Microsoft Azure AI Fundamentals (AI-901) 베타 합격 수기 🚀 ~AI-900에서 Foundry 중심으로 개편~

안녕하세요, 베타 시험 결과를 기다리며 초조해하고 있는 아키텍트 야마판!입니다 😊

보충 코멘트나 질문, 좋아요, 공유 부탁드립니다 🥺!

틀린 부분이 있다면 너그럽게 알려주세요!

Azure의 AI 계열 자격증을 체계적으로 배우고 싶다

AI-900에서 무엇이 바뀌었는지 알고 싶다

Microsoft Foundry의 기초를 다지고 싶다

하시는 분들께 참고가 된다면 기쁘겠습니다 🚀

본 기사에서 다루는 "AI-901 : Microsoft Azure AI Fundamentals"는 기존의 AI-900을 개편한 Azure AI Fundamentals의 후속 시험입니다. 생성 AI(Generative AI)·에이전트 AI(Agent AI)와 Microsoft Foundry를 이용한 구현으로 크게 방향을 전환한 것이 특징입니다. 이번에는 베타 기간 중에 응시하여 무사히 합격했습니다 🎉

Azure AI 계열의 주요 인증 자격

AI-901 : Microsoft Azure AI Fundamentals (이번에 합격! 🎉)

이번에 소개하는 자격! AI의 기초 개념과 Microsoft Foundry를 사용한 AI 솔루션 구현을 묻는 Fundamentals 자격. AI-900의 개편 버전. -
AI-900 : Microsoft Azure AI Fundamentals (이전 버전)

기존의 Azure AI Fundamentals. 컴퓨터 비전(Computer Vision)이나 NLP(자연어 처리) 워크로드 비중이 큰 구성. -
AI-102 : Azure AI Engineer Associate (취득 완료 ✅)

Azure AI 서비스를 사용한 AI 솔루션의 설계·구현을 묻는 Associate 레벨의 자격. 이전에 취득했습니다. -
AI-300 : Operationalizing Machine Learning and Generative AI Solutions (다음에 노릴 것! 🔥)

MLOps / GenAIOps, Microsoft Foundry, Azure Machine Learning, GitHub Actions, IaC 등을 횡단하여 AI 솔루션을 운영 단계로 올리는 능력을 묻는 자격. 다음에는 이것을 따고 싶습니다!

각 자격의 상세 내용이나 최신 정보는 MS Learn의 인증 자격 페이지를 참조해 주세요.

• Microsoft Azure AI Fundamentals (AI-901)에 합격했습니다! (833점/ 합격선 700점) 🎉
• AI-900의 개편 버전으로, 출제 범위가 생성 AI·에이전트 AI·Microsoft Foundry에서의 구현으로 이동
• 크게 "AI 개념" 4045%와 "Foundry에서의 AI 구현" 5560%의 2개 도메인 구성
• Fundamentals이지만, Python의 기본 문법이나 Azure 리소스 지식이 전제되어 있어 AI-900보다 조금 더 구현 중심적임
• MS Learn 반복 학습 + 실제로 Foundry를 다뤄보는 것으로 충분히 합격권 (베타 기간 중에는 Practice Assessment 미제공)
• 베타 응시였기에 합격 판명까지 약 2주가 걸렸습니다 (응시 6/8 → 판명 6/19) 😅
• 베타 버전은 문제가 영어로만 제공되었기 때문에, 일본어보다 한 단계 더 어렵게 느껴졌습니다

평소 생성 AI나 Copilot을 접하고 있어서, "Azure 측의 AI 기반도 다시 한번 정리하고 싶다"라고 생각하여 도전했습니다.

AI-900은 이미 정석적인 Fundamentals 자격이지만, AI-901은 그것을 Foundry 중심으로 다시 만든 신버전입니다. 이번에는 베타 기간 중 응시했기 때문에 결과가 나오기까지 조금 초조했습니다 😅

생성 AI 주변은 진화가 빨라서, "몇 년 전의 AI 자격 지식만으로는 이미 풍경이 바뀌어 있구나"라고 느끼는 일이 많아졌습니다. AI-901은 바로 그 "지금"의 AI —— 생성 AI, 에이전트 AI, 그리고 Microsoft Foundry —— 를 전제로 한 구성으로 되어 있어, 지식을 정리하기에 딱 좋았습니다.

한마디로 말하자면, "워크로드의 분류"에서 "Foundry에서의 구현"으로 무게 중심이 옮겨간 것이 최대의 변화입니다.

