AI-102 vs AI-900: välj rätt Azure AI-certifiering 2026

AI-102 och AI-900 är två olika Azure AI-certifieringar, där valet handlar mindre om vilken certifiering som är mest avancerad och mer om vilket arbete personen behöver kunna utföra efteråt.

AI-900 är Microsofts grundläggande AI-certifiering för personer som behöver förstå AI-begrepp, ansvarfull AI och hur Azure AI-tjänster används i verksamheten. AI-102 är en rollbaserad certifiering för utvecklare och AI-ingenjörer som ska designa, bygga, integrera och driftsätta AI-lösningar i Azure.

Publicerad: 2026. Redaktionell notis: Artikeln är uppdaterad för att spegla hur generativ AI, Azure OpenAI-relaterade arbetsmönster och praktisk lösningsdesign påverkar valet mellan AI-900 och AI-102. Kontrollera alltid Microsoft Learn före bokning, eftersom examensmål, pris och tillgängliga språk kan ändras regionalt.

Den korta skillnaden mellan AI-900 och AI-102

AI-900 passar den som behöver ett gemensamt språk för AI utan att själv bygga lösningarna. Certifieringen är relevant för affärsanalytiker, produktägare, projektledare, säljstöd, beslutsfattare och tekniska generalister som behöver förstå vad maskininlärning, datorseende, språkmodeller och ansvarfull AI innebär i praktiken.

AI-102 passar den som förväntas omsätta AI i fungerande system. Den kräver mer tekniskt djup: programmering, API-anrop, autentisering, tjänsteintegration, testning, övervakning och förståelse för hur Azure AI-tjänster beter sig när de används i riktiga applikationer.

Det finns överlappning. Båda berör Azure AI-tjänster och ansvarfull AI, men på olika nivåer. AI-900 frågar främst om igenkänning och förståelse; AI-102 prövar om kandidaten kan sätta samman tjänster till en lösning som fungerar, går att säkra och kan förvaltas.

En praktisk beslutsram: roll, effekt och Azure-tillgång

Det enklaste sättet att välja är att väga tre saker samtidigt: arbetsuppgifter, tid till effekt och tillgång till en Azure-miljö. Om arbetet främst handlar om att bedöma AI-möjligheter, diskutera krav, granska risker eller förstå leverantörsförslag räcker AI-900 ofta som första steg. Om arbetet däremot handlar om att bygga chattbotar, analysera dokument, anropa modeller, skapa sökindex eller integrera AI i applikationer pekar valet mot AI-102.

Tid till effekt är nästa fråga. En person som snabbt behöver förstå AI-terminologi inför ett projekt, en upphandling eller en intern strategi får snabbare nytta av AI-900. En utvecklare som redan har ett konkret leveransmål, exempelvis att skapa dokumenttolkning eller konversationsstöd i en befintlig produkt, får ofta mer direkt nytta av AI-102 eftersom studierna ligger närmare det praktiska arbetet.

Den tredje frågan är tillgången till Azure. AI-900 går att studera med begränsad praktisk miljö eftersom tyngdpunkten ligger på begrepp och tjänsteigenkänning. AI-102 blir däremot svår att förbereda sig för utan en sandbox, prenumeration eller labbmiljö där det går att skapa resurser, testa autentisering, mäta resultat och förstå begränsningar.

En vanlig missuppfattning är att AI-900 måste tas före AI-102. Microsoft anger inte AI-900 som formellt krav för AI-102. Däremot kan AI-900 vara ett klokt första steg för den som saknar AI- eller Azure-bakgrund, eftersom den ger språk och struktur innan de tekniska detaljerna tar över.

Vad AI-900 faktiskt visar

AI-900, Microsoft Azure AI Fundamentals, visar att kandidaten förstår grundläggande AI- och maskininlärningsbegrepp samt hur Azure AI-tjänster kan användas i vanliga scenarier. Det handlar om att kunna skilja mellan exempelvis klassificering, regression, objektigenkänning, textanalys, taligenkänning och principer för ansvarfull AI.

Certifieringen är särskilt användbar i organisationer där AI diskuteras brett men där alla inte behöver skriva kod. En produktägare kan behöva förstå vad som är rimligt att kräva av en AI-funktion. En projektledare kan behöva tolka beroenden, risker och testbehov. En affärsanalytiker kan behöva översätta verksamhetsproblem till datadrivna användningsfall utan att själv implementera lösningen.

I svensk arbetsmarknadskontext fungerar AI-900 ofta som ett bevis på AI- och dataläskunnighet snarare än som en teknisk ingenjörsmerit. När jobbannonser efterfrågar förståelse för AI, data, moln och digital transformation kan AI-900 stärka profilen. När annonsen däremot nämner API:er, Python, Azure Functions, Azure AI Search, promptflöden, RAG eller produktionssättning räcker den normalt inte ensam.

