PALDYNAI LAB
자격증
Amazon Web Services

해외해외 벤더 자격Amazon Web Services

AWS GenAI Developer – Professional

AWS Certified Generative AI Developer – Professional

난이도
응시 요건은 없지만 개발 경력 2년·GenAI 실무 1년을 권장하는 180분 75문항 시험입니다.
취업
AWS 프로페셔널 등급이고 AWS 스택은 국내 채용에 흔합니다.
공식 페이지에서 일정·접수 확인

개요

공식 시험 가이드는 이 시험을 GenAI 개발자 역할을 하는 사람을 위한 시험으로 두고, 파운데이션 모델(FM)을 애플리케이션과 비즈니스 워크플로에 효과적으로 통합하는 능력을 검증한다고 적는다(원문: 「validates a candidate's ability to effectively integrate foundation models (FMs) into applications and business workflows」). 함께 검증하는 작업은 여덟이다 — 벡터 저장소·RAG·지식 기반 같은 GenAI 아키텍처의 설계와 구현, FM을 앱과 워크플로에 통합하기, 프롬프트 엔지니어링과 관리, 에이전틱 AI 솔루션 구현, 비용·성능·비즈니스 가치 최적화, 보안·거버넌스·책임 있는 AI 실천, 문제 해결·모니터링·최적화, FM의 품질과 책임 평가. 반대로 모델 개발과 훈련, 고급 ML 기법, 데이터 엔지니어링과 특성 공학은 범위 밖으로 못 박았다 — 모델을 만드는 시험이 아니라 만들어진 모델을 프로덕션에 붙이고 지키고 재는 시험이다.

GenAI 개발자 역할을 하는 사람이다. 공식 시험 가이드가 적는 대상 응시자는 AWS 또는 오픈소스 기술로 프로덕션급 애플리케이션을 만든 경험이 2년 이상이고, 일반 AI/ML 또는 데이터 엔지니어링 경험이 있으며, GenAI 솔루션을 구현한 실무 경험이 1년 이상인 사람이다. 자격 페이지는 「Perfect for developers with 2+ years of cloud experience」라고 소개하고, 개념 증명(PoC)을 넘어 프로덕션급 생성형 AI 솔루션을 만들 수 있는 개발자를 가려내는 수단으로 내세운다.

과목

과목비중다루는 것
Foundation Model Integration, Data Management, and Compliance (파운데이션 모델 통합, 데이터 관리 및 규정 준수)31%
  • 요구 분석과 GenAI 솔루션 설계(Well-Architected Generative AI Lens)
  • FM 선택·구성과 교차 리전 추론·커스텀 모델 수명주기
  • FM에 넣을 데이터의 검증·처리 파이프라인
  • 벡터 저장소 설계·구현과 동기화
  • 청킹·임베딩·하이브리드 검색·리랭커·쿼리 변환 같은 검색 메커니즘
  • 프롬프트 엔지니어링 전략과 거버넌스(Bedrock Prompt Management·Prompt Flows)
Implementation and Integration (구현 및 통합)26%
  • 에이전틱 AI 솔루션과 도구 통합(Strands Agents·AWS Agent Squad·MCP 서버)
  • 모델 배포 전략(프로비저닝된 처리량·SageMaker AI 엔드포인트·모델 캐스케이딩)
  • 엔터프라이즈 통합 아키텍처(이벤트 기반 연동·ID 연동·CI/CD와 GenAI 게이트웨이)
  • FM API 통합(동기·비동기·스트리밍·재시도·라우팅)
  • 애플리케이션 통합 패턴과 개발 도구(Amplify·Amazon Q Developer)
AI Safety, Security, and Governance (AI 안전, 보안 및 거버넌스)20%
  • 입력·출력 안전 제어(Bedrock Guardrails·그라운딩과 JSON Schema로 환각 억제·프롬프트 인젝션과 탈옥 탐지)
  • 데이터 보안과 개인정보 보호(VPC 엔드포인트·Lake Formation·Macie·Comprehend PII 탐지)
  • AI 거버넌스와 규정 준수(프로그래밍 방식 모델 카드·Glue 데이터 계보·CloudTrail 감사)
  • 책임 있는 AI 원칙(투명성·공정성 평가·정책 준수)
Operational Efficiency and Optimization for GenAI Applications (GenAI 애플리케이션을 위한 운영 효율성 및 최적화)12%
  • 비용 최적화와 리소스 효율(토큰 효율·질의 복잡도에 따른 계층형 FM 사용·프로비저닝된 처리량·시맨틱 캐싱과 프롬프트 캐싱)
  • 애플리케이션 성능 최적화(지연·검색 성능·처리량·temperature와 top-k/top-p)
  • GenAI 모니터링 시스템(토큰 사용량·환각률·Bedrock Model Invocation Logs·도구 호출과 벡터 저장소 운영·골든 데이터셋)
Testing, Validation, and Troubleshooting (테스트, 검증 및 문제 해결)11%
  • GenAI 평가 시스템(관련성·사실 정확도·일관성·유창성, Bedrock Model Evaluations, RAG·에이전트 평가, LLM-as-a-Judge, 회귀 테스트와 배포 검증)
  • GenAI 애플리케이션 문제 해결(컨텍스트 창 초과, API 통합 오류, 프롬프트·검색·프롬프트 유지보수 문제)

