Exame AI-901: Microsoft Azure AI Fundamentals

radio_button_uncheckedshort_textVisão rápida e dados essenciais do exame

Informações verificadas nas páginas oficiais da Microsoft em 31 de julho de 2026. O conteúdo programático considerado é o vigente desde 15 de abril de 2026.

Visão rápida

O AI-901 é o exame atual da certificação Microsoft Certified: Azure AI Fundamentals. Ele substitui o AI-900 e mantém o nível introdutório, mas apresenta uma orientação mais prática: 55% a 60% da avaliação está associada à implementação de soluções no Microsoft Foundry. O candidato deve compreender os principais tipos de carga de trabalho de IA e saber realizar atividades básicas com prompts, modelos, agentes, texto, fala, visão computacional e extração de informações.

Dados essenciais do exame

radio_button_uncheckedshort_text1. Introdução

A inteligência artificial deixou de ser um tema restrito a laboratórios de pesquisa e passou a fazer parte do desenvolvimento cotidiano de aplicações, serviços digitais, automações corporativas e experiências multimodais. Nesse cenário, a certificação Microsoft Certified: Azure AI Fundamentals funciona como uma porta de entrada para profissionais que precisam compreender os conceitos essenciais de IA e reconhecer como esses conceitos são transformados em soluções na nuvem Microsoft Azure.

O exame AI-901 é a avaliação associada a essa certificação. Ele foi criado para validar não apenas a capacidade de reconhecer termos e tipos de carga de trabalho, mas também habilidades técnicas fundamentais para usar recursos de IA do Azure por meio do Microsoft Foundry. A matriz atual dedica a maior parte do peso da prova à implementação básica de soluções, o que torna o exame mais aplicado do que uma avaliação puramente conceitual.

Este artigo apresenta o propósito do exame, o perfil esperado do candidato, a estrutura da avaliação, os conteúdos cobrados e o significado prático de cada domínio. Também esclarece a transição do AI-900 para o AI-901 e indica como interpretar corretamente o nível de profundidade exigido.

radio_button_uncheckedshort_text2. O que é o exame AI-901

O AI-901: Microsoft Azure AI Fundamentals é o exame que atualmente atende ao requisito da certificação Microsoft Certified: Azure AI Fundamentals. Ao ser aprovado, o candidato demonstra possuir conhecimentos fundamentais sobre inteligência artificial e habilidades iniciais para trabalhar com soluções de IA no ecossistema Azure.

A Microsoft classifica o exame como uma credencial de nível iniciante. Entretanto, “iniciante” não significa ausência completa de prática técnica. O perfil oficial afirma que o candidato deve conhecer conceitualmente as soluções de IA no Azure, possuir habilidades técnicas fundamentais para trabalhar com elas, compreender sintaxe e técnicas de programação em Python e estar familiarizado com recursos do Azure. Também é esperado contato com formas comuns de integração, como APIs REST, SDKs e interfaces de linha de comando.

A prova está associada ao papel de AI Engineer, embora não pretenda validar o nível de profundidade de uma certificação intermediária ou avançada. Seu objetivo é verificar se o candidato consegue identificar o tipo de IA adequado para um cenário, compreender os princípios responsáveis envolvidos e executar tarefas simples de construção e consumo de soluções no Microsoft Foundry.

Exame e certificação não são a mesma coisa

AI-901 é o código do exame. Microsoft Certified: Azure AI Fundamentals é o nome da certificação obtida ao cumprir o requisito. Atualmente, não há exames relacionados adicionais: a aprovação no AI-901 é o requisito listado para essa credencial.

radio_button_uncheckedshort_text3. A transição do AI-900 para o AI-901

O AI-901 substituiu o antigo AI-900, que foi aposentado em 30 de junho de 2026. A certificação Azure AI Fundamentals permaneceu, mas o exame usado para conquistá-la foi atualizado para refletir a evolução do portfólio de IA da Microsoft e a centralidade crescente do Microsoft Foundry.

