AWS DVA-C02からC03への変更点｜AI支援開発とAIのセキュリティが採点対象に【2026年12月1日開始】

当ブログにはPRを含みます。

AWS 認定 Developer – Associate（以下、DVA）の試験が、2026年12月1日から DVA-C03 に切り替わります。DVA-C02 を受けられるのは2026年11月30日までです。

この記事は、次のような方に向けて書きました。

• 業務で AI のコーディング支援ツールを使い始めていて、次に DVA を受けようとしている開発者の方
• DVA-C02 を勉強中で、11月30日までに受けるか C03 に切り替えるか迷っている方
• DVA-C02 に合格していて、3年ごとの再認定を C03 で受ける方

私は DVA-C02 に合格し、Udemy で DVA の問題集を作っている講師です。本業では開発プロジェクトの PM をしていて、設計書の作成からコードレビュー、試験の実行までを AI エージェントに任せる体制でプロジェクトを回しています。今回は DVA-C02 と DVA-C03 の試験ガイドを並べて読み、何が変わったのかを、AI で開発している現場の感覚と合わせて整理しました。

この記事でわかること

• DVA-C03 の切り替え日程と、試験の基本条件
• 4つの分野の配点がどう動いたか
• 採点対象になった「AI 支援開発」のスキルと、現場での使われ方
• 新しく作られたタスク2.3「AI サービスのセキュリティ」の中身
• AI 以外で追加・移動・統合されたスキルと、対象サービスの変化
• 出発点ごとの勉強のしかた

---

先に結論

DVA-C03 で一番大きく変わったのは、AI を使って開発する力と、AI をアプリに組み込むときに守る力が、採点対象になったことです。C02 では、AI 関連の問題は採点されないお試しの問題（プレテスト）としてしか出ていませんでした。C03 では、4つの分野すべてに AI のスキルが入っています。

一方で、Lambda、DynamoDB、API Gateway、IAM、KMS、CI/CD、CloudWatch、X-Ray といった C02 の土台はそのまま引き継がれています。C02 の勉強は無駄になりません。

新しく勉強が必要なのは、大きく次の3つです。

1. AI サービスのセキュリティ（新設のタスク2.3）：データを学習に使わせない設定、入出力のフィルタ、AI エージェントの権限、ログの保護
2. AI ツールの使いどころ：コード生成・テスト生成・CI/CD・エラー分析・最適化のどこで AWS の AI ツールを使うか
3. AI 以外の追加分：署名付き URL、コンテナイメージの管理、ECS・EKS・Fargate へのデプロイ

普段から AI で開発している方は、2つ目は実感で解ける問題が多いはずです。ただし試験で問われるのは「AI を使ったことがあるか」ではなく、「どの AWS のサービスや機能で実現するか」です。

---

切り替えの日程と試験の基本条件

DVA-C03 の試験ガイドには、C02 との比較の章があり、変更点が公式に整理されています。まず基本条件を表にまとめます。

項目	DVA-C02	DVA-C03
実施期間	2026年11月30日まで	2026年12月1日から（申し込み受付開始）
採点対象の問題数	50問	50問
採点対象外の問題数	15問	15問
試験時間	130分	130分
出題形式	択一選択・複数選択	択一選択・複数選択
合格点（100〜1,000の換算スコア）	720	720
分野の数	4分野	4分野
タスクの数	13	12

問題数、試験時間、出題形式、合格点は変わりません。試験時間は C03 でも引き続き130分です。複数選択問題には「点数を得るには正解をすべて選ぶ必要がある」という説明が加わりましたが、これまでも部分点は無かったので、扱いが変わったわけではありません。

受験対象者の説明にも変化があります。C03 では「AI ツールを含むアプリケーション開発ツールの使用経験」「AI 支援開発ワークフローに関する知識」「マネージド AI サービスのアプリケーションへの統合」が求められる知識に加わりました。一方で、次の内容は試験の範囲外と明記されています。

• 基盤モデルの選択、プロンプトエンジニアリング、RAG（検索拡張生成）のアーキテクチャの設計
• AI 安全フレームワークの設計、ガードレールの実装、AI ガバナンスの実装
• ETL パイプラインの設計と作成

