AIAI Agent Dev Labaiagentdev-lab.com
3分適性診断 →
トップ›無料資格学習›AB-100

無料資格学習 · AB-100

AB-100エージェント型 AI ビジネスソリューションアーキテクト（Expert）

Microsoft Certified: Agentic AI Business Solutions Architect Expert

Expert試験提供中（2026-10-14 英語版更新予定）難易度：上級（アーキテクト向け。Dynamics 365・Power Platform・Copilot Studio・Foundry の横断知識が前提）学習時間：60〜90時間（目安・当サイト推定。前提となる Associate 資格の学習時間は別）

AI・エージェントを業務プロセスに組み込む全体設計、ROI 分析、ガバナンス、ALM を主導するアーキテクト・DX 推進責任者。

公式ページに「英語版は 2026-10-14 に更新」と記載。更新後のスキル概要（軽微な変更）を本ページに反映済み。

試験番号について：「AI-100」と表記されることがありますが、公式の試験番号は「AB-100」です。過去に同じ「AI-100」の番号で提供されていた別の試験（Azure AI ソリューション設計）とは無関係です。

公式情報（2026-10-03 確認）

資格名（公式）
Microsoft Certified: Agentic AI Business Solutions Architect Expert
試験
Exam AB-100: Agentic AI Business Solutions Architect
レベル
Expert
想定ロール
Solution Architect（公式表記）
試験時間
公式の試験ページで確認してください（本ページ作成時点で時間の記載を確認できず）
合格基準
700（公式試験ページ記載の Passing score）
提供言語
英語・日本語ほか（公式ページ記載）
前提条件
AB-100 の合格に加え、指定された Associate 資格のいずれか1つの取得が必要。本サイトで扱う AI-300・AI-103・AB-620 はいずれも対象に含まれる（公式ページ記載）。

前提となる Associate 資格（いずれか1つ・公式資格ページ記載）

MB-330PL-400MB-230MB-310MB-500MB-800MB-820AI-300（本サイトで学習可）AI-103（本サイトで学習可）AB-620（本サイトで学習可）AB-210AB-410AB-250

資格ページ（上記13件）と試験ページ（MB-280・PL-200 を加えた15件）で一覧に差異があります（2026-10-03 確認）。受験前に必ず公式ページで最新の一覧を確認してください。

出題分野と比率（公式）

比率は公式スタディガイド記載の範囲です。問題数：独自問題バンク 315問（うち複数選択 18問・並べ替え 10問・微差問題 156問・ケーススタディ 6件 22問）。模擬試験は 50問・75分（当サイト独自の設定）。

学習：分野別の要点

01

AI を活用したビジネスソリューションの計画

Plan AI-powered business solutions

25–30%

学習目標

  • タスク自動化・データ分析・意思決定支援のどこにエージェントを使うか評価できる
  • グラウンディング用データの品質（正確性・関連性・鮮度・整備状況・可用性）を点検できる
  • Cloud Adoption Framework の AI 導入プロセスと AI CoE を踏まえた全社戦略を描ける
  • TCO を含む ROI 分析と、構築・購入・拡張の判断ができる

要点

  • 最初に「その業務でエージェントが何をするか」を分類する：タスクの自動化、データ分析、意思決定の支援。意思決定は最終判断を人に残す設計が前提。
  • グラウンディング用データは、正確性・関連性・鮮度・整備状況（クリーンさ）・可用性で点検する。データが整っていなければエージェントの品質は上がらない。
  • Cloud Adoption Framework の AI 導入プロセスに沿って、戦略・計画・準備・ガバナンスを段階的に進める。
  • Microsoft 365 Copilot の拡張で足りるか、Copilot Studio でカスタムエージェントを作るか、Foundry でカスタムモデルを作るかを要件で判断する。
  • プロンプトライブラリとプロンプト作成ガイドラインを整備し、部門間で品質を揃える。AI CoE（Center of Excellence）が推進とガバナンスの中核となる。
  • ROI は TCO（ライセンス・開発・運用・人による確認工数）を含めて評価する。構築・購入・拡張の比較、モデルルーターによるコスト最適化も選択肢。

業務での使いどころ

  • 営業Dynamics 365 Sales の Copilot 機能で足りる範囲と、独自の見積エージェントが必要な範囲を切り分け、構築コストを比較。
  • 総務社内規程データの鮮度と所有者を棚卸ししてからグラウンディングに使う。古い規程は先に整理。
  • 経理請求書処理の ROI を、削減時間だけでなく確認工数・運用費を含めた TCO で試算し、稟議資料にする。

公式の評価項目（英語）

  • Analyze requirements for AI-powered business solutions
  • Design overall AI strategy for business solutions
  • Evaluate the costs and benefits of an AI-powered business solution