O AI-900 distribuía a avaliação em cinco áreas conceituais: cargas de trabalho e considerações de IA, princípios de machine learning, visão computacional, processamento de linguagem natural e IA generativa. O AI-901 reorganizou a matriz em apenas dois grandes domínios e passou a reservar entre 55% e 60% da pontuação para implementação de soluções com Foundry.

Essa mudança indica uma diferença importante de expectativa. No exame anterior, um candidato com boa compreensão conceitual e conhecimento geral dos serviços poderia estar bem posicionado. No AI-901, o estudo apenas teórico tende a ser insuficiente, porque a matriz menciona explicitamente tarefas como implantar modelos, interagir pelo portal, criar clientes leves com SDK, testar agentes e construir aplicações simples que processem texto, fala, imagens e documentos.

Comparação resumida

radio_button_uncheckedshort_text4. A quem o AI-901 se destina

O público oficial é composto por pessoas que estão no início da carreira de desenvolvimento de soluções de inteligência artificial. Isso inclui profissionais que ainda não atuam como engenheiros de IA, mas desejam estabelecer uma base técnica verificável para compreender, prototipar e integrar recursos de IA no Azure.

O exame tende a ser especialmente adequado para os seguintes perfis:

• Desenvolvedores iniciantes em IA que já dominam fundamentos de programação e querem conhecer o ecossistema Microsoft para aplicações generativas, multimodais e agentic.
• Profissionais de tecnologia que trabalham com aplicações, APIs, integração, nuvem, dados ou automação e precisam entender onde as capacidades de IA se encaixam em uma arquitetura.
• Estudantes de computação, engenharia, análise de sistemas, ciência de dados ou áreas relacionadas que buscam uma primeira credencial Microsoft em inteligência artificial.
• Arquitetos, analistas técnicos, consultores e profissionais de pré-vendas que precisam conversar com equipes de engenharia sobre modelos, implantação, segurança, uso responsável e integração.
• Profissionais que estudaram para o AI-900, mas desejam atualizar a preparação para a nova matriz centrada no Microsoft Foundry.

Por outro lado, o AI-901 não foi desenhado para provar domínio avançado de treinamento de modelos, matemática de machine learning, MLOps, arquitetura distribuída de produção ou desenvolvimento complexo de agentes. Profissionais que já projetam e implementam sistemas de IA completos podem considerar o exame introdutório demais. Ainda assim, ele pode ser útil para organizar a terminologia oficial da Microsoft e validar familiaridade com a plataforma.

Um exame introdutório, mas não inteiramente não técnico

A principal mudança de perfil em relação ao AI-900 é que o AI-901 pressupõe conhecimento básico de Python, programação e recursos do Azure. Não é necessário ser especialista, porém o candidato deve compreender como uma aplicação se autentica, chama um endpoint, envia entradas, recebe respostas e trata uma solução de IA como parte de um sistema de software.

radio_button_uncheckedshort_text5. Conhecimentos prévios recomendados

A Microsoft não exige uma certificação anterior e não lista exames relacionados obrigatórios. Mesmo assim, o perfil oficial e os roteiros de aprendizagem indicam uma base mínima recomendada. O candidato deve compreender conceitos de computação, matemática elementar, Python e fundamentos de nuvem.

1. Computação e programação: variáveis, tipos de dados, estruturas condicionais, repetição, funções, módulos, tratamento básico de erros e leitura de exemplos de código em Python.
2. Integração de aplicações: noções de HTTP, requisições e respostas, JSON, autenticação, endpoints e uso de bibliotecas ou SDKs para consumir serviços.
3. Azure: conceitos de assinatura, grupo de recursos, região, implantação, identidade, permissões, armazenamento, computação e criação de recursos gerenciados.
4. Matemática básica: interpretação de probabilidades, métricas, dados estruturados e não estruturados e ideia geral de como modelos aprendem padrões. A matriz não exige demonstrações matemáticas avançadas.
5. Conceitos de IA: diferença entre modelos preditivos e generativos, texto, fala, visão, extração de informações, multimodalidade e agentes.