つまり DVA-C03 は、AI の仕組みを設計する人ではなく、用意された AI のサービスや機能を、開発者として正しく使う人を対象にしています。モデルの選び方や RAG の設計まで踏み込むのは、AIP（Generative AI Developer – Professional）の範囲です。

---

4つの分野の配点がどう動いたか

分野	DVA-C02	DVA-C03
1 AWS のサービスによる開発	32%	30%
2 セキュリティ	26%	26%
3 デプロイ → テストとデプロイ	24%	22%
4 トラブルシューティングと最適化	18%	22%

分野の数は4つのままですが、配点が動いています。

• 開発は32%から30%に下がった。ただし中身には AI ツールでのコード生成と AI サービスの組み込みが加わっている
• セキュリティは26%のままだが、暗号化と機密データの2つのタスクが1つにまとまり、空いた枠に AI のセキュリティのタスクが入った
• 分野3は名前が「テストとデプロイ」に変わった。C02 の「開発環境でのテスト」と「デプロイテストの自動化」の2つのタスクが、1つのテストのタスクにまとまっている
• トラブルシューティングと最適化は18%から22%に増えた。4分野で唯一、配点が増えた分野

分野4が増えたので、CloudWatch のログとメトリクス、X-Ray のトレース、Lambda の同時実行数、キャッシュといった「動かしたあとの調査と改善」の比重が上がります。C02 の勉強でこの分野を後回しにしていた方は、優先度を上げてください。

---

最大の変更：AI支援開発が採点対象になった

C02の「新たなトピック」がそのまま正式なスキルに

実は C02 の試験ガイドにも、AI に関する記述はありました。「新たなトピック」という節で、採点されないプレテスト問題として出題される場合がある、と書かれていた6項目です。C03 では、この6項目がほぼそのまま採点対象のスキルになりました。

C03 のスキル	内容
1.1.9	AI 支援開発ツールでコードの生成・レビュー・最適化を行う（仕様駆動型のコード生成、自動化されたコードレビュー、リファクタリングの提案、セキュリティスキャンなど）
1.1.10	マネージド AWS AI サービスをアプリケーションに統合する（C03 で新しく追加）
タスク2.3	AI サービスの利用とアプリケーションへの統合に伴うセキュリティリスクを特定して軽減する（5スキル）
3.2.5	AWS の AI ツールでテストを生成し、回帰テストなどの反復的なテストワークフローを自動化する
3.3.9	CI/CD のワークフローで AWS の AI ツールを使う（デプロイの自動承認、環境のプロビジョニング、デプロイ後の検証など）
4.1.5	AWS の AI ツールでエラー分析を行い、トラブルシューティングの提案を生成する
4.3.6	AWS の AI ツールで最適化の機会を特定する（パフォーマンスのボトルネック、リソース使用量、コード効率）

C02 の時点で予告されていた内容が、本番の範囲に入った、という流れです。AWS が「AI を使わない開発者」をもう前提にしていないことが、試験ガイドからも読み取れます。

現場ではもう「AIが書いて、人がレビューする」が当たり前

この変更は、私の現場の感覚とも一致しています。

私が PM をしているプロジェクトでは、設計書の作成、設計書のレビュー、実装、コードレビュー、試験ケースの作成、試験の実行を、それぞれ別の AI エージェントに担当させています。人間がこれまで泥臭くやってきた作業を AI に任せて、人間は各工程の成果物をレビューする、という分担です。この体制の詳しい工程表は、別の記事にまとめています。

1.1.9 のコードレビューや 3.2.5 のテスト生成は、まさにこの現場で毎日起きていることです。たとえば、社内の AI コーディング支援ツールにバグの内容を日本語で伝えたときは、修正案がすぐに出てきただけでなく、単体テストのコードを作って実行するところまでやってくれました。設計書とコードの不整合のチェックを頼んだときは、テストの不足ケースまで自分で洗い出して追加し、パスすることも確かめてくれました。こちらが頼んだ以上のことをしてくれる相棒、という感覚です。

