以前、運用高度化のためにGoogle CloudでAIチャットボットを作成したのですが、MicrosoftではどのようなAIツールがあるのか…気になったので調べてみました。 本記事では、「Microsoft Copilot Studio」と「Azure AI Foundry」の機能や特徴を徹底比較します。ぜひAI開発ツール選定の参考にしてください。 Microsoft Copilot Studioとは？ 企業が独自のAIアシスタント（Copilot）を作成したり、既存の「Microsoft Copilot for Microsoft 365」を自社向けにカスタマイズしたりするための ローコード開発プラットフォーム です。 以前は「Power Virtual Agents」と呼ばれていたサービスが、最新の生成AI（ChatGPTのような大規模言語モデル）を組み込んで大幅に進化・改称したものです。 概要 - Microsoft Copilot Studio Microsoft Copilot Studioを使用してインテリジェントな AI エージェントを簡単に構築できます。 ローコード インターフェイスを使用して、プラットフォーム間でエージェントを作成、カスタマイズ、展開します。 learn.microsoft.com 最大の特徴（なぜローコード・ビジネス向けなのか？） プログラミング知識が不要（ローコード/ノーコード） 画面上のドラッグ＆ドロップや、自然言語でAIアシスタントを構築できます。エンジニアだけでなく、業務部門の担当者（人事、総務、営業企画など）が自らAIを作ることが可能です。 自社の独自データとの連携が簡単（RAGの実現） Copilot Studioを使えば、自社のWebサイト、SharePoint内の社内マニュアル、PDF文書などを指定するだけで、「自社の独自情報に基づいて回答するAI」を数分で作れます。 業務の自動化（アクションの実行）   「Power Automate」などのツールと連携し、「社内システムへデータを入力する」「休暇申請を提出する」「メールを送信する」といった実際の業務プロセスをAIに代行させることができます。 Microsoft 365のCopilotを拡張できる すでにTeamsやWordなどで使っている「Copilot」に対して、自社独自のプラグイン（拡張機能）を追加し、より自社の業務にフィットした有能なアシスタントに育てることができます。 ビジネス導入におけるメリット 開発スピードとコストの大幅削減 ローコードであるため、社内の人間が数日〜数週間で構築・改善のサイクルを回せます。 エンタープライズ級のセキュリティとガバナンス Microsoftの堅牢なセキュリティ基盤の上で動くため、入力したデータや社内情報が外部のAI学習に利用されることはありません。IT部門がしっかり管理・統制を効かせることができます。 「会話のシナリオ」と「生成AI」のいいとこ取り 「必ずこの順番で質問して、手続きを進める」といった厳格なルール（シナリオベース）と、「マニュアルから自由に回答を生成する」（生成AIベース）を自由に組み合わせて、柔軟かつ正確なAIを作れます。 Azure AI Foundryとは？ Azure AI Foundryは、開発者やデータサイエンティストが、高度なカスタマイズを伴う独自の生成AIアプリケーションやAIエージェントを設計・構築・評価・運用するための、 統合的なプロコード開発プラットフォーム です。 ※以前は「Azure AI Studio」と呼ばれていたサービスを中心に、MicrosoftのAI開発ツール群を統合し、リブランディングしたプラットフォームです。 Microsoft Foundry とは - Microsoft Foundry Microsoft Foundry は、開発者が安全で安全で責任ある方法で AI を使用してイノベーションを推進し、未来を形成できるようにする信頼できるプラットフォームです。 learn.microsoft.com 最大の特徴（なぜプロコード・高度なAI開発向けなのか？） 世界中のあらゆるAIモデルを自由に選べる・育てられる OpenAIの「GPT-4」だけでなく、Metaの「Llama」、Googleのモデル、Microsoftの軽量モデル「Phi」など、数千種類のAIモデル（モデルカタログ）から用途やコストに合わせて最適なものを選択できます。 複雑で大規模なRAG（自社データ連携）の完全制御 Copilot Studioでも自社データ連携（RAG）は可能ですが、AI Foundryでは「数百万件の文書」「複雑な社内データベース（SQLなど）」を対象にした、高度な検索システムを構築できます。 プロンプトフロー（複雑な処理の流れの構築） 「ユーザーの質問を受け取る」→「データベースを検索する」→「Pythonコードで計算処理をする」→「AIに回答を作らせる」といった、複雑な処理のパイプラインを、視覚的なツールとコードを組み合わせて緻密に設計・デバッグできます。 厳格なテストと「責任あるAI」の実装 Azure AI Foundryには、AIの回答精度を定量的に評価したり、不適切な入出力を自動でブロックしたりする、プロフェッショナル向けの強力なテスト・安全管理機能が備わっています。 ビジネス・開発におけるメリット 圧倒的な自由度とカスタマイズ性   プロンプトから検索アルゴリズム、使用するモデルに至るまで、開発者がすべてをコントロールできます。 スケーラビリティ（拡張性）とパフォーマンス Microsoft Azureの強力なクラウドインフラストラクチャ上で動作するため、世界中の何百万人ものユーザーが同時にアクセスするような大規模な商用アプリケーションにも耐えられます。 