scaling 「スケーリングプラン」機能そのものは対象リソースに SageMaker を含みません。GenAI 文脈でのポイントは、この名前の製品と「SageMaker エンドポイントのオートスケール」に使う Application Auto Scaling を混同しないことです。
C｜周辺
出題範囲ではあるが主役ではないもの。要点だけの短縮版。
- Amazon EC2 仮想サーバーそのもの。AIP-C01 では主役にならず、自己ホストするモデルやMCPサーバーの土台としてSageMaker・ECS・Lambdaの選択肢の一つに出てきます。
- AWS App Runner ソースコードやコンテナイメージから直接デプロイできるフルマネージドWebアプリ実行環境。ただし新規顧客への提供は終了しており、AIP-C01でも既存前提の脇役です。
- AWS Outposts AWSのインフラをオンプレミスに拡張するサービス。AIP-C01では試験ガイドが「越境データ対応」の文脈で名指しする、データ主権要件の切り札です。
- AWS Wavelength 通信キャリアの5G網のエッジにAWSインフラを置くサービス。AIP-C01ではOutpostsと並んで「越境データ対応」の文脈に名指しされるだけの脇役です。
- Amazon EBS EC2インスタンスにアタッチするブロックストレージ。AIP-C01で単独の主役にはならず、EC2/SageMakerの背後にある永続化層として名前だけ出てきます。
- Amazon EFS 複数のコンピュートから同時マウントできるサーバーレスなファイルストレージ。AIP-C01では複数ノードで共有データを読ませたい場面の脇役として出てきます。
- Elastic Load Balancing（ELB） EC2やコンテナへのトラフィックを振り分けるロードバランサー。AIP-C01では自己ホスト推論エンドポイントの可用性・スケーリングを支える裏方として出てきます。
- Amazon Route 53 DNS・ドメイン登録・ヘルスチェックのマネージドサービス。AIP-C01ではGenAIアプリ自体の主役にはならず、マルチリージョン構成の入り口として脇役で出ます。
- AWS Global Accelerator 静的anycast IPとAWSグローバルネットワークで、世界中のユーザーからアプリまでの経路を最適化するサービス。AIP-C01ではD4の性能最適化の文脈で脇役として出ます。
- Amazon EMR Hadoop・Sparkなどビッグデータフレームワークのマネージドクラスタ。AIP-C01ではRAG用コーパスを大量前処理するD1.3のバッチ処理係として脇役で出ます。
- Amazon Kinesis リアルタイムストリーミングデータの取り込み・配信サービス群。AIP-C01ではRAGコーパスやチャットログをほぼリアルタイムでベクトルストアや分析基盤に流し込む脇役として出ます。
- Amazon MSK Apache Kafka互換のマネージドストリーミング基盤。AIP-C01では既存Kafka資産をそのままGenAIパイプラインの入力に使いたい場面の脇役として出ます。
- Amazon Quick Sight 旧 Amazon QuickSight。BIダッシュボードに生成AI（自然言語Q&A・Executive Summary・データストーリー）を載せた製品で、いまは Amazon Quick の一機能として存在します。
- Amazon Quick Amazon Q Business の後継として AWS が正式に案内する統合AIワークスペース。QuickSightを吸収し、チャット・BI・ワークフロー自動化・調査・アプリ構築を1つのチャット体験に統合します。Q Businessは新規受付終了、移行はBYOI（既存インデックスの持ち込み）から始まります。
- Amazon Connect クラウドコンタクトセンター。生成AIは音声・チャット対応の中に「エージェント支援」「通話後の自動要約」「評価の自動下書き」として組み込まれる形で出てきます。単独の主役サービスではありません。
- AWS Amplify フロントエンド（Web/モバイル）のホスティングとバックエンド構築を一体化するツール。AIP-C01では「FM統合を宣言的UIですばやく見せる」役どころで、スキル文2.5.2に名指しで出ます。
- AWS CDK 汎用プログラミング言語でAWSインフラを定義し、最終的にCloudFormationテンプレートとして合成・デプロイするフレームワーク。AIP-C01のスキル文に名指しの出番は無く、IaC全般の知識という前提の中に埋もれています。
- AWS CLI AWSサービスAPIをターミナルから直接叩くコマンドラインツール。AIP-C01では「アプリに組み込むならSDK、手元で1回叩くならCLI」という切り分けの片側としてだけ出ます。
