AWS SAAに2週間（約30時間）で合格した振り返り

774点で合格。でも、手応えは最後までなかった

自信を持って答えられた感覚があったのは4割ほど。残りは「たぶんこれだろう」と迷いながら選んだ問題か、分からない問題でした。それでも結果は774点で合格。2025年12月22日のことです。

勉強したのは約2週間、合計で約30時間。数字だけを見ると順調に見えるかもしれませんが、問題演習の正答率は最後までほぼ6割でした。AWSの設計思想を理解するより、サービスの特徴や問題パターンを覚える方へ寄ってしまった自覚もあります。今振り返ると、もう少し時間を取るべきでした。

問題演習は6割ほど。それなのに、なぜ合格まで届いたのか。振り返ってみると、教材の数を増やしたことより、分からない問題へ戻る方法を途中で変えたことが大きかったと感じています。

この記事は、仕事と両立しながらSAAを勉強していて、問題演習の正答率が伸びず、ChatGPTをどこに使えばよいか迷っている人に向けて書きました。

私の2週間をそのまま真似するための記事ではありません。問題演習、動画、ChatGPTをどの順番で使ったのか。AIへ任せてよかったことと、任せない方がよかったことは何か。自分の学習計画へ取り入れられる部分を判断できるように振り返ります。

この記事で分かること

• 問題演習と動画教材を行き来した順番
• ChatGPTが役立った場面と、役立たなかった場面
• 正答率だけでは見えなかった弱点の探し方
• 短期学習をそのまま真似しない方がよい理由

まずは、約2週間・約30時間の全体像

受験日・合格結果・スコアは上の結果画像、学習期間や方法は本人の振り返りを根拠にしています。約2週間・約30時間は私の記録であり、同じ結果を再現するための目安ではありません。

特に、問題演習で安定して高い正答率を取れている人や、ハンズオンを含めて時間をかけて理解したい人には、私と同じ進め方は合いません。ここから先は、短い時間の中で復習の優先順位を決めたい人が、使える部分だけを選ぶ前提で読んでください。

Udemyは「問題を解いてから動画へ戻る」順で使った

学習の中心はUdemyの問題集でした。問題を解いて、分からなかったサービスや構成を動画教材で確認する。間違えた理由が自分で整理できないときは、ChatGPTに解説や苦手分野の分析を頼みました。

使った教材の正式名称や受講した版までは今回の記録に残っていません。そのため、特定講座のリンクや収録時間を挙げて「これがおすすめ」とは書かないことにしました。教材を使った事実と、今も同じ内容を勧められるかは別だからです。

読者が取り入れるなら、教材名より順番が重要です。

1. まず問題を解く。
2. 間違えた理由を、自分の言葉で短く書く。
3. 説明できないサービスや構成だけ、動画や公式資料へ戻る。

動画を最初から見直すのではなく、戻る場所を問題演習で決める。この順番なら、使える時間が少ない日も次にやることを選びやすくなります。

正答率が伸びない原因は、サービス知識だけではなかった

苦手だったのは、個別サービスの名前や機能を覚えることより、要件に合う構成を選ぶことでした。可用性、コスト、セキュリティ、運用負荷。複数の選択肢を前にすると、どの条件を優先すべきか迷います。

約2週間で試験に間に合わせようとした結果、設計思想を理解するより、サービスの特徴や問題パターンを覚える学習に寄りました。問題に正解できても、「なぜこの構成なのか」を自分の言葉で説明できるとは限りません。ここは、合格後にも残った課題です。

正答率が伸びないときは、間違いを一括りにせず、少なくとも次の2つに分けると復習先を決めやすくなります。

• サービスの機能や制約を知らなかった。
• 機能は知っていたが、要件の優先順位を判断できなかった。

前者なら知識を確認し、後者なら「なぜ別の構成ではないのか」まで説明してみる。私に足りなかったのは、主に後者でした。

ChatGPTに聞いて、ようやく弱点の正体が見えた

問題演習の結果を見ても、自分だけでは弱点をうまく言葉にできませんでした。ChatGPTへ間違えた問題や問題演習の結果を渡して分析させると、優先して復習するポイントを整理しやすくなりました。

単に正解と不正解を数えるのではなく、自分の理解が足りない場所を探す。この使い方は、今回の私には合っていました。ChatGPTによる問題解説と苦手分野の分析がなければ、合格は難しかったと感じています。これは本人の感想であり、AIの効果を比較実験で測った結果ではありません。

