
Gemini Canvas で AWS SAP 学習アプリを作ってみた
AWS 認定ソリューションアーキテクト - プロフェッショナル(SAP-C03)の学習を支援する Web アプリを、Deep Research・Gemini Notebook(旧 NotebookLM)・Gemini Canvas を組み合わせて作りました。社内の AIDD 研修(基礎編)を修了してから 6 日の間に、業務の合間で AI を動かして仕上げたものです。アプリは問題なく動きましたが、作った本人がその問題を解けませんでした。 その経緯と、そこから見えた人間の役割をまとめます。
作る前に決めておくこと
研修で最初に教わったのは、人の役割は「100 点のアウトプットイメージ」を持つことでした。具体的には、次の 3 つを人が判断します。
- 目的: 誰が、何のために、どんな形で作るのか
- 機能: その機能はいるのか、いらないのか
- 品質: その出来は許せるのか、許せないのか
この判断があれば、AI は情報を広く集め(発散)、目的に沿って絞り込み(収束・構造化)、動くものに仕上げる(具現化)ところまでを担えます。今回はこの分担を自分で試すために、題材を AWS SAP の合格支援アプリにしました。研修中に作ったのは別の業務向けダッシュボードでしたが、社内のエンジニアにも関わりがある資格のほうが試しがいがあると考えたためです。
思いつきから要件定義書までの流れ
最初の一言は、個人のスマートフォンで ChatGPT に投げた「AIDD で SAP 合格までを支援する Web コンテンツを作れないかな?」でした。返ってきたプロンプトを起点に、次の 4 ステップで要件定義書まで進めています。
| # | やったこと | 使ったツール |
|---|---|---|
| 1 | 試験の出題範囲と学習方法を調査する | Gemini の Deep Research |
| 2 | 調査レポートを投入して整理する | Gemini Notebook |
| 3 | AI から出てきた 5 つの確認質問に答える | Gemini Notebook |
| 4 | 回答を反映した要件定義書を確定・出力する | Gemini Notebook |
ステップ 3 で AI が挙げた質問は次の 5 つです。
- スコープ: 何問収録し、どの新しい出題トピックを重視するか
- アーキテクチャ: サーバーレスにするか、ブラウザだけで完結させるか
- 学習履歴: どこに保存し、消えるリスクにどう備えるか
- 出題アルゴリズム: 弱点集中とランダム出題をどう切り替えるか
- コンテンツ品質: AI が生成した問題の誤りをどう取り除くか
人間がやったのは、この質問に答えることだけです。今回はブラウザだけで完結させる方針にし、AI と対話しながら解説を追加で聞ける機能は MVP から外しました。問題の品質については、初期の 10 問を全問レビューし、AWS 公式ドキュメントで根拠を確認できない問題は出題対象から外すと回答しています。自分では思いつかなかった論点(学習履歴が消えるリスクなど)を AI のほうから聞いてくれたので、仕様の抜け漏れが少ない状態で要件定義書を確定できました。
要件定義書から 1 回のプロンプトで MVP を作る
確定した要件定義書を Gemini Canvas に渡し、次の制約を短いプロンプトで加えて生成を指示しました。
- HTML / CSS / JavaScript の単一構成で、外部サーバーを使わない
- 学習の進捗はブラウザの LocalStorage に保存する
- 手元で勉強できるよう、PC とスマートフォンの両方で使える画面にする
要件定義書には開発期間が 7 日と書かれていて、発表に間に合うか一瞬不安になりました。実際には要件定義書を渡した 1 回のプロンプトで、動くフロントエンドの MVP ができあがりました。
指示しなくても入っていた機能
生成された MVP には、こちらから細かく指示していない機能まで入っていました。
| 機能 | 内容 |
|---|---|
| シナリオ演習 | SAP 特有の長文シナリオ形式の問題。生成 AI やレジリエンスなど新しい出題トピックにも対応 |
| 選択肢別解説 | 正解の理由に加えて、他の選択肢がなぜ不適切かと、根拠となる AWS 公式ドキュメントの URL を表示 |
| 弱点集中モード | 正答率 60% 未満のドメインを優先して出題。ランダム出題との切り替えも可能 |
| ダッシュボード | ドメイン別の正答率をグラフで表示 |
| データ管理 | 問題データと学習履歴を JSON で書き出し・読み込みでき、ファイルが壊れても復元できる |
画面のデザインも整っていて、最初は上下のメニューが重複しているように見えましたが、演習画面に入ると下側が消えて上のメニューだけが残る作りでした。ホームに戻ってから演習を始め直すと別の問題に切り替わり、ランダム出題も想定どおり動いています。
