名前が似ていて選びにくいAWSサービス3選【AWS AI Practitioner】

AWS AI Practitionerの模擬試験を進めています。今日は、名前や見た目が似ているせいで、役割を取り違えてしまった問題がいくつかありました。

今日つまずいたポイント

1つ目は、『Amazon Q Businessの利点を選ぶ』問題でした。「複数の基盤モデルを利用できる」を選びましたが、これは不正解でした。

複数の基盤モデルを選んで使えるのは、Amazon Bedrockの特徴です。一方Q Businessは、社内文書やナレッジベースといった独自データを使って、社員の質問に答えてくれる、完成済みの社内向け対話アシスタントでした。Bedrockが土台を組み立てるためのプラットフォームだとすると、Q Businessはすでに組み上がったアシスタントという違いがあります。

2つ目は、『データの生成源から利用点までの流れを記録する仕組みを選ぶ』問題でした。「Amazon Data Exchange」を選びましたが、不正解でした。

正解は、データリネージとAmazon DataZoneでした。データリネージは、データがどこから来てどう変換されたかを追跡する仕組みそのもので、DataZoneはそれを含めた社内データのガバナンスを実現するサービスです。一方Data Exchangeは、外部のデータセットを購入・調達するためのマーケットプレイスで、社内データの流れを追う話とは全く別の役割でした。「Zone」は自分たちの領域を管理するもの、「Exchange」は外部とやり取りするものと考えると、区別しやすくなりました。

3つ目は、『生成AIのワークロード範囲を特定し、関連するセキュリティ要件を整理したい』という問題でした。「ガバナンスフレームワークを確立する」を選びましたが、不正解でした。

正解は、生成AIセキュリティスコーピングマトリックスでした。ガバナンスフレームワークは、AIの利用ルールや運用体制全体を管理する、組織運営寄りの広い話です。今回のように「ワークロードの範囲を特定し、セキュリティ要件を整理する」という具体的な話は、そのために用意されたセキュリティスコーピングマトリックスがぴったり当てはまります。

今日出てきたサービスは、どれも名前だけ見ると似た用途に思えてしまうものばかりでした。ですが役割を分解してみると、「独自データで答えるか、土台を選ぶか」「社内を管理するか、社外とやり取りするか」「具体的なセキュリティ整理か、組織全体の運用ルールか」というように、軸で見るとはっきり分かれています。

次に似たサービス名が出てきたら、名前の印象だけで判断せず、まずこの軸に当てはめて考えるようにしたいと思います。