AWS AI Practitioner 시험 가이드 AIF-C01 버전 1.1 변경 사항
요약
AWS Certified AI Practitioner 시험 가이드 AIF-C01 버전 1.1의 주요 변경 사항을 분석합니다. 이 업데이트는 파운데이션 모델 응용(28%)과 생성형 AI 기초(24%)에 초점을 맞추고 있으며, 특히 에이전트 AI 개념과 RAG 기반 환각 탐지 및 접지 기술이 중요하게 다루어집니다.
핵심 포인트
- 파운데이션 모델 응용 비중이 28%로 가장 높습니다.
- 다중 에이전트 패턴, 도구 사용 등 '에이전트 AI' 개념이 핵심 변화입니다.
- RAG 기반의 환각 탐지 및 신뢰도 점수화가 중요하게 다루어집니다.
- Amazon Bedrock Prompt Management를 통한 프롬프트 버전 관리가 강조됩니다.
만약 2026년 5월 이전에 작성된 자료로 AWS Certified AI Practitioner 시험을 준비하고 있다면, 일부 커리큘럼이 당신에게 옮겨갔습니다. AWS는 2026년 4월 30일에 AIF-C01 시험 가이드 버전 1.1을 발표했으며, 이는 버전 1.0보다 5주 뒤입니다. 게다가 이 가이드 자체에 따르면 업데이트 내용은 출판 후 약 한 달 후에 시험에 반영된다고 합니다. 제가 연습 문제 세트를 작성하면서 개정 페이지를 줄 단위로 살펴보았고, 이것이 변경된 내용입니다.
버전 1.1의 도메인 비중은 다음과 같습니다: AI 및 ML 기초(Fundamentals of AI and ML) 20%, 생성형 AI 기초(Fundamentals of GenAI) 24%, 파운데이션 모델 응용(Applications of Foundation Models) 28%, 책임감 있는 AI 가이드라인(Guidelines for Responsible AI) 14%, AI 솔루션을 위한 보안, 규정 준수 및 거버넌스(Security, Compliance, and Governance for AI Solutions) 14%. 이 시험은 총 65개의 질문으로 구성되어 있으며, 그중 50개가 채점 대상이고 합격하려면 1,000점 만점에 700점이 필요합니다. 개정 페이지는 변경 사항을 목표별로 나열하고 있습니다.
이전에는 존재하지 않았던 일곱 가지 목표
이것들은 버전 1.1에 새로 추가된 내용이며, 수정된 내용은 아닙니다.
- 1.2.6 규제 문제, 설명 가능성 또는 운영 제약 등의 이유로 전통적인 ML 모델과 파운데이션 모델을 언제 사용해야 하는지 설명하기.
- 2.1.4 토큰 기반 가격 책정 모델 및 이것이 추론(inference)의 비용과 성능에 미치는 영향.
- 2.1.5 FM 애플리케이션에서 컨텍스트 엔지니어링(context engineering)의 역할.
- 2.1.6 파운데이션 에이전트 AI 개념. 다중 에이전트 패턴, Model Context Protocol 및 이것이 에이전트를 외부 시스템에 연결하는 방법, 다중 에이전트 통신, 메모리 관리, 도구 사용(tool usage) 및 워크플로우 오케스트레이션.
- 3.2.5 Amazon Bedrock Prompt Management를 이용한 프롬프트 버전 관리 및 관리.
- 3.4.5 작업 완료율(task completion rate), 사용자 만족도, 상호작용당 비용(cost per interaction) 등 AI 애플리케이션의 비즈니스 정렬 지표(Business alignment metrics).
- 5.1.5 RAG grounding, 출력 검증(output validation) 및 신뢰도 점수화(confidence scoring)와 같은 환각 탐지 및 접지(Hallucination detection and grounding).
Agentic AI가 가장 중요한 변화입니다. 이제 이 개념은 필수 정의 용어(1.1.1), AI, ML, GenAI 및 딥러닝 비교(1.1.2), 실제 사례 적용 분야(1.2.4), 완전히 새로운 목표(2.1.6), 그리고 AgentCore의 Identity 및 Policy를 통한 보안 목표(5.1.1)에 등장합니다.
추가된 서비스
개정 페이지에는 범위 내 목록에 추가된 7가지 서비스가 나열되어 있습니다. Amazon Aurora, Amazon Bedrock AgentCore, Kiro, Strands Agents, Amazon Q, Amazon SageMaker JumpStart 및 AWS Transform입니다. Amazon MemoryDB는 목록에서 제외되었습니다.
안내서를 자세히 읽어보면 한 가지 세부 사항이 있습니다. Amazon Q는 '추가된' 목록과 목표 1.3.4의 개정표에 포함되어 있지만, 오늘 발표된 범위 내 서비스 페이지와 목표 1.3.4에서는 언급되지 않습니다. 현재 목표 1.3.4는 예시로 Amazon Bedrock, Amazon Quick, Kiro 및 SageMaker AI를 제시합니다. 안내서가 확정될 때까지 Amazon Q에 많은 시간을 할애하지 않는 것이 좋겠습니다.
