PALDYNAI LAB
자격증
Amazon Web Services

해외해외 벤더 자격Amazon Web Services

AWS AI Practitioner

AWS Certified AI Practitioner

난이도
선행 요건 없는 파운데이셔널 등급, 객관식 65문항을 90분에 봅니다.
취업
AWS 파운데이셔널 등급이고 비기술 직군을 대상으로 합니다.
공식 페이지에서 일정·접수 확인

개요

AI·머신러닝·생성형 AI의 개념과 방법, 전략을 일반론과 AWS 양쪽에서 이해하고 있는지를 재는 파운데이셔널(입문) 등급 자격증이다. 특정 직무에 매이지 않는 시험이며, AI/ML 솔루션을 직접 만들지는 않더라도 사용하는 사람을 대상으로 한다. 검증 항목은 넷이다 — 개념·방법·전략의 이해, 업무 문제에 AI/ML과 생성형 AI를 적용할 자리의 판단, 사용 사례에 맞는 기술 종류의 선택, 책임 있는 사용이다. 모델·알고리즘 코딩과 파이프라인 구축 같은 구현 작업은 출제 범위 밖이다.

AI/ML 솔루션을 직접 만들지는 않지만 업무에서 쓰거나 판단해야 하는 사람이다. 공식 페이지는 비즈니스 분석가, IT 지원, 마케터, 제품·프로젝트 관리자, 현업·IT 관리자, 영업 직군을 예로 든다.

과목

과목비중다루는 것
Fundamentals of AI and ML (AI와 ML의 기초)20%
  • AI·ML·딥러닝 용어와 차이
  • 추론 종류(배치·실시간)
  • 데이터 종류(레이블 유무·정형·비정형)
  • 지도/비지도/강화학습
  • AI 활용이 맞는 자리와 아닌 자리
  • 회귀·분류·클러스터링 선택
  • ML 개발 수명주기와 MLOps
  • 모델 성능 지표(정확도·AUC·F1)와 비즈니스 지표
Fundamentals of Generative AI (생성형 AI의 기초)24%
  • 토큰·청킹·임베딩·벡터·프롬프트 엔지니어링·트랜스포머 기반 LLM·파운데이션 모델·멀티모달·디퓨전 모델
  • 생성형 AI 사용 사례
  • 파운데이션 모델 수명주기
  • 장점과 한계(환각·해석 가능성·비결정성)
  • 모델 선택 기준과 비즈니스 가치
  • AWS의 생성형 AI 인프라와 비용 트레이드오프
Applications of Foundation Models (파운데이션 모델의 활용)28%
  • 사전학습 모델 선택 기준
  • 추론 파라미터(temperature 등)의 영향
  • RAG와 벡터 저장소
  • 커스터마이즈 방식별 비용 트레이드오프(사전학습·파인튜닝·인컨텍스트 러닝·RAG)
  • 다단계 작업에서 에이전트의 역할
  • 프롬프트 엔지니어링 기법(chain-of-thought·zero/single/few-shot·템플릿)과 위험(노출·포이즈닝·하이재킹·탈옥)
  • 파인튜닝과 데이터 준비(RLHF 포함)
  • 모델 성능 평가(ROUGE·BLEU·BERTScore·사람 평가)
Guidelines for Responsible AI (책임 있는 AI 지침)14%
  • 책임 있는 AI의 요소(편향·공정성·포용성·견고성·안전성·진실성)
  • 가드레일 도구
  • 모델 선택의 환경·지속가능성 고려
  • 생성형 AI의 법적 위험(지식재산권 침해·편향된 출력·환각)
  • 데이터셋의 특성
  • 편향-분산과 과적합·과소적합
  • 편향 탐지·모니터링 도구
  • 투명성과 설명가능성
  • 안전성과 투명성의 트레이드오프
  • 인간 중심 설계
Security, Compliance, and Governance for AI Solutions (AI 솔루션의 보안·컴플라이언스·거버넌스)14%
  • AI 시스템 보안(IAM 역할·정책·권한, 암호화, 공동 책임 모델)
  • 출처 인용과 데이터 계보·카탈로그
  • 안전한 데이터 엔지니어링 관행
  • 보안·프라이버시 고려사항(프롬프트 인젝션, 전송·저장 시 암호화, 위협 탐지)
  • 규제 준수 표준(ISO·SOC·알고리즘 책임 법제)
  • 거버넌스 도구와 데이터 거버넌스 전략
  • 거버넌스 프로토콜(Generative AI Security Scoping Matrix 등). 다만 이 도메인도 개념까지만 묻는다 — 보안·컴플라이언스 프로토콜의 구현과 거버넌스 프레임워크 수립은 공식 가이드가 범위 밖으로 못 박았다

