AWS認定AIプラクティショナー（AIF-C01）のドメイン1では、AWSのAIマネージドサービスがどれも頻出です。これらは学習済みのAIをAPIで呼ぶだけで使えるサービスで、ML専門知識がなくても画像・テキスト・音声をすぐ扱えます。サービス名と用途をセットで覚えましょう。AIのユースケース全体は AIの実ユースケース もどうぞ。
AWSのAIマネージドサービスとは
モデルの学習やインフラ構築は不要で、APIを呼ぶだけ。「画像を分析したい」「音声を文字にしたい」といった用途に応じてサービスを選ぶのが基本です。代表的な6つを図で整理します。
主要サービスと用途
| サービス | できること・例 |
|---|---|
| Amazon Rekognition | 画像・動画の分析（物体・顔・テキスト検出）。例：顔認証、不適切画像の検出 |
| Amazon Comprehend | テキスト分析（感情・キーフレーズ・固有表現の抽出）。例：レビューの感情分析 |
| Amazon Transcribe | 音声を文字に変換（文字起こし）。例：会議の議事録作成 |
| Amazon Polly | 文字を自然な音声に変換。例：読み上げ、音声案内（IVR） |
| Amazon Translate | 多言語のテキスト翻訳。例：サイト・アプリの多言語化 |
| Amazon Lex | 会話型インターフェース（チャットボット／音声ボット）。例：問い合わせ自動応答 |
用途特化サービス（文書・推薦・不正検知・検索）
上の6つに加えて、AIF-C01では次の用途特化のAIサービスも出題されます（いずれも公式シラバスの対象）。「どんな課題に、どのサービスか」をセットで押さえましょう。
| サービス | 用途 | できること・例 |
|---|---|---|
| Amazon Textract | 文書からの情報抽出 | 紙・PDFの帳票から文字／表／フォーム項目を構造化して抽出。例：保険申請書から契約者名・金額を自動抽出 |
| Amazon Personalize | レコメンド | 行動データから個別最適化した推薦。例：ECの「あなたへのおすすめ」 |
| Amazon Fraud Detector | 不正検知 | 過去データから不正の可能性をスコアリング。例：オンライン決済・新規登録の不正検出 |
| Amazon Kendra | 社内文書の検索 | 自然言語の質問で社内ドキュメントから答えを検索。例：社内FAQ・ナレッジ検索（RAGの検索基盤にも） |
| Amazon A2I（Augmented AI） | 人によるレビュー | AI予測に人間の確認を組み込む。例：信頼度の低い予測だけ人がチェック |
※Textract と Rekognition の混同に注意：画像内の文字や物体・顔の検出は Rekognition、帳票・書類の項目を構造化して抽出するのは Textract です。
用途からサービスを選ぶ（早見）
- 画像・動画を分析したい → Amazon Rekognition
- 文章を分析したい（感情・要点） → Amazon Comprehend
- 音声を文字にしたい → Amazon Transcribe ／ 文字を音声にしたい → Amazon Polly
- 翻訳したい → Amazon Translate
- チャットボットを作りたい → Amazon Lex
- 紙・PDFの書類から項目を抽出したい → Amazon Textract
- おすすめ（レコメンド）を出したい → Amazon Personalize
- 不正を検知したい → Amazon Fraud Detector ／ 社内文書を検索したい → Amazon Kendra
マネージドAIサービスと SageMaker の違い
用途特化のマネージドAIサービス（上記）は「使う」ためのもの。一方 Amazon SageMaker は、自分でモデルを作る・学習する・運用するための基盤です。「既成のAIを手早く使う」ならマネージドサービス、「独自モデルを構築する」ならSageMaker、と覚えましょう。
- 画像＝Rekognition、テキスト分析＝Comprehend
- 音声→文字＝Transcribe、文字→音声＝Polly（逆の関係に注意）
- 翻訳＝Translate、チャットボット＝Lex
- 書類抽出＝Textract（Rekognitionと混同注意）、レコメンド＝Personalize、不正検知＝Fraud Detector、社内検索＝Kendra
- マネージドAIサービス＝「使う」／SageMaker＝「自分で作る」
確認クイズ
Q1. 紙の請求書をスキャンしたPDFから、金額や日付などの項目を構造化データとして抽出したい。最適なAWSサービスは？
Q2. 大量の顧客レビュー文から、好意的か否定的かの感情を自動判定したい。最適なAWSサービスは？
Q3. ECサイトで、各ユーザーの行動履歴に基づく商品レコメンドを実現したい。最適なAWSサービスは？
よくある質問（FAQ）
Q. PollyとTranscribeはどう違う？
A. 向きが逆です。Polly＝文字を音声に、Transcribe＝音声を文字に。セットで覚えると混同しません。
Q. これらのサービスとSageMakerの違いは？
A. マネージドAIサービスは「既成のAIをAPIで使う」もの。SageMakerは「自分でモデルを作って学習・運用する」基盤です。
Q. ComprehendとRekognitionの使い分けは？
A. 扱うデータがテキストならComprehend、画像・動画ならRekognitionです。
Q. TextractとRekognitionはどう違う？
A. Rekognitionは画像・動画の物体／顔／画像内テキストの検出。Textractは帳票や書類の項目（文字・表・フォーム）を構造化して抽出します。「申請書・請求書からデータを取り出す」ならTextractです。
まとめ
- 用途別＝画像:Rekognition／テキスト:Comprehend／音声→文字:Transcribe／文字→音声:Polly／翻訳:Translate／会話:Lex
- 用途特化＝書類抽出:Textract／レコメンド:Personalize／不正検知:Fraud Detector／社内検索:Kendra／人のレビュー:A2I
- どれもAPIで“すぐ使える”マネージドサービス
- 独自モデルを作るならSageMaker
※本記事はAWS公式試験ガイド(AIF-C01)に基づき、エンジニアKが作成しています。
コメント