관점	AI-900 (구)	AI-901 (신)
도메인 수	5개 도메인	2개 도메인 (개념 / Foundry 구현)으로 깔끔하게 정리
주역	Computer Vision · NLP 워크로드 분류	생성형 AI (Generative AI) · 에이전트 AI (Agentic AI) · Microsoft Foundry
구현 비중	개념 중심 (비엔지니어라도 OK)	Foundry를 통한 구현이 55~60%로 과반 차지
전제 지식	특별히 없음	Python 기본 문법 · Azure 리소스 지식이 있으면 바람직함
정보 추출	문서 처리로서 가볍게 등장	Azure Content Understanding로서 독립된 토픽으로 등장

💡 "AI-900을 가지고 있으니 AI-901은 식은 죽 먹기다"라고 단정 지을 수는 없습니다.

Foundry를 다뤄본 적이 있느냐에 따라 체감 난이도가 상당히 달라질 것이라고 생각합니다.

Exam AI-901: Microsoft Azure AI Fundamentals는 AI의 기초 개념과, Microsoft Foundry를 사용한 AI 솔루션 구현을 묻는 Fundamentals 레벨의 시험입니다.

시험 예약 페이지는 아래와 같습니다.

합격 점수: 700점 (1000점 만점) -
시험 형식: 객관식 문제 (단일 선택, 다중 선택 등) -
레벨: 초급 (Fundamentals) -
유효 기간: 갱신 불필요 (Fundamentals 자격) -
대상자: AI 솔루션 개발 커리어를 시작하려는 사람. AI의 개념적 지식 외에, Python 기본 문법 · 프로그래밍 기법, Azure 리소스에 익숙하면 바람직함 -
응시 방법: 온라인 감독 시험 또는 테스트 센터

💡 AI-900은 "비엔지니어라도 OK"라는 위치였지만,

AI-901은 Python이나 Azure 리소스 지식을 전제로 하고 있어, 조금 더 구현에 치우쳐 있습니다.

공식 Study Guide (2026년 4월 15일 기준)에 기반한 출제 범위의 한국어 번역입니다.

도메인	내용	배점
도메인 1	AI의 개념과 능력 식별 (Identify AI concepts)	40~45%
도메인 2	Microsoft Foundry를 사용하여 AI 솔루션 구현	55~60%

도메인 2의 Foundry 구현이 55~60%로, 배점의 절반 이상을 차지합니다. 이곳을 얼마나 다뤄봤느냐에 따라 승부가 결정되는 느낌이었습니다.

ref: Study guide for AI-901 - MS Learn

책임 있는 AI (Responsible AI) 원칙

• 공정성 (Fairness), 신뢰성 및 안전성 (Reliability & safety), 개인정보 보호 및 보안 (Privacy & security), 포용성 (Inclusiveness), 투명성 (Transparency), 책임성 (Accountability)

이 6가지 원칙은 AI-900 시대부터 이어져 온 단골 출제 문제로, AI-901에서도 확실히 다뤄집니다. 이름만 외우면 실제 시험에서 헷갈릴 수 있으므로, 저는 **"무엇을 지키기 위한 원칙인가"**를 기준으로 정리했습니다.

원칙	대략 무엇을 지키는가?	암기법
공정성 (Fairness)	특정 속성에 편향된 결과를 내지 않음	차별하지 않기
신뢰성 및 안전성	예상치 못한 입력에도 안전하게 작동함	폭주시키지 않기
개인정보 보호 및 보안	개인 데이터를 보호하고 부정 사용을 방지함	지키고 유출하지 않기
포용성 (Inclusiveness)	누구나 사용할 수 있음 (장애 · 언어 · 환경 불문)	모두가 사용할 수 있게 하기
투명성 (Transparency)	어떻게 작동하는지 · 한계를 설명할 수 있음	내부를 보여주기
책임성 (Accountability)	결과에 대해 인간이 책임을 짐	마지막은 인간이 책임지기

AI 모델의 구성 요소와 구성

• 생성형 AI (Generative AI) 모델의 작동 원리
• 기능에 따른 적절한 AI 모델 선택 - 모델의 배포 옵션 및 구성 파라미터 선택

"이 유스케이스(Use case)라면 어떤 모델을 쓸 것인가?"라는 식의 선택 문제가 많다는 인상을 받았습니다. 모델의 "특기 분야" (텍스트 생성 · 이미지 이해 · 임베딩 등)를 대략적으로 파악해 두면 풀기 쉽습니다.

