Cloud Digital Leader (CDL) 完全ガイド｜Google Cloud 入門認定の出題範囲・学習法・最短合格ルート

Cloud Digital Leader (CDL) は、Google Cloud 認定資格の入口に位置する Foundational 階層の試験で、エンジニア以外も含めた幅広い職種をターゲットにした入門認定です。 AWS の Cloud Practitioner (CLF)、Microsoft Azure の AZ-900 と並ぶ「クラウド入門の世界三大認定」の 1 つで、コーディング不要、ビジネス職でも取得しやすいよう設計されています。 本記事では、2026 年改訂版の出題範囲を起点に、日本語受験の現状、無料学習ルート、IT 未経験から 25 時間で合格した日本人体験記、そして合格後のキャリアパスまで、CDL の全体像を一本で整理します。

Google Cloud は AWS や Azure に比べると国内認知度ではやや後れを取っていますが、AI / 機械学習・データ分析・コンテナの分野で技術的優位を持ち、メルカリ・サイバーエージェント・SmartHR・LayerX・LINE・freee といった国内有力企業が GCP を主軸に採用しています。 これらの企業を志望する人、あるいは社内で GCP 推進を担当する非技術職にとって、CDL は「最初の 1 枚」として最適な選択肢になります。

CDL の試験基本仕様

CDL の試験仕様は以下の通りです。90 分で 50 ~ 60 問の選択式・択一式問題が出題され、受験料は $99 USD (日本円 14,000 ~ 16,000 円程度)、有効期間は 3 年。 受験方法はオンライン (OnVUE) と Pearson VUE テストセンターの 2 択で、Google Cloud は 2026 年 2 月 22 日に Kryterion (Webassessor) から Pearson VUE への完全移行を完了したため、受験予約フローも AWS / Azure と統一されています。

合格点は 非公開ですが、業界の体感では 70% 程度が合格ラインと言われています。 日本人合格体験記でも「7-8 割取れていれば確実」というのが共通認識で、Practice Exam で安定して 80% を取れる状態なら本番でも合格可能というのが目安です。

出題 4 ドメイン

CDL の出題は 4 ドメインで構成されています。 中心となるのは Data・AI・Modernization の 3 領域で、Digital transformation の入門概念を加えた構成です。 ドメイン別の配点は明示されていませんが、Google 公式の Exam Guide からは概ね 10% / 30% / 28% / 32% という比率が読み取れます。

ドメイン 1: Digital transformation with Google Cloud (約 10%)

最初のドメインは、クラウドそのものとデジタル変革の概念を問う領域です。クラウドコンピューティングの基本特性 (On-demand self-service・Broad network access・Resource pooling・Rapid elasticity・Measured service の NIST 5 要素)、Public/Private/Hybrid/Multi-cloud の違い、Capex と Opex の対比、そして Google Cloud がどう「ビジネス変革を加速するか」が問われます。 AZ-900 ドメイン 1 と内容的に重複する部分が多く、両方を取得する場合は学習効率が累積します。

ドメイン 2: Data transformation with Google Cloud (約 30%)

Google Cloud が最も強みを持つ データ分析領域のドメインです。 最頻出は BigQuery で、サーバーレスの分析データウェアハウスとして「ペタバイト級のデータを SQL で即座に分析できる」という特性、料金モデル (オンデマンド / Capacity-based)、BigQuery ML による SQL ベース機械学習、BigQuery Omni によるマルチクラウド分析などが問われます。

BigQuery 以外では、データパイプライン系の Dataflow (Apache Beam ベースのストリーム/バッチ処理)、メッセージング系の Pub/Sub (グローバルスケールのメッセージング)、データ統合系の Dataproc (マネージド Hadoop/Spark)、データ準備系の Dataprep、データガバナンス系の Dataplex、可視化系の Looker / Looker Studio といったサービスの使い分けがポイントになります。

Cloud Storage と BigQuery の関係も頻出で、「BigQuery は分析専用、Cloud Storage は汎用ストレージ」というシンプルな区別から始まり、外部テーブル経由で BigQuery が Cloud Storage 上のファイルを直接クエリできること、ストレージクラス (Standard / Nearline / Coldline / Archive) の使い分けまで押さえておくと安心です。