公式の学習リソース

この分野の練習問題（89問）へ →

02

AI を活用したビジネスソリューションの設計

Design AI-powered business solutions

25–30%

学習目標

  • タスクエージェント・自律エージェント・プロンプト応答型エージェントを使い分けて設計できる
  • Copilot Studio のトピック（フォールバック含む）・エージェントフロー・プロンプトアクションを設計できる
  • MCP・コンピューター使用・Microsoft 365 エージェントによる拡張を設計できる
  • Dynamics 365 や Power Platform の既製 AI 機能・エージェントの構成をまとめられる

要点

  • エージェントの型を区別する：依頼されたタスクを実行するタスクエージェント、トリガーで自ら動く自律エージェント、質問に答えるプロンプト応答型。
  • 自律エージェントほど権限・承認・監視の設計が重くなる。影響範囲で型を選ぶ。
  • Copilot Studio では、標準の自然言語処理、会話言語理解（CLU）、生成 AI オーケストレーションを要件で使い分ける。想定外の発話にはフォールバックトピックを用意する。
  • 拡張は MCP（ツール接続）、コンピューター使用（API のない画面操作）、Microsoft 365（Teams・SharePoint）上のエージェントなどを組み合わせる。
  • 既製の AI 機能（Dynamics 365 の Copilot、Microsoft 365 Copilot for Sales / Service、Power Platform の AI 機能など）を先に検討し、足りない部分だけ作る。
  • Power Platform Well-Architected Framework をインテリジェントアプリケーションのワークロードに適用し、信頼性・セキュリティ・運用性を確保する。

業務での使いどころ

  • 営業商談記録の要約は既製の Copilot 機能、与信確認と値引き承認は独自のタスクエージェント＋承認フローで設計。
  • 総務Teams・SharePoint 上の社内ポータルにプロンプト応答型エージェントを配置。想定外の質問はフォールバックで総務窓口へ。
  • 経理月次締めの督促は自律エージェントで開始するが、送信対象と文面は担当者承認後にのみ送付。

公式の評価項目（英語）

  • Design AI and agents for business solutions
  • Design extensibility of AI solutions
  • Orchestrate configuration for prebuilt agents and apps

公式の学習リソース

この分野の練習問題（89問）へ →

03

AI を活用したビジネスソリューションの展開

Deploy AI-powered business solutions

40–45%

学習目標

  • エージェントの監視プロセス・指標・テレメトリ解釈を設計し、改善サイクルを回せる
  • エージェント・カスタムモデル・複数 Dynamics 365 アプリにまたがるテスト戦略を作れる
  • データ・Copilot Studio・Foundry Agent Service・カスタムモデル・Dynamics 365 の ALM を設計できる
  • セキュリティ・ガバナンス・プロンプト操作への対策・データ所在地・アクセス制御・監査証跡を設計できる

要点

  • 監視は「指標→テレメトリの解釈→チューニング」の循環。利用者のフィードバックとバックログも改善の入力にする。
  • テストはプロセスと指標を先に決める。カスタムモデルには検証基準を、複数アプリをまたぐ業務には E2E シナリオを用意する。
  • ALM は対象ごとに設計する：AI が使うデータ、Copilot Studio のエージェント・コネクタ・アクション、Foundry Agent Service、カスタムモデル、Dynamics 365 の AI 機能。
  • セキュリティとガバナンス：エージェントの権限、モデルの保護、グラウンディング・チューニング用データへのアクセス制御を設計する。
  • プロンプト操作（プロンプトインジェクション等）を脆弱性として分析し、入力の扱い・ツール権限・承認で多層的に緩和する。
  • データ所在地（レジデンシー）と移動のコンプライアンスを検証し、モデル・データ変更の監査証跡を残す。責任ある AI 原則への準拠をレビューする。

業務での使いどころ

  • 営業見積エージェントの利用状況と失注理由のフィードバックをバックログ化し、月次でチューニング。
  • 総務社内ポータルのエージェントを Copilot Studio のソリューションで ALM 管理し、規程改定時は E2E テスト後に展開。
  • 経理仕訳提案に使うデータとモデルの変更履歴を監査証跡として保存。会計監査で提示できる状態にする。

公式の評価項目（英語）

  • Analyze, monitor, and tune AI-powered business solutions
  • Manage the testing of AI-powered business solutions
  • Design the ALM process for AI-powered business solutions
  • Design responsible AI, security, governance, risk management, and compliance

公式の学習リソース

この分野の練習問題（137問）へ →

出典（公式・2026-10-03 確認）

本ページの事実情報（資格名・試験番号・分野・比率・前提条件等）は上記の公開ページに基づきます。内容は変更される場合があります。