시험 정보

치르는 방식

시행 주기상시 시행이다.정해진 회차나 접수 기간이 없고, AWS Certification 계정(aws.training/Certification)에서 'Schedule New Exam' → 'Schedule with Pearson VUE'로 넘어가 응시 장소·날짜·시간을 본인이 직접 고른다.응시 방식은 Pearson VUE 테스트센터와 온라인 감독(online proctored) 둘이다.시행처가 문장으로 못 박은 기한은 셋이다 — 예약 변경은 시험 24시간 전까지 가능하며 한 예약당 두 번까지만 바꿀 수 있다.불합격하면 14일(달력 기준)을 기다려야 재응시할 수 있고 응시 횟수 제한은 없다.합격한 뒤에는 같은 시험을 2년간 다시 볼 수 없다(시험 가이드와 시험 코드가 새 버전으로 바뀌면 새 버전은 응시 가능).예약을 며칠 전까지 마쳐야 하는지는 공식 페이지에 명시가 없다.회차별 실제 날짜는 공식 일정 페이지에서 확인한다 — 이 시험은 회차 자체가 없으므로 응시 가능한 날짜와 시간은 예약 단계의 Pearson VUE 대시보드에서 확인한다.
형식총 65문항 / 90분.이 중 채점되는 것은 50문항이고 나머지 15문항은 향후 출제 검증용 비채점 문항으로, 시험 중에는 어느 것이 비채점인지 표시되지 않는다.문항 유형은 객관식(정답 1 + 오답 3), 복수응답(선택지 5개 이상 중 정답 2개 이상, 전부 맞혀야 득점), 순서 배열(3~5개를 올바른 순서로), 짝 맞추기(3~7개 항목을 모두 정확히 짝지어야 득점), 케이스 스터디(하나의 시나리오에 두 문항 이상이 걸리고 시나리오는 문항마다 같으며, 문항별로 개별 채점되어 맞힌 문항마다 점수를 받는다)다.다만 이 다섯 번째 유형은 두 공식 출처가 어긋난다 — PDF 시험 가이드 Version 1.4에는 케이스 스터디가 그대로 있지만 docs.aws.amazon.com의 온라인 시험 가이드에는 앞의 넷만 실려 있다.미응답은 오답 처리되고 찍어도 감점은 없다.결과는 100~1,000 척도점수로 나오며 합격선은 700점이다.보상적 채점(compensatory scoring)이라 영역별 과락이 없고 총점만 넘기면 된다.최종 결과는 시험 종료 후 영업일 기준 5일 안에 AWS Certification 계정에 올라온다.

