AI-900/AI-901のサンプル問題（本番形式・解説付き）
AI-900/AI-901（Microsoft・Azure AI Fundamentals）の出題形式を、実際の問題で確かめられます。ここに掲載する5問は、無料の会員登録ですぐ解ける模試 第1回（50問）の冒頭から抜粋したオリジナル問題です。当サイトは全350問を本番CBT準拠の形式で収録しており、この5問はそのごく一部にあたります。
設問1
Microsoft Foundry のプレイグラウンドでモデルの応答を確認した開発者が、次の段階として社内業務システムにチャット機能を組み込みたい。Pythonアプリケーションからプロジェクトのモデルを呼び出す手段として最も適切なものはどれか。
- モデルカタログから同じモデルをもう一度デプロイし直す
- Azure Machine Learning デザイナーでパイプラインを構築する
- Foundry SDK（azure-ai-projects パッケージ）を使ってクライアントアプリを実装する（正解）
- Azure AI Search のインデックスを新規作成する
解説
アプリケーションから Foundry プロジェクトのモデルを呼び出すには Foundry SDK（Pythonでは azure-ai-projects）を使います。モデルの再デプロイは呼び出し手段にならず、Azure ML デザイナーは機械学習パイプラインの構築、Azure AI Search は検索インデックスのためのサービスです。
他の選択肢が誤りである理由
- 「モデルカタログから同じモデルをもう一度デプロイし直す」モデルの再デプロイはモデルを利用可能な状態にする準備であり、Pythonアプリから呼び出す手段にはなりません。
- 「Azure Machine Learning デザイナーでパイプラインを構築する」Azure Machine Learning デザイナーはノーコードで機械学習パイプラインを設計するツールで、既存モデルをPythonアプリから呼び出す用途には対応しません。
- 「Azure AI Search のインデックスを新規作成する」Azure AI Search はドキュメント検索インデックスを作成するサービスで、モデルを呼び出すクライアント機能は持ちません。
設問2
融資審査AIが、特定の性別や地域の申請者を不利に扱わないように設計・検証することは、Microsoft の責任あるAIのどの原則に最も関係するか。
- 信頼性と安全性
- 公平性（正解）
- 包括性
- 説明責任
解説
すべての人を偏りなく扱うことを目指すのは公平性（Fairness）です。包括性は多様なユーザーが使える設計、説明責任は人間が結果に責任を持つことを指します。
他の選択肢が誤りである理由
- 「信頼性と安全性」信頼性と安全性はシステムが意図した通りに動作し障害に対して安全であることに関する原則で、特定グループへの偏りの排除を主眼とするものではありません。
- 「包括性」包括性は多様な背景を持つすべてのユーザーが利用できるようアクセシビリティを確保することが主眼で、審査での偏り排除とは別の原則です。
- 「説明責任」説明責任はAIの決定に対して人間が責任を持つことを指す原則で、特定グループへの不公平な扱いを排除することとは異なります。
設問3
請求書PDFから「請求番号」「金額」「請求日」などの項目を、キーと値のペアとして構造化して自動抽出したい。最も適した Foundry Tools のサービスはどれか。
- Azure AI Speech
- Azure AI Vision の画像分類
- Azure AI Language の感情分析
- Azure Content Understanding（正解）
解説
フォームや請求書・領収書からフィールド（キーと値）や表を構造化抽出するのは Azure Content Understanding（Foundry Tools）です。単なる文字起こしのOCRより一段進んだ「項目抽出」を行い、AI-901 の主役領域である情報抽出の中心サービスです（従来この役割を担った Document Intelligence の後継的な位置づけ）。
他の選択肢が誤りである理由
- 「Azure AI Speech」Azure AI Speech は音声認識・合成が専門で、PDF文書からのテキストフィールド構造化抽出は行いません。
- 「Azure AI Vision の画像分類」画像分類は画像全体を1つのカテゴリに分類する機能で、請求番号や金額などの項目をキーと値のペアで取り出すことはできません。
- 「Azure AI Language の感情分析」感情分析はテキストのポジティブ/ネガティブを判定する機能で、請求書のフィールド抽出には対応しません。
設問4
「出張申請のチャットに『来週、大阪に出張したい』と伝えると、AIが社内規定を確認し、経路を検索し、申請フォームの起票までを自動で完了させる」。このシナリオが該当するAIワークロードはどれか。
- テキスト分析
- エージェントAI（正解）
- 音声
- 情報抽出
解説
検索やフォーム操作といったツールを使い、複数の手順を自律的に進めてタスクを完了させるのはエージェントAIの典型シナリオです。テキスト分析は文章から意味や傾向を読み取る分析、音声は音声認識・合成、情報抽出はコンテンツからのデータ値の取り出しが主目的で、作業の自律的な遂行までは含みません。
他の選択肢が誤りである理由
- 「テキスト分析」テキスト分析は文章から感情や要点を読み取る処理で、社内システムへの操作や申請フォームの起票など実際のタスク実行は行いません。
- 「音声」音声ワークロードは音声認識や合成が対象で、複数のシステムを横断してタスクを完了させる自律的な処理ではありません。
- 「情報抽出」情報抽出は文書からデータを取り出す処理で、ツールを使って経路検索や申請を自動で進める自律的な実行は含みません。
設問5
質問にテキストで答えるだけのチャットボットと比べたとき、Microsoft Foundry の「エージェント」の特徴として最も適切なものはどれか。
- ツールの呼び出しや外部データへのアクセスを自律的に行い、複数のステップを経てタスクを完了できる（正解）
- テキスト生成の速度が通常のモデル呼び出しより常に速くなる
- 会話のたびにモデル自体が再学習され、自動的に賢くなっていく
- モデルを単体で呼び出すより安いトークン単価で応答が生成される
解説
エージェントはモデルの推論にツール呼び出し・外部データへのアクセス・複数ステップの意思決定を組み合わせ、タスクを自律的に完了できる点が、テキスト生成だけのチャットボットとの違いです。速度や単価が有利になる仕組みではなく、会話によってモデルが再学習されることもありません。
他の選択肢が誤りである理由
- 「テキスト生成の速度が通常のモデル呼び出しより常に速くなる」エージェントはツール呼び出しや複数ステップの処理が加わるため、モデル単体より応答速度が速くなることはなく、むしろ遅くなる場合があります。
- 「会話のたびにモデル自体が再学習され、自動的に賢くなっていく」エージェントアーキテクチャでは会話中にモデルのウェイトは更新されず、再学習は別途ファインチューニングとして行うものです。
- 「モデルを単体で呼び出すより安いトークン単価で応答が生成される」エージェントはツール呼び出しや複数ステップの処理を伴うため、単体呼び出しよりコストが下がる仕組みはありません。
続きは無料の会員登録ですぐ解けます。第1回模試（50問）は、これから先もずっと無料です。
第1回模試（無料）を解く