ドメイン 3: AI and machine learning with Google Cloud (約 28%)

近年もっとも比重が上がっているドメインです。 中心は Vertex AI プラットフォーム (2026 年 4 月の Google Cloud Next で Gemini Enterprise Agent Platform へのリブランドが発表されましたが、CDL の現行範囲は Vertex AI 表記が中心) で、AutoML・Custom Training・Model Garden・Vertex AI Studio・Agent Builder などの主要機能が問われます。

生成 AI 関連では Gemini ファミリー (Pro / Flash / Ultra / Nano) の特性、Vertex AI Search によるエンタープライズ検索、Document AI による文書処理、Speech-to-Text / Text-to-Speech / Translation API といった既存 ML API の概念が問われます。 個別の Cognitive Service レベルの細かい API 名は問われませんが、「顧客サポートチャットボットを作りたいときに使うべきサービスは?」のようなシナリオベースで、Vertex AI Agent Builder や Dialogflow CX を選べる程度の理解が必要です。

ドメイン 4: Infrastructure and application modernization (約 32%)

配点比率が最大のドメインです。 コンピュート系では Compute Engine (IaaS の VM)・Google Kubernetes Engine (GKE、マネージド Kubernetes)・Cloud Run (サーバーレスコンテナ)・Cloud Functions (FaaS)・App Engine (PaaS) の使い分けが頻出。 「フルコントロールが欲しいなら Compute Engine、コンテナをサーバーレスで動かしたいなら Cloud Run、Kubernetes をマネージドで使いたいなら GKE」という判断軸を、自分の言葉で説明できる状態にしておくのが鍵です。

ネットワーク系では VPC (Virtual Private Cloud) がグローバルリソースであること (AWS や Azure のリージョン単位 VPC とは異なる)、Cloud Load Balancing のグローバル分散、Cloud Interconnect / Cloud VPN の使い分けが問われます。 セキュリティ系では IAM・Identity-Aware Proxy (IAP)・Cloud Armor・Cloud KMS・VPC Service Controls・Security Command Center といったサービスの位置付けが入門レベルで問われます。

移行戦略では Google Cloud 公式の 「6 Rs」 (Rehost / Replatform / Repurchase / Refactor / Retire / Retain) フレームワーク、Migrate to Virtual Machines (旧 Migrate for Compute Engine) や Database Migration Service といった移行支援ツールの存在も覚えておくとよいです。

公式リソースだけで合格できるか

結論から言えば、CDL は Google が提供する公式リソースだけで合格できる試験です。 市販の Udemy コースや書籍は補助として有効ですが、必須ではありません。 以下の 4 つを順に消化すれば、IT 未経験者でも 4 週間で合格圏に届きます。

Google Cloud Skills Boost の Learning Path は 完全無料で提供されており、Coursera 上の同等コースと並んで GCP 学習の標準ルートになっています。 Skills Boost のアカウントは Google アカウントで即座に作成できるため、学習開始のハードルが低いのも利点です。

4 週間の合格ロードマップ (IT 未経験者向け)

日本人の合格体験記を横断して調べると、学習時間は経験背景でかなり差があります。IT 未経験者が 20 ~ 40 時間、IT 経験 1 ~ 3 年で 15 ~ 25 時間、別クラウド経験者で 5 ~ 15 時間というのが平均的なレンジ。 以下は IT 未経験者を想定した 4 週間プランです。

Week 1 は Google Cloud Skills Boost の Cloud Digital Leader Learning Path のうち、Module 1 と Module 2 (Digital transformation と Data transformation) を消化。 BigQuery のサンドボックス (クレジットカード登録なしで使える無料枠) を開いて、Google が用意したサンプルクエリを実際に叩いてみると、理解の定着が早いです。

Week 2 は Module 3 (AI and machine learning)。 Vertex AI Studio で Gemini の無料試用を試したり、Cloud Console から AutoML の体験フローを触ったりすると、抽象的になりがちな AI 領域の用語が一気にリアルになります。 この段階で「Vertex AI と BigQuery ML の違いは何か」「Gemini Pro と Gemini Flash の使い分けは」といった頻出ポイントを自分の言葉で説明できるか確認してください。

