AWS AI Practitioner 3일 합격기 — 교재 0권, Claude 기출 풀이만으로

요약 (TL;DR)

• 공부 기간: 3일
• 교재: 0권. Claude한테 기출 풀이 시키기만 했습니다.
• 점수: 65문항 중 5문제 미만 오답 (정답률 92%+)
• 결론: AI 자격증 공부에 가장 잘 맞는 도구는 AI였습니다. 그리고 평소에 RAG·LanceDB·Bedrock으로 사이드 프로젝트를 굴리고 있던 게 시험장에서 그대로 정답으로 튀어나왔습니다.

“이 시험은 AI에 대해 물어봤지만, 정작 합격에 가장 큰 기여를 한 건 AI였습니다.”

1. 공부를 시작한 이유 — “Jarvis 만들면서 다 써봤는데 굳이?”

저는 평소에 Jarvis라는 개인 AI 집사를 만들고 있습니다. RAG는 LanceDB로 12만 청크를 굴리고 있고, 임베딩은 Ollama 로컬, Claude API는 매일 호출하고 있습니다. Bedrock도 사이드 토이로 한 번 갈아끼워본 적이 있습니다.

그래서 솔직히 처음에는 “AIF-C01? 내가 평소에 다 쓰고 있는 건데 굳이 시험을?” 이라고 생각했습니다.

마음을 바꾼 건 두 가지 이유였습니다.

1. 카탈로그 정리: AWS AI 서비스가 점점 늘어나는데, “내가 쓰는 것” 외의 영역(SageMaker JumpStart, Comprehend, Rekognition 등)은 흐릿했습니다. 시험 핑계로 한 번 머릿속을 정리하고 싶었습니다.
2. 밑져야 본전: 대기업 AI 도입이 트렌드가 되면서, 사내에서 “AI 좀 한다”라고 인정받기에 가장 빠른 신호 중 하나가 자격증이었습니다. (이 글에선 자세히 안 다룰 영역입니다)

2. 공부 방법 — Claude 한 마리에 기출만 들이밀기

2.1 교재를 안 산 이유

서점에 갔다가 두 권을 들었다 놨습니다. 이유는 단순합니다.

• AIF-C01 관련 한국어 책은 그 시점에 거의 없었습니다.
• 영어책은 두꺼웠고, 3일 안에 통독은 불가능했습니다.
• 그리고 결정타 — 책에 있는 내용을 Claude한테 물어보면 다 답해줍니다. 그것도 제가 평소 쓰는 한국어로.

그래서 책을 안 사고, 그 시간에 그냥 기출 유형 문제를 풀기 시작했습니다.

2.2 동선 — “AI에게 AI 시험을 물어보기”

1. 기출 유형 문제 100개 확보
2. Claude한테 한 번에 10문제씩 풀이 요청
   → "정답 + 왜 다른 보기는 틀렸는가 + 실무 비유"
3. 못 푼 문제만 따로 모아서 2회독
4. 시험 전날 밤 — 약점 영역(SageMaker 세부 기능)만 Claude한테 핵심만 정리시킴

이게 다입니다. 인강 0시간, 교재 0권, 노트필기 0장.

2.3 왜 효과적이었나

평소에 “왜 이게 정답인지”를 한국어로 풀이해주는 친구는 흔치 않습니다. 그런데 Claude한테 시키면:

• 정답이 X인 이유를 AWS 서비스 동작 원리로 설명해줌
• 다른 보기가 틀린 이유를 유사 서비스와의 차이로 설명해줌
• 실무에서 어떤 상황에 쓰는지 현실 시나리오로 비유해줌

이 세 가지가 한 번에 나오는 학습 자료를 따로 사면 비싸고, 만들면 시간이 오래 걸립니다. AI를 쓰면 그 자리에서 만들어집니다.

3. 시험장 회고 — 의외로 까다로웠던 부분

3.1 개념은 다 아는데, 사례 매칭이 어렵다

기출만 팠더니 개념 자체는 다 알고 들어갔습니다. 그런데 시험은 보통 이렇게 묻습니다.

“고객사가 텍스트 분류 모델을 학습시키고 싶다. 인프라 관리는 최소화하고 싶다. 학습 데이터에 PII가 포함될 가능성이 있다. 가장 적합한 조합은?”

A·B·C·D 보기가 다 그럴듯하게 생긴 SageMaker / Bedrock / Comprehend 조합으로 나옵니다. 개념을 안다고 답이 바로 나오지 않습니다. “이 시나리오에서 어떤 서비스가 가장 잘 맞는지”를 골라내야 하는데, 셋 다 비슷하게 맞아 보입니다.

이런 문제는 결국 “이 서비스를 실무에서 써봤는가”가 갈랐습니다. 저는 Bedrock과 Comprehend를 평소에 만져본 게 있어서 운 좋게 풀었지만, 책으로만 본 사람은 헷갈릴 영역입니다.