AI 워크로드 식별

• 생성 AI (Generative AI), 에이전트 AI (Agentic AI), 텍스트 분석, 음성, 컴퓨터 비전, 정보 추출 - 키워드 추출, 엔티티 인식 (Entity Detection), 감성 분석 (Sentiment Analysis), 요약 등의 텍스트 분석 기법
• 음성 인식 · 음성 합성, 컴퓨터 비전 · 이미지 생성 모델의 기능
• 텍스트 / 이미지 / 음성 / 영상으로부터의 정보 추출 테크닉

워크로드는 종류가 많기 때문에, "어떤 과제에 무엇을 사용할 것인가"를 기준으로 표를 만들어 외웠습니다.

워크로드	이런 과제에 사용
생성 AI (Generative AI)	문장 · 이미지 · 코드 등을 새롭게 만들어냄
에이전트 AI (Agentic AI)	목표를 전달하면 자율적으로 태스크를 분해 · 실행함
텍스트 분석 (Text Analytics)	문장에서 감성 · 키워드 · 엔티티를 추출함
음성 (Speech)	음성 ↔ 텍스트 변환, 읽어주기
컴퓨터 비전 (Computer Vision)	이미지 분류 · 객체 탐지 (Object Detection) · 이미지 생성
정보 추출 (Information Extraction)	양식 · 이미지 · 음성 · 영상에서 필요한 값을 구조화하여 추출

Foundry에서의 솔루션 구현

• 생성 AI · 에이전트 AI 솔루션을 Foundry 상에서 구축
• 비전 기능을 포함한 경량 애플리케이션 구축
• **Azure Content Understanding (Foundry Tools)**를 사용한 정보 추출
  • 문서 / 양식(Form)으로부터의 정보 추출
  • 이미지로부터의 정보 추출
  • 음성 / 영상으로부터의 정보 추출
  • 정보 추출 기능을 가진 경량 애플리케이션 구축

💡 기존 AI-900에서 비중이 컸던 "컴퓨터 비전 / NLP의 워크로드 분류"가, AI-901에서는 Foundry 상에서의 구현이라는 관점으로 통합되어 있는 것이 큰 차이점입니다.

이 시험의 주인공이므로 가볍게 정리해 둡니다.

Microsoft Foundry는 AI 모델의 선정 · 배포 · 앱 통합까지 한곳에서 할 수 있는 Azure의 AI 개발 플랫폼입니다. AI-901에서는 "개념"보다 **"Foundry의 어디에서 무엇을 하는가"**를 묻는 문제가 많았으므로, 포털의 화면 구성을 이미지화할 수 있으면 유리합니다.

AI-901에서 특히 파악해 두어야 할 것이 **Azure Content Understanding (Foundry Tools)**입니다. 이는 문서 · 이미지 · 음성 · 영상과 같은 비구조화 데이터로부터 필요한 정보를 구조화하여 추출하는 기능으로, AI-901만의 독특한 토픽이라고 느꼈습니다.

Content Understanding의 대상	예시
문서 / 양식 (Form)	청구서에서 금액 · 날짜 · 거래처를 추출
...
"이 비구조화 데이터에서 정보를 추출하고 싶다 → Content Understanding"라는 연상이 가능하다면, 관련 문제들을 묶어서 맞출 수 있습니다 💪

합격!! 🎉

점수는 833점이었습니다! (합격 기준 700점)

응시 이력 화면은 이런 느낌입니다. **AI-901이 "합격"**으로 되어 있습니다 🎉

…그런데 자세히 보니 아래 줄에 **GH-600 (Developing in Agentic AI Systems, beta)**가 "응시 완료" 상태로 찍혀 있는데, 이것은 사실 아직 결과를 기다리는 중입니다 😆 GH-600도 베타 응시이므로, 합격 여부를 알게 되면 별도의 글로 작성하겠습니다. 기대해 주세요! 🚀

점수 리포트의 "Performance by exam section" 바를 ■□로 나타내면 다음과 같았습니다.

도메인	바 길이 (성취도)
AI의 개념과 능력을 식별하기 (40~45%)	■■■■■■■□□□
Microsoft Foundry를 사용하여 AI 솔루션 구현하기 (55~60%)	■■■■■■■■□□

두 섹션 모두 바가 길게(즉, 충분히 득점) 나왔으며, Foundry 구현 쪽이 약간 더 길게 나타났습니다.

Foundry의 배점이 크기 때문에, 실제로 Foundry 포털을 만져보는 것이 효과적이었습니다 💪

AI-901도 MS Learn의 콘텐츠가 충실합니다. 특히 Microsoft Foundry와 생성 AI / 에이전트 AI 주변의 모듈은 꼼꼼하게 읽었습니다.