O candidato também deve estar confortável com o vocabulário de uso prático: portal, projeto, endpoint, implantação de modelo, credencial, SDK, prompt de sistema, prompt de usuário, agente, ferramenta, entrada multimodal e conteúdo extraído.

radio_button_uncheckedshort_text6. Estrutura e características da prova

A matriz vigente desde 15 de abril de 2026 divide a avaliação em duas grandes áreas. A primeira verifica se o candidato compreende conceitos, capacidades e cenários de IA. A segunda avalia a implementação básica de soluções no Microsoft Foundry. Os percentuais representam a proporção aproximada de questões atribuídas a cada área e mostram onde o esforço de estudo deve ser concentrado.

A nota mínima informada pela Microsoft é 700. Esse valor não deve ser interpretado como uma porcentagem direta de acertos, porque a Microsoft utiliza uma escala de pontuação. A página oficial também informa que a maioria das perguntas aborda funcionalidades em disponibilidade geral, embora recursos em Preview possam aparecer quando forem amplamente usados.

Na data de verificação deste artigo, a página do exame exibia apenas o idioma inglês e não apresentava data de aposentadoria. A Microsoft também informa que, quando um exame não está disponível no idioma preferido do candidato, pode existir a possibilidade de solicitar tempo adicional. Valores de inscrição variam conforme o país ou região em que a prova é realizada e devem ser confirmados no momento do agendamento.

Outro ponto administrativo relevante é a recomendação de registrar a prova com uma conta Microsoft pessoal. A própria Microsoft alerta que registros associados apenas a uma conta organizacional podem ser perdidos caso o usuário deixe a instituição ou empresa.

radio_button_uncheckedshort_text7. Domínio 1 - Identificar conceitos e capacidades de IA (40% a 45%)

Esse domínio avalia se o candidato consegue compreender os fundamentos que orientam a escolha e o uso de soluções de IA. Não basta decorar nomes de produtos. É necessário reconhecer riscos, capacidades, limitações e o tipo de modelo ou carga de trabalho apropriado para uma necessidade de negócio.

7.1 Princípios de IA responsável

Soluções de IA podem produzir impacto sobre pessoas, processos e decisões. Por isso, a matriz exige que o candidato saiba descrever seis dimensões de IA responsável. As questões podem apresentar um cenário e pedir qual consideração deve ser priorizada, que risco está presente ou que ação reduz determinado problema.

1. Equidade: avaliar se o sistema trata grupos e indivíduos de maneira injustamente diferente. Em um modelo de crédito, por exemplo, deve-se verificar se características correlacionadas a grupos protegidos produzem resultados discriminatórios.
2. Confiabilidade e segurança: garantir que a solução funcione de modo consistente, seja testada em condições realistas, trate falhas e evite resultados perigosos ou inesperados.
3. Privacidade e segurança: proteger dados, credenciais, prompts, saídas e informações pessoais. Isso envolve acesso controlado, armazenamento adequado, minimização de dados e prevenção de exposição indevida.
4. Inclusão: projetar soluções utilizáveis por pessoas com diferentes capacidades, contextos, idiomas e necessidades, evitando que a tecnologia exclua parte do público.
5. Transparência: permitir que usuários entendam quando estão interagindo com IA, quais são as limitações da solução e, quando apropriado, como um resultado foi produzido.
6. Responsabilidade: definir quem responde pelo sistema, pelas decisões de implantação, pelo monitoramento e pela correção de problemas. A decisão final não deve ser atribuída abstratamente ao modelo.

Na prática, essas dimensões se sobrepõem. Uma aplicação de análise de currículos pode ter risco de equidade, privacidade e transparência ao mesmo tempo. O exame pode exigir que o candidato identifique a preocupação mais diretamente associada ao cenário apresentado.

