AWS AI Practitioner(AIF-C01) 3일 합격 후기

AWS AI Practitioner(AIF-C01)를 3일 공부하고 합격했습니다. 교재는 사지 않았고, 연습 문제를 Claude에게 풀게 하고 풀이를 읽는 식으로 준비했습니다. 다만 3일 만에 붙은 데에는 공부 방법보다 평소에 RAG·LanceDB로 사이드 프로젝트를 굴리며 쌓아 둔 경험이 더 크게 작용했다고 봅니다.

1. 공부를 시작한 이유

저는 평소에 Jarvis라는 개인 AI 집사를 만들고 있습니다. RAG는 LanceDB로 12만 청크를 굴리고 있고, 임베딩은 Ollama 로컬, Claude API는 매일 호출하고 있습니다.

그래서 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, 제가 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 인정받기 가장 빠른 신호 중 하나가 자격증이었습니다. 이 글에서 자세히 다룰 주제는 아닙니다.

2. 공부 방법

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.
• 책에 있는 내용은 Claude에게 물어보면 다 답해 줍니다. 제가 평소 쓰는 한국어로 말입니다.

그래서 책을 사는 대신 그 시간에 연습 문제를 풀기 시작했습니다.

2.2 동선

1. 연습 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 전부입니다. 인강 0시간, 교재 0권, 노트필기 0장입니다.

2.3 왜 효과적이었나

“왜 이게 정답인지”를 한국어로 풀어 주는 자료는 흔치 않습니다. Claude에게 시키면 다음 세 가지가 한 번에 나옵니다.

• 정답인 이유를 AWS 서비스 동작 원리로 설명해 줍니다.
• 다른 보기가 틀린 이유를 유사 서비스와의 차이로 설명해 줍니다.
• 실무에서 어떤 상황에 쓰는지 현실 시나리오로 비유해 줍니다.

이 세 가지가 붙은 학습 자료는 사면 비싸고 만들면 오래 걸립니다. AI를 쓰면 문제마다 그 자리에서 만들어집니다.

3. 시험장에서 까다로웠던 부분

3.1 개념은 아는데 사례 매칭이 어렵다

연습 문제를 풀고 갔더니 개념 자체는 다 알고 들어갔습니다. 그런데 시험은 개념을 묻기보다, 인프라 관리 부담·개인정보 포함 여부 같은 조건을 붙인 시나리오에서 서비스 조합을 고르게 합니다.

보기가 전부 그럴듯한 SageMaker / Bedrock / Comprehend 조합으로 나옵니다. 개념을 안다고 답이 바로 나오지는 않습니다. “이 시나리오에서 어떤 서비스가 가장 잘 맞는지”를 골라야 하는데 셋 다 비슷하게 맞아 보입니다. 이런 문제는 그 서비스를 실무에서 써 봤는지가 갈리는 영역이어서, 책으로만 공부한 분은 헷갈릴 수 있습니다.

3.2 긴 지문이 중간중간 나온다

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

• 회사 배경, 데이터 종류, 제약 조건, 컴플라이언스 요구사항이 한꺼번에 나옵니다.
• 그걸 다 읽고 골라야 합니다.
• 시간이 빠듯하진 않지만, 집중력이 풀리면 키워드를 놓칩니다.

긴 문제는 마지막 한 줄(“가장 적합한 조합은?”, “비용을 최소화하는 방법은?“)이 무엇을 묻는지 결정한다는 걸 시험을 보면서 알았습니다. 본문은 정답을 좁히는 단서입니다.

4. 합격에 도움이 된 것은 평소의 경험이었다

3일 공부로 붙은 이유는 공부 방법보다, 공부 전부터 쌓여 있던 경험 쪽이 크다고 생각합니다.

4.1 평소에 RAG를 굴리고 있었습니다

Jarvis 3편에서 다룬 RAG 시스템, 즉 LanceDB + Ollama + Hybrid Search(BM25 + Dense Vector RRF)를 매일 만지고 있습니다. 그래서 RAG 관련 문제가 나오면 이렇게 읽혔습니다.

• 벡터 DB가 무엇인지는 제 코드가 답이었습니다.
• 임베딩 모델 선택 기준은 제가 모델을 고르며 따졌던 내용과 겹쳤습니다.
• Knowledge Base for Bedrock의 동작 원리는 Jarvis의 구조와 닮아 있었습니다.

개념을 외운 게 아니라 제 손으로 만든 시스템을 묘사하는 것이라 답이 자연스럽게 나왔습니다.

4.2 평소에 Claude API를 쓰고 있었습니다

생성형 AI 영역의 문제(프롬프트 엔지니어링, 토큰 비용, 모델 선택, 그라운딩)는 Jarvis를 운영하면서 그대로 겪던 문제였습니다.

• 왜 RAG로 그라운딩하는가: 환각을 줄이려고
• 프롬프트 캐싱은 언제 쓰는가: 시스템 프롬프트가 길어질 때
• Few-shot과 Fine-tuning 중 무엇을 고르는가: 데이터 규모와 도메인 안정성

시험이 평소 운영을 돌아보는 것처럼 느껴졌습니다.

4.3 책임 있는 AI

AIF-C01에서 비중이 의외로 컸던 영역이 책임 있는 AI(Responsible AI)입니다. 편향, 공정성, 투명성, 데이터 거버넌스, PII 처리 등입니다.

사이드 프로젝트로 RAG를 굴리면서 “내 메모리에 PII가 들어가면 어떻게 마스킹하지?”, “임베딩에 회사 비밀이 들어가면 어떻게 격리하지?” 같은 질문을 평소에 했습니다. AWS가 권하는 모범 사례가 제가 이미 신경 쓰던 것들과 많이 겹쳤습니다.

5. 이 시험이 누구에게 쓸모 있나

5.1 추천하는 분

• AI를 평소에 쓰는 백엔드 개발자: 머릿속 카탈로그 정리와 어휘 통일 효과가 큽니다.
• AI 도입을 검토 중인 팀의 시니어: 서비스 트레이드오프 감각이 잡힙니다.
• 사이드 프로젝트로 LLM·RAG를 굴려 본 분: 본인이 한 일을 AWS 어휘로 다시 정리하는 계기가 됩니다.

5.2 시간 낭비일 수 있는 경우

• ML/AI를 깊이 파고 싶다면 ML Specialty나 MLA-C01로 바로 가시는 편이 낫습니다.
• 코드를 한 줄도 짜 본 적이 없다면 시험은 통과해도 현장에서 도움이 되기 어렵습니다.
• 책으로만 공부하려면 앞서 말씀드린 대로 사례 매칭이 어렵습니다.

5.3 마지막으로

이번 시험에서 얻은 건 자격증 자체보다, 평소에 굴리던 사이드 프로젝트가 시험 범위와 상당 부분 겹친다는 확인이었습니다. 3일 합격의 가장 큰 몫은 그 경험이었고, Claude는 그것을 시험 어휘로 정리하는 데 쓴 도구였습니다.

부록: Claude에게 시킨 프롬프트 예시

다음 AIF-C01 연습 문제 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)

[연습 문제 10문제 붙여넣기]

이 프롬프트 하나로 3일을 버텼습니다.

읽어주셔서 감사합니다.🖐