주의해야 할 점은, AI-901은 베타 시험(Beta Exam)이기 때문에 전용 Practice Assessment(무료 모의고사)가 아직 제공되지 않는다는 것입니다. MS Learn의 시험 페이지에도 다음과 같이 기재되어 있습니다.

The practice assessment for this exam is not currently available. Practice assessments are usually available within 8 weeks of the exam being released from beta and becoming generally available.

(이 시험의 Practice Assessment는 현재 제공되지 않습니다. 보통 베타에서 GA(General Availability)로 전환된 후 8주 이내에 제공됩니다.)

💡 GA 이후에 Practice Assessment가 출시된다면 그것이 가장 좋은 대비책이 될 것입니다. 시험 시기를 선택할 수 있다면, 모의고사를 원하는 분들은 GA를 기다리는 것도 하나의 방법입니다.

AI-901은 Foundry를 이용한 구현이 핵심이므로, 포털을 실제로 열어서 다음 내용들을 직접 다뤄보면 이해가 훨씬 빨라집니다.

• 모델 카탈로그(Model Catalog)에서 모델을 선택하여 배포(Deploy)해 보기
• Azure Content Understanding을 통해 문서 / 이미지 / 음성에서 정보 추출해 보기
• 생성 AI / 에이전트 AI(Agent AI)의 경량 앱을 시험 삼아 구동해 보기

평소에 접해왔던 다음과 같은 경험들이 도움이 되었습니다.

• 생성 AI / Copilot을 일상적으로 사용함
• Azure 리소스 생성 및 관리의 기본 조작에 익숙함
• Python의 기본 구문을 읽을 수 있음 (그렇다고 처음부터 직접 작성해 본 적은 없습니다 😅)

보충: 공식 대상자 프로필에는 「Python의 기본 구문 및 프로그래밍 기법」이라고 명시되어 있지만,

실제 시험에서 코드를 아주 본격적으로 작성해야 하는 것은 아닙니다. 코드 조각(Code snippet)을 보고 "이것이 어떤 처리를 하고 있는 것인가"를 읽을 수 있는 정도면 충분하다는 느낌이었습니다. 따라서 "Python을 완벽하게 작성할 수 있는 사람이 아니면 불가능하다"라고 겁먹을 필요는 없습니다.

어디까지나 제 경우를 기준으로 대략적인 배분은 다음과 같았습니다.

수행 내용	예상 시간	코멘트
MS Learn 러닝 패스(Learning Path) 반복 학습	수 시간	Foundry / 생성 AI / 책임 있는 AI (Responsible AI)를 중점적으로
Foundry 포털 직접 조작	1~2 시간	화면 구성과 Content Understanding 체감

평소에 생성 AI / Azure를 다루는 분이라면 학습량이 그리 무겁지는 않을 것이라고 생각합니다. 반대로 AI 자체가 처음인 분이라면 MS Learn을 한 바퀴 더 돌린다는 마음으로 공부하면 안심할 수 있습니다.

• Foundry를 최우선으로: 배점의 55~60%를 차지하는 주인공입니다. 포털을 실제로 조작하며 "어디에서 무엇을 할 수 있는지"를 몸으로 익히세요.
• 책임 있는 AI(Responsible AI)의 6대 원칙 정리: 공정성 / 신뢰성 및 안전성 / 개인정보 보호 및 보안 / 포용성 / 투명성 / 책임성 —— 단골 출제 주제이므로 확실히 파악해야 합니다.
• AI 워크로드(Workload) 구분: 생성 AI · 에이전트 AI · 텍스트 분석 · 음성 · 비전 · 정보 추출을 "어떤 과제에 사용하는가"에 따라 분류하여 암기하세요.
• Content Understanding 이해: 문서 / 이미지 / 음성 / 영상에서 정보를 추출하는 Foundry의 기능입니다. AI-901만의 중점 포인트입니다.
• 코드 조각에 익숙해지기: Python 코드 조각을 보고 "무엇을 하고 있는지" 읽을 수 있는 수준으로 만들어 두면, 구현 관련 문제에서 당황하지 않습니다.

이번에는 베타 기간 중 응시했습니다. 베타 시험만의 특징을 정리해 두겠습니다.

