はじめに # これは、興味のままに新試験を受験してきた記録です。 先日、AWS認定に新設された注目のベータ試験「AWS Certified AI Business Strategist (AIB-C01、ベータ試験コード: AB1-C01)」を受験してきました。本記事では、新設された試験の概要や学習準備、受験当日のリアルな所感、そして合否結果についてまとめます。 --> Information 秘密保持契約（NDA） があるため、詳細な試験問題の内容や個別設問については触れることができませんので、ご了承ください。 また、本記事の記載内容は2026年10月（ベータ試験受験時）の情報に基づいています。 試験について # AWS Certified AI Business Strategist（以下、AI Business Strategist） は、ビジネスリーダーやDX推進担当者、企画職などを対象とした認定資格です。AIおよび生成AI技術を活用したビジネス価値の創出、戦略的な意思決定、ガバナンス推進に関する知識が総合的に評価されます。 これまでのAWS認定は「Solutions Architect」や各種Specialtyなど、主にインフラ構築や実装技術（How）に焦点を当てていました。 これに対し本試験は新設の「Business」カテゴリーに属します。「どの課題にAIを適用し、どう投資判断や社内統制を進めるか（Why / What）」というビジネス戦略視点に特化している点が大きな特徴です。 試験の概要 試験コード : AIB-C01（ベータ試験コード: AB1-C01） カテゴリ : Business（※新設カテゴリー） 試験時間 : 170分 + 10分（前後のアンケートなど） 出題数 : 85問程度（※ベータ試験） 合格基準スコア : 700点（100〜1,000点満点） 受験料 : 8,250円（税込、※半額バウチャーなどは利用不可） ※ベータ試験であるため、正式リリース後は試験時間や出題数などが一部変更される可能性があります。 出題分野（試験ガイドより） # 試験ガイドに記載されている主な出題分野は以下の4つです。 分野 1: AIの基礎とビジネスリテラシー 機械学習や生成AIの基本概念、適用可能なビジネス課題の特定 従来の予測型AIと生成AI（基盤モデル）の特性の違いとビジネスへの影響 分野 2: AI戦略とビジネス価値の創出 AI導入に伴うビジネスケースの策定、ROI（投資対効果）の評価手法 自社開発（Build）か外部サービス・既存モデル採用（Buy）かのトレードオフ判断 定量・定性のKPI（重要業績指標）の設定 分野 3: AIガバナンスと責任あるAIリーダーシップ 責任あるAI（公平性、透明性、説明責任、プライバシー保護）の推進 ハルシネーション（幻覚）リスクへの対策やHuman-in-the-Loop（人間の介在）の設計 知的財産権、著作権、業界コンプライアンスの遵守 分野 4: 組織のAIレディネスと変革推進（トランスフォーメーション） 全社的なAI活用を支える組織体制（AI Center of Excellence: CoE）の立ち上げ 従業員のスキルアップ、チェンジマネジメント（変化への抵抗の克服） パイロット運用から全社展開へのスケール戦略 申し込み # ベータ試験のアナウンスを確認後、認定ポータルサイトから申し込みました。 AWS認定の新設試験ベータ版は、8,250円（税込）という特別価格で最新トレンドの出題傾向をいち早く体験できる貴重な機会です。今回もスケジュールを調整し、テストセンターでの受験枠を確保しました。 準備したこと # 本認定はコーディングや詳細なインフラ構成コマンドを問う試験ではないため、ビジネス視点でのAI活用戦略やガバナンスに焦点を当てて準備を進めました。 1. 試験ガイドの精読 # まずは公式の 試験ガイド を読み、出題範囲を確認しました。 「Pythonコードの実装」や「インフラ詳細設定」などは明確に出題対象外と記載されているため、ビジネス判断や戦略立案のシナリオに絞って学ぶ方針を立てました。 2. AWS Skill Builder # AWS公式の学習プラットフォーム「AWS Skill Builder」にて、公式問題集や関連教材を確認・活用しました。 Official Practice Question Set: AWS Certified AI Business Strategist (AIB-C01 - 日本語) 公式の練習問題集（日本語）が提供されており、出題傾向やシナリオ問題の形式、選択肢の問われ方を事前に把握するのに最適 試験準備カテゴリ（AIB-C01 / AB1-C01） ビジネスリーダー向けの生成AIコース（「Generative AI for Executives」等）や、責任あるAI（Responsible AI）に関する教材を活用した基礎概念のインプット 3. 公式ホワイトペーパー・ブログの確認 # ビジネス価値やガバナンスに関するAWSの公式ドキュメントやフレームワークを復習しました。 AWS Cloud Adoption Framework (CAF) for Artificial Intelligence 責任あるAI（Responsible AI）に関する公式ガイダンス Amazon Bedrock / AWSの生成AIサービス活用事例 （金融、ヘルスケア、小売など業界ごとのユースケース） 準備しながら気づいたこと # 学習を進める中で、従来のエンジニア向け試験とは異なるいくつかの重要な視点が見えてきました。 「技術的に可能か」ではなく「ビジネス投資として妥当か」が問われる点 最新の基盤モデルをファインチューニングすることが常に正解ではなく、まずはプロンプト調整やRAGで検証し、ROIや運用コスト、リスクに見合うかを判断する視点が重視される。 