AIファーストのソリューションアーキテクトを目指す人へ ― Agentic AI Business Solutions Architect (AB-100) 合格体験記

先日、Microsoft認定資格「Agentic AI Business Solutions Architect（AB-100）」を取得しました。この資格は、「AIファーストのソリューションアーキテクト」を目指す人のためのExpert資格です。本記事では、この資格がどのような試験なのか、どんな準備をしたのか、そして受けてみて何を学べたのかをまとめています。これからAIソリューションの設計に踏み込みたいと考えているエンジニアの方の、最初の地図になれば嬉しいです。

AB-100は、2026年に正式公開されたばかりの、比較的新しいMicrosoft認定資格です。認定レベルはMicrosoftの資格体系の中で最上位にあたる「Expert」。合格ラインは1000点満点中700点で、試験時間は100分です。

想定される受験者像は、Microsoftの学習ガイドでは「AIを活用したビジネスソリューションを設計・提供し、業務プロセスを変革できる、経験豊富なソリューションアーキテクト」とされています。資格名に「Business」が入っているとおり、純粋な技術力だけでなく、ビジネス的な視点も問われるのが特徴です。

具体的には、Microsoft FoundryやMicrosoft 365 Copilot、Copilot Studioといったツールを使って業務向けのソリューションをどう設計するか、マルチエージェントをどう組み立てるか、A2A（Agent2Agent）やMCP（Model Context Protocol）といった標準をどう活用するか、といったテーマが中心になります。

さらに、責任あるAI（Responsible AI）やROI分析、ALM（アプリケーションライフサイクルマネジメント）、セキュリティまでを横断的に問われます。AIソリューションを「点」ではなく「全体」として設計できるかを確かめる資格だと感じました。

私が最初につまずいたのは、試験の内容ではなく「受験条件」でした。AB-100はExpert試験であるため、受験そのものはできても、Associateレベルの13資格のうち少なくとも1つを保有していないと、たとえAB-100に合格しても認定されないという仕組みになっています。

• AI / Azure 系
  • Azure AI Engineer Associate
  • Azure AI Apps & Agents Developer (beta)
    　
• Power Platform 系
  • Power Platform Functional Consultant
  • Power Platform Developer
  • Power Automate RPA Developer
    　
• D365 — CX / Service 系
  • Customer Experience Analyst
  • Customer Service Functional
  • Field Service Functional
    　
• D365 — Finance / SCM / BC 系
  • Finance / Supply Chain Functional
  • Finance & Operations Apps Developer
  • Business Central Developer / Functional

これらの Associate 資格のうち 1 つを取得してからでないと、AB-100の合格認定はされません。

私はこのルールを知らずに試験を予約してしまい、慌てて前提資格を取得するために予定を組み直すことになりました。最終的にはPower Platformの「Power Platform Developer」を取得して条件を満たしました。前提となる資格にはAI/Azure系、Power Platform系、Dynamics 365系などがあり、どれか1つを取得しておけば要件を満たせます。なお、AI/Azure系の「Azure AI Engineer Associate」は近く提供終了の予定と聞いていたため、注意が必要です。

正直に言うと、個人的にはこの前提資格の方が、AB-100本体よりも難しく感じたほどでした。これから挑戦する方は、まず自分がどの前提資格で要件を満たすのかを、受験予約より先に確認しておくことを強くおすすめします。

AB-100は、AIソリューションを「計画（Plan）→設計（Design）→展開（Deploy）」という3つのステップに分け、それぞれの領域から出題されます。上流の構想から運用・改善まで、ライフサイクルを丸ごと問われる構成です。配点はPlanとDesignがそれぞれ25〜30%、そしてDeployが40〜45%と最も大きく設定されています。

Planは、上流で「やる・やらない・どうやる」をアーキテクト視点で決める領域です。

• 要件分析
  エージェントを適用すべき領域の評価や、Grounding（根拠付け）に使うデータの精度・鮮度・可用性などが問われます。
  　
• AI戦略の設計
  Cloud Adoption Framework（クラウド導入フレームワーク）、プリビルトのエージェントを使うかカスタムで作るかの判断、プロンプトライブラリやSLM（小規模言語モデル）の整備、そしてAI Center of Excellence（AI CoE）の設計などが含まれます。
  　
• ROI（投資対効果）
  加えて、ビジネス系の資格らしく、ROIの問題も出ます。TCO（総保有コスト）を含むROIの評価基準や、Build / Buy / Extend（自作か購入か拡張か）の判断、Model Routerによるモデルの振り分けなどです。これまでビジネス寄りの資格を受けたことがなかった私には新鮮で、「こういう問題が出るのか」と素直に面白く感じた領域でした。