응시 조건

응시자격없음.다른 자격증을 먼저 따야 한다는 요건이 없고 교육 수강도 필수가 아니다 — 공식 FAQ는 "Training is recommended as part of your certification preparation, but it is not mandatory for the completion of the certification"이라고 적는다.다만 권장 수준은 있다.공식 시험 가이드의 문장은 "The target candidate should have up to 6 months of exposure to AI/ML technologies on AWS", 즉 AWS에서 AI/ML 기술을 접해 본 기간이 최대 6개월 정도인 사람을 대상으로 한다는 뜻이다.6개월을 채워야 한다는 조건이 아니라 그 이상을 요구하지 않는다는 말이고, 진입 장벽이 낮음을 밝히는 문장이다.권장 지식은 핵심 AWS 서비스(EC2, S3, Lambda, Bedrock, SageMaker AI)와 그 사용 사례, 보안·컴플라이언스의 공동 책임 모델, IAM, AWS 서비스 요금 모델이다 — 다만 PDF 시험 가이드 Version 1.4는 서비스 목록을 Bedrock 없이 "EC2, S3, Lambda, SageMaker"로 적고 AWS 글로벌 인프라(리전·가용 영역·엣지 로케이션) 항목을 하나 더 두어, 온라인 가이드 쪽이 더 최신이다.입문자에게는 AWS Cloud Practitioner Essentials나 AWS Technical Essentials부터 시작할 것을 권한다.
응시료100 USD.파운데이셔널 등급 공통 가격이다.공식 요금표(aws.amazon.com/certification/policies/before-testing)는 통화별 금액을 함께 싣는다 — 100 USD / 85 EUR / 150 AUD / 15,000 JPY / 131,525 KRW / 704 CNY / 8,553 INR.원화 가격이 공개되어 있으므로 예약 단계까지 가야 알 수 있는 값이 아니다.표시 금액에 세금은 포함되지 않으며 원문은 "Applicable taxes may apply"라고만 적는다.환율 반영은 최소 연 1회 5월이고, 그보다 자주 바뀔 때는 최소 30일 전에 공지한다.재응시는 할인 없이 매번 전액을 낸다.
환불 규정
시점환불단서
예약 시각보다 24시간 넘게 앞서 취소전액구매 시점에 결제한 응시료를 그대로 돌려받는다
예약 시각 24시간 이내 취소, 또는 예약 시각에 나타나지 않음불가24시간 안쪽에서는 취소도 일정 변경도 막히고 이미 낸 응시료를 그대로 잃는다

취소는 Pearson VUE에 연락하거나 AWS Certification 계정에서 하고, 이 정책은 AWS 인증 전 시험에 공통이다. 질병이나 예기치 못한 비상 상황은 증빙을 내면 수수료 없이 다시 예약해 준다.

자격 유지

유효기간3년.갱신 경로는 셋이고 모두 3년 연장이다 — 최신 버전의 AWS Certified AI Practitioner 시험 합격, AWS Certified Machine Learning Engineer - Associate(MLA-C01) 합격, AWS Certified Generative AI Developer - Professional(AIP-C01) 합격.셋 다 AWS Certification 계정에 들어오는 50% 할인 바우처를 쓸 수 있다.이 셋 중 하나에 합격하면 갱신되고 별도 절차는 없다.다만 상위 등급이면 아무거나 되는 것은 아니다 — 공식 recertification 페이지가 이 자격증의 갱신 경로로 인정하는 것은 위 셋뿐이라, Solutions Architect - Professional 같은 다른 상위 자격증을 따도 이 자격증은 갱신되지 않는다.

시험 노트

8 / 29편개념 8/25 · 모의고사 0/4

개념 정리8 / 25

  1. 01AI·ML·딥러닝 용어와 학습·추론 방식개념22 MIN

    AWS AI Practitioner 도메인 1의 출발점입니다. AI부터 에이전틱 AI까지의 포함 관계, 학습과 추론이 갈리는 자리, 실시간·서버리스·비동기·배치 추론을 고르는 기준을 정리합니다.

  2. 02AI가 가치를 내는 자리와 AWS 관리형 서비스개념18 MIN

    AI를 쓸 자리와 쓰지 말아야 할 자리를 가르고, 업무 문제를 회귀·분류·클러스터링으로 옮긴 뒤, Comprehend부터 Fraud Detector까지 AWS 관리형 AI 서비스를 입력과 출력의 방향으로 정리합니다.

  3. 03전통 ML과 파운데이션 모델 고르기개념20 MIN

    같은 업무 문제를 전통 ML로도 파운데이션 모델로도 풀 수 있을 때 무엇으로 저울질하는지 정리합니다. 규제와 설명가능성, 지연·비용·인프라 제약, 그리고 셋을 순서대로 묻는 판별표를 다룹니다.

  4. 04ML 수명주기와 MLOps, 모델 평가 지표개념18 MIN

    AI/ML 파이프라인 여덟 단계와 단계마다 놓이는 AWS 서비스, MLOps가 더하는 것, 그리고 혼동 행렬에서 나오는 정확도·정밀도·재현율·F1을 직접 계산해 가며 정리합니다.

  5. 05토큰·청킹·임베딩·벡터의 관계개념17 MIN

    생성형 AI 기초 도메인의 첫 편입니다. 토큰이 과금과 한도의 단위가 되는 방식, 문서를 청크로 자르는 기준, 청크가 임베딩 벡터가 되어 유사도로 찾히는 흐름을 계산과 함께 정리합니다.