- AWS CloudFormation AWSリソースをテンプレートで宣言し、スタック単位でまとめて作成・更新・削除するサービス。Bedrockのリソース（KnowledgeBase・Agent・Guardrail等）も AWS::Bedrock::* としてテンプレート化できます。
- AWS CodeArtifact npm・Maven・pip等のパッケージを組織内で安全に保管・配布するマネージド・アーティファクトリポジトリ。AIP-C01のスキル文には名前が出ず、CI/CDパイプラインの裏方としてだけ関わりうるサービスです。
- AWS CodeBuild ソースのコンパイル・テスト実行・成果物の作成を、ビルドサーバーの管理なしで行うマネージド型ビルドサービスです。AIP-C01では主役ではなく、CodePipelineのビルド/テストアクションとして脇役で出ます。
- AWS CodeDeploy EC2・オンプレミス・Lambda・ECSへのアプリケーションデプロイを自動化するサービスです。AIP-C01では主役ではなく、Lambda関数の新バージョンを安全に切り替える選択肢として脇役で出ます。
- AWS CodePipeline ソースからデプロイまでのリリース工程をステージとアクションでモデル化し自動化するオーケストレーションサービスです。承認ゲートや失敗時ロールバックの土台にもなります。
- Kiro 仕様（スペック）を先に固めてからコードを生成する、AWSのエージェント型IDEです。AIP-C01のIn-Scopeサービスに名指しで挙がる、Tier Cの中では数少ない「生成AI製品そのもの」です。
- AWS Tools and SDKs 各言語向けのAPIクライアントライブラリ群と共通の認証・設定の仕組み。Bedrockまわりだけでも bedrock / bedrock-runtime / bedrock-agent / bedrock-agent-runtime の4クライアントに役割が分かれており、この分かれ方自体が試験で効きます。
- AWS Chatbot Slack/Microsoft Teams/Amazon Chime に AWS のアラート通知を届け、チャットからCLIコマンドも打てる仕組み。現在は「Amazon Q Developer in chat applications」に改称されており、試験ガイドの旧名と実際のドキュメント名が食い違っています。
- AWS Service Catalog 承認済みのITサービス（IaCテンプレート等）をカタログ化し、利用者はそこから選んで自己サービスでデプロイできる仕組み。GenAIアプリのガバナンスでは「承認済み構成しか使わせない」統制の受け皿として名前が挙がります。
- AWS Systems Manager AWS・オンプレミス・マルチクラウドのノードを一元管理する運用基盤。GenAIの試験文脈では、主にパラメータ・シークレットの受け皿（Parameter Store）として名前が出ます。
- Amazon Managed Grafana フルマネージドのGrafana。GenAIアプリの運用文脈では、CloudWatch・X-Ray・OpenSearch Serviceなどの監視データを1つのダッシュボードに集約する可視化層として名前が挙がります。
- Amazon CloudWatch Synthetics エンドポイントやAPIに対してスクリプト化した疑似アクセス（カナリア）を定期実行し、実際のユーザーより先に問題を検知する仕組みです。AIP-C01では、デプロイ後の合成ワークフロー検証として脇役で出ます。
- AWS DataSync オンプレミス・他クラウドとAWSストレージ間の高速データ転送サービス。AIP-C01ではRAGコーパスの元データを一括でS3に移す取り込み前段として脇役で出ます。
- AWS Transfer Family SFTP/FTPS/FTP/AS2でS3・EFSへファイルを送受信できるマネージド転送サービス。AIP-C01では外部パートナーが文書を送り込む窓口として脇役で出ます。
- Amazon SageMaker Neo 「一度学習すればクラウドでもエッジでも動かせる」よう推論モデルをコンパイル最適化する機能。生成AI（LLM）の主役ではなく、コンピュータビジョン系の軽量モデルをエッジ配備するときの最適化手段として出ます。
- AWS Encryption SDK クライアント側暗号化ライブラリ。データキーをラッピングキー（AWS KMS等）で保護するエンベロープ暗号化を、アルゴリズム選定を意識せず実装できます。GenAIの主役ではなく、機密データを扱うパイプラインの暗号化手段として出ます。