7.2 Componentes e configurações de modelos de IA

A matriz exige que o candidato descreva como modelos generativos funcionam, selecione modelos com base nas capacidades e reconheça opções de implantação e parâmetros de configuração. O nível esperado é conceitual e operacional: entender o que muda quando se escolhe outro modelo, outra modalidade ou outra configuração.

Entre os aspectos que devem ser compreendidos estão:

• Modelos generativos recebem uma entrada, processam o contexto e produzem novas saídas, como texto, código, imagem, áudio ou conteúdo multimodal.
• Modelos diferentes podem variar em qualidade, velocidade, custo, tamanho do contexto, modalidades suportadas, capacidade de raciocínio e adequação a uma tarefa.
• Uma implantação disponibiliza o modelo para consumo por aplicações, normalmente por meio de um endpoint, credenciais e parâmetros definidos no ambiente.
• Parâmetros de geração influenciam o comportamento da resposta, como grau de variabilidade, limite de saída e preferência por alternativas mais ou menos prováveis.
• A escolha do modelo deve partir do cenário: classificar texto, conversar, analisar uma imagem, gerar uma figura, responder a áudio ou executar uma tarefa agentic não são necessidades idênticas.

O exame pode apresentar duas ou mais alternativas e pedir qual modelo ou tipo de implantação atende melhor a requisitos de multimodalidade, custo, latência ou capacidade. O candidato não precisa memorizar todos os modelos disponíveis no catálogo, mas deve compreender os critérios de seleção.

7.3 Cargas de trabalho de IA

A terceira parte do domínio conceitual envolve reconhecer cenários para cargas de trabalho comuns. A habilidade central é transformar uma necessidade descrita em linguagem de negócio no tipo técnico de solução mais apropriado.

IA generativa

Criação ou transformação de conteúdo. Exemplos incluem responder perguntas, resumir documentos, produzir texto, gerar imagens e auxiliar na escrita de código. O candidato deve distinguir geração de conteúdo de análise determinística ou extração estruturada.

IA agentic

Soluções em que um agente recebe um objetivo, utiliza instruções e contexto, pode chamar ferramentas e executa etapas para concluir uma tarefa. O agente não é apenas um chatbot: ele pode planejar ações, consultar fontes e interagir com serviços.

Análise de texto

Processamento de conteúdo textual para identificar palavras-chave, entidades, sentimento, tópicos, linguagem, resumo e outras características semânticas.

Fala

Reconhecimento de voz para converter fala em texto e síntese para transformar texto em voz. Também podem aparecer cenários de interação falada com modelos multimodais.

Visão computacional

Interpretação de imagens e conteúdo visual, incluindo descrição, análise, reconhecimento de elementos e uso de entradas visuais em prompts multimodais.

Geração de imagens

Produção de novos elementos visuais a partir de instruções textuais ou outras entradas, distinguindo geração de análise visual.

Extração de informações

Transformação de documentos, formulários, imagens, áudio ou vídeo em dados e campos úteis. O foco é obter estrutura a partir de conteúdo não estruturado ou semiestruturado.

radio_button_uncheckedshort_text8. Domínio 2 - Implementar soluções de IA usando Microsoft Foundry (55% a 60%)

Esse é o domínio de maior peso e a característica mais marcante do AI-901. O candidato precisa reconhecer como uma solução é criada, configurada, testada e consumida. A palavra “implementar” deve ser interpretada no nível de fundamentos: executar tarefas guiadas no portal, compreender pequenos trechos de código e montar aplicações leves, sem exigir arquitetura de produção avançada.

8.1 O papel do Microsoft Foundry

O Microsoft Foundry funciona como plataforma central para explorar modelos, organizar projetos, implantar recursos, criar agentes, testar prompts e integrar capacidades de IA às aplicações. No contexto do exame, ele representa o ambiente unificado no qual diferentes cargas de trabalho são desenvolvidas e consumidas.