  6. 06컨텍스트 엔지니어링이 하는 일개념18 MIN

    프롬프트 한 줄을 다듬는 일과 모델에 들어갈 컨텍스트 전체를 설계하는 일을 가르고, 컨텍스트 윈도우 예산을 나누는 계산과 길어질 때 정확도가 떨어지는 현상, 요약·선별·순서 조정으로 줄이는 방법을 정리합니다.

  7. 07트랜스포머·디퓨전 모델과 생성형 AI 활용 사례개념16 MIN

    트랜스포머와 어텐션, 그 위에 선 LLM과 파운데이션 모델, 여러 입력을 함께 읽는 멀티모달 모델, 잡음을 걷어 내며 그리는 디퓨전 모델을 가르고, 작업마다 어느 갈래가 맞는지 AWS 서비스와 함께 정리합니다.

  8. 08멀티 에이전트 패턴과 MCP개념17 MIN

    에이전트 하나로 버거운 일을 여러 에이전트에 나누는 패턴과 그들이 주고받는 방식, 도구 사용·메모리·워크플로 오케스트레이션, 그리고 에이전트를 외부 시스템에 잇는 표준인 MCP를 AWS 서비스와 함께 정리합니다.

  9. 09생성형 AI의 장점·한계와 모델 선택 기준예정Fundamentals of Generative AI (생성형 AI의 기초)
  10. 10AWS 생성형 AI 서비스와 비용 구조예정Fundamentals of Generative AI (생성형 AI의 기초)
  11. 11사전학습 모델 선택 기준과 추론 파라미터예정Applications of Foundation Models (파운데이션 모델의 활용)
  12. 12RAG·벡터 데이터베이스와 AI 에이전트예정Applications of Foundation Models (파운데이션 모델의 활용)
  13. 13프롬프트 엔지니어링의 구성 요소와 기법예정Applications of Foundation Models (파운데이션 모델의 활용)
  14. 14프롬프트 인젝션·포이즈닝·탈옥·하이재킹예정Applications of Foundation Models (파운데이션 모델의 활용)
  15. 15Bedrock 프롬프트 관리와 버전 전략예정Applications of Foundation Models (파운데이션 모델의 활용)
  16. 16커스터마이즈 방식 비교와 학습 데이터 준비예정Applications of Foundation Models (파운데이션 모델의 활용)
  17. 17ROUGE·BLEU·BERTScore와 모델 평가예정Applications of Foundation Models (파운데이션 모델의 활용)
  18. 18LLM-as-a-judge와 앱 평가예정Applications of Foundation Models (파운데이션 모델의 활용)
  19. 19책임 있는 AI의 여섯 요소와 Guardrails예정Guidelines for Responsible AI (책임 있는 AI 지침)
  20. 20데이터셋 특성과 편향 탐지 도구예정Guidelines for Responsible AI (책임 있는 AI 지침)
  21. 21생성형 AI의 법적 위험과 설명가능성예정Guidelines for Responsible AI (책임 있는 AI 지침)
  22. 22AI 시스템 보안과 공동 책임 모델예정Security, Compliance, and Governance for AI Solutions (AI 솔루션의 보안·컴플라이언스·거버넌스)
  23. 23환각 탐지와 그라운딩·출력 검증예정Security, Compliance, and Governance for AI Solutions (AI 솔루션의 보안·컴플라이언스·거버넌스)
  24. 24데이터 출처 기록과 안전한 데이터 처리예정Security, Compliance, and Governance for AI Solutions (AI 솔루션의 보안·컴플라이언스·거버넌스)
  25. 25규제 준수 표준과 AI 거버넌스예정Security, Compliance, and Governance for AI Solutions (AI 솔루션의 보안·컴플라이언스·거버넌스)

모의고사0 / 4

개념을 다 쓴 뒤에 차례로 붙습니다.

  1. 01모의고사 1회예정
  2. 02모의고사 2회예정
  3. 03모의고사 3회예정
  4. 04모의고사 4회예정

관련 있는 우리 글

시험을 겨냥해 쓴 글은 아니지만 같은 개념을 다룹니다. 과목이 막힐 때 곁에 두고 읽습니다.