エンタープライズのセキュリティとコンプライアンス 企業の閉域網（VNet）の内部だけでAIシステムを完結させるなど、金融機関や政府機関でも採用されるレベルの極めて厳格なセキュリティ要件を満たすシステム構築が可能です。 Microsoft Copilot Studio と Azure AI Foundry の比較表 比較項目 Microsoft Copilot Studio Azure AI Foundry 一言で言うと 「手軽にAIアシスタントを作るツール」 「AIシステムを根本から開発するツール」 主な利用者 業務部門、IT管理者、プロメーカー 開発者、データサイエンティスト、AIエンジニア 必要なITスキル プログラミング不要 （ドラッグ＆ドロップ、自然言語で指示） プログラミング必須 （Python、C#などを用いたコーディング） プラットフォーム SaaS（Microsoftが管理） PaaS（Azureサブスクリプション内で自己管理） 展開チャネル Teams、Outlook、Webなど API、Functions、Web、コンテナなど 主なビジネス活用シーン（ユースケース） Microsoft Copilot Studio Copilot Studioで作ったAIは、社内外のさまざまな場面で活躍します。 【社内向け】社内ヘルプデスク（情シス・人事・総務） 「交通費の精算方法を教えて」「パスワードを忘れた」といった社員からのよくある質問にAIが自動回答。マニュアルを読み込ませておけば、担当者の負担が激減します。 【社外向け】カスタマーサポート（顧客対応） 自社製品の取扱説明書やFAQサイトを学習させたAIをWebサイトに設置。24時間365日、顧客の問い合わせに高精度な自然言語で対応します。 【営業支援】社内データ検索アシスタント 「〇〇製品の最新の在庫状況と、過去の提案書を出して」とTeamsでAIに頼むと、社内データベースから情報を引っ張ってきて要約してくれます。 Azure AI Foundry Azure AI Foundryは単なる社内向けチャットボットの枠を超えた、自社のコアビジネスや製品に直結するAI開発で使われます。 【自社製品へのAI組み込み】BtoB/BtoC向けの機能拡張 自社が提供している業務システムやスマホアプリのなかに、「独自のAIアシスタント機能」を開発してAPI経由で組み込むことができます。 【高度な業務自動化】自律型AIエージェントの開発 「在庫管理システム」「会計システム」「メールソフト」など複数のシステムをAIが自律的に横断し、状況を判断して業務を遂行する「エージェントAI」を構築できます。 【専門領域の特化型AI】医療・金融・法務などの専用AI 一般的なAIでは理解できない専門用語や社内独自のルールを、ファインチューニングによって深く学習させた、その業界・企業専用のAI開発ができます。 まとめ Microsoft Copilot Studioは、プログラミング知識がなくても自分たちの業務を助ける「AIアシスタント」を自ら作り出せます。一方で、Azure AI Foundryを使えば、高度なAIシステムを構築することも可能です。 これらを組み合わせて使うこともできるので、組織の目的に合わせて最適なAI開発ツールを選択してみてください！

2024年度にAWS認定資格をすべて取得し、 2025 ALL AWS Certifications Engineers として表彰していただきました！ 振り返ってみると、当初の予定を大幅に前倒しした 資格取得RTA のような怒涛のスケジュールでした。 今回は、なぜ実務経験が断片的だった私が全冠を目指したのか、そしてどうやって駆け抜けたのか、その記録を公開します。 挑戦前のスペック：AWS経験は「点」でした 「全冠」と聞くと、さぞかしAWSを使いこなしている人を想像されるかもしれませんが、当時の私の状況はこんな感じでした。 仕事：クラウドネイティブな開発基盤構築チームで、いわゆる「何でも屋」をしているエンジニア 主戦場： Azure、GoogleCloud（仕事の比率はこちらが高め） AWS実務経験： 特定サービスのアプリ部品を1つ作成。あとは、炎上プロジェクトでの技術支援（火消し）にスポット参戦 得意なこと： プログラミング、DevOps関連技術、アプリ開発周り 保有資格： 高度情報（システムアーキテクト、データベーススペシャリスト）、Java資格など AWSに関しては「広く浅く」どころか、特定のスポットだけ激しく触ったことがあるという、非常に偏った知識状態からのスタートでした。 取得動機：あふれるAWSへの想いを形にしたかった 理由はシンプルです。AWSが好きだから。 しかし、世の中はAWSエンジニア戦国時代。人気すぎて競争率が高く、インフラ専任ではない私には、なかなかAWSメインの案件が回ってきませんでした。 「好きなのに、触れない……。この熱意をどうにかして証明したい！」 そう思い立った結果が、「資格で可視化すること」でした。当初は「年2個くらいずつ、ゆっくり取ろうかな」と考えていたのですが、いざ始めると火がついてしまいました。 得意なDevOps分野が意外とスルスル取れたことで弾みがつき、1資格2週間（1・2月は月3個ペース）という怒涛の短期集中モードに突入してしまったのです。 （※よい子の皆さんは、無理のないスケジュールを立ててくださいね！） 攻略ルート：得意を固めてから「専門領域」に挑む 一般的にはSAA（Associate）からSAP（Professional）へ進むのが王道ですが、 私は知識のオーバーラップを意識して、得意な領域からグルーピングして攻略しました。 実際に進んだ順番 1. 