Den som vill ha en strukturerad introduktion kan använda grundläggande utbildningsresurser som ett sätt att skapa överblick, men Microsoft Learn bör alltid kontrolleras för aktuella examensmål. Readynez kan också vara relevant när en organisation vill samla deltagare från både verksamhet och IT kring samma grundläggande begrepp, men själva värdet i AI-900 ligger i att skapa en gemensam förståelse för vad Azure AI kan och inte kan göra.

Vad AI-102 kräver i praktiken

AI-102, Designing and Implementing a Microsoft Azure AI Solution, är betydligt mer praktisk. Den rör sig från begrepp till lösningsdesign: hur tjänster väljs, kopplas ihop, säkras, anropas från kod och övervakas efter driftsättning. Kandidaten behöver förstå hur Azure AI-tjänster fungerar tillsammans med applikationskomponenter som Functions, lagring, identitet, sök och ibland botramverk.

Generativ AI har dessutom förändrat hur många tolkar AI-102 i praktiken. Kandidater som arbetar med chattbotar, dokumentfrågor, kunskapssökning eller RAG-liknande mönster behöver förstå promptdesign, datakällor, sökindex, utvärdering och säkerhetsgränser. Även när examensmålen beskrivs tjänst för tjänst är det i verkliga projekt ofta integrationen mellan dem som avgör om lösningen håller.

Ett typiskt AI-102-liknande case kan börja med inkommande PDF:er eller skannade dokument. Azure AI Document Intelligence extraherar text och strukturerade fält. Resultatet lagras och indexeras i Azure AI Search, där metadata, filtrering och semantisk sökning gör informationen användbar. En Azure Function tar emot frågan från applikationen, hämtar relevanta dokumentdelar och skickar dem vidare till en språkmodell eller annan AI-komponent. Övervakning används för att följa svarstider, fel, kostnader och kvalitet.

Detta är den typ av sammanhang där AI-102 blir mer värdefull än AI-900. Certifieringen visar inte bara att kandidaten känner till tjänsterna, utan att kandidaten kan resonera om hur data flödar genom lösningen, var åtkomstkontroll behövs, hur fel hanteras och hur resultat bör utvärderas.

En vanlig fallgrop är att läsa på teorin men hoppa över begränsningar i SDK:er, kvoter, autentisering och kostnadskontroller. I labbar märks detta när anrop misslyckas på grund av fel behörigheter, när tjänster skapas i fel region eller när en lösning fungerar i liten skala men blir dyr eller instabil vid fler dokument och fler användare. AI-102-förberedelser bör därför innehålla praktiska övningar där kandidaten sätter budgetvarningar, testar med hanterade identiteter, hanterar fel från API:er och dokumenterar antaganden om datalagring.

Tekniska läsare som vill se ett kursupplägg för detta kan titta på AI-102-utbildning med fokus på Azure AI Engineer-färdigheter. Lärandet bör ändå kompletteras med egen praktik i en Azure-miljö, eftersom examensförståelsen blir starkare när tjänsterna har satts ihop i ett fungerande flöde.

Karriärval: vilken certifiering matchar rollen?

För affärsroller är AI-900 ofta det mer rationella valet. Den visar att personen kan delta i AI-diskussioner med rimlig precision, förstå skillnaden mellan olika typer av AI-tjänster och ställa bättre frågor om data, risk och användningsfall. Det kan vara viktigt i organisationer där AI-initiativ drivs av verksamheten men genomförs tillsammans med IT.

För ingenjörsroller är AI-102 mer relevant. Arbetsgivare som söker AI-ingenjörer eller utvecklare vill normalt se förmåga att bygga och integrera, inte bara förstå begrepp. I praktiken väger en AI-102-certifiering starkare om den kombineras med ett litet portfolio-case, exempelvis en dokumentintelligenslösning, en sökbaserad frågefunktion eller en konversationslösning med tydlig loggning och kostnadskontroll.

Den som läser jobbannonser kan använda ett enkelt tolkningssätt. Om annonsen betonar strategi, användningsfall, kravställning, dataläskunnighet eller AI governance ligger AI-900 nära behovet. Om annonsen nämner Python, C#, API-integration, Azure AI Search, Azure Functions, Bot Service, övervakning eller modellutvärdering pekar den mot AI-102 eller motsvarande praktisk erfarenhet.

Det finns också närliggande kompetenser som kan vara värdefulla beroende på roll. För den som behöver stärka programmeringsgrunden innan AI-102 kan en kurs i Python för IT-specialister vara mer relevant än att gå direkt på avancerade AI-labbar. Svag programmeringsvana gör ofta AI-102 onödigt tung, även för personer som förstår AI-begreppen väl.