O candidato deve compreender a relação entre o portal e o código. O portal permite configurar e testar recursos visualmente; o SDK e os endpoints permitem que uma aplicação use esses mesmos recursos programaticamente. Em uma questão, uma atividade pode ser descrita como configuração no Foundry portal ou como consumo por um pequeno cliente Python.

8.2 Aplicações de IA generativa e agentes

A matriz lista cinco habilidades específicas para IA generativa e agentes: elaborar prompts efetivos, implantar um modelo, interagir com ele no portal, criar um cliente de chat leve, construir e testar uma solução com um único agente e criar um cliente para esse agente.

1. Prompts de sistema e de usuário: o prompt de sistema estabelece comportamento, regras, papel e limites gerais; o prompt de usuário contém a solicitação concreta. O candidato deve saber separar instruções permanentes da tarefa atual e formular pedidos claros, contextualizados e verificáveis.
2. Implantação do modelo: selecionar um modelo, disponibilizá-lo no projeto, definir uma implantação e obter os elementos necessários para integração. A implantação transforma uma opção de catálogo em um recurso consumível.
3. Interação no portal: usar uma experiência de teste para enviar prompts, observar respostas e ajustar instruções ou parâmetros antes de integrar a solução ao código.
4. Cliente de chat com SDK: inicializar um cliente, autenticar, referenciar a implantação, enviar mensagens e tratar a resposta. O código tende a ser curto, mas o candidato deve entender o fluxo.
5. Agente único: definir instruções, recursos e comportamento de um agente; testá-lo no portal; depois criar uma aplicação cliente que envie solicitações e acompanhe respostas ou execuções.

O que significa “cliente leve”

É uma aplicação pequena, criada para demonstrar integração com o serviço. Em geral, envolve poucas etapas: configurar endpoint e autenticação, instanciar um cliente, enviar uma entrada, receber a saída e apresentar ou processar o resultado. Não se trata de construir uma plataforma completa de produção.

8.3 Texto e fala

O candidato deve saber construir uma aplicação simples que realize análise de texto, responder a comandos falados por meio de um modelo multimodal implantado e usar Azure Speech nas Foundry Tools.

Em análise de texto, o estudo deve incluir a identificação de palavras-chave, entidades, sentimento e resumos. A questão pode pedir o recurso apropriado, a sequência básica de integração ou a interpretação do resultado retornado. É importante entender que modelos de propósito geral podem executar tarefas textuais, enquanto ferramentas especializadas oferecem capacidades estruturadas para determinados cenários.

Em fala, há dois caminhos principais. Um serviço especializado pode reconhecer e sintetizar voz; um modelo multimodal pode aceitar áudio ou instruções faladas como parte da interação. O candidato deve reconhecer quando usar transcrição, síntese, interação conversacional ou uma combinação dessas capacidades.

8.4 Visão computacional e geração de imagens

A matriz pede que o candidato interprete entradas visuais em prompts com modelos multimodais, crie novas saídas visuais com modelos generativos e desenvolva uma aplicação leve com capacidades de visão.

Interpretar uma imagem significa enviar conteúdo visual junto com instruções e solicitar uma análise, descrição, comparação, identificação ou resposta contextual. Gerar uma imagem significa criar um novo conteúdo visual a partir de um prompt. Esses processos usam modalidades diferentes e podem exigir modelos e endpoints distintos.

Em uma aplicação leve de visão, o fluxo normalmente inclui preparar a imagem ou sua referência, enviar a entrada ao modelo, definir a instrução de análise e processar a resposta. O candidato deve estar atento a formatos aceitos, limites de entrada, segurança do conteúdo e adequação do modelo ao objetivo.

8.5 Extração de informações com Azure Content Understanding

A extração de informações é uma das áreas que mais evidencia a ampliação do AI-901. A matriz menciona explicitamente Azure Content Understanding nas Foundry Tools para extrair dados de documentos e formulários, imagens, áudio e vídeo.

