Azureには、AIの機能がたくさん用意されています。でも学び始めると、「文章の要約は？」「画像を作りたいときは？」「書類から項目を抜き出すには？」——結局どのサービスを使えばいいの？と、名前が多すぎて迷子になりがちです。この記事では、AI-901（Microsoft Azure AI Fundamentals）の出題範囲に沿って、「用途（やりたいこと）→ 使うサービス」を1枚のマップに整理します。AzureもAIも初めての方でも、読み終わるころには「この場面はこれ」と即答できるようになります。
- すべてのAIサービスは「Microsoft Foundry」という1つの器の中で使います。まずここが土台です。
- 用途は大きく4つに分かれます：①生成・会話・エージェント ②テキストと音声 ③画像 ④情報抽出。
- 迷ったら、下の「用途→サービス早見マップ」を見れば、どのサービスを選べばよいか一発で分かります。
無料・登録不要
まず20問、解いてみませんか
本番と同じ形式（単一選択・複数選択）の模擬試験です。公式の配点比率どおりに全範囲から出題します。選択肢を選ぶとその場で採点され、選んだ選択肢がなぜ違うのかまで解説が出ます。
無料模試 20問を解く ▷メール登録・会員登録はありません／制限時間なし／全20問・その場で採点
まず大前提：すべては「Microsoft Foundry」の中
個々のサービスを見る前に、いちばん大事な土台をおさえます。それが Microsoft Foundry（マイクロソフト・ファウンドリー） です。
この記事で登場する Language・Speech・Vision・Content Understanding といった各サービスも、すべてこの Microsoft Foundry の中から呼び出して使います。「AIの仕事はぜんぶ Foundry という1つの工房でやる」——まずこのイメージを持ってください。
① 生成・会話・エージェント
1つ目のグループは、文章を作ったり、会話したり、AIに仕事を任せたりする用途です。AI-901でもっとも配点が大きい「Foundryでの実装」の中心になります。
- 生成AI／チャット：AIモデルに
responses.createという呼び出しで指示を送ります。instructionsが「役割（どんなAIとして振る舞うか）」、inputが「質問・お願い」です。 - 会話を続ける（前のやりとりを覚える）：
previous_response_id（前の応答のID）やconversation（会話のまとまり）を使って、直前までの流れを引き継ぎます。 - エージェント：モデル＋指示＋道具（ツール）を名前を付けて保存しておき、その名前で呼び出す仕組みです。毎回ゼロから指示を書かなくても、いつも同じ振る舞いで働いてくれます。
responses.create（レスポンシズ・クリエイト）は、AIに「これに答えて」とお願いする基本の呼び出しです。生成も会話も、さらには画像・音声も、じつはこの1つの呼び出しに引数を足すだけで扱えます。コードの詳しい早見は Foundry SDKコードチートシート にまとめています。② テキストと音声
2つ目は、文章を分析したり、音声を扱ったりする用途です。
- テキスト分析（Azure AI Language）：文章から感情（肯定的か否定的か）・固有名詞（人名や地名）・キーワード・要約を取り出します。
- 音声（Azure AI Speech）：音声認識＝音声を文字に、音声合成＝文字を音声に。向きが逆の2つがセットです。
- 音声で会話する：マルチモーダルモデル（後述）に
responses.createで音声を入力すれば、会話のように音声で答えてもらえます。
③ 画像
3つ目は、画像を読む・画像を作る・画像を定型的に分析する用途です。「読む」と「作る」は向きが逆なので、ここを混同しないのがポイントです。
- 画像を理解する（中身を読む）：マルチモーダルモデルに
responses.createで画像を入力すると、「何が写っているか」を説明してくれます。 - 画像を生成する（新しく作る）：画像生成モデルに
images.generateという呼び出しで文章から画像を作ります。 - 定型の画像分析（Azure AI Vision）：画像の分類・物体検出・文字の読み取り（OCR）・顔検出など、決まった形の分析を担当します。
④ 情報抽出
4つ目は、書類や画像・音声・動画から、必要な項目だけを構造化して取り出す用途です。
- 情報抽出（Azure Content Understanding）：請求書・契約書などの書類、画像、音声、動画から、「日付」「金額」「取引先」といった必要な項目を整った形（構造化データ）で抜き出します。
- これは、OCR（文字をそのまま読むだけ）や、テキスト分析（文章の感情などを見る）とは役割が違います。「必要な項目を選んで、整理して取り出す」のが情報抽出です。
用途 → サービス 早見表
ここまでの内容を、「やりたいこと」から引ける表にまとめます。試験でも実務でも、この対応がすっと出てくれば十分です。
| やりたいこと（用途） | 使うサービス／呼び出し | ひとこと |
|---|---|---|
| 文章の感情・要約・キーワード | Azure AI Language | 文章専門の分析 |
| 文字起こし・読み上げ | Azure AI Speech | 音声専門（認識と合成） |
| 画像の中身を読む | マルチモーダルモデル＋responses.create |
画像を入力する |
| 画像を作る | 画像生成モデル＋images.generate |
文章から画像へ |
| 画像の定型分析（分類・物体検出・OCR・顔） | Azure AI Vision | 決まった形の画像分析 |
| 書類などから項目を抽出 | Azure Content Understanding | 項目を構造化して取り出す |
| 会話・自律的な実行 | モデル／エージェント（Foundry） | responses.create／名前付きで呼ぶ |
※OCR（文字を読むだけ）はVision、項目を選んで構造化する抽出はContent Understanding、というちがいに注意（役割が別です）。
各サービスをもっと深く学ぶ（関連解説）
この早見マップで全体像をつかんだら、各サービスの「実際の使い方」は次の解説記事へ。すべて無料・日本語・初心者向けです。
- 生成・会話：Microsoft Foundryの使い方入門（モデルをデプロイして呼び出す）
- チャットアプリ：Foundry SDK（Python）の使い方・チャットアプリの作り方
- エージェント：Microsoft Foundryでエージェントを作る方法
- テキストと音声：Azure Speechとテキスト分析の使い方
- 画像（理解・生成）：Azureで画像を生成・分析する方法
- 情報抽出：Azure Content Understandingの使い方
あわせて読みたい：
まとめ
- すべてのAIサービスは Microsoft Foundry の中で使う——これが土台。
- 用途は①生成・会話・エージェント ②テキストと音声 ③画像 ④情報抽出の4グループ。
- 文章＝Language／音声＝Speech／定型の画像分析＝Vision／項目抽出＝Content Understanding／会話・画像理解＝モデル（
responses.create）／画像生成＝images.generate／自律実行＝エージェント。 - この対応がすっと言えれば、試験の「どのサービスを使う？」系の問題はこわくありません。
※本記事はMicrosoft公式のAI-901出題範囲（Study guide）にもとづき、エンジニアKが作成しています。サービス名・仕様は変わることがあります。最新は Microsoft公式のAI-901試験ページ をご確認ください。
本サイトはMicrosoft Corporationの公式サイトではありません。Microsoft、Azure、Microsoft Foundry等は同社の商標です。
