12 · AIP-C01 공식 가이드 세트 — 도메인별 태스크 체크리스트
한 문장 요약: AIP-C01의 출제 범위는 5개 도메인·19개 작업(태스크)으로 공식 명세돼 있으며, 이 체크리스트는 다운로드한 가이드 세트(PDF 32쪽+분할 HTML 9문서)에서 태스크 명세를 뽑아 학습 진행표로 재구성한 것이다.
- 태스크: T-SUM-01 · 연계: 전 주차(진단·복습의 기준표)
- 원본:
downloads/01-공식시험가이드/(ai-professional-01.pdf 32쪽 + 메인·도메인 1~5·기술·개념·범위 내/외 HTML — 2026-11-18 수집) - 문항 구조(원문): 채점 65 + 비채점 10 = 75문항 · 180분 · 합격 750(100~1,000 변환 점수) · 선다형+복수 응답형 · 추측 불이익 없음
개요 — 비중과 작업 수
| 도메인 | 비중 | 작업 수 | 핵심 키워드 |
|---|---|---|---|
| D1 파운데이션 모델 통합, 데이터 관리 및 규정 준수 | 31% | 6 | 설계·FM 선택·데이터 파이프라인·벡터 저장소·검색·프롬프트 |
| D2 구현 및 통합 | 26% | 5 | 에이전틱 AI·배포·엔터프라이즈 통합·API·개발 도구 |
| D3 AI 안전, 보안 및 거버넌스 | 20% | 4 | 입력·출력 제어·데이터 보안·거버넌스·책임 있는 AI |
| D4 운영 효율성 및 최적화 | 12% | 3 | 비용·성능·모니터링 |
| D5 테스트, 검증 및 문제 해결 | 11% | 2 | 평가 시스템·문제 해결 |
도메인별 태스크 체크리스트
D1 · 31% — 파운데이션 모델 통합, 데이터 관리 및 규정 준수
- ☐ 1.1 요구 사항을 분석하고 GenAI 솔루션 설계 — WA 프레임워크·Generative AI Lens·PoC 검증
- ☐ 1.2 FM 선택 및 구성 — 벤치마크·크로스 리전 추론·서킷 브레이커·LoRA/어댑터·SageMaker 모델 레지스트리
- ☐ 1.3 데이터 검증·처리 파이프라인 — Glue Data Quality·Data Wrangler·멀티모달 처리(Transcribe 포함)
- ☐ 1.4 벡터 저장소 솔루션 설계·구현
- ☐ 1.5 FM 증강을 위한 검색 메커니즘 설계 (RAG)
- ☐ 1.6 프롬프트 엔지니어링 전략 및 거버넌스
D2 · 26% — 구현 및 통합
- ☐ 2.1 에이전틱 AI 솔루션·도구 통합 — Strands 에이전트·AWS Agent Squad·MCP(가이드 원문 명시)·ReAct/사고 사슬(Step Functions)·인간 증강
- ☐ 2.2 모델 배포 전략 — Lambda 온디맨드·프로비저닝된 처리량·SageMaker 엔드포인트·모델 캐스케이딩
- ☐ 2.3 엔터프라이즈 통합 아키텍처 — API 기반·이벤트 기반(느슨한 결합)·레거시 통합
- ☐ 2.4 FM API 통합
- ☐ 2.5 애플리케이션 통합 패턴 및 개발 도구
D3 · 20% — AI 안전, 보안 및 거버넌스
- ☐ 3.1 입력·출력 안전 제어 — 가드레일·할루시네이션 검증(KB 사실 확인·JSON Schema)·심층 방어(Comprehend 사전필터+가드레일+사후검증)·프롬프트 인젝션·탈옥 탐지
- ☐ 3.2 데이터 보안·개인정보 — VPC 엔드포인트·Lake Formation·PII 탐지(Comprehend·Macie)·익명화
- ☐ 3.3 거버넌스·규정 준수 — 모델 카드·데이터 계보(Glue)·의사 결정 로그
- ☐ 3.4 책임 있는 AI 원칙
D4 · 12% — 운영 효율성 및 최적화
- ☐ 4.1 비용 최적화·리소스 효율 — 토큰 효율(컨텍스트 프루닝·프롬프트 압축)·계층형 모델 선택·배치·시맨틱 캐싱·프롬프트 캐싱
- ☐ 4.2 애플리케이션 성능 최적화 — 지연-비용 절충·스트리밍·병렬 요청·하이브리드 검색·A/B 테스트·온도/top-k·top-p
- ☐ 4.3 모니터링 시스템 — 관찰성 지표·토큰 사용·할루시네이션 비율(CloudWatch)
D5 · 11% — 테스트, 검증 및 문제 해결
- ☐ 5.1 평가 시스템 — 관련성·사실적 정확성·일관성·유창성 지표·Bedrock Model Evaluations·A/B·카나리·RAG 평가·평가형 LLM·에이전트 성능(작업 완료율·도구 효율)·시맨틱 드리프트
- ☐ 5.2 문제 해결 — 컨텍스트 창 오버플로·동적 청킹·API 통합 문제·프롬프트 품질·검색 시스템(임베딩 품질·드리프트·청킹·벡터 검색)
시험 범위 외 (가이드 공식)
모델 개발 및 훈련 · 고급 ML 기술 · 데이터 엔지니어링 및 특성 추출 — 상세 서비스 목록은 원본 aip-01-in-scope/out-of-scope-services.html 참조.
학습 연계 (요약본 매핑)
| 도메인 | 연계 요약본 |
|---|---|
| D1 | 01 Converse · 02 KB 검색응답(RAG) · 03 JumpStart |
| D2 | 09 에이전트 테스트 · 10 에이전트 워크숍(Strands·AgentCore) |
| D3 | 04 가드레일 · 05 데이터 보호 · 06 호출 로깅 |
| D4 | 07 비용 최적화 |
| D5 | 08 모델·RAG 평가 · 09 문제 해결(추적·격리) |
최종 정리
이 체크리스트가 6주 계획의 "무엇을 아는가" 측정 기준이다 — 주차 복습 시 해당 도메인의 박스를 체크하고, 미흡하면 연계 요약본 → 원본 사본 순서로 내려간다. 가이드는 "전체 목록이 아니다"라고 스스로 명시하므로(원문), 태스크명 암기가 아니라 각 작업의 시나리오 적용이 실전이다.
Provenance: 태스크 명세·비중은 2026-11-18 수집 공식 가이드(ko_kr) 원문 발췌 — 기술 명세 전문은 원본 사본 참조. 가이드 개정 시 최신 버전 확인(영어 우선 고지). 체크리스트 구성은 학습용 편집임.