시험 정보

치르는 방식

시행 주기회차가 없는 상시 시험이다.AWS Certification Account(AWS Builder ID로 생성)에서 'Schedule New Exam'을 고르고 'Schedule with Pearson VUE'를 누르면 Pearson VUE 대시보드로 넘어가며, 거기서 장소·날짜·시간을 직접 정한다.응시 방식은 Pearson VUE 시험센터와 온라인 감독(online proctored) 두 가지다.정책이 못 박은 선은 넷이다 — 예약 변경은 시험 24시간 전까지 한 예약당 최대 2회이고 세 번째부터는 취소한 뒤 새로 예약해야 한다.예약 시각을 놓치면 그 시각부터 24시간이 지나야 다시 접수할 수 있다(불합격으로 치지는 않는다).불합격하면 14일(역일)을 기다려야 다시 응시할 수 있고 응시 횟수 제한은 없다.합격한 뒤에는 같은 시험을 2년간 다시 칠 수 없다(새 시험 가이드·시리즈 코드로 바뀐 판은 칠 수 있다).시험 언어는 영어·일본어·한국어·중국어 간체다.실제로 예약할 수 있는 날짜·시간은 예약 단계의 Pearson VUE 화면에서 확인한다.
형식75문항 / 180분(AIP-C01).이 중 채점되는 문항은 65개이고 나머지 10개는 향후 출제 검증용 미채점 문항이며 시험 중에는 구분 표시가 없다.문항 유형은 객관식(정답 1 + 오답 3)과 복수응답(선택지 5개 이상 중 정답 2개 이상을 전부 선택해야 득점) 둘뿐이다 — 자격 페이지도 「75 questions, either multiple choice or multiple response」라고 적는다.무응답은 오답 처리되고 찍기에 대한 감점은 없다.결과는 100~1,000 척도 점수로 나오며 750점 이상이면 합격이다(파운데이셔널 700, 어소시에이트 720보다 높다).도메인별 과락이 없는 보상형(compensatory) 채점이라 전체 점수만 넘기면 된다.AWS Certification FAQ는 대부분의 시험이 끝날 때 화면에 합격 여부를 보여 주지 않는다고 적고, 결과는 시험 후 영업일 5일 안에 AWS Certification 계정의 Exam History에 올라온다.

