AI-103 完全ガイド｜Developing AI Apps and Agents on Azure

Microsoft Certified: Developing AI Apps and Agents on Azure (AI-103) は、Azure 上で生成 AI を活用したアプリケーションと AI エージェントを開発するエンジニア向け Associate 認定で、2026 年 6 月 30 日 GA の新しい試験です。 従来の AI-102 (Azure AI Engineer Associate) の事実上の後継で、焦点が『古典的 Azure AI Services の組み合わせ』から『生成 AI と AI Agent 中心の実装』に大きくピボットしているのが特徴。 Microsoft が AI 領域に最重点投資する 2026 年における最注目の Associate 認定と言えます。

本記事では、AI-103 の試験仕様 (GA 前情報に基づく予想)、AI-102 との違い、Azure AI Foundry を中心とした出題範囲、RAG / Agent / Responsible AI の実装ポイント、3-4 ヶ月の合格ロードマップまでを整理します。 GA 直後はバウチャーキャンペーンが豊富になる可能性が高く、新興領域での先行者利益を取りたい AI エンジニアにとって 2026 年下半期がベストタイミングと言えるでしょう。

AI-103 の試験基本仕様 (GA 前情報)

AI-103 の試験仕様は Associate ティア共通で、GA 時点では以下が予想されます。120 分・40 ~ 60 問、合格点 700 / 1000、165 USD / 21,103 円、12 ヶ月有効 (renewal assessment で更新可)。 Pearson VUE 経由で OnVUE オンラインまたはテストセンターで受験可能。日本語対応は GA 直後ではなく数ヶ月後の段階対応が予想されますが、AI-102 と同様の多言語対応に最終的に揃う見込みです。 出題形式は選択肢問題に加え、Python / C# のコード読解、Prompt Engineering / RAG パイプライン設計のシナリオ問題、ケーススタディを含むことが見込まれます。

AI-102 から AI-103 への進化

AI-103 は AI-102 の単なる年次更新ではなく、カバー領域そのものを生成 AI 中心にピボットさせた再構成です。 AI-102 で重点的に問われていた 古典的 Azure AI Services (Computer Vision・Speech・Language Understanding・QnA Maker・Bot Service) の比重は明確に縮小し、代わりに Azure OpenAI・Azure AI Foundry・Azure AI Agent Service・Azure AI Search の RAG 活用・Semantic Kernel・Prompt Flow・Responsible AI 評価 が中核になります。 Microsoft の認定戦略上、生成 AI / Agent 時代の Azure AI エンジニア像をリブランドする狙いが見て取れる試験です。

この変化により、AI-102 既保有者でも AI-103 のために新規学習が必須。具体的には Azure AI Foundry のプロジェクト構成、Agent Service の Tool 呼び出しパターン、Prompt Flow の DAG 設計、RAG の精度評価メトリクス (Faithfulness・Groundedness・Relevance) など、AI-102 では深掘りされていなかった領域を全面的にキャッチアップする必要があります。

ドメイン 1: Azure 上の AI ソリューション計画と準備 (15-20%、予想)

AI プロジェクトの立ち上げと設計を扱うドメインです。 中心は Azure AI Foundry プロジェクトの作成と Hub / Project 階層、モデル選定(OpenAI gpt-4o / gpt-4o-mini / o1 / o3 / Phi シリーズ / オープンモデル)、Responsible AI 評価設計 (Content Safety・公平性・プライバシー)、セキュリティ設計 (Private Endpoint・Managed Identity・Customer-Managed Key)、コスト見積もり (Token 単価モデル) が含まれます。

ドメイン 2: 生成 AI ソリューションの実装 (30-35%、最重要)

配点最大の中核ドメインで、本試験の合否を最も大きく左右します。 中心は Azure OpenAI Service のモデルデプロイ (Standard / Provisioned / Global)、Prompt Engineering (System / User / Assistant メッセージ設計、Few-shot プロンプト、Chain of Thought)、RAG パターン (Azure AI Search の Vector / Hybrid 検索 + OpenAI 生成)、Prompt Flow による LLM ワークフロー (DAG 形式)、モデル評価 (組み込みメトリクス: Groundedness・Relevance・Coherence・Fluency・Faithfulness、カスタム LLM-as-a-Judge)。

実装言語は Python と C# の双方が問われ、特に Python の Azure OpenAI SDK と OpenAI Python SDK の使い分け、ストリーミングレスポンスのハンドリング、トークン使用量のトラッキング、Function Calling / Tool Calling のスキーマ定義が頻出です。