Designは、エージェントを実際に組み立てる領域です。押さえるべきは4タイプのエージェントです。

押さえるべき4タイプのエージェント

• Task agent　決まった処理を実行する型
• Autonomous agent　イベント駆動で自律的に動く
• Prompt & response　対話で応答する基本型
• Copilot in Dynamics 365　業務アプリ組み込み型

拡張のポイントとしては、以下を抑えておきたいです。

• MCP　外部ツール/データへの標準接続
• Computer Use　アプリ/Web の自動操作
• Custom models / SLM　Foundry での独自モデル
• Reasoning / Voice mode　挙動の精緻な制御

MCPは、選択肢に出てきたらほぼ正解、というくらい頻出の概念で、問題そのものの難易度はそれほど高くない印象でした。一方で、Dynamics 365への組み込みは私自身あまり触れた経験がなく、覚えることが一番多かった部分です。FinanceやSupply Chain、Customer ExperienceやServiceといった業務アプリへAI機能をどう組み込むかは、しっかり押さえておきたいところです。

Deployは配点40〜45%と最も大きく、AB-100の核心とも言える領域です。この試験が重視しているのは、AIを作って終わりにするのではなく、ビジネスとして実際に業務効率化につながっているかを監視し、チューニングし続けるという姿勢です。

具体的には、エージェントの監視プロセスやツールの選定、バックログやユーザーフィードバックの分析、テレメトリの解釈とモデル調整などが問われます。Microsoft PurviewやApplication Insightsをどう使い分けるか、といった問題も出てきました。さらに、エージェントの評価指標やカスタムモデルの妥当性検証、複数のDynamics 365を横断するE2Eテスト、Copilot StudioやFoundryのALM設計、そしてプロンプト操作などの脆弱性対応・データ所在地のコンプライアンス・Groundingデータのアクセス制御や監査証跡といった責任あるAIとセキュリティの観点まで、幅広く問われます。

＜押さえておきたい項目＞

• 監視 & チューニング
  • エージェントの監視プロセス/ツール
  • バックログ・フィードバック分析
  • テレメトリの解釈とモデル調整
    　
• テスト戦略
  • エージェントの評価指標
  • カスタムモデルの妥当性検証
  • 複数 D365 横断の E2E テスト
    　
• ALM 設計
  • Copilot Studio エージェント/コネクタ
  • Foundry エージェント / カスタムモデル
  • AI for D365 (FSCM / CES) の ALM
    　
• Responsible AI / セキュリティ
  • プロンプト操作 等の脆弱性対応
  • データ所在地・移動のコンプライアンス
  • Grounding データのアクセス制御 / 監査

AB-100で出題されるサービス群は、基本的にMicrosoft製品でまとめられています。攻略の鍵は、「どれが何を担うか」を1枚の地図として言えるようになることだと感じました。

大きく分けると、以下の3つの層に整理できます。

• ユーザーが触れるApp層（Microsoft 365 Copilot、Dynamics 365、Power Apps / Teams / SharePoint）
• エージェントを作る・拡張するBuild層（Copilot Studio、Microsoft Foundry、Foundry Tools / Power Platform AI Hub）
• Groundingと知識のソースとなるData＆Model層（SharePoint / OneDrive、Dataverse、Foundry ModelsやSLM・カスタムモデル）

そして、これら全層を縦に貫く横串として、A2A、MCP、Cloud Adoption Framework、Responsible AIといった標準やガバナンスの考え方が存在します。

私自身はMicrosoft 365 CopilotやCopilot Studioを触った経験があり、Microsoft Foundryも現在進行中の社内プロジェクトで活用していたため、この地図の多くは前提知識でカバーできました。逆に言えば、この全体像を持っているかどうかが、学習効率を大きく左右すると思います。

出題はシナリオ形式のものが中心でした。たとえば「ある製造業が、Dynamics 365とSharePointを横断して在庫や社内規程に回答する社内アシスタントを構築したい。データの所在地と監査の要件は厳しい。どの構成が最も適切か」といった具合に、状況が与えられ、その要件に対して適切なサービスや構成を選んでいく問題です。