응시 조건

응시자격선수 요건은 없다 — AWS 시험 정책 페이지(Before Testing)가 「All AWS Certifications may be earned without completing specific prerequisites」라고 적고, 자격 페이지 FAQ도 이 시험 전에 특정 자격을 먼저 딸 필요가 없다고 적는다.다만 같은 FAQ는 AWS Certified AI Practitioner, Solutions Architect – Associate, Machine Learning Engineer – Associate, Data Engineer – Associate를 먼저 따 두면 도움이 될 수 있다고 덧붙인다.교육 수강도 필수가 아니다(「Training is recommended as part of your certification preparation, but it is not mandatory」).실제로 적혀 있는 것은 권장 경험이다 — 프로덕션급 애플리케이션 구축 2년 이상, 일반 AI/ML 또는 데이터 엔지니어링 경험, GenAI 솔루션 구현 실무 1년 이상.권장 AWS 지식은 다섯이다 — 컴퓨팅·스토리지·네트워킹 서비스 경험, 보안 모범 사례와 ID 관리 이해, 배포와 IaC 도구 경험, 모니터링·관측성 서비스 숙지, 비용 최적화 원칙 이해.
응시료300 USD.프로페셔널 등급 공통 가격이다(스페셜티도 같다).공식 요금표(aws.amazon.com/certification/policies/before-testing)는 통화별 금액을 함께 싣는다 — 300 USD / 256 EUR / 449 AUD / 40,000 JPY / 394,575 KRW / 2,113 CNY / 25,659 INR(INR은 Pearson Mindhub 바우처 스토어에서만 받는다).원화 가격이 공개되어 있으므로 예약 단계까지 가야 알 수 있는 값이 아니다.금액은 응시 한 번 기준이고(「Prices are valid for one exam attempt」) 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 내고, 갱신 응시에는 AWS Certification Account의 50% 할인 바우처를 쓴다.
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. 바우처로 결제했다면 예약을 바꾸기 전에 바우처 만료일을 확인해야 한다 — 원문은 「Exam voucher expiration dates cannot be extended」다.

자격 유지

유효기간3년(AWS Certification FAQ: 「You will be required to update your certification (or recertify) every three years」).갱신 페이지가 이 자격에 적어 둔 경로는 하나뿐이다 — 「Pass the latest version of this exam.」이고, AWS Certification Account의 50% 할인 바우처를 쓸 수 있으며 3년이 연장된다.같은 프로페셔널 등급의 Solutions Architect·DevOps Engineer에는 있는 AWS Skill Builder 유지(maintain, 1년 연장) 경로가 이 자격의 칸에는 없다.갱신하려면 자격이 유효한 상태여야 하고(「Certification must be active to renew」), 연장 3년은 갱신 시험을 치른 날부터 센다.반대 방향으로는 이 시험 합격이 AWS Certified AI Practitioner·Machine Learning Engineer – Associate·Data Engineer – Associate 세 자격의 갱신 경로로 인정된다.

