我上完了 AWS Gen AI 課，卻決定不去考那張證照

先說結論：我沒有去考 AWS Gen AI 證照。

我不懶，課我全上完了 — Udemy 上那門《Ultimate AWS Certified Generative AI Developer – Professional》，從頭跟到尾。

上完我才看清楚：對我來說，它的增量沒有想像中大。

裡面 IAM、VPC、部署那些，我準備 SAA 的時候就都看過了。

真正新的部分 — Bedrock、guardrails、RAG 評估那些 — 老實說翻官方文件，一個週末大概就補得起來。

那我為什麼還要再花好幾週去背題庫、去約一個考場？

於是我沒去。我把那段時間，拿去自己做產品。

真正學到東西，是我開始做產品之後。

做產品才教得會的事

我做了幾個 AI 產品，其中兩個是 SpeakUp 跟 AI Video Cut。

表面上它們是同一種東西 — 都是 LLM 驅動，都要處理 AI 的 input 跟 output。

但真的動手做，它們天差地別。

SpeakUp 是即時語音串流：要 streaming、要低延遲、要即時把評分吐回去。它做的是口說評測，錯一次就直接傷使用者的信任，所以整條 pipeline 都在圍著「錯誤率」打轉。

AI Video Cut 是把 prompt 變成影片：它是可以慢的 async，重點不是快，是能一輪一輪逼近使用者想要的樣子。它反而可以容許錯，因為那本來就是一個不斷調整的過程。

一個錯了就傷信任，一個靠一直錯、一直修才會好。

光這一點，兩個產品的架構、甚至「怎麼算做得好」的標準，就完全不一樣。

證照會給你一張「LLM 應用的標準架構圖」。

但真的做，你會發現根本沒有標準架構。連「怎麼算做對了」都因產品而異。

這種判斷，題庫裡沒有。

還有一個很現實的原因。

我做產品的時候，常常兩三天就有新東西 — 新 model、新 API、新做法。

證照驗證的是幾個月前的快照。產品逼你追的，是每週都在動的東西。

這兩個節奏，差太多了。

我後來想通，AI 產品真正難的地方，剛好卡在證照的兩邊。

一半是傳統的系統架構 — DB、queue、cache、後端那一整套。這塊我準備 SAA 的時候就學過了，不新。

另一半是 LLM，每週都在變，證照的快照追不上。

一個舊到我已經會，一個新到證照跟不上。

那張證照，剛好落在我最不需要的中間。

所以我沒去考。

不是因為它沒價值 — 該學的我學了，這點沒虧。

而且證照跟做產品，本來也不是二選一。只是那段時間，我只夠做一件事。

我選了做。

因為能證明我會做 AI 產品的，從來不是一張 badge。

是我真的做出來的那些東西，像 SpeakUp。