作った本人が問題を解けなかった
開発としては成功でした。問題の切り替えもグラフの描画も不具合なく動き、レスポンシブ表示もスマートフォンで崩れませんでした。一方で、使ってみると次の壁に当たりました。
- 難易度が合っているかわからない: 歯が立たないほど難しい問題がある一方、150 の VPC を相互接続する問題(正解は Transit Gateway)は勉強前の自分でも当てられ、SAP の水準なのか判断できない
- 必要な問題数がわからない: 現状は 40 問を収録しているが、合格までに何問あればよいのかがわからない
- 合格ラインがわからない: どこまで解ければ合格できるのかを、アプリの側では示せない
問題数を増やそうとしても、AI が一度に JSON で出力できたのは 20 問ずつでした。1,000 問規模まで積み上げるには、その作業だけで相当な時間がかかることも、作ってから気づいた点です。
発表のデモでは本番向けの問題が難しすぎたため、急いで「発表用デモモード」を追加し、S3 Glacier Deep Archive や S3 イベントで Lambda 関数を起動する構成のような基礎的な問題を 3 問用意しました。アプリを作れることと、そのアプリで合格できることは別物でした。 学習アプリの価値を決めるのは、中に入れる問題の質と量です。
AI が勝手に広げたもの
作業の途中では、AI が頼んでいない方向へ仕様を広げる場面が 2 回ありました。
1 つ目は Amazon Bedrock 連携です。要件の段階で AI 対話型の解説を候補に入れていたため、AI がコードに実行時の Bedrock 連携を組み込もうとしてきました。発表に間に合わなくなるうえ利用料もかかるため、この提案は却下しています。
2 つ目は試験バージョンの書き換えです。SAP-C02 から SAP-C03 への切り替わりを控えた時期だったので、発表のオチとしてあえて SAP-C02 を指定していました。ところが AI が自動で最新の SAP-C03 に書き換えてしまい、用意していたオチが使えなくなりました。内容としては正しい修正ですが、意図して指定した値は、変える前に人へ確認してほしかったところです。
この 2 つの経験から、人が手放してはいけないことを次の 3 原則にまとめました。
| 原則 | 人がやること |
|---|---|
| 目的適合性の検証 | 生成物が今回のゴールに合っているかを確かめる |
| スコープと優先順位の制御 | AI の提案から不要なものを削り、MVP の範囲を守る |
| 事実確認と動作検証 | 問題は AWS 公式ドキュメントを根拠にしたものに限り、実機のブラウザで動作を確かめる |
業務で使えそうな場面
今回は個人の学習アプリでしたが、同じ進め方は業務の上流工程にも当てはまると感じています。
- 調査と情報整理: 新しい技術や要件の調査レポートを短時間で作れるので、技術検証の初期のハードルが下がる
- 要件定義の壁打ち: AI からの逆質問で、考慮漏れやトレードオフを早い段階で洗い出せる
- 触れるモックでの合意: 書類の仕様書ではなく、動く画面を見せながら関係者とレビューできる
- PoC の短縮: 要件定義書に 7 日と見積もられた開発が 1 回のプロンプトで形になったように、検証用の試作にかかる時間を縮められる
お客様の要望を早く具体的な形にできれば、その後の設計・開発への引き継ぎも進めやすくなります。要件定義と MVP 開発の進め方は、AI 駆動開発の記事でも全体像を紹介しています。Claude で資格学習用のサイトを作った例は「Claude で自分専用の資格学習サイトを育てた話」にまとまっています。
まとめ
AI のおかげで SAP 学習アプリは完成しましたが、それで SAP に合格できるかどうかは別の問題でした。プログラマーではない自分でもここまで作れたことで、AI が開発を速くすることは実感できました。そのぶん、何を作るべきかを判断する力が人間の側に求められます。 なぜ作るのか、誰のどんな課題を解くのかを決めること。AI の問いかけに答えながらスコープを選ぶこと。できあがったものが実際の用途に耐えるかを確かめること。今回 AI に任せられなかったのは、この 3 つの判断でした。
KDDIアイレットでは、要件を AI との対話で固める AIDD 要件定義や、動く MVP を短期間で作る AIDD MVPを提供しています。お気軽にご相談ください。
※ 本記事の内容は公開時点の情報です。サービスの名称・内容・料金は予告なく改訂されることがあります。
※ 本記事は、著者の知見や登壇内容をもとに生成 AI を活用して作成し、著者・編集部が内容を確認しています。
著者について
CONTACT
AI 導入・活用のご相談はこちら
記事の内容に関するご質問や、自社での導入・活用のご相談など、お気軽にお問い合わせください。