失敗を踏まえて作り直した、復習候補を絞るプロンプト

次のプロンプトは、今回の振り返りから作った改善案です。受験前に使ったプロンプトの再現ではありません。教材の問題文や選択肢、解説をそのまま貼らず、自分で集計した数値と、自分の言葉で書いた間違いの理由を使います。

目的：AWS SAAの学習で、次に復習すべき候補を整理してください。

入力：自分で集計した問題演習の正答率、初回か解き直しか、
間違えた理由のメモ、実際に確保できた学習時間、次に使える時間。
未入力の数値や経験は推測しないでください。

1. サービス知識が不足している箇所と、要件に応じた設計判断が難しい箇所を分けてください。
2. 復習候補を最大3つ、理由と公式資料で確認する項目とともに示してください。
3. 問題演習の正答率だけで合格可能性を断定せず、本試験の点数に換算しないでください。
4. 問題演習で出題が少なかったという理由だけで、試験範囲を捨てないでください。
5. 実際の学習時間と正答率に計画が合わない場合は、計画の見直しを提案してください。
6. 閲覧できない資料や確認できない仕様は未確認と書き、URLを作らないでください。

AIから提案が返ってきたら、まず入力した記録と合っているかを見ます。もっともらしい説明でも正しいとは限りません。重要な技術情報は公式資料へ戻って確認します。

このプロンプトの目的は、AIに合否を決めてもらうことではありません。限られた時間で、次に確認する候補を3つまでに絞ることです。候補が出たら、自分の間違いの記録とAWSの公式資料を見て、採用するか決めます。

ChatGPTの学習計画を、そのまま使えなかった理由

苦手分野の整理は役立った一方、ChatGPTが作る合格までのロードマップには何度か無理がありました。進捗や合格可能性を楽観的に見積もり、実際に確保できる時間や、ほぼ6割だった問題演習の結果から離れた計画になることがあったからです。

次に計画を立てるなら、最初に作った予定を守ることより、実際に勉強できた時間と問題演習の結果で毎週直すことを重視します。AIには復習候補の整理を頼む。受験の準備が整ったかどうかは、AIの見積もりだけで決めない。この2つを分けます。

学習計画へChatGPTを使う場合も、予定だけを渡すのではなく、実際に取れた時間、初回か解き直しか、間違えた理由を入力します。計画と実績がずれたら、遅れを楽観的な見積もりで埋めず、学習期間か範囲の見直しを自分で判断します。

本番で自信を持てたのは、感覚では4割ほど

問題演習の正答率は、ほぼ最後まで6割程度でした。本番での感覚は、分からない問題が約2割、自信のない問題が約4割、自信を持って解ける問題が約4割です。

あくまで試験中の手応えで、採点された正答率や分野別成績ではありません。774点で合格したものの、十分に理解して余裕を持って解けた感覚は残りませんでした。

合格後に残った「なぜこの構成なのか」という宿題

次に取り組みたいのは、AWS Well-Architected Frameworkを根本から理解することです。サービスを一つずつ暗記するのではなく、要件を見て、なぜその構成を選ぶのかを説明できるようになりたいと考えています。

AWS Well-Architectedの公式案内では、運用上の優秀性、セキュリティ、信頼性、パフォーマンス効率、コスト最適化、持続可能性の6つの柱から設計を評価する考え方が示されています。ここは今後学び直すための確認先です。すでに習得した内容として挙げているわけではありません。

もう一度受けるなら「2週間合格」は選ばない

774点で合格した一方、試験中の手応えと問題演習の結果を思い返すと、「2週間で十分だった」とは言えません。

ChatGPTに苦手分野を整理してもらう使い方は、今回の私には合っていました。ところが、合格までの計画は楽観的になりやすく、そのままでは使えませんでした。次に同じような学習をするなら、AIには復習候補の整理を頼み、計画は実際に取れた勉強時間と問題演習の結果で直します。

個別サービスを覚えるだけで終わらせず、「なぜこの要件なら、この構成なのか」を説明できるところまで進みたい。短期間で合格した結果より、そこまで理解が届かなかったことの方が、次の学習には大事な記録だと感じています。

これから学習方法を決める人には、まず直近の問題演習を1回分だけ振り返り、「知らなかった」と「選ぶ理由を説明できなかった」に分けることを勧めます。そのうえで、後者が多ければ、問題数を増やす前に構成を選ぶ理由の説明へ時間を使う。AIは、その整理を手伝う役に限定する。この使い分けが、私の記録から持ち帰ってもらいたいことです。

説明・比較・クイズをAIへ頼むときの確認手順は、AI学習の記事にもまとめています。同記事も改訂レビュー中のため、回答の正確性は公式資料と照合してください。