• 결과가 바로 나오지 않음: 일반 시험은 현장에서 바로 점수가 나오지만, 베타 시험은 채점 및 분석 기간이 있기 때문에 합격 통지까지 몇 주가 걸릴 수 있습니다. 저의 경우, 시험을 본 날짜가 6/8이었고 합격 여부를 알게 된 것은 **지난주 금요일(6/19)**이었습니다. 약 2주 동안 '응시 완료' 상태로 결과를 기다리며 조마조마했습니다 😅 현장에서 바로 합격 여부를 알 수 있는 일반 시험에 익숙하다면, 이 대기 시간은 꽤 길게 느껴집니다.
• 시험 후에 피드백을 작성하는 시간이 있음: 베타 시험은 출제 내용을 개선하기 위한 것이므로, **시험 본편이 끝난 뒤에 '문제에 대한 피드백을 기입하는 시간'**이 마련되어 있습니다. "이 문제는 이해하기 어려웠다" 등의 의견을 남길 수 있어, 새로운 시험을 만드는 데 참여하고 있다는 느낌이 들어 조금 즐겁기도 합니다. 다만 그만큼 시험 전체 소요 시간은 길어집니다.
• 문제 수가 많게 느껴질 수 있음: 베타는 출제 경향을 분석하기 위한 기간이기도 하므로, 분량이 많다고 느껴질 수 있습니다.
• 빨리 취득할 수 있는 장점: 그만큼 정식 출시 전에 새로운 자격증을 취득할 수 있다는 점이 매력적입니다. 새로운 시험을 누구보다 빠르게 선점하고 싶은 분들에게는 기쁜 소식입니다 🚀

베타 기간에는 응시료가 할인되는 경우도 있으니, 새로운 시험에 관심이 있는 분들은 시험 페이지의 안내를 확인해 두는 것이 좋습니다.

"Fundamentals니까 AI-900의 연장선이겠지"라고 생각했다면, 생각보다 Foundry와 구현 중심의 출제였습니다 😅

특히 Azure Content Understanding이나 모델의 배포 구성 (Model Deployment Configuration) 부분은 개념뿐만 아니라 "Foundry의 어디에서 설정하는가"를 이미지화할 수 있는지가 관건이었다는 인상을 받았습니다. 반대로, 실제로 포털을 직접 다뤄봤다면 수월하게 풀 수 있는 문제가 많았습니다.

그리고 또 하나, 베타 시험만의 허들은 **"영어뿐이었다"**는 점입니다. 베타 기간에는 일본어(또는 한국어) 로컬라이제이션이 아직 완료되지 않은 경우가 많아, 이번에도 문제문과 선택지가 모두 영어였습니다. 기술 용어는 영어로 접하는 것이 더 익숙한 부분도 있지만, 긴 문장의 질문이나 미묘한 표현은 한국어에 비해 한층 더 어렵게 느껴졌습니다 😇 영어에 자신이 없는 분들은 MS Learn을 영어 설정으로도 읽어 두면 실제 시험의 표현 방식에 익숙해지는 데 도움이 될 것입니다.

베타 응시였기에 결과가 나오기까지 시간이 걸렸지만, 833점으로 무사히 합격할 수 있어 안심했습니다 🎉

생성형 AI (Generative AI) / 에이전트 AI (Agentic AI)의 "현재"를 체계적으로 파악하고 싶은 분

• AI-900은 보유하고 있지만, Foundry 시대의 지식으로 업데이트하고 싶은 분
• 앞으로 AI-300 (Operationalizing Machine Learning and Generative AI Solutions) 등 상위 자격증을 목표로 하기 전 기초를 다지고 싶은 분
• "AI를 업무에서 사용하는 입장"으로서, 책임감 있는 AI (Responsible AI) 및 데이터 취급을 기초부터 이해하고 싶은 분

반대로, Azure도 생성형 AI도 전혀 접해본 적이 없는 분이라면, 갑자기 AI-901을 응시할 경우 Foundry 주변 내용에서 당황할 수도 있습니다. 그럴 경우에는 MS Learn의 러닝 패스 (Learning Path)를 꼼꼼히 한 바퀴 돌린 후에 도전하는 것을 추천합니다.

AI-901은 Azure 상의 AI 기초 + Microsoft Foundry를 통한 구현을 최신 생성형 AI / 에이전트 AI의 흐름에 맞춰 배울 수 있는 Fundamentals 자격증입니다.

AI-900과 비교했을 때 도메인이 두 개로 깔끔하게 정리되었고, Foundry 구현에 무게 중심이 옮겨간 것이 큰 특징입니다. 개념 암기만으로 통과할 수 있었던 AI-900을 생각하고 시험을 본다면 아마 당황할 것입니다. 반대로 한 번이라도 포털을 직접 다뤄봤다면 훨씬 수월할 것입니다.

AI-900에서 다시 응시할 가치는 충분하다고 생각합니다. AI-102는 이미 취득했으니, 다음에는 AI-300 (Operationalizing Machine Learning and Generative AI Solutions)을 목표로 달려가겠습니다! 🚀