Build vs Buy の明確な判断基準 SaaSやマネージドサービス（Amazon Qなど）を導入すべきケースと、自社専用のモデルやパイプライン（Amazon SageMaker / Bedrock）を構築すべきケースの切り分けが明確に問われる。 責任あるAI（Responsible AI）とリスク管理のウェイトの高さ ハルシネーション対策、バイアス軽減、著作権保護、データプライバシーなど、AIを本番運用するにあたって企業が直面する法的・倫理的リスクへのガバナンス設計が試験の大きな柱となっている。 組織・人材のチェンジマネジメントの重要性 単にツールを導入するだけでなく、CoE（Center of Excellence）の立ち上げや社内教育、段階的なPoC推進など、「組織としていかにAIを定着させるか」という組織論も重要なテーマである。 受験当日の様子 # いつものテストセンターで受験しました。 問題文の分量・出題内容 たまに1画面・1ページをフルに使う長めの問題文もあったが、複雑な技術構成やパラメータ設定を問うものではなかった。どのように社内にAIを広げていくかという展開戦略や、社内統制・ガバナンスルールの進め方といった意思決定が中心である。そのため、普段からPM（プロジェクトマネジメント）や事業企画、DX推進などの業務に携わっていれば、文脈から自然と正しい答えを選択できると感じた。 時間配分とコンディション 試験時間は170分と長めに設定されている。当日は前日の寝不足がたたり、途中でウトウトしてしまったため、最終的に時間ギリギリでの終了となった。しかし、コード読解や複雑な計算問題は一切ないため、万全の体調で集中して受験すれば、1問1分以内のペースでテンポよく解き進められるボリューム感だと感じた。 受験結果について # 当日夜、スコアレポートが届き、 無事に合格 できました。 さらに、ベータ試験の合格者に対する特典である アーリーアダプター（Early Adopter）のデジタルバッジ も無事獲得できました。 手応えとしても感じていた通り、細かなAWS CLIコマンドなどを問う問題はありませんでした。ビジネスの文脈に即して「適切なAI活用判断ができるか」「責任ある推進体制を築けるか」という本質的な理解が問われる試験でした。 活かせる前提知識（他のAI認定との親和性） # 実際に受験してみて感じたのは、他社クラウドや既存のAI認定で培った知識が大きなアドバンテージになる点です。 特に、以下の認定資格の知識や学習経験があれば、出題意図をスムーズに汲み取ることができ、 だいぶ楽に受験できる と感じました。 AWS Certified Generative AI Developer - Professional (AIP-C01) Bedrock の選定基準やガードレール、コンプライアンス設計などの深い知見 AWS Certified AI Practitioner (AIF-C01) AWS における AI/ML 基礎概念やユースケース全般の土台 Google Cloud認定 Generative AI Leader (GAIL) ビジネスリーダー視点での生成 AI 導入・ROI 評価・組織展開という共通の思想 Microsoft認定: Azure AI の基礎 (AI-901) 責任ある AI（公平性・透明性・プライバシー保護など）の基本原則の共通性 生成AIパスポート（GUGA） AI リテラシー、知的財産権、著作権、リスク管理といった社会・ビジネス共通の基礎教養 ちなみに、私自身は上記のうち「生成AIパスポート」以外はすべて合格・取得済みです。 そのため、各試験で培ったガバナンスやユースケースの知識が自然と頭に入っており、初見のシナリオ問題でもスムーズに判断できました。 まとめ # 新設カテゴリ「Business」として、非エンジニアにも最適 PM、DX推進者、企画職、コンサルタントなど、ビジネスとAIの橋渡し役を担う方にとって、体系的な知識を証明する最適な試験体系になっている。 エンジニアにとっても「視座を引き上げる」絶好の機会 普段「どう実装するか」に集中しがちなエンジニアにとっても、「なぜ作るのか」「投資に見合うか」「組織にどう定着させるか」という一段高いビジネス視点を整理する良い機会になる。 早期受験でアーリーアダプターバッジも獲得可能 新設資格の立ち上げ期ならではの面白さがあり、AI推進に関わるビジネスリーダーやエンジニア双方にとって挑戦しがいのある認定である。 以上、簡単な受験記録となりますが、これから受験を検討されている方の参考になれば幸いです。

この記事の対象者 System One Model(本記事ではLaya)を用いたテーブルデータの分類問題に興味がある方 Layaの実装に興味がある方 はじめに 2026年9月にリリースされたJevと呼ばれるモデルが話題になっています。 このモデルは通常の生成AIと異なり、文章を一切生成せず、高速な「判断」と確率・確信度のみを出力する、TypeSafe AIが開発した「System One Model」と呼ばれる新しいカテゴリのモデルです。 System Oneとは、心理学者ダニエル・カーネマンの著書『ファスト＆スロー』で紹介されている、人間の素早く直感的な思考「システム1（速

TeradataからDatabricksへの移行検証で判明した課題・対策を紹介します。 1. はじめに NTTデータの丹羽です。Databricks Championとしても活動しています。 Databricksが提供するマイグレーション支援ツール Lakebridge を利用し、TeradataからDatabricksへの移行を検証しました。 本記事では、Lakebridgeの機能紹介ではなく、TeradataからDatabricksへの移行検証を通じて分かった効果・課題・適用範囲と、その対策について紹介します。 ! 本記事は検証結果に基づくものであり、製品の性能・結果を保証す