Ir para o conteúdo
TokIQ
Aprendizado

Questões de prova do AI-901 (AI901) e fatos do exame

10 questões originais do AI-901 (AI901) com respostas, os fatos oficiais do exame, as habilidades avaliadas e o que substituiu o AI-900 em 2026.

TokIQ Editorial13 min de leitura
Neste artigo
  1. O que aconteceu com o AI-900?
  2. Fatos do exame AI-901 num relance
  3. Área de habilidades 1: Identify AI concepts and capabilities
  4. Área de habilidades 2: Implement AI solutions by using Microsoft Foundry
  5. Como se avaliar
  6. Como estas questões foram escritas
  7. Pratique mais questões do AI-901

O AI-900 acabou: a Microsoft o aposentou em 30 de junho de 2026 e o substituiu pelo AI-901: Microsoft Azure AI Fundamentals, que agora é o único exame da certificação Microsoft Certified: Azure AI Fundamentals. Abaixo estão 10 questões originais do AI-901 com respostas e explicações curtas, distribuídas pelas duas áreas oficiais de habilidades, aproximadamente na mesma proporção do exame real.

Tente cada questão antes de ler a resposta. Se você vinha estudando com um simulado do AI-900, as quatro primeiras vão parecer familiares. As seis últimas são a parte nova.

Resumo rápido

  • O AI-901 substituiu o AI-900 em 30 de junho de 2026. O nome da certificação continua o mesmo: Microsoft Certified: Azure AI Fundamentals.
  • 55–60% do AI-901 trata de implementar soluções de IA com o Microsoft Foundry, então 6 das 10 questões abaixo vêm dessa área de habilidades.
  • A Microsoft espera que os candidatos ao AI-901 conheçam a sintaxe de programação em Python. O AI-900 não esperava.
  • Você tem 45 minutos e precisa de uma nota escalonada de 700 em 1.000. A Microsoft não divulga o número de questões.

O que aconteceu com o AI-900?

A Microsoft aposentou o exame AI-900 em 30 de junho de 2026. A página do exame AI-900 agora diz que o exame "has been replaced by AI-901", e a página da certificação Azure AI Fundamentals lista o AI-901 como o único exame exigido.

A mudança é maior do que um código novo. O AI-900 avaliava cinco áreas conceituais: cargas de trabalho de IA, machine learning no Azure, visão computacional, processamento de linguagem natural e IA generativa. O AI-901 tem duas áreas de habilidades, e a maior delas é prática:

AI-900 (aposentado)AI-901 (atual)
Áreas de habilidades5 domínios conceituais2: conceitos de IA (40–45%) e implementação de IA com o Microsoft Foundry (55–60%)
ProgramaçãoNão exigidaEspera-se conhecimento da sintaxe de Python
FocoDescrever cargas de trabalho de IA e serviços do AzureDescrever conceitos de IA e depois criar pequenos apps de chat, agentes e soluções de fala, visão e extração no Foundry

Se o seu simulado do AI-900 cobre apenas a coluna da esquerda, ele ainda ajuda nas questões de conceitos, mas deixa de fora mais da metade do AI-901.

Fatos do exame AI-901 num relance

Estes fatos vêm do guia de estudos oficial do AI-901 (habilidades avaliadas em 15 de abril de 2026), da página do exame AI-901, da página da Microsoft sobre duração do exame e da página sobre pontuação do exame, todas consultadas em 2026-10-26. Para a ficha completa e um plano de estudos, veja nossa página de preparação para o AI-901.

FatoValor oficial
ExameAI-901: Microsoft Azure AI Fundamentals
CertificaçãoMicrosoft Certified: Azure AI Fundamentals
Duração45 minutos (65 minutos de tempo na cadeira)
Nota de aprovação700 em uma escala de 1–1.000 (nota escalonada)
QuestõesNão divulgado (a Microsoft diz que a maioria dos exames tem 40–60)
PreçoDepende do país ou região onde você faz o exame
Penalidade por chuteNenhuma
Área de habilidadesPesoQuestões abaixo
1. Identify AI concepts and capabilities40–45%1–4
2. Implement AI solutions by using Microsoft Foundry55–60%5–10

O guia de estudos também diz que a maioria das questões cobre recursos em disponibilidade geral, que o exame pode incluir recursos em preview de uso comum e que você deve estar familiarizado com APIs REST, SDKs e CLIs.