4.1.5 のエラー分析も同じです。顧客から総合試験の不具合調査と本番データの確認を頼まれたとき、S3 に溜まったログを Athena で調べる必要がありました。テーブルの作成からクエリの組み立てまで、AI に手順を聞きながら進めたところ、約2時間で終わりました。AI が無かった頃なら、1日から2日はかかっていた作業です。

プロジェクトの振り返りでも、内部設計の工数が約20%減り、運用保守の調査工数はアンケートで75%減ったという結果が出ています。

それでも、判断するのは人

一方で、AI に任せきりにして良いわけではありません。私が AI の成果物を見るときに必ず守っているのは、エラーや警告が出ていたら、その意味を理解してから判断することです。理解しないまま進めると、そもそも修正が必要なのかどうかも判断できません。

C03 の試験ガイドでも、AI の出番は「コードの生成・レビュー」「テストの生成」「エラー分析」「最適化の機会の特定」と書かれていて、最終的な判断は開発者に残されています。試験で問われるのも、AI が出した提案を AWS の知識で評価できるかどうかです。たとえば AI が「Lambda のメモリを増やしましょう」と提案してきたとき、それが本当にボトルネックなのかを CloudWatch のメトリクスや X-Ray のトレースで確かめられるのは、DVA の知識があってこそです。

もう1つ、現場で効いているのが 仕様を AI が読める形で書く ことです。以前、ある機能の設計書では int 型、別の機能の設計書では string 型と書かれていた不整合がバグの原因になりました。人間だと見落としやすい表記ゆれも、AI に読ませるとかなりの精度で見つけてくれます。そのため私は、Excel などで書かれた設計書は、AI が読みやすい Markdown や CSV に移すべきだと考えています。1.1.9 にある「仕様駆動型のコード生成」は、この考え方を開発の起点にしたものです。C03 の対象サービスに加わった Kiro は、要件・設計・タスクの仕様書を先に作ってからコードを生成する、仕様駆動の開発を前面に出した AWS の AI 開発ツールです。

---

新設のタスク2.3：AIサービスのセキュリティ

C03 で唯一、まるごと新しく作られたタスクがこれです。AI サービスを使うとき、またアプリに組み込むときのセキュリティリスクを特定して軽減する、という内容で、5つのスキルがあります。

スキル	試験ガイドの内容	関係する AWS の機能の例
2.3.1	AI サービスへのアクセスをリクエストして管理する	IAM ポリシーで呼び出せるモデルや操作を絞る
2.3.2	データプライバシーのコントロールを使ってデータを AI サービスに送る（VPC エンドポイントによるプライベート接続、入出力をモデルの学習に使わせないなど）	AWS PrivateLink（インターフェイス VPC エンドポイント）
2.3.3	AI モデルの入出力をフィルタリングして制御する（コンテンツフィルタ、機密情報の検出、PII/PHI の伏せ字、拒否トピック、プロンプトインジェクション対策など）	Amazon Bedrock のガードレール
2.3.4	AI エージェントとのやり取りを保護する（ツール使用の認可、セッションの分離、機密性の高い操作に人の承認フローを使うなど）	Amazon Bedrock AgentCore、Step Functions の承認待ち
2.3.5	AI サービスとのやり取りのモニタリングログで、機密コンテンツを保護する	Amazon Bedrock のモデル呼び出しログ、CloudWatch Logs のデータ保護ポリシー

右の列は、試験ガイドの対象サービスの一覧と各サービスの機能から、私が対応づけたものです。試験ガイド自体には、スキルごとのサービス名までは書かれていません。

データを学習に使わせない、外に出さない

2.3.2 は、AI を業務で使うときに最初に気にされるポイントです。私も以前から、学習に使われる設定の無料の AI サービスを業務で使うと、学習を通じて間接的に会社の機密情報を漏らしてしまう恐れがある、と考えてきました。

Amazon Bedrock は、プロンプトと応答を AWS のモデルの学習に使わず、第三者にも渡さない、と公式ドキュメントで説明しています。さらに VPC エンドポイントを使えば、アプリから Bedrock への通信をインターネットに出さずに済みます。「AI を使うかどうか」ではなく、「どの設定なら業務データを渡してよいか」を説明できることが、開発者に求められているということです。

