Claude認定資格CCAR-Fに落ちてから受かるまでにやったこと 622点から731点へ

technologies

  • HOME
  • BLOG
  • technologies
  • Claude認定資格CCAR-Fに落ちてから受かるまでにやったこと 622点から731点へ

目次

はじめに
CCAR-Fとは
1回目: 622点で不合格
Claudeを使った勉強方法
2回目: 731点で合格
おわりに

はじめに

こんにちは!ベンジャミンの眞木です。
2026年7月、Anthropicの認定試験「Claude Certified Architect – Foundations(CCAR-F)」に731点で合格しました。
ただ、実はこれは2回目の受験で、2026年5月の1回目は622点で不合格でした。
この記事では、不合格からどうやって731点まで持っていったかを実際の数字と一緒にまとめます。
軽く探した範囲だと不合格を経て合格している体験談は見当たらなかったので、有用な情報なのではないかと思っています。

なお、受験時に秘密保持契約に同意しているため、試験問題・選択肢・シナリオの内容には一切触れません。
書くのは公式試験ガイドの公開情報・自分のスコアレポート・学習方法・受験時の経験だけになるのでご了承ください。

前提として、受験前の私のスペックはこんな感じです。

  • 職種はソフトウェアエンジニア。AWSは全冠済みで、業務で日常的に使っている
  • Claude Codeで日常的に開発している
  • Claude APIを使った開発も多少の経験あり
  • 受験前にAnthropic Academyの4コースを修了(Building with the Claude API / Claude Code in Action / Introduction to Agent Skills / Introduction to Model Context Protocol)

つまり、Claudeを全く触ったことがない状態からの挑戦ではなく、ある程度の下地はある状態でのスタートです。

CCAR-Fとは

下記は、公式試験ガイド(Version 1.0・2026年7月版)に書かれている概要です。
変更がある場合もあるので、必ず最新の公式ガイドを確認してください。

  • 60問・120分・受験料$125、Pearson VUEによるオンラインまたはテストセンター受験
  • スコアは100〜1,000のスケールドスコアで、合格ラインは720
  • 出題は6つのシナリオからランダムに4つが選ばれる形式
  • ドメインと配点: Agentic Architecture & Orchestration 27% / Tool Design & MCP Integration 18% / Claude Code Configuration & Workflows 20% / Prompt Engineering & Structured Output 20% / Context Management & Reliability 15%
  • 認定は12ヶ月有効
  • 受験資格は現状Claude Partner Network所属者に限られます

範囲はClaude API、Claude Agent SDK、Claude Code、MCPと広く、知識の暗記よりも設計判断を問うような試験です。
また、2026年7月時点では英語版しか用意されていないと思われるので、その点は認識しておく必要があります。

1回目: 622点で不合格

2026年5月の受験に向けては公式の模擬試験を使って勉強し、模擬試験で900点以上を安定して取れるようになってから受験しました。
しかし、結果は622点で不合格でした。
スコアレポートに記載されていたドメイン別正答率は下記の通りです。
日常業務とAcademyのコースで実装まわりの下地があったので、実装寄りのドメイン(Claude Code 75%、Prompt Engineering 86%)は比較的高いスコアが出ています。

ドメイン配点1回目の正答率
Agentic Architecture & Orchestration27%43%
Tool Design & MCP Integration18%59%
Claude Code Configuration & Workflows20%75%
Prompt Engineering & Structured Output20%86%
Context Management & Reliability15%44%

不合格になった原因ですが、まず純粋に勉強不足でした。
半分も取れていないドメインが複数あるということは、出題範囲をカバーして勉強できていなかったということだと思います。
また、模擬試験を何回も解きすぎたことも考えられます。当たり前ですが、同じ問題を何回も解いて安定的に高得点を取れても意味がなかったです。
あとは当日の時間配分に失敗しました。120分で60問を処理しないといけないので、1問あたり2分で解く必要があります。
しかし、長い問題や難しい問題で時間を使いすぎた結果、最後の方の問題はほとんど考える時間がなくて焦ってしまいました。