Área de habilidades 1: Identify AI concepts and capabilities

Questão 1

Uma empresa lança um chatbot de atendimento ao cliente. Toda conversa começa com uma mensagem informando que o usuário está falando com um sistema de IA, em que ele pode ajudar e onde pode errar. Qual princípio de IA responsável da Microsoft isso apoia principalmente?

  • A. Fairness (justiça)
  • B. Inclusiveness (inclusão)
  • C. Transparency (transparência)
  • D. Reliability and safety (confiabilidade e segurança)

Resposta: C. Transparência significa que as pessoas entendem que estão usando um sistema de IA, para que ele serve e quais são seus limites. Avisar de antemão que o usuário está falando com uma IA e onde ela pode errar é um exemplo direto.

  • A está errada porque a justiça trata de o sistema tratar todos os grupos de pessoas de forma equitativa.
  • B está errada porque a inclusão trata de projetar para pessoas com habilidades e origens diferentes, por exemplo com interfaces acessíveis.
  • D está errada porque confiabilidade e segurança tratam de o sistema funcionar como pretendido e falhar com segurança; uma mensagem de aviso não muda o comportamento do modelo.

Os seis princípios do guia de estudos são fairness, reliability and safety, privacy and security, inclusiveness, transparency e accountability. Espere questões de cenário que pedem para associar uma prática a um deles.

Questão 2

Qual afirmação descreve melhor como um modelo de linguagem grande produz uma resposta a um prompt?

  • A. Ele procura nos dados de treinamento o documento armazenado que melhor combina com o prompt e o devolve.
  • B. Ele prevê repetidamente o próximo token mais provável, com base no prompt e nos tokens que já gerou.
  • C. Ele executa um conjunto fixo de regras que os desenvolvedores escreveram para cada tipo de pergunta.
  • D. Ele consulta a resposta em um banco de dados na internet a cada vez.

Resposta: B. Um modelo de linguagem gera texto um token por vez. Um token é um pedaço de texto, muitas vezes parte de uma palavra. A cada passo, o modelo prevê um próximo token provável a partir de tudo que veio antes, o acrescenta e repete até a resposta ficar completa.

  • A está errada porque o modelo não armazena e devolve documentos inteiros; ele gera texto novo.
  • C está errada porque o comportamento é aprendido a partir de dados durante o treinamento, não escrito como regras.
  • D está errada porque um modelo sozinho não pesquisa na internet. Um app ou agente pode adicionar a busca como ferramenta, mas isso é uma etapa separada.

Questão 3

Uma loja quer processar milhares de avaliações de produtos e extrair os nomes de produtos, marcas e cidades que os clientes mencionam. Qual técnica de análise de texto se encaixa?

  • A. Análise de sentimento
  • B. Detecção de entidades (named entity recognition)
  • C. Resumo
  • D. Detecção de idioma

Resposta: B. A detecção de entidades encontra e categoriza coisas nomeadas no texto, como produtos, organizações, pessoas e locais.

  • A está errada porque a análise de sentimento diz se uma avaliação é positiva, negativa ou neutra, não quais coisas ela nomeia.
  • C está errada porque o resumo encurta o texto em vez de listar itens específicos.
  • D está errada porque a detecção de idioma só informa em que idioma a avaliação foi escrita.

Questão 4

Um app de navegação precisa ler em voz alta as indicações de trajeto ao motorista. De qual capacidade de fala ele precisa?

  • A. Reconhecimento de fala (fala para texto)
  • B. Síntese de fala (texto para fala)
  • C. Reconhecimento de locutor
  • D. Extração de palavras-chave

Resposta: B. A síntese de fala transforma texto em áudio falado, que é exatamente o que ler as indicações em voz alta exige.

  • A está errada porque o reconhecimento de fala faz o contrário: transforma áudio falado em texto, por exemplo para entender os comandos de voz do motorista.
  • C está errada porque o reconhecimento de locutor identifica quem está falando.
  • D está errada porque a extração de palavras-chave é uma técnica de análise de texto e não produz áudio.

