Bedrock・SageMakerの違いを初心者向けに解説

結論

Amazon BedrockとAmazon SageMakerは、どちらもAWSの生成AI・機械学習サービスです。

ただし、扱うレイヤーと得意なことが違います。

迷ったら、まずはこう判断します。

• 既存の基盤モデルをAPI経由ですぐ使いたい：Bedrock
• 独自データで機械学習モデルをゼロから学習・カスタマイズしたい：SageMaker
• サーバーレスで生成AI機能を組み込みたい：Bedrock
• ノートブック環境でデータサイエンティストが試行錯誤したい：SageMaker

比較表

初学者向け説明

Amazon Bedrock

Bedrockは、複数のAIスタートアップやAmazon自身が提供する基盤モデル（Foundation Model）を、API経由で簡単に呼び出せるマネージドサービスです。

Anthropic Claude、Amazon Titan、Meta Llama、Mistral、AI21 LabsといったモデルをBedrockの共通APIで呼び出せるため、モデルを乗り換えるときの実装変更を最小限にできます。

サーバーやGPUインスタンスを自分で管理する必要はなく、モデルの学習もBedrock側の基盤モデルに任せられるため、「生成AI機能をアプリに組み込みたいが、モデルの学習・運用はしたくない」というケースに向いています。

Amazon SageMaker

SageMakerは、機械学習モデルを一から構築・学習・デプロイするためのフルマネージド開発プラットフォームです。

Jupyterベースのノートブック環境（SageMaker Studio）、大規模データでの学習ジョブ、学習済みモデルのデプロイ、MLOpsパイプラインの構築など、機械学習プロジェクトのライフサイクル全体をカバーします。

独自データを使ってゼロからモデルを学習したい、既存の基盤モデルでは対応できない特殊なタスクに取り組みたい、といった場合にSageMakerを使います。

試験で問われるポイント

AIF-C01で問われやすいポイント

• BedrockはマネージドサービスでAPI経由の呼び出しが中心、SageMakerはモデル構築・学習・デプロイのプラットフォーム
• Bedrockはサーバーレスでインフラ管理が不要
• SageMakerは学習・推論インスタンスの選定や管理を伴う
• 「責任あるAI（Responsible AI）」の文脈でBedrock Guardrailsが問われることがある
• Amazon Bedrock Knowledge Basesは、RAG（検索拡張生成）を実現する機能として登場する
• SageMaker JumpStartは、事前学習済みモデルやソリューションテンプレートをすばやく使い始める機能
• 基盤モデルを選ぶ観点（精度、コスト、レイテンシ、モダリティ）の理解が問われる
• 「既存の基盤モデルをすぐ使いたい」ならBedrock、「独自データでモデルを一から作りたい」ならSageMakerという使い分けが基本の判断軸

実務での使い分け

Bedrockを選ぶケース

• 既存の基盤モデルをAPI経由ですぐ使いたい
• サーバーレスで生成AI機能を組み込みたい
• チャットボットや文章生成などの生成AIユースケース
• RAG構成をKnowledge Basesで手早く作りたい
• 複数モデルを切り替えて比較検証したい

例：

• 社内向けチャットボット
• カスタマーサポートの自動応答
• ドキュメント検索・要約（RAG）
• マーケティング文章の自動生成

SageMakerを選ぶケース

• 独自データで機械学習モデルを一から学習したい
• 基盤モデルでは対応できない専用タスクがある
• MLOpsパイプラインを構築して継続的にモデルを再学習したい
• データサイエンティストがノートブックで試行錯誤したい

例：

• 需要予測モデルの構築
• 不正検知モデルの学習
• 独自の画像分類モデルの開発
• レコメンデーションエンジンの構築

よくある間違い

間違い1：BedrockとSageMakerを完全に別物だと思う

BedrockとSageMakerは競合するサービスではなく、組み合わせて使うこともできます。

例えば、SageMakerで学習したカスタムモデルをBedrock経由で呼び出す、といった構成も可能です。

間違い2：Bedrockでモデルを「学習」できると思う

Bedrockは既存の基盤モデルをAPI経由で呼び出すサービスで、ファインチューニングは可能ですが、ゼロからのモデル学習は想定していません。

大規模なモデルをゼロから学習したい場合はSageMakerが向いています。

間違い3：SageMakerを使えばインフラ管理が不要だと思う

SageMakerはマネージドサービスですが、学習・推論に使うインスタンスタイプの選定や、コスト管理などは利用者側で考える必要があります。

「マネージド」と「インフラ管理が完全に不要」は同じ意味ではありません。

間違い4：生成AIならとりあえずBedrockと考えてしまう

生成AIユースケースでもBedrockが最適とは限りません。

自社データで大規模に事前学習したい、独自アーキテクチャを試したいといった場合は、SageMakerでの独自開発が適切なこともあります。

関連用語

• AWS IAM
• Amazon S3
• AWS Lambda
• Amazon CloudWatch

関連問題

• 模擬問題一覧を見る

まとめ

BedrockとSageMakerの違いは、「基盤モデルをAPI経由で使うか、モデルを一から構築・学習するか」で考えると整理しやすいです。

Bedrockはマネージド生成AI基盤モデルAPI、SageMakerは機械学習のフルマネージド開発プラットフォームです。

AIF-C01では、この2つのサービスの役割の違いと、責任あるAIやRAGといった関連機能の理解が問われます。