Week 3 は配点比率が最大の Module 4 (Infrastructure and application modernization)。 Compute Engine で VM を 1 台立てる、GKE Autopilot でサンプルアプリをデプロイする、Cloud Run でコンテナをデプロイする、といった操作を最低 1 サイクル経験しておくと、コンピュートサービスの違いが頭に残ります。 Google Cloud は新規登録で $300 / 90 日の無料クレジットが提供されるため、実機演習のコストはほぼゼロです。

Week 4 は仕上げ。公式 Practice Exam を 80% 以上取れるまで反復し、苦手領域があれば Skills Boost の該当モジュールを部分的に復習。 前日には Pearson VUE のチュートリアル動画で本試験 UI に触れ、当日に焦らない準備をしておくのが王道パターンです。

日本人合格体験記から見えるポイント

Qiita・Zenn・note・はてなブログに公開されている日本人 CDL 合格体験記を横断的に分析すると、いくつかの共通パターンが見えてきます。

まず、合格までの所要日数は 2 週間 ~ 2 ヶ月で、最短例は IT 経験 5 年以上のエンジニアが 1 週間集中で合格しているケース。最長例は IT 未経験の文系営業職が 2 ヶ月かけて合格しているケースです。 共通して挙がっているのが「Google Cloud Skills Boost を 1 周し、Practice Exam を最低 3 周」というシンプルな勝ち筋。 逆に Udemy などの市販教材を多用しすぎた人は「公式と表記が違って混乱した」「古い情報で本番に対応できなかった」といった反省が多く、公式リソース中心がコスパ最強というのが共通認識です。

不合格パターンとしてよく挙がるのが、サービスの位置付けを単純暗記して文脈で問われる本番に対応できないケース。 例えば「BigQuery とは何か」を「分析データウェアハウス」と覚えるだけでは不十分で、「10TB の Web ログをアドホックに分析したいときに最適なサービスは?」のようなシナリオ問題で BigQuery を選べるかが問われます。 サービス単体ではなく、ビジネスシナリオから逆算して選択する練習を意識的に行うことが重要です。

CDL の次に何を目指すか

CDL はゴールではなく、Google Cloud 認定群への入口です。 どの道に進むかは目指す役割で変わります。

エンジニアを志す場合の次の一手は Associate Cloud Engineer (ACE)。 Cloud Console と gcloud CLI での実機操作が中心で、120 分・$125。Compute Engine・GKE・Cloud Storage・IAM・Cloud SQL の運用が問われ、GCP エンジニアの実質的な必修認定です。

生成 AI 戦略を志す場合は Generative AI Leader (GAIL)。 2025 年 5 月リリースの新試験で、Gemini ファミリー・Vertex AI Agent Builder・RAG・プロンプトエンジニアリングなどビジネス職向け生成 AI 戦略が中心。 CDL と GAIL の組み合わせは「クラウド + 生成 AI を語れるビジネス職」として強力なポジショニングになります。

データ分析を志す場合は Associate Data Practitioner (ADP) または Professional Data Engineer (PDE)。 ADP は入門レベル (現時点で英語のみ)、PDE はデータエンジニアの本命認定で、BigQuery・Dataflow・Pub/Sub を組み合わせたデータパイプライン設計が中心です。 ADP を経由するか直接 PDE に挑むかは、データ系の業務経験次第で判断するとよいです。

よくある質問

本記事の試験情報は Google Cloud 公式 Cloud Digital Leader 認定ページ およびGoogle Cloud 公式ドキュメント (CC BY 4.0) に基づいています。 本記事は Google LLC の公式商品ではなく、いかなる提携・後援関係もありません。 Google、Google Cloud、Google Cloud Platform、BigQuery、Vertex AI、Gemini、Looker、Dataflow は Google LLC の商標または登録商標です。 情報は 2026 年 5 月 24 日時点の公式公開資料に基づきます。最新情報は必ず公式 Exam Guide をご確認ください。