Área de habilidades 2: Implement AI solutions by using Microsoft Foundry

Questão 5

Um desenvolvedor cria um app de chat no Microsoft Foundry. Toda resposta precisa ser educada, em linguagem simples e limitada a perguntas sobre os produtos da empresa, seja o que o usuário digitar. Onde essas regras devem ficar?

  • A. No prompt de sistema
  • B. Em cada prompt de usuário, digitado pelo usuário
  • C. No nome do modelo
  • D. Nas mensagens de erro do app

Resposta: A. O prompt de sistema (system message) define o papel, o tom, o escopo e as regras do modelo em toda a conversa. O prompt de usuário traz a pergunta real do usuário, que muda a cada turno e não pode ser usada para repetir as regras.

  • B está errada porque os usuários não vão acrescentar as regras por conta própria, e o app não deve depender disso.
  • C está errada porque o nome do modelo ou da implantação apenas identifica qual modelo é chamado.
  • D está errada porque mensagens de erro não mudam a forma como o modelo responde.

Nosso guia sobre como escrever um prompt de sistema aprofunda o que deve entrar nele.

Questão 6

Um desenvolvedor escolhe um modelo no catálogo de modelos do Foundry e quer chamá-lo a partir de um app em Python. O que o desenvolvedor precisa fazer antes que o app possa enviar prompts a ele?

  • A. Fazer o fine-tuning do modelo com dados da empresa
  • B. Implantar o modelo no recurso do Foundry e usar o endpoint e o nome dessa implantação no app
  • C. Baixar os pesos do modelo para o notebook
  • D. Criar um analisador do Content Understanding

Resposta: B. Um modelo do catálogo precisa ser implantado antes de poder ser usado. O app então envia requisições para a implantação, usando o endpoint do projeto, o nome da implantação e credenciais como uma chave ou o Microsoft Entra ID. O guia de estudos lista tanto "deploy a model and interact with it in the Foundry portal" quanto "create a lightweight chat client application by using the Foundry SDK".

  • A está errada porque o fine-tuning é opcional e não é necessário para chamar um modelo.
  • C está errada porque o Foundry hospeda o modelo implantado; você o chama pela rede.
  • D está errada porque um analisador serve para extração de informações com o Content Understanding, não para conversar com um modelo.

Questão 7

Um desenvolvedor escreve este loop de chat simples em Python. Os usuários reclamam que o assistente esquece o que eles disseram uma mensagem antes. Qual é a correção?

system = {"role": "system", "content": "Você é um assistente de viagens prestativo."}

while True:
    user_input = input("Você: ")
    messages = [system, {"role": "user", "content": user_input}]
    reply = send_to_model(messages)  # chama o modelo de chat implantado
    print("Assistente:", reply)
  • A. Aumentar a temperatura para o modelo lembrar mais
  • B. Manter uma única lista messages para toda a conversa e acrescentar a ela cada mensagem do usuário e cada resposta do assistente antes da próxima chamada
  • C. Mover a mensagem de sistema para o fim da lista
  • D. Implantar um modelo maior

Resposta: B. Um modelo de chat não se lembra de requisições anteriores. Cada chamada só vê as mensagens que você envia. O loop refaz messages do zero a cada turno, então os turnos anteriores se perdem. Criar a lista uma vez e acrescentar a entrada do usuário e a resposta do assistente a cada turno dá ao modelo o histórico da conversa.

  • A está errada porque a temperatura muda o quanto a saída é aleatória, não o que o modelo consegue ver.
  • C está errada porque a posição da mensagem de sistema não traz de volta os turnos que faltam.
  • D está errada porque um modelo maior continua vendo apenas as mensagens da requisição.

Questão 8

Uma equipe cria um único agente no portal do Foundry para responder às perguntas dos funcionários sobre as políticas de RH da empresa, que estão armazenadas em arquivos PDF. Qual mudança permite que o agente fundamente suas respostas nesses documentos?

  • A. Adicionar ao agente a ferramenta de busca em arquivos (file search) e enviar os documentos de política
  • B. Aumentar o tamanho máximo da resposta
  • C. Adicionar ao agente um modelo de geração de imagens
  • D. Remover as instruções do agente para que ele responda livremente

Resposta: A. As ferramentas ampliam o que um agente pode fazer. A ferramenta file search indexa os arquivos enviados em um vector store para que o agente recupere trechos relevantes e responda a partir deles, e não do conhecimento geral do modelo.