기존 목표 내 변경된 예시
일부 목표는 번호는 유지했지만 예시만 바뀌었습니다. 이 부분이 이전의 문제 은행이 조용히 구식이 되는 지점입니다.
- **추론 유형 (Inference types) (1.1.3)**은 이전에는 배치(batch)와 실시간(real-time)만 언급했습니다. 이제 비동기식(asynchronous)과 서버리스(serverless)가 추가되었습니다.
- **모델 지표 (Model metrics) (1.3.6)**는 Area Under the Curve를 삭제하고 정확도(accuracy), 정밀도(precision), 재현율(recall), F1 점수(F1 score)를 나열합니다.
- **파이프라인 서비스 (Pipeline services) (1.3.4)**는 이전에는 SageMaker Data Wrangler, Feature Store, Model Monitor를 지적했습니다. 예시는 이제 Amazon Bedrock, Amazon Quick, Kiro, SageMaker AI로 변경되었습니다.
- **GenAI 앱 구축 서비스 (Services to build GenAI apps) (2.3.1)**는 더 이상 Bedrock PartyRock이나 Bedrock Data Automation을 언급하지 않습니다. 새로운 예시로는 Bedrock, SageMaker AI, JumpStart, Amazon Quick, Kiro, Strands Agents, Bedrock AgentCore가 있습니다.
- **에이전트 (Agents) (3.1.6)**는 이전에는 Amazon Bedrock Agents라는 제품 이름을 사용했습니다. 이제는 특정 제품명을 언급하지 않고 AI 에이전트의 역할과 비즈니스 애플리케이션을 정의하도록 요구합니다.
- **맞춤화 비용 (Customization cost) (3.1.5)**은 사전 학습(pre-training), 미세 조정(fine-tuning), 인컨텍스트 학습(in-context learning), RAG 옆에 모델 증류(model distillation)를 추가했습니다.
- **FM 평가 지표 (FM evaluation metrics) (3.4.2)**는 ROUGE, BLEU, BERTScore 옆에 LLM-as-a-judge를 추가합니다.
- **설명 가능 도구 (Explainability tools) (4.2.2)**는 SageMaker Clarify와 Amazon Bedrock Model Evaluations를 추가했습니다.
- **보안 고려 사항 (Security considerations) (5.1.4)**은 데이터 유출 방지(data leakage prevention), 출력 필터링 및 검증(output filtering and validation), AI 상호 작용에 대한 감사 추적(audit trails for AI interactions), 그리고 독성(toxicity)을 추가합니다.
제가 공부할 방법
만약 귀하의 과정이 2026년 5월 이전이라면, 기존 자료를 유지하세요. 시험 내용의 대부분은 여전히 동일한 자료입니다. 그런 다음 구식 과정에서 거의 다루지 않았던 세 가지 항목에 추가 시간을 할애하십시오. 에이전트가 무엇이며 도구(tools), 메모리(memory), MCP를 어떻게 사용하는지. 토큰이 비용을 어떻게 유발하는지, 그리고 RAG, 미세 조정 또는 증류 중 어떤 것이 더 저렴한 경로인지. 그리고 답변을 더 안전하게 만드는 Bedrock 구성 요소들인 Guardrails, 컨텍스트 기반 접지(contextual grounding) 및 프롬프트 관리(Prompt Management)입니다.
출처
- AIF-C01 시험 가이드,
docs.aws.amazon.com/aws-certification/latest/ai-practitioner-01/ai-practitioner-01.html - 동일 가이드의 개정 사항 페이지,
aif-01-revisions.html - 범위 내 서비스 페이지,
aif-01-in-scope-services.html
세 항목 모두 2026년 10월 5일에 읽혔습니다.
실습
버전 1.1에 맞춰 작성된 AIF-C01 문제 30문항을 공식 도메인별 가중치에 따라 무료로 온라인에 공개했습니다. 회원가입은 필요 없습니다. 각 답변 아래에는 해당 내용을 뒷받침하는 AWS 문서의 문장과 링크가 표시됩니다.
이 문제는 총 300문항으로 구성된 세트 중 일부이며, 네 개의 전체 시험과 드릴(drill)로 이루어져 있습니다. Ko-fi에서는 유료 PDF를 구매할 수 있으며, 또는 해당 링크를 통해 11월 4일까지 Udemy에서 $12.99에 시간제한 연습 테스트 과정를 구매할 수 있습니다. 만약 이 글을 읽는 시점에 가격이 변경되었다면 댓글로 알려주세요. 제가 문제를 수정하겠습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Dev.to AI tag의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기