Fundamentals of AI and ML (AI와 ML의 기초)

AI LAB지도학습 vs 비지도학습: 머신러닝의 두 패러다임AI LAB선형 모델: 선형 회귀와 로지스틱 회귀AI LAB신경망 기초: 층, 파라미터, 순전파의 모든 것AI LAB강화학습 기초: 에이전트, 환경, 보상의 언어

Fundamentals of Generative AI (생성형 AI의 기초)

AI LAB토크나이저와 토큰: LLM이 텍스트를 보는 방법AI LAB임베딩 기초: 단어를 벡터 공간에 배치하다AI LABLLM 사전학습: 수조 개 토큰으로 무엇을 배우나AI LABRAG 청킹 전략 완전 정복: 문서를 어떻게 나눠야 하는가

Applications of Foundation Models (파운데이션 모델의 활용)

AI LAB문장 임베딩: SBERT와 의미 검색AI LAB추론 모델을 언제 쓸 것인가

Guidelines for Responsible AI (책임 있는 AI 지침)

AI LABLLM의 한계와 환각: AI가 틀리는 이유AI LAB편향과 설명: 모델의 결정을 열어 보고 고르게 만들기AI LAB가드레일: 모델을 믿는 대신 둘러싸는 구조AI LAB가드레일을 테스트한다는 것

Security, Compliance, and Governance for AI Solutions (AI 솔루션의 보안·컴플라이언스·거버넌스)

AI LABAI 안전성과 정렬: 무엇이 어긋나고 무엇으로 맞추는가AI LAB프롬프트 인젝션 방어: LLM 보안의 첫 번째 전선

알아 둘 것

  • 2026년 9월 기준 현행 버전은 AIF-C01이다. 폐지·대체된 자격증이 아니며 후속 코드도 아직 없다. 참고한 공식 시험 가이드 PDF는 Version 1.4다.
  • 한국어 응시가 가능하다. 응시 언어는 한국어·영어·일본어 등 열둘이다. 'ESL +30'(비영어권 응시자의 시험 시간 30분 추가)은 영어로 응시할 때만 적용되어 한국어 응시자에게는 해당되지 않는다.
  • 그 열둘 중 이탈리아어·독일어는 응시가 종료된다 — 공식 페이지가 「The AWS Certified AI Practitioner exam in Italian and German will be retired after October 15, 2026.」라고 적었다. 한국어는 그대로다.
  • AWS의 AI 계열 자격증은 세 등급이다 — 이 시험(파운데이셔널), MLA-C01(어소시에이트), AIP-C01(프로페셔널). 직접 모델을 만들고 배포하는 쪽 내용을 원한다면 뒤의 둘이다.
  • 출제 범위 밖으로 못 박은 직무는 일곱이다 — 모델·알고리즘 코딩, 데이터·특성 공학, 하이퍼파라미터 튜닝과 모델 최적화, 파이프라인·인프라 구축과 배포, 수학·통계 분석, 보안·컴플라이언스 프로토콜 구현, 거버넌스 프레임워크·정책 수립. 뒤의 둘 때문에 도메인 5는 개념만 묻고 구현은 묻지 않는다.
  • 공식 출처 두 곳이 어긋나는 자리가 둘 있다 — 문항 유형(PDF는 다섯, 온라인 가이드는 넷)과 권장 지식의 서비스 목록(PDF는 SageMaker, 온라인 가이드는 Bedrock + SageMaker AI). 온라인 쪽이 더 최신으로 보이나 PDF도 배포 중이다.
  • 우리 글과 이을 때: 이 시험은 '개념을 아는가'를 재지 '만들 수 있는가'를 재지 않아 매핑 대상은 개념 설명 글 쪽이 맞는다. 도메인 3(28%)이 가장 무겁고 RAG·프롬프트 엔지니어링·파인튜닝·평가가 몰려 있어 agents-rag와 llm-core가 가장 많이 걸린다.

난이도와 취업 별은 시행처가 준 값이 아니라 위에 적은 근거로 매긴 값입니다. 공식 페이지는 2026-09-17에 확인했습니다. 시험 제도는 개편이 잦으니 접수 전에 시행처 안내를 한 번 더 보세요.