  • B está errada porque um limite maior de resposta não dá conhecimento novo ao agente.
  • C está errada porque a geração de imagens cria imagens, não respostas a partir de documentos.
  • D está errada porque as instruções definem o papel do agente; removê-las o torna menos confiável, não mais bem informado.

O padrão por trás disso é a retrieval-augmented generation, e nosso texto sobre tool calling e agentes de IA explica como os agentes decidem quando usar uma ferramenta.

Questão 9

Um técnico de campo tira uma foto de uma peça danificada de uma máquina e pergunta ao app da empresa: "Que peça é esta e o que pode estar errado com ela?" Qual abordagem se encaixa melhor no Foundry?

  • A. Enviar a foto e a pergunta juntas, em um prompt, a um modelo multimodal implantado que aceita imagens como entrada
  • B. Enviar a pergunta a um modelo de geração de imagens
  • C. Converter a foto em áudio com síntese de fala
  • D. Executar análise de sentimento no nome do arquivo da foto

Resposta: A. Um modelo multimodal pode receber uma imagem e texto no mesmo prompt e raciocinar sobre os dois. O guia de estudos chama isso de interpretar entrada visual em prompts usando um modelo multimodal implantado.

  • B está errada porque um modelo de geração de imagens cria imagens novas; ele não explica uma foto existente.
  • C está errada porque a síntese de fala transforma texto em áudio e nada tem a ver com imagens.
  • D está errada porque a análise de sentimento trabalha com opiniões em texto, e um nome de arquivo não diz nada sobre a peça.

Questão 10

Um call center quer processar as gravações das ligações de clientes e obter campos estruturados para cada ligação: um resumo curto, o produto discutido e se o cliente ficou satisfeito. Qual ferramenta do Foundry foi criada para isso?

  • A. Azure Content Understanding in Foundry Tools, com um analisador que define os campos
  • B. Um modelo de embeddings de texto
  • C. Um modelo de geração de imagens
  • D. A ferramenta file search em um agente

Resposta: A. O Content Understanding processa documentos, imagens, áudio e vídeo e os transforma em uma saída estruturada. Você define os campos desejados em um schema de analisador, e ele pode extrair, classificar ou gerar valores, como um resumo da ligação ou um rótulo de satisfação. A análise pós-ligação é um dos casos de uso que a Microsoft lista.

  • B está errada porque os embeddings transformam texto em vetores para busca; eles não produzem campos rotulados a partir de áudio.
  • C está errada porque a geração de imagens cria imagens.
  • D está errada porque a busca em arquivos ajuda um agente a responder perguntas a partir de documentos; ela não transforma cada gravação em campos estruturados.

Como se avaliar

Conte seus acertos em 10 e depois veja onde errou. Dez questões são poucas para prever o resultado do exame, mas mostram qual área de habilidades precisa de trabalho.

  • 9–10 acertos: pratique com conjuntos mais longos e cronometrados e continue revisando as questões que erra.
  • 6–8 acertos: volte aos tópicos da área de habilidades em que você errou, no guia de estudos.
  • 5 ou menos: comece pelos conceitos. Nossa trilha de aprendizado de engenharia de prompts cobre as ideias de IA generativa por trás das questões 2 e 5–8.

Se você errou várias das questões 5–10, a parte do Foundry é a sua lacuna. Essas habilidades se aprendem mais facilmente na prática: implante um modelo, escreva um prompt de sistema e monte você mesmo um pequeno cliente de chat em Python.

A Microsoft também oferece uma practice assessment gratuita para esta certificação no AI Skills Navigator (é preciso fazer login). Ela está linkada na página do exame AI-901.

Como estas questões foram escritas

A TokIQ Editorial escreveu estas questões a partir das habilidades listadas no guia de estudos do AI-901 (habilidades avaliadas em 15 de abril de 2026). Elas não são questões reais do exame e não foram tiradas de nenhum banco de questões vazado. Os fatos do exame foram conferidos nas páginas do Microsoft Learn linkadas acima em 2026-10-26. O TokIQ é um app de prática independente e não tem vínculo com, nem é endossado ou patrocinado pela Microsoft. Microsoft, Azure e Microsoft Foundry são marcas registradas do grupo de empresas Microsoft.