O objetivo é converter conteúdo complexo em informações utilizáveis. Em um formulário, isso pode significar identificar campos e valores; em uma imagem, localizar elementos ou dados; em áudio, reconhecer segmentos e informações relevantes; em vídeo, combinar sinais visuais e sonoros. A aplicação cliente recebe uma entrada, solicita a análise e usa a saída estruturada no processo de negócio.

O candidato deve compreender a diferença entre simplesmente gerar uma descrição livre e extrair dados com estrutura. Em muitos cenários corporativos, o valor está em transformar conteúdo não estruturado em campos que possam alimentar sistemas, pesquisas, validações ou automações.

radio_button_uncheckedshort_text9. O que pode aparecer em questões práticas e de cenário

A Microsoft não publica antecipadamente o formato exato de todas as questões, mas a matriz permite prever os tipos de raciocínio que o candidato precisará aplicar. Em vez de estudar apenas definições isoladas, é mais eficiente praticar decisões e sequências de implementação.

1. Escolha de carga de trabalho: uma empresa quer identificar nomes de organizações e locais em avaliações de clientes. O candidato deve reconhecer análise de texto com detecção de entidades, e não geração de imagens ou síntese de fala.
2. IA responsável: um sistema apresenta taxas de erro muito diferentes entre grupos de usuários. A preocupação principal é equidade, embora confiabilidade e responsabilidade também possam participar da solução.
3. Modelo multimodal: uma aplicação precisa receber uma fotografia e responder perguntas sobre o conteúdo visual. A escolha deve recair sobre um modelo com capacidade de visão, não sobre um modelo exclusivamente textual.
4. Prompting: uma aplicação deve sempre responder em determinado formato e evitar revelar dados sensíveis. Regras persistentes pertencem ao prompt de sistema; a pergunta específica pertence ao prompt de usuário.
5. Agente: um assistente precisa consultar uma fonte ou executar uma ação para cumprir um objetivo. O cenário sugere uma solução agentic com ferramentas, não apenas uma resposta gerada sem acesso a recursos externos.
6. Content Understanding: uma organização deseja extrair campos de contratos, imagens anexas e gravações de reuniões. A solução deve considerar extração multimodal e geração de saídas estruturadas.
7. Cliente Python: um trecho de código cria um cliente, usa endpoint e credencial e envia uma solicitação. A questão pode pedir qual elemento falta, qual método inicia a interação ou como a resposta é recuperada.

Como o guia informa que o candidato deve conhecer REST APIs, SDKs e CLIs, podem aparecer perguntas que comparem formas de acesso ou mostrem pequenos fragmentos de comandos e código. O objetivo não é memorizar uma aplicação extensa, mas entender o papel de endpoint, autenticação, parâmetros, payload, modelo implantado e resposta.

radio_button_uncheckedshort_text10. O nível de Python esperado

O AI-901 não é um exame de programação Python, mas Python aparece como uma habilidade de base. Isso significa que o candidato deve conseguir ler e compreender um cliente simples de IA, identificar seus componentes e fazer pequenas adaptações.

É recomendável dominar:

• Criação de variáveis, strings, listas e dicionários.
• Importação de pacotes e classes.
• Instanciação de clientes e passagem de parâmetros.
• Leitura de valores em objetos ou respostas JSON.
• Uso de funções e estruturas condicionais básicas.
• Tratamento simples de erros e validação de entradas.
• Uso seguro de credenciais, preferindo variáveis de ambiente ou mecanismos de identidade em vez de segredos fixos no código.