入出力のフィルタとログの保護

2.3.3 と 2.3.5 は、ユーザーの入力と AI の出力の両方に機密情報が混ざりうる、という前提に立っています。たとえば問い合わせ対応のアプリで、ユーザーがクレジットカード番号を書き込んだとします。Bedrock のガードレールで個人情報を検出して伏せ字にし、ログにはマスクされた状態で残す、という組み立てが考えられます。

範囲外の項目に「ガードレールの実装」が入っているのに、2.3.3 で入出力のフィルタが問われるのは矛盾して見えるかもしれません。私は、AI の安全対策の仕組みや方針を一から設計するのは範囲外で、用意されたフィルタの機能を選んで正しく適用するのが DVA の範囲、と読んでいます。

AIエージェントに何を任せ、どこで止めるか

2.3.4 は、AI エージェントを日常的に使っている立場からすると、一番実感のあるスキルです。

私はこのブログの記事の作成や修正も、AI エージェントに WordPress を直接操作させて進めています。以前は記事の公開まで1〜2日かかっていた作業が、私の手作業としては数分で済むようになりました。ただし、AI に何でもやらせているわけではありません。AI 向けのルールに禁止事項を明記していて、データベースの直接操作、プラグインの更新、記事の削除、サーバーの起動と停止は AI には実行させず、人間がやります。AI が作るのは下書きまでで、本番サイトへの公開は私が中身を確認してから手で行います。

これは試験ガイドの言葉でいえば、「ツール使用の認可」と「機密性の高い操作に人の承認フローを使う」そのものです。AWS でこれを実装するなら、エージェントが呼べるツールを IAM や AgentCore で絞り、取り消しのきかない操作の前には Step Functions で人の承認待ちを挟む、という組み立てになります。

---

AI以外で追加されたスキル

C03 の比較の章で「追加」とされているのは AI 関連が中心ですが、次の内容も新しく明記されました。

• 署名付き URL による、安全で時間制限のあるアクセス（S3 と CloudFront、スキル2.1.4）
• デプロイ用のコンテナイメージの構築と管理（Amazon ECR、Dockerfile、イメージのタグ付け、ライフサイクルポリシー、スキル3.1.2）
• コンテナ化したアプリのデプロイ（ECS のタスク定義、EKS のマニフェスト、Fargate の起動タイプ、ローリング更新、スキル3.3.2）

さらに、C02 では「デプロイ戦略を使う」「オーケストレーションされたワークフロー」のように一般的な書き方だったものが、C03 では CodeDeploy（3.3.4）と CodePipeline（3.3.5）とサービス名で名指しされました。CloudFormation や CodeDeploy を使った自動または手動のロールバック（3.3.7）も明記されています。

C02 の DVA はサーバーレス、特に Lambda の比重が大きい試験でした。C03 ではコンテナのデプロイが正式なスキルになったので、ECS のタスク定義や ECR のライフサイクルポリシーの基本は押さえておく必要があります。

---

移動・統合されたスキル

C03 の試験ガイドには、スキルの移動と統合も整理されています。範囲は変わらず、出題される場所が変わったものです。

内容	DVA-C02	DVA-C03
AWS SAM を使ったユニットテスト	タスク1.1	タスク3.2
Lambda 関数のパフォーマンスチューニング	タスク1.2	タスク4.3
データのシリアル化と逆シリアル化	タスク1.3	タスク1.1
API Gateway のステージとカスタムドメイン	タスク3.4	タスク3.1
IaC テンプレート（CDK、AWS SAM、CloudFormation）	タスク3.3	タスク3.3

統合では、細かく分かれていたスキルが1つの大きなスキルにまとめられました。

• DynamoDB：パーティションキー、整合性モデル、Query と Scan、キーとインデックスの4つのスキルが、スキル1.3.4 の1つに
• 暗号化と機密データ：C02 のタスク2.2とタスク2.3（合計13スキル）が、C03 のタスク2.2（7スキル）に
• テスト：C02 のタスク3.2とタスク3.3（合計11スキル）が、C03 のタスク3.2（5スキル）に
• オブザーバビリティは8スキルから5スキルに、最適化は9スキルから6スキルに