Estudando para a AWS também? Experimente nossas questões de exemplo do AWS AI Practitioner (AIF-C01).

Pratique mais questões do AI-901

Se você quer um conjunto curto como este todos os dias, o TokIQ (no Google Play, em breve no iPhone) tem um modo de preparação para o AI-901: uma sessão diária que traz de volta as questões que você errou com repetição espaçada, dá mais peso à sua área de habilidades mais fraca e inclui simulados cronometrados. Cada questão cita a fonte oficial do Microsoft Learn em que se baseia, e há uma explicação depois de cada resposta, no seu idioma.

Não tem certeza de que o AI-901 é o primeiro exame certo? Compare com outras opções em qual certificação de IA fazer primeiro ou experimente as questões de prática do Google Generative AI Leader.

Perguntas frequentes

O exame AI-900 foi aposentado?

Sim. A Microsoft aposentou o AI-900 em 30 de junho de 2026 e o substituiu pelo AI-901: Microsoft Azure AI Fundamentals. Para obter a certificação Microsoft Certified: Azure AI Fundamentals, agora você passa no AI-901, que é o único exame exigido (Microsoft Learn, consultado em 2026-10-26).

Qual é a diferença entre o AI-900 e o AI-901?

O AI-900 tinha cinco domínios conceituais (cargas de trabalho de IA, machine learning no Azure, visão computacional, PLN e IA generativa). O AI-901 tem duas áreas de habilidades: Identify AI concepts and capabilities (40–45%) e Implement AI solutions by using Microsoft Foundry (55–60%). A Microsoft também espera que os candidatos ao AI-901 conheçam a sintaxe de programação em Python, então mais da metade do exame trata de criar pequenos apps e agentes com o Foundry.

Ainda posso usar simulados do AI-900 para o AI-901?

Só em parte. As questões conceituais sobre IA responsável, análise de texto, fala e visão computacional ainda ajudam na primeira área de habilidades. Os conjuntos do AI-900 não cobrem implantação de modelos, prompts, agentes e Content Understanding no Microsoft Foundry, que representam 55–60% do AI-901.

Quanto tempo dura o exame AI-901 e que nota preciso para passar?

Os exames Microsoft Fundamentals duram 45 minutos, com 65 minutos de tempo na cadeira. As notas são informadas em uma escala de 1 a 1.000 e é preciso tirar 700 ou mais para passar. É uma nota escalonada, então 700 não equivale a 70% das questões (Microsoft Learn, consultado em 2026-10-26).

Quantas questões tem o AI-901?

A Microsoft não divulga o número de questões do AI-901. Ela diz que a maioria dos exames de certificação tem de 40 a 60 questões e que esse número pode mudar. Não há penalidade por chute, então responda a todas as questões.

Estas são questões reais do exame AI-901?

Não. A TokIQ Editorial escreveu as 10 questões a partir das habilidades listadas no guia de estudos oficial do AI-901. A Microsoft mantém o conteúdo de suas provas confidencial, então sites que vendem questões reais são um risco, não um atalho. A Microsoft também oferece uma practice assessment gratuita para esta certificação no AI Skills Navigator (é preciso fazer login).

  • #AI-901
  • #AI-900
  • #Azure AI Fundamentals
  • #questões de prova
  • #preparação para certificação

Agora pratique

O TokIQ transforma prompt engineering em quizzes curtos, com uma explicação para cada resposta.

Em breve naApp StoreDisponível noGoogle Play
Aprendizado8 min de leitura

Questões de prova AWS MLA-C02 e guia do exame (Beta)

10 questões originais de prática do MLA-C02 (AWS Certified Machine Learning Engineer Associate), fatos do exame beta, os quatro domínios e mudanças do MLA-C01.

Escreva prompts melhores, com algumas questões por dia.

Quizzes curtos sobre decisões reais de prompting, com uma explicação para cada resposta. Grátis para começar no iPhone e no Android.

Em breve naApp StoreDisponível noGoogle Play