Não é necessário estudar algoritmos avançados, bibliotecas de ciência de dados em profundidade ou treinamento manual de redes neurais para atender ao escopo descrito. A prioridade é entender a integração entre a aplicação e os recursos implantados no Azure.

radio_button_uncheckedshort_text11. Como interpretar a menção a machine learning

A descrição resumida da página do exame ainda menciona “princípios fundamentais de machine learning no Azure”. Entretanto, o guia de estudo vigente organiza as habilidades em dois domínios e não apresenta uma seção autônoma de machine learning como existia no AI-900. Na matriz atual, o conhecimento relacionado a modelos aparece principalmente em funcionamento de modelos generativos, seleção de modelos, opções de implantação e reconhecimento de cargas de trabalho.

Para o estudo, o guia de habilidades medido desde 15 de abril de 2026 deve ser tratado como a referência principal. Ainda é útil conhecer conceitos básicos de modelos, dados, treinamento e inferência, mas o candidato deve evitar dedicar a maior parte do tempo a algoritmos clássicos que não aparecem explicitamente na matriz atual. O foco prático é usar capacidades disponíveis no Microsoft Foundry.

Regra de prioridade para o estudo

Quando uma descrição geral e a matriz detalhada parecerem ter ênfases diferentes, priorize o guia de estudo mais recente e seus tópicos de “Skills measured”. Ele é o documento que detalha como as habilidades estão sendo avaliadas.

radio_button_uncheckedshort_text12. Roteiros oficiais de preparação

A Microsoft disponibiliza dois roteiros de aprendizagem de seis módulos. Eles se complementam: o primeiro desenvolve a base conceitual; o segundo leva o candidato à prática no Azure e no Microsoft Foundry.

12.1 AI concepts for developers and technology professionals

Esse roteiro é introdutório e exige apenas compreensão básica de computação e matemática. Ele aborda conceitos gerais e terminologia de IA antes de aprofundar as cargas de trabalho mais importantes:

• Introdução aos conceitos de IA e IA responsável.
• IA generativa, grandes modelos de linguagem, prompts e agentes.
• Processamento de linguagem natural e análise de texto.
• Reconhecimento e síntese de fala.
• Visão computacional.
• Extração de informações de documentos, imagens e outras fontes não estruturadas.

12.2 Get started with AI applications and agents on Azure

Esse roteiro pressupõe conceitos básicos de computação e Python. Ele mostra como iniciar cargas de trabalho e soluções no Microsoft Foundry e inclui atividades de aplicação:

• Primeiros passos com IA no Azure e uso de endpoints do Foundry.
• Modelos generativos e agentes no Microsoft Foundry.
• Análise de texto e construção de um cliente Python leve.
• Reconhecimento e síntese de fala com Azure Speech.
• Análise visual e geração de imagens ou vídeos com modelos multimodais e generativos.
• Extração de informações com Azure Content Understanding.

A sequência mais coerente é estudar primeiro os conceitos e depois repetir cada área em sua versão prática. Por exemplo: compreender NLP e análise de texto; em seguida, executar o módulo de análise de texto no Azure. Esse pareamento reduz a distância entre definição e implementação.

radio_button_uncheckedshort_text13. Estratégia recomendada de estudo

Uma preparação eficiente deve refletir a distribuição da prova. Como o domínio de implementação representa de 55% a 60%, é inadequado dedicar quase todo o tempo à memorização de conceitos. O candidato deve combinar leitura, prática no portal e leitura de pequenos exemplos em Python.

1. Mapear a matriz: transforme cada bullet oficial em um objetivo de estudo verificável. Evite usar somente resumos antigos do AI-900.
2. Construir a base conceitual: estude IA responsável, tipos de carga de trabalho, modelos generativos, multimodalidade, análise de texto, fala, visão, agentes e extração de informações.
3. Praticar no Foundry: crie ou explore um projeto, teste um modelo, ajuste prompts, observe endpoints, entenda implantações e experimente um agente simples.
4. Reproduzir clientes leves: leia e execute exemplos pequenos de chat, análise de texto, fala, visão e extração de informações. Concentre-se na estrutura comum das integrações.
5. Treinar decisões de arquitetura: para cada cenário, responda: qual carga de trabalho, qual tipo de modelo, qual ferramenta, qual entrada, qual saída e qual risco de IA responsável?
6. Usar a avaliação prática oficial: a Microsoft disponibiliza Practice Assessment no AI Skills Navigator. O acesso exige autenticação e pode ajudar a identificar lacunas antes do exame.
7. Revisar o guia próximo da prova: os exames são atualizados periodicamente. Confirme a data e a matriz vigentes antes de agendar ou realizar a avaliação.