試験ガイドは「統合によって必須スキルが軽視されるわけではない」と書いています。スキル数が減っても、DynamoDB や暗号化の問題が減るとは考えないほうが安全です。

また、C02 にはあったものの、C03 のスキルの文言からは消えた項目もあります。ステートフルとステートレスの違い、ベアラートークン、キーローテーション、アカウントをまたぐ暗号化、マルチテナントのデータアクセス、API Gateway のステージ変数を使った動的デプロイ、SNS のサブスクリプションフィルターポリシー、トレースへの注釈の追加などです。ただし、多くは統合されたスキルの例の中に含まれうる内容なので、出題されなくなるとは限りません。

---

対象サービスの変化

対象サービスの一覧には、「機械学習と人工知能」というカテゴリが新しくできました。

区分	サービス
対象に追加（AI）	Amazon Bedrock、Amazon Bedrock AgentCore、Amazon Quick、Kiro
対象に追加（AI以外）	Amazon Data Firehose、Amazon CloudWatch Logs、AWS SAM、AWS PrivateLink、AWS Certificate Manager、AWS Private CA、Amazon S3 Glacier
対象の一覧から消えた	AWS AppSync、Amazon Q Developer
対象外に追加	Amazon SageMaker AI、Strands Agents、AWS Transfer Family

C02 で対象だった Amazon Q Developer が一覧から外れ、Kiro が入りました。AWS の AI 支援開発ツールの代表が入れ替わった形です。Q Developer を正解にしている古い問題集の問題は、C03 では注意して扱う必要があります。

もう1つ目を引くのが、SageMaker AI と Strands Agents が対象外に明記されたことです。モデルを作る SageMaker AI や、エージェントを作るための SDK である Strands Agents は、DVA ではなく MLA や AIP の領域、という線引きです。DVA で問われる AI は、Bedrock のようなマネージドなサービスを呼び出して組み込む側に絞られています。

---

AIを使っている開発者ほど有利なのか

私の答えは「有利だが、それだけでは足りない」です。

AI で日常的に開発している方は、AI にコードを書かせてレビューする流れ、テストを生成させる流れ、エラーを貼り付けて原因を聞く流れを体で知っています。3.2.5 や 4.1.5 の問題は、状況をイメージしやすいはずです。

ただ、私の勤務先でも、AI のツールは全員に配られたのに使い方のルールが整っていません。このままでは使う人と使わない人に二極化するのが目に見えていました。そこで私のプロジェクトでは、AI を使わないと工程が進まないように工程そのものを設計しています。AI に詳しくない新人でも、エージェントによるレビューを工程として必須にすると、一定の品質が出るようになりました。

DVA-C03 で問われるのは、まさにこの「仕組みとして AI を組み込む」視点です。個人の勘でうまく使えていることを、IAM、VPC エンドポイント、ガードレール、承認フロー、ログのマスクといった AWS の言葉で説明できるかどうか。ここが、AI を使っているだけの人と、DVA-C03 の合格者を分けるポイントになると考えています。

---

出発点別の勉強のしかた

DVA-C02を勉強中の方

まず、模擬試験の正答率で判断します。

• 初見の問題で8割前後取れているなら、11月30日までに C02 を受けることを検討する。C02 で合格しても、認定は3年間有効です
• まだ届いていないなら、無理に急がず C03 に切り替える。ここまでの勉強は、C03 に引き継がれた土台としてそのまま使えます

切り替える場合は、タスク2.3の AI のセキュリティと、コンテナのデプロイを勉強計画に足してください。

AIツールを業務で使っている開発者の方

1. Lambda、DynamoDB、API Gateway、IAM、CI/CD の土台を固める。AI に書かせていると、細かい設定値や制限を自分で覚えていないことが多いので、ここが最初の山です
2. タスク2.3の AI のセキュリティを、Amazon Bedrock のドキュメントで学ぶ。ガードレール、モデル呼び出しログ、VPC エンドポイントは実際に触っておくと理解が早いです
3. 普段の AI の使い方を、AWS のサービス名で言い直してみる。たとえば「AI に機密情報を渡さないよう気をつけている」を「どの設定で、どう保証しているか」まで説明できるようにする