つまり問われているのは、用語の暗記ではなく、「要件から最適解へ」をどうマッピングするかという力です。

私が解きながら意識していた判断のものさしは、以下の4つに集約されます。

＜4つの判定軸＞

1. 適合性　要件にどれだけ合うか
2. ガバナンス　監査・所在地・アクセス制御はどうなっているか
3. 運用コスト　ALMや拡張性・保守を含むか
4. 最小複雑度　そして目的に対して過剰設計になっていないか

迷ったときにこの軸で選択肢を見直すと、答えが絞りやすくなります。

学習に当たっては、以下の方法を参考にしていただければと思います。

初めて触れる方には、公式のMicrosoft Learnのコンテンツを軸に据えること、そしてCopilot Studioは一度は実際に触ってみることを強くおすすめします。手を動かすと、知識ソースやトピック、MCPの感覚がぐっとつかみやすくなります。

• 公式のラーニングパス（想定完了時間：11時間24分）を一通りやってみる
  ビジネス生産性のための AI ソリューションを設計する - Training | Microsoft Learn
  　

• プラクティス評価の練習問題を間違えなくなるなるまで何度も解き直す
  Microsoft 認定: エージェント AI ビジネス ソリューション アーキテクト - Certifications | Microsoft Learn

学習を進めるうえで、私が「もう一度受けるならこう準備する」と感じたポイントをご紹介します。

1. 公式のStudy Guide（学習ガイド）を「原典」として扱う
   いきなり教材や問題集に手を伸ばすのではなく、まずは公式ガイドで「計画→設計→展開」という出題ドメインの構造を頭に叩き込むことをおすすめします。試験全体の地図を先に持っておくと、その後の教材で学んだ知識がどの領域の話なのかを迷わず位置づけられるようになり、学習効率が大きく変わります。
   　
2. Copilot Studioは必ず一度は実際に触る
   知識ソースの設定やトピックの組み立て、MCPによる外部接続といった概念は、文章を読むだけだとどうしても抽象的なままになりがちです。自分の手で実装してみると、「この機能はこういう場面で効く」という感覚が一気につかめます。シナリオ問題で適切な構成を選ぶ判断力にも直結するので、手を動かす時間は惜しまない方がよいと感じました。
   　
3. 技術スタックを1枚の図として言えるようにしておく
   App層（ユーザーが触れる業務アプリ）、Build層（エージェントを作る・拡張する場所）、Data＆Model層（Groundingと知識のソース）という3層の役割分担を、自分の言葉でマップ化できると強いです。「どのサービスが何を担うのか」が頭の中で整理されていれば、選択肢に並んだ製品名を見たときに、それぞれがどの層の話をしているのかを即座に判断できます。
   　
4. シナリオ問題では「なぜ不正解なのか（なぜ×か）」を書き出す
   正解の選択肢を覚えるだけでは応用が利きません。残りの選択肢について「これはガバナンス要件を満たさない」「これは目的に対して過剰設計」というように、却下する理由を一つひとつ言語化していくと、要件と最適解を結びつける力が確実に伸びます。私自身、この却下理由の言語化が一番の伸びしろでした。
   　
5. Responsible AI（責任あるAI）が最後の砦になる
   シナリオ問題で答えに迷ったときは、「監査」「データの所在地」「透明性」という観点に立ち返ると、選ぶべき構成が見えてくることが多くありました。AB-100はガバナンスやコンプライアンスを重視する試験なので、最終的な判断軸としてResponsible AIの考え方を持っておくと、迷ったときの拠り所になります。

AB-100は、個々のサービスの細かな機能を問うというよりも、それらを使ってどうAIで課題を解決していくかという「意思決定」を学ぶ試験でした。計画→設計→展開という流れを一つの地図として持てたとき、AIファーストのアーキテクトとして現場で戦えるようになると、受けてみて実感しました。

実際にこの資格を受験するかどうかはともかく、学習コンテンツに触れるだけでも、AIソリューション設計の勘所を体系的に学ぶことができます。AIファーストのアーキテクトを目指す方にとって、十分に有用な資格だと思います。本記事が、その第一歩を踏み出すきっかけになれば幸いです。