次のセクションでは、このような失敗を踏まえて再受験に向けてどのように対策をしたのかを紹介します。

※1回目は現行ガイド(2026年7月発効)より前の制度下での受験でした。
公式の模擬試験は現行制度では見当たらなくなっていて、試験の配信も現在のPearson VUE体制に移行する前です。
これから受ける方は、この記事の2回目以降の情報を前提にしてください。

Claudeを使った勉強方法

2回目の対策は、公式の試験ガイドと模擬試験をClaudeに読ませ、本番レベルの問題を作らせて解くことが中心でした。
特に、1回目の受験で大きな弱点となっていたAgentic Architecture & OrchestrationとContext Management & Reliabilityの領域については多く問題を作らせて対策しました。
なお、前述の通り公式の模擬試験は見当たらないのですが、試験ガイドにもサンプル問題が載っているので、今から勉強を始めるならそれを基に練習問題を作らせるといいと思います。

問題を作らせる中で注意が必要だと感じたことが2つあります。

1つ目は、同じような問題が何度も生成されてしまったことです。
本番を想定した60問の練習問題に加えて弱点となる領域は別セットで作成していたため、同じ論点の出題形式を少し変えただけの問題がかなり生成されてしまいました。
同じような問題を何度も解けば定着はしますが、それで安定して解けたとしても1回目の試験と同じ過ちを繰り返すだけです。
複数の問題セット同士で内容を擦り合わせて、重複がなくなるように調整することに少し時間を使いました。

2つ目は、生成された問題が簡単すぎたことです。
これは1度受験した経験があったから検知できた部分もあったのですが、明らかに難易度が低い問題が多く混じっていました。
4択問題で不正解の選択肢が明らかに的外れすぎて即答できてしまうような問題がありました。
また、選択肢の文字数を集計したところ、9割以上の問題で最長の選択肢=正解になっていました。
AIは正解選択肢に根拠や説明を丁寧に盛り込む一方で、不正解選択肢を短く雑に書く傾向があるようです。
ある程度問題を解き進めた段階でこういった傾向に気づき、何度か再生成させる手間がかかりました。
初回の生成時に指示に含んでも従わないこともあったので、1度生成させた後に上記のような観点を明示してレビューさせるといい感じに修正してくれました。

このようにして200問近い練習問題を安定して9割以上取れるようになったところで2回目の受験を迎えました。

2回目: 731点で合格

2回目の受験は、AWSでお馴染みのPearson VUEでした。

1回目に詰まった問題で時間を溶かして焦った反省から、迷った問題に長考しないことだけ決めて臨んだところ、ペースは早めに作れました。
悩んだ5問ほどはフラグを立てて先へ進み、最後に見直して、それでも20分ほど余りました。

結果は提出直後にその場で表示され、731点でギリギリ合格でした(合格ラインは720点)。
スコアレポートとCredlyバッジの案内メールもすぐ届いたので、レポートの保存はそのタイミングで済みます。

参考までに、2回目の結果を集計したものを1回目と同じ軸で並べておきます。
最大配点のAgentic Architecture & Orchestrationが大幅に改善し、Context Management & Reliabilityもそれなりに取れたことが勝因だったことがわかります。
一方でTool Design & MCP Integrationはほぼ横ばいで、今回の対策で手が回らなかったので今後の課題です。

ドメイン配点1回目(公式値)2回目(自己集計・概算)
Agentic Architecture & Orchestration27%43%約85%
Tool Design & MCP Integration18%59%約55〜60%
Claude Code Configuration & Workflows20%75%約70%
Prompt Engineering & Structured Output20%86%約90%
Context Management & Reliability15%44%約65〜70%

おわりに

CCAR-Fは、実際のユースケースでどういう設計判断をするかを問われることが多かったので、比較的実務に近い形で体系的に学べるいい試験だと思いました。
また、Anthropicが考えるAI設計のベストプラクティスを知ることができたのも良かったです。
今後AIの活用が進んでいくことが見込まれる中で役立つ資格だと思いますので、興味を持っていただけたら幸いです。

Related posts