3.2 긴 지문이 중간중간 나온다

Practitioner는 이름답게 가벼운 시험이라고 알고 갔는데, 실제로는 2~3문단짜리 지문이 중간중간 박혀 있었습니다.

• 회사 배경 + 데이터 종류 + 제약 조건 + 컴플라이언스 요구사항
• 그걸 다 읽고 골라야 함
• 시간이 빠듯하진 않지만, 집중력이 풀리면 키워드 놓침

긴 문제는 마지막 한 줄(“가장 적합한 조합은?” / “비용을 최소화하는 방법은?“)이 핵심이라는 걸 시험 보면서 깨달았습니다. 본문은 정답을 좁히는 단서고, 마지막 줄이 무엇을 묻는지를 결정합니다.

4. 합격에 가장 크게 기여한 것 — 시험이 아닌 것

이게 이 글의 핵심입니다. 3일 공부로 92%를 맞은 비결은 공부 방법이 아니라 공부 전부터 쌓여있던 자산이었습니다.

4.1 평소에 RAG를 굴리고 있었습니다

Jarvis 3편에서 다룬 RAG 시스템 — LanceDB + Ollama + Hybrid Search(BM25 + Dense Vector RRF) — 를 매일 만지고 있습니다. 그래서 시험에 RAG 관련 문제가 나오면:

• “벡터 DB가 뭐냐” → 내 코드
• “임베딩 모델 선택 기준이 뭐냐” → 내가 한 번 갈아끼운 경험
• “Knowledge Base for Bedrock의 동작 원리” → Jarvis와 똑같음

개념을 외운 게 아니라, 내 손으로 만든 적이 있는 시스템을 묘사하는 것이라 답이 자연스럽게 나왔습니다.

4.2 평소에 Claude API로 토이를 굴리고 있었습니다

생성형 AI 영역의 문제 — 프롬프트 엔지니어링, 토큰 비용, 모델 선택, 그라운딩 — 는 평소에 Jarvis 운영하면서 그대로 겪던 문제입니다.

• “왜 RAG로 그라운딩해야 하는가” → 환각 줄이려고
• “프롬프트 캐싱 언제 쓰나” → 시스템 프롬프트 길어질 때
• “Few-shot vs Fine-tuning 선택 기준” → 데이터 규모와 도메인 안정성

시험이 평소 운영 회고처럼 느껴졌습니다.

4.3 책임 있는 AI(Responsible AI) — 가장 의외였던 영역

AIF-C01에서 비중이 의외로 큰 영역이 책임 있는 AI입니다. 편향, 공정성, 투명성, 데이터 거버넌스, PII 처리 등.

이 부분은 사이드 프로젝트로 RAG를 굴리면서 자연스럽게 마주쳤던 고민들이었습니다. “내 메모리에 PII가 들어가면 어떻게 마스킹하지?”, “임베딩에 회사 비밀이 들어가면 어떻게 격리하지?” 같은 질문을 평소에 했었기 때문에, AWS가 권하는 모범 사례가 사실상 내가 이미 신경 쓰고 있던 것들이었습니다.

5. 결론 — 이 시험은 누구에게 쓸모 있나

5.1 추천하는 사람

• AI를 평소에 쓰고 있는 백엔드 개발자: 머릿속 카탈로그 정리 + 어휘 통일 효과가 큽니다.
• AI 도입을 검토 중인 팀의 시니어: 의사결정에 필요한 서비스 트레이드오프 감각이 잡힙니다.
• 사이드 프로젝트로 LLM·RAG를 굴려본 사람: 본인이 한 일을 AWS 어휘로 다시 정리하는 좋은 핑계가 됩니다.

5.2 시간 낭비인 사람

• ML/AI를 깊이 들어가고 싶은 사람 → ML Specialty / MLA-C01로 직행하십시오.
• 코드 한 줄 안 짜본 사람 → 시험은 통과해도 현장에서 도움 안 됩니다.
• 책으로만 공부하려는 사람 → 위에서 말씀드렸듯, 사례 매칭이 안 됩니다.

5.3 마지막 한 줄

이번 시험은 자격증을 딴 것보다, “내가 평소에 굴리던 사이드 프로젝트가 사실은 그대로 시험 답이었다”라는 걸 확인한 게 더 큰 수확이었습니다.

장애와 삽질로 만든 Jarvis가, 자격증 한 줄로 돌아왔습니다. 이런 복리는 흔치 않습니다.

부록 — Claude한테 시킨 프롬프트 예시

다음 AIF-C01 기출 10문제를 풀어줘.
각 문제마다 이 형식으로 답해:

1. 정답: X
2. 정답인 이유 (AWS 서비스 동작 원리 기준)
3. 나머지 보기가 틀린 이유 (유사 서비스와의 차이)
4. 실무 비유 (어떤 상황에서 쓰는지)

[기출 10문제 붙여넣기]

이 프롬프트 하나로 3일을 버텼습니다. 그게 다였습니다.

읽어주셔서 감사합니다.🖐