ドメイン 3: AI Agent の開発 (20-25%、新規領域)

AI-103 で新規追加された目玉ドメインです。 中心は Azure AI Agent Service (旧 Azure AI Assistant API) によるマネージド Agent 構築、Semantic Kernel (Microsoft の Agent SDK) による Multi-Agent オーケストレーション、Tools / Functions の統合 (Code Interpreter・File Search・Bing Grounding・Custom Function)、会話状態管理 (Thread・Run・Message ライフサイクル)、マルチエージェントパターン (Sequential・Concurrent・Group Chat・Handoff)。

Agent 領域は 2024-2026 で急速に進化した分野で、Microsoft 公式リソース・Microsoft Build 2026 セッション・Azure AI Foundry のサンプルリポジトリが最も鮮度の高い学習教材になります。第三者書籍は GA 直後にはほぼ存在しないため、Microsoft Learn と GitHub サンプルの直接読解が必須の学習スタイルです。

ドメイン 4: 古典的 AI 機能の実装 (15-20%、AI-102 継承)

AI-102 から継承された古典 Azure AI Services の領域で、配点比率は縮小しつつも残ります。 中心は Document Intelligence (旧 Form Recognizer) による帳票 OCR、Azure AI Speech (Text-to-Speech / Speech-to-Text / Speech Translation)、Azure AI Vision (Image Analysis 4.0・Face API・Optical Character Recognition)、Azure AI Language (感情分析・要約・キーフレーズ抽出・PII 検出・カスタム NER / 分類)。 AI-102 既保有者ならほぼ復習で済む領域ですが、未経験者は API パターンと SDK 使用法を一通り学ぶ必要があります。

ドメイン 5: AI ソリューションの監視と保守 (10-15%、予想)

本番運用フェーズを扱うドメインです。 中心は モデル性能監視 (Token 消費・レイテンシ・エラー率・モデル品質スコア)、コンテンツ安全性運用 (Azure AI Content Safety で Prompt Shield・Groundedness Detection・Protected Material 検出)、コスト最適化 (Provisioned Throughput Units の活用・キャッシュ・モデルサイズ選定)、モデル更新管理 (新バージョンへのカナリアデプロイ、Prompt のバージョニング)。 生成 AI 特有の幻覚検知 (Hallucination Detection)・プロンプトインジェクション対策・データ漏洩防止は AI-102 にはなかった新領域です。

3-4 ヶ月の合格ロードマップ

AI-901 取得済み + Python 経験ありを想定した 3 ヶ月プランです。Month 1: Microsoft Learn の AI-103 学習パス (生成 AI 編) を消化、Azure AI Foundry でプロジェクト作成・OpenAI モデルデプロイ・基本的な Prompt Engineering 実演。Month 2: RAG パターン (Azure AI Search + OpenAI) を 1 つ実装、Prompt Flow で評価パイプライン構築、Agent Service で Tool 呼び出し付き Agent を 1 つ作成。Month 3: 古典 AI Services の復習・Responsible AI 評価・Content Safety 実装・公式 Practice Assessment を 80% 取れるまで反復。 Python / AI 未経験者は前段に Python 基礎と AI-901 学習で 2-3 ヶ月置いて、合計 5-6 ヶ月計画が現実的です。

AI-103 の次に何を目指すか

AI 開発者の上位を目指すなら、現状 Microsoft の AI 系 Expert 認定は未提供のため、AZ-305 (Solutions Architect Expert) で AI を含む全体設計力を取得するのが現実的な進路。 データ系を兼ねるなら DP-100 (Data Scientist Associate) で機械学習側を補強、もしくは DP-700 (Fabric Data Engineer Associate) でデータ基盤側を補強。 エンタープライズ AI 導入に強い人材を目指すなら、AI-103 + AZ-305 + SC-300 (Identity Admin) の 3 本セットで『AI を安全に組織展開できる人』ポジションを確立できます。 Microsoft 認定外でも、OpenAI / Anthropic / Google Cloud (Generative AI Leader) などのマルチプラットフォーム認定との二刀流が AI エンジニア転職市場で評価されつつあります。

よくある質問

本記事の試験情報は Microsoft Learn 公式認定ページ およびAzure AI Foundry 公式ドキュメント に基づいています。 AI-103 は 2026 年 6 月 30 日 GA 予定の試験で、本記事の出題範囲・配点・受験料は GA 前情報に基づく推定を含みます。 本記事は Microsoft Corporation 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。 Microsoft、Azure、Microsoft Entra、Azure OpenAI は Microsoft group of companies の商標です。 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ページをご確認ください。