시험 노트

0 / 42편개념 0/36 · 모의고사 0/6

개념 정리0 / 36

  1. 01Bedrock 구성 요소와 시험 범위 서비스예정전 영역 공통 (In-Scope AWS Services)
  2. 02요구 분석과 GenAI 아키텍처 설계예정Foundation Model Integration, Data Management, and Compliance (파운데이션 모델 통합, 데이터 관리 및 규정 준수)
  3. 03FM 선택과 공급자 전환·복원력예정Foundation Model Integration, Data Management, and Compliance (파운데이션 모델 통합, 데이터 관리 및 규정 준수)
  4. 04커스텀 FM 배포와 모델 수명주기예정Foundation Model Integration, Data Management, and Compliance (파운데이션 모델 통합, 데이터 관리 및 규정 준수)
  5. 05FM 입력 데이터 검증과 형식 맞추기예정Foundation Model Integration, Data Management, and Compliance (파운데이션 모델 통합, 데이터 관리 및 규정 준수)
  6. 06벡터 저장소 구조와 메타데이터 설계예정Foundation Model Integration, Data Management, and Compliance (파운데이션 모델 통합, 데이터 관리 및 규정 준수)
  7. 07외부 문서 연결과 벡터 저장소 동기화예정Foundation Model Integration, Data Management, and Compliance (파운데이션 모델 통합, 데이터 관리 및 규정 준수)
  8. 08청킹 방식과 임베딩 모델 고르기예정Foundation Model Integration, Data Management, and Compliance (파운데이션 모델 통합, 데이터 관리 및 규정 준수)
  9. 09벡터 검색·하이브리드 검색과 리랭커예정Foundation Model Integration, Data Management, and Compliance (파운데이션 모델 통합, 데이터 관리 및 규정 준수)
  10. 10쿼리 확장·분해와 MCP 검색 연결예정Foundation Model Integration, Data Management, and Compliance (파운데이션 모델 통합, 데이터 관리 및 규정 준수)
  11. 11프롬프트 템플릿 거버넌스와 품질 보증예정Foundation Model Integration, Data Management, and Compliance (파운데이션 모델 통합, 데이터 관리 및 규정 준수)
  12. 12대화 맥락 유지와 Prompt Flows 체인예정Foundation Model Integration, Data Management, and Compliance (파운데이션 모델 통합, 데이터 관리 및 규정 준수)
  13. 13Strands Agents와 멀티 에이전트 조율예정Implementation and Integration (구현 및 통합)
  14. 14ReAct 추론과 에이전트 안전장치예정Implementation and Integration (구현 및 통합)
  15. 15도구 통합과 MCP 서버 구현예정Implementation and Integration (구현 및 통합)
  16. 16FM 배포 방식과 모델 캐스케이딩예정Implementation and Integration (구현 및 통합)
  17. 17레거시 연동과 이벤트 기반 통합예정Implementation and Integration (구현 및 통합)
  18. 18연합 인증·하이브리드 배포와 GenAI 게이트웨이예정Implementation and Integration (구현 및 통합)
  19. 19Bedrock 동기·비동기·스트리밍 호출예정Implementation and Integration (구현 및 통합)
  20. 20재시도·속도 제한과 모델 라우팅예정Implementation and Integration (구현 및 통합)
  21. 21Amplify·Q Developer와 앱 문제 추적예정Implementation and Integration (구현 및 통합)
  22. 22Guardrails 입력·출력 콘텐츠 필터예정AI Safety, Security, and Governance (AI 안전, 보안 및 거버넌스)
  23. 23그라운딩과 구조화 출력으로 환각 줄이기예정AI Safety, Security, and Governance (AI 안전, 보안 및 거버넌스)
  24. 24심층 방어와 프롬프트 인젝션 탐지예정AI Safety, Security, and Governance (AI 안전, 보안 및 거버넌스)
  25. 25VPC 격리와 PII 탐지·마스킹예정AI Safety, Security, and Governance (AI 안전, 보안 및 거버넌스)
  26. 26모델 카드·데이터 계보와 감사 체계예정AI Safety, Security, and Governance (AI 안전, 보안 및 거버넌스)
  27. 27투명성·공정성 평가와 정책 준수예정AI Safety, Security, and Governance (AI 안전, 보안 및 거버넌스)
  28. 28토큰 효율과 비용 대비 모델 선택예정Operational Efficiency and Optimization for GenAI Applications (GenAI 애플리케이션을 위한 운영 효율성 및 최적화)
  29. 29처리량·용량 계획과 캐싱 전략예정Operational Efficiency and Optimization for GenAI Applications (GenAI 애플리케이션을 위한 운영 효율성 및 최적화)
  30. 30지연 단축과 추론 파라미터 조정예정Operational Efficiency and Optimization for GenAI Applications (GenAI 애플리케이션을 위한 운영 효율성 및 최적화)
  31. 31GenAI 관측성과 모델 호출 로그예정Operational Efficiency and Optimization for GenAI Applications (GenAI 애플리케이션을 위한 운영 효율성 및 최적화)
  32. 32도구·벡터 저장소 운영과 장애 유형예정Operational Efficiency and Optimization for GenAI Applications (GenAI 애플리케이션을 위한 운영 효율성 및 최적화)
  33. 33출력 품질 지표와 FM 비교 평가예정Testing, Validation, and Troubleshooting (테스트, 검증 및 문제 해결)
  34. 34RAG·에이전트 평가와 LLM 판정자예정Testing, Validation, and Troubleshooting (테스트, 검증 및 문제 해결)
  35. 35피드백·회귀 테스트와 배포 검증예정Testing, Validation, and Troubleshooting (테스트, 검증 및 문제 해결)
  36. 36컨텍스트 초과·검색·프롬프트 문제 해결예정Testing, Validation, and Troubleshooting (테스트, 검증 및 문제 해결)

모의고사0 / 6

개념을 다 쓴 뒤에 차례로 붙습니다.