Studieupplägg som skiljer sig åt

AI-900 bör studeras genom begrepp, scenarier och tjänstemappning. Det räcker sällan att memorera definitioner; kandidaten behöver kunna se vilket AI-problem som passar vilken typ av tjänst. En bra övning är att ta verksamhetsexempel, som kundsupport, fakturahantering eller bildgranskning, och beskriva vilken AI-funktion som skulle vara rimlig samt vilka risker som behöver hanteras.

AI-102 bör studeras som ett byggprojekt. Kandidaten bör skapa ett litet case som innehåller dataintag, analys, sök eller modellanrop, applikationsintegration och övervakning. Det behöver inte vara stort, men det bör vara tillräckligt verkligt för att exponera frågor om region, behörighet, kvoter, kostnad och felhantering.

En praktisk studieplan för AI-102 kan exempelvis börja med att skapa en liten dokumentlösning med Document Intelligence, Azure AI Search och en enkel funktionsapp. Därefter bör kandidaten lägga till mätpunkter: precision i extraherade fält, andel svar som kräver manuell kontroll, genomsnittlig svarstid och kostnad per testbatch. Den typen av övning tränar både examenstänkande och verklig lösningsförmåga.

För svenska och europeiska projekt tillkommer ofta frågor som inte syns tydligt i enkla övningsfrågor. Dataresidens, personuppgiftsbiträdesavtal, åtkomstloggning och principer för ansvarfull AI påverkar vilka tjänster, regioner och arkitekturmönster som är lämpliga. Den som tränar i labb bör därför inte bara fråga om lösningen fungerar, utan också var data lagras, vem som kan läsa den och hur felaktiga AI-svar upptäcks.

Kostnad, giltighet och förnyelse i Sverige

I källmaterialet anges AI-900 till cirka 99 USD och AI-102 till cirka 165 USD. För svenska kandidater bör dessa belopp ses som ungefärliga referenser, inte som bindande pris i SEK. Microsofts bokningsflöde visar aktuellt lokalt pris, och totalsumman kan påverkas av land, valuta, skatter, provleverantör och eventuella policyändringar.

En försiktig svensk budgetering bör därför utgå från att priset kontrolleras nära bokningstillfället på Microsofts officiella examenssidor för AI-900 och AI-102. Om en arbetsgivare betalar provet bör kandidaten också kontrollera interna regler för omprov, utbildningsbudget och eventuell koppling till kompetensplan eller kundkrav.

Microsofts rollbaserade och specialiserade certifieringar har normalt en förnyelseprocess via Microsoft Learn när certifieringen närmar sig utgång. Förnyelsepolicyn kan ändras, men Microsoft beskriver den som en onlineförnyelse kopplad till aktuell kompetens. Eftersom detaljerna beror på certifiering och tidpunkt bör kandidaten verifiera giltighet och förnyelse på Microsoft Learn innan provet bokas.

Vanliga frågor om AI-102 och AI-900

Behöver man AI-900 innan AI-102?

Nej, AI-900 är inte ett formellt krav för AI-102. Det är däremot ofta en bra start för personer som saknar AI- eller Azure-bakgrund, eftersom AI-900 ger begreppen som AI-102 sedan använder i tekniska scenarier.

Vilken certifiering passar bäst för en icke-teknisk roll?

AI-900 passar bäst för de flesta icke-tekniska roller. Den är byggd för att förklara AI, Azure AI-tjänster och ansvarfull AI utan att kräva kodning eller praktisk lösningsimplementation.

Vilken certifiering är mest relevant för utvecklare?

AI-102 är mest relevant för utvecklare som ska bygga AI-funktioner i Azure. Den kräver förståelse för kod, tjänsteintegration, autentisering, testning och driftsättning.

Räcker AI-102 för att få en AI-ingenjörsroll?

AI-102 kan stärka en teknisk profil, men den bör helst kombineras med praktiska projekt. Arbetsgivare vill ofta se att kandidaten kan skapa fungerande lösningar, hantera begränsningar och resonera om säkerhet, kostnad och kvalitet.

Att välja certifiering utifrån nästa arbetsuppgift

Det tydligaste valet kommer från nästa konkreta arbetsuppgift. Om målet är att förstå AI, prata med tekniska team, bedöma möjligheter och fatta bättre beslut är AI-900 den mest naturliga vägen. Om målet är att bygga och lansera AI-lösningar i Azure är AI-102 rätt riktning, förutsatt att kandidaten har eller kan skaffa praktisk Azure-tillgång.

En praktisk nästa åtgärd är att skriva ned tre saker: vilken roll certifieringen ska stödja, vilket AI-projekt den ska göra lättare och vilken miljö som finns för övning. När svaren pekar mot förståelse och dialog passar AI-900. När svaren pekar mot implementation, felsökning och driftsättning passar AI-102, och då kan strukturerad träning hos Readynez vara ett sätt att hålla studierna nära verkliga Azure-scenarier.