基礎・開発系（足場固め） CLF → SAA → DVA → DOP → SOA まずは得意なDevOps周りを固め、勢いをつけました。 2. トレンド・データ系（攻めの姿勢） DEA → AIF → MLS → MLA 新設されたデータ・AI系資格を一気に攻略。 3. インフラ・専門系（最難関の壁） ANS → SCS → SAP 最難関のネットワーク（ANS）をあえて後半に。 最後は集大成としてラスボス的存在のSAPで締めました。 実際に駆け抜けたロードマップ コード 正式名称 レベル 初回取得日 コメント CLF-C01 AWS Certified Cloud Practitioner Foundational 2023-01-28 AWSはじめ SAA-C03 AWS Certified Solutions Architect Associate 2024-02-12 穏やかに取得 DVA-C02 AWS Certified Developer Associate 2024-06-26 ウォーミングアップ期間 DOP-C02 AWS Certified DevOps Engineer Professional 2024-12-20 覚醒 SOA-C02 AWS Certified SysOps Administrator Associate 2025-01-10 ここからRTAスタート DEA-C01 AWS Certified Data Engineer Associate 2025-01-25 　↓ AIF-C01 AWS Certified AI Practitioner Foundational 2025-01-29 　↓ MLS-C01 AWS Certified Machine Learning Specialty 2025-02-06 　↓ MLA-C01 AWS Certified Machine Learning Engineer Associate 2025-02-13 　↓ ANS-C01 AWS Certified Advanced Networking  Specialty 2025-02-26 　↓ SCS-C02 AWS Certified Security Specialty 2025-03-05 　↓ SAP-C02 AWS Certified Solutions Architect Professional 2025-03-17 ゴール！！ 勉強方法：三種の神器 短期集中を成功させるために、効率を最優先しました。 1. AWS Black Belt (動画/資料) 知らないサービスは、まずこれ。公式の「正解」を脳に叩き込みます。 2. Udemy (動画教材) 特に未知の領域（AI、ネットワーク）は、ハンズオン付きの教材で「触った感触」を擬似体験しました。 3. オンライン問題集 「試験の勘」を養うために、仕上げとして数周。間違えた部分は公式ドキュメントに戻って徹底的に潰しました。 挑戦中に感じた「光と影」 苦しかったこと：最難関ネットワークの壁 一番しんどかったのは、やはりANS（ネットワーク）です。 開発をしていると不具合の原因として立ちはだかることもあるネットワークですが、実務で使ったことのない細かいサービス仕様には本当に苦戦しました。 また、MLA（機械学習エンジニア）も普段の業務と距離があったため、根気強く動画と問題集を往復する日々でした。 楽しかったこと：アーキテクチャの万華鏡 逆に一番楽しかったのは、試験を通じて膨大なアーキテクチャ事例に触れられたことです。 普段は特定の基幹システムを見ることが多いのですが、多種多様な構成を学ぶのは新鮮で、「AWSならこんな解決策があるのか！」と、ただただワクワクしました。余計にAWSが好きになりました。 おまけ 最後にちょっとだけ自慢させてください！ 12回もの試験を乗り越えたご褒美に、AWS Summit2025で取得した資格のシールをいただいてきました！（デザイン好きすぎて額縁に入れました。） 某RPGが大好きでたくさんのシリーズをやっているのですが、まさかAWSの資格シールがRPG風なんて…！！ドット絵のキャラクターが並んでいるのを見るだけで、テンションが上がります。こうして物理的な形になると、頑張ってよかったな～と改めて実感します。  総評：全冠を取得して変わったこと 2月から3月のラストスパートは、正直くじけそうになる瞬間もありました。 ですが、1つ合格するたびに「自分でもできるんだ」という自信が積み重なり、最後は 早く次の試験を受けたい！ というランナーズハイに近い状態になっていました（笑）。 全冠を達成して得られたのは、単なる称号だけではありません。 AWSという巨大なパズルの全体像 が見えるようになったことで、アーキテクトとして自信を持って提案ができるようになりました。   もし、「実務経験が少ないから」と迷っている方がいたら、ぜひ一歩踏み出してみてください。資格取得の過程で得られる知識は、必ず現場でのあなたの武器になります。 最後まで読んでいただきありがとうございました！ 2025 ALL AWS Certifications Engineers の名に恥じぬよう、これからも精進します！ P.S.勢いそのままに、実は「AWS Certified Generative AI Developer – Professional」のベータ版も突撃し、Early Adopterバッジをもらってきました。気力が湧いたら、そちらの記事も書く…かもしれません。

AWS DevOps AgentがGA（一般提供開始）！本記事では、秒単位の料金体系や東京リージョン対応などの最新情報から、Preview版からの移行で必須となるIAM設定の変更点まで、運用担当者必見のポイントをわかりやすく総まとめしました。