  1. 01모의고사 1회예정
  2. 02모의고사 2회예정
  3. 03모의고사 3회예정
  4. 04모의고사 4회예정
  5. 05모의고사 5회예정
  6. 06모의고사 6회예정

관련 있는 우리 글

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

Foundation Model Integration, Data Management, and Compliance (파운데이션 모델 통합, 데이터 관리 및 규정 준수)

AI LAB모델 고르기를 취향 논쟁에서 절차로 바꾸기AI LABRAG 청킹 전략 완전 정복: 문서를 어떻게 나눠야 하는가AI LABRAG 임베딩 모델 고르기: 차원·한국어·재색인 비용AI LAB하이브리드 검색은 붙이는 것보다 맞추는 것이 일이다AI LAB질문을 바꿔 다시 검색하기: 재작성·분해·멀티홉AI LAB바뀐 문서가 색인에 도착하기까지AI LAB프롬프트를 코드처럼 다루기: 버전 관리와 평가

Implementation and Integration (구현 및 통합)

AI LAB에이전트가 바깥과 연결되는 법: 도구 호출에서 MCP까지AI LAB에이전트를 여럿으로 나눌 때와 나누지 말아야 할 때AI LAB에이전트에 사람을 어디까지 붙일 것인가AI LAB모델이 읽는 것은 구현이 아니라 스키마다AI LAB라우팅과 캐스케이드로 모델 여러 개를 함께 쓰기AI LAB폴백 — 앞이 실패했을 때 무엇으로 넘길 것인가AI LABLLM 서빙 API — OpenAI 호환 인터페이스·스트리밍·속도 제한

AI Safety, Security, and Governance (AI 안전, 보안 및 거버넌스)

AI LAB입력 가드: 모델에 닿기 전에 거르는 것들AI LAB출력 가드: 답이 사용자에게 닿기 전에AI LAB프롬프트 인젝션 방어: LLM 보안의 첫 번째 전선AI LAB개인정보를 지우는 자리는 출력이 아니다AI LABJSON Schema로 출력 형태를 못 박기

Operational Efficiency and Optimization for GenAI Applications (GenAI 애플리케이션을 위한 운영 효율성 및 최적화)

AI LABLLM 비용 — 청구서를 만드는 것과 줄이는 순서AI LAB캐시가 듣는 프롬프트와 듣지 않는 프롬프트AI LABLLM 캐시 — 같은 질문에 두 번 돈을 내지 않는 법AI LABRAG의 비용과 지연은 어디서 생기는가AI LABLLM 관측성 — 트레이스로 요청 하나를 되짚기

Testing, Validation, and Troubleshooting (테스트, 검증 및 문제 해결)

AI LABRAG 평가: RAGAS로 검색 품질과 답변 품질 측정하기AI LAB골든 데이터셋 — 평가의 기준이 되는 100문제를 어떻게 고르나AI LAB평가 회귀 테스트 — 좋아졌다는 말과 안 깨졌다는 말은 다르다AI LAB에이전트 평가: 성능 측정과 벤치마킹 방법론AI LAB온라인 A/B 테스트 — 오프라인 점수가 답하지 못하는 것