DVA の基本的な勉強の流れは、C02 の勉強方法の記事にまとめています。土台の部分は C03 でもそのまま使えます。

DVA-C02合格者（再認定をC03で受ける方）

1. C03 の試験ガイドの「DVA-C02 と DVA-C03 の比較」の章を読み、追加されたスキルに印を付ける
2. タスク2.3の AI のセキュリティと、コンテナのデプロイ（ECR・ECS・EKS・Fargate）を重点的に補う
3. C03 に対応した問題で演習する。分野4の配点が増えているので、ログ・メトリクス・トレースを使った調査の問題を多めに解く

AWS の AI サービスをもう一段深く学びたい方は、AIP の勉強方法も参考になります。

---

講師の問題集はC03開始後に更新します

私の Udemy の DVA 問題集は、現時点では DVA-C02 に対応した内容です。DVA-C03 が始まったら私自身が C03 を受験し、出題の傾向と難しさを本番で確かめたうえで、受験から概ね1〜2ヶ月以内に C03 版へ更新する予定です。

更新までの間も、C02 版の問題で、C03 に引き継がれた土台（Lambda、DynamoDB、API Gateway、IAM と暗号化、CI/CD、CloudWatch と X-Ray）の演習ができます。Udemy では、購入済みの講座が更新されると、追加料金なしで更新後の内容を受講できます。

講師クーポン【全出題範囲を網羅+詳細な解説】AWS DVA-C02日本語実践問題集260問(ディベロッパーアソシエイト)

受験料を抑える方法

DVA の受験料は20,000円（税別）です。Udemy で販売している受験クーポンを使うと、同じ試験を安く受けられます。

---

よくある質問

DVA-C02で合格した認定は無効になりますか？

なりません。C02 で合格した認定は、合格日から3年間有効です。再認定のタイミングで C03 を受けることになります。

DVA-C03は難しくなりましたか？

問題数、試験時間（130分）、合格点は変わりませんが、範囲は AI のセキュリティ、AI ツールの使いどころ、コンテナのデプロイに広がっています。AI を業務で使っていない方は、新しく覚えることが多いと感じるはずです。実際の難しさは、C03 を受験したあとに追記する予定です。

AIのモデルやプロンプトの知識も必要ですか？

基盤モデルの選択、プロンプトエンジニアリング、RAG の設計は、試験ガイドで範囲外と明記されています。ただし、AI がどういう仕組みで動くかの基本がわかっていないと、ガードレールやエージェントの問題を読み解きにくいので、AIF 程度の基礎知識はあると楽です。

Amazon Q Developerの勉強は無駄になりますか？

Q Developer は C03 の対象サービスの一覧から外れました。ただし、AI でコードを生成・レビューする考え方そのものは 1.1.9 で問われます。サービス名を覚えるより、「AI に何をさせ、人がどこを確認するか」を押さえておくほうが、C03 では役に立ちます。

---

まとめ

• DVA は2026年12月1日から DVA-C03 に切り替わる。C02 は11月30日まで
• 問題数・試験時間（130分）・出題形式・合格点は変わらない。配点は開発とデプロイが下がり、トラブルシューティングと最適化が18%から22%に増えた
• C02 で採点対象外だった AI のトピックが、C03 では4分野すべてで採点対象のスキルになった
• 唯一の新設タスクは、AI サービスのセキュリティ（データ保護、入出力のフィルタ、エージェントの権限と人の承認、ログの保護）
• AI 以外では、署名付き URL、コンテナイメージの管理、ECS・EKS・Fargate へのデプロイが加わった
• AI を使っている開発者は有利だが、それを AWS のサービス名で説明できることが合格の条件になる

AI がコードを書く時代になっても、AI の提案が正しいかを判断し、安全に組み込む仕組みを作るのは開発者の仕事です。DVA-C03 は、その役割に合わせて作り直された試験だと感じています。C03 を受験したら、実際の出題の印象をこの記事に追記します。

以上です。最後までお読みいただきありがとうございました。