radio_button_uncheckedshort_text14. Para quem o AI-901 pode não ser suficiente

A certificação valida fundamentos. Ela não substitui experiência em projetos reais e não demonstra, isoladamente, capacidade para liderar soluções complexas de IA. Alguns objetivos profissionais exigem estudos adicionais:

• Treinar, avaliar e otimizar modelos de machine learning requer aprofundamento em dados, estatística, experimentação e Azure Machine Learning.
• Construir aplicações de IA em produção exige arquitetura, segurança, observabilidade, custos, desempenho, testes, governança e integração com sistemas corporativos.
• Desenvolver agentes avançados exige ferramentas, memória, grounding, avaliação, proteção contra instruções maliciosas, coordenação de fluxos e controle de ações.
• Implementar soluções reguladas exige conhecimento adicional de privacidade, conformidade, auditoria, gestão de riscos e políticas organizacionais.

Assim, o AI-901 deve ser entendido como um ponto de partida. Seu valor está em criar linguagem comum, organizar fundamentos e comprovar contato inicial com a plataforma. A consolidação profissional ocorre quando esse conhecimento é aplicado em laboratórios, projetos e funções reais.

radio_button_uncheckedshort_text15. Conclusão

O exame AI-901 representa a atualização da certificação Azure AI Fundamentals para uma fase em que inteligência artificial generativa, multimodalidade, agentes e extração de conteúdo fazem parte do desenvolvimento de software. Ele mantém a proposta de nível iniciante, porém exige um candidato mais técnico do que o antigo AI-900: alguém capaz de compreender conceitos e também de executar implementações básicas no Microsoft Foundry.

Os conteúdos cobrados estão concentrados em dois blocos. O primeiro trata de IA responsável, modelos e cargas de trabalho. O segundo, com maior peso, trata da implementação de aplicações generativas e agentic, texto, fala, visão computacional, geração de imagens e extração de informações com Content Understanding. A presença explícita de Python, SDKs, APIs REST e CLIs reforça que a preparação deve incluir prática.

A certificação se destina principalmente a estudantes, desenvolvedores e profissionais de tecnologia no início da jornada em soluções de IA no Azure. Para esse público, o AI-901 oferece uma base atualizada para compreender a plataforma, conversar com equipes técnicas e avançar posteriormente para projetos e credenciais de maior profundidade.

Referências oficiais

1. Microsoft Learn. Exam AI-901: Microsoft Azure AI Fundamentals. Acesso em: 31 jul. 2026.
2. Microsoft Learn. Study guide for Exam AI-901: Microsoft Azure AI Fundamentals. Acesso em: 31 jul. 2026.
3. Microsoft Learn. Microsoft Certified: Azure AI Fundamentals. Acesso em: 31 jul. 2026.
4. Microsoft Learn. AI concepts for developers and technology professionals. Acesso em: 31 jul. 2026.
5. Microsoft Learn. Get started with AI applications and agents on Azure. Acesso em: 31 jul. 2026.
6. Microsoft Learn. Exam AI-900: Microsoft Azure AI Fundamentals (retired). Acesso em: 31 jul. 2026.
7. Microsoft Learn. Course AI-901T00-A: Introduction to AI in Azure. Acesso em: 31 jul. 2026.

Nota: As páginas de certificação e os objetivos de exame podem ser alterados pela Microsoft. Antes de realizar a prova, consulte novamente a página oficial e o guia de estudo mais recente.