알아 둘 것

  • 현행 버전은 AIP-C01이다. 베타 등록이 2025-11-18에 열렸고(베타는 85문항 / 205분) 공식 블로그가 2026-03-17에 표준판 등록 개시를 알리며 베타 마지막 응시일을 2026-03-31로 적었다. 블로그는 표준판이 AWS 서비스 변경을 반영해 새로 고쳐졌다고 하며 그 예로 Amazon Bedrock AgentCore 추가를 든다. 베타 합격자도 같은 자격을 받았고 유효기간은 3년이다(시험 정책의 Beta exams 절).
  • 시험 가이드(docs.aws.amazon.com의 웹 문서와 그 PDF)에는 판번호도 개정일도 없다 — PDF에는 「Copyright © 2026」만 있다. 한국어판 가이드가 같은 주소의 ko_kr 경로에 있고 도메인·태스크 구성, 문항 수, 합격선이 영어판과 같다.
  • 한국어로 응시할 수 있다. 'ESL +30'(비영어권 응시자의 시험 시간 30분 연장)은 영어로 칠 때만 붙는다. 번역 시험을 고른 사람은 시험 중에 영어 문항을 토글해 볼 수 있다.
  • 같은 AI 계열의 AWS Certified Machine Learning – Specialty는 마지막 응시일이 2026-03-31이었다(공식 블로그). 그래서 AWS의 AI 기술 자격은 AIF-C01(파운데이셔널) → MLA(어소시에이트) → 이 시험(프로페셔널) 세 등급이 남았고 이 시험이 맨 위다.
  • MLA와 갈리는 자리는 범위 밖 목록이다 — 이 시험은 모델 개발·훈련, 고급 ML 기법, 데이터 엔지니어링·특성 공학을 범위 밖으로 둔다. 파운데이션 모델을 고르고 붙이고 지키고 재는 쪽이 이 시험이고 SageMaker로 모델을 학습하는 쪽은 MLA다. 다만 파인튜닝된 모델을 SageMaker AI로 배포하는 일, LoRA·어댑터 같은 파라미터 효율적 적응 기법의 배포, 모델을 퇴역·교체하는 수명주기 관리는 Skill 1.2.4에 들어 있다.
  • 시험 범위 서비스 목록(In-Scope AWS Services)은 열세 범주다. Machine Learning 범주에 Amazon Bedrock·Bedrock AgentCore·Bedrock Knowledge Bases·Bedrock Prompt Management·Bedrock Prompt Flows·Amazon Q Developer·Amazon Q Business·SageMaker AI 등이 있고 Developer Tools 범주에 Kiro가 있다. Strands Agents와 AWS Agent Squad는 서비스 목록이 아니라 skill 문장(2.1.1·2.5.5)에 나온다.
  • 시험 문항은 잘 알려진 서비스를 공식 약칭으로 쓰고(예: Amazon SNS), 문항마다 쓸 수 있는 Help 기능에 약칭과 정식 이름 목록이 있다.
  • 공식 페이지끼리 어긋나는 자리가 셋이다 — ① 환율 반영 시점: 시험 정책 페이지와 FAQ의 환율 문답은 「at least annually in May」인데, 같은 FAQ의 응시료 문답은 「annually in April」이다. ② AWS 자격 목록 페이지는 Professional 범주를 「2+ years AWS experience required」라고 소개하지만 시험 정책의 Eligibility는 선수 요건이 없다고 적는다 — 요건이 아니라 권장이다. ③ 한국어 자격 페이지의 「먼저 따면 좋은 자격」에는 AI Practitioner가 빠져 있다(영어 페이지는 넷).
  • 준비 자료는 AWS Skill Builder의 Exam Prep Plan이다 — 공식 연습 문제 세트, Official Pretest, Official Practice Exam, AWS SimuLearn. 자격 페이지는 실습 환경에서 치르는 마이크로크리덴셜 넷(AWS Agentic AI Demonstrated 등)을 관련 자격으로 함께 건다.
  • 우리 글과 이을 때: 도메인 1(31%)이 벡터 저장소·청킹·임베딩·하이브리드 검색·프롬프트 거버넌스라 agents-rag가 가장 많이 걸리고, 도메인 4·5는 llmops·eval 글이, 도메인 3은 guardrails 글이 받는다. 우리 글은 개념 설명이라 Bedrock·Step Functions 같은 AWS 구현 세부는 시험 노트가 맡는다.

난이도와 취업 별은 시행처가 준 값이 아니라 위에 적은 근거로 매긴 값입니다. 공식 페이지는 2026-10-10에 확인했습니다. 시험 제도는 개편이 잦으니 접수 전에 시행처 안내를 한 번 더 보세요.