L’intelligenza artificiale (AI) è la capacità di un software di svolgere compiti che normalmente richiederebbero l’intelligenza umana: riconoscere immagini, comprendere il linguaggio, prevedere valori, generare contenuti o prendere decisioni. In pratica non si tratta di una singola tecnologia, ma di un insieme di workload (carichi di lavoro) diversi, ciascuno adatto a un tipo di problema. Su Azure ogni workload è erogato tramite servizi gestiti: componenti pronti all’uso che espongono modelli già addestrati o piattaforme di addestramento, senza dover costruire l’infrastruttura da zero.

Vediamo i macro-workload che l’esame AI-900 richiede di riconoscere.

Machine learning

Il machine learning (ML) è il cuore dell’AI moderna: invece di scrivere regole esplicite, si addestra un modello su dati storici affinché apprenda schemi e faccia previsioni su dati nuovi.

  • Esempio: prevedere il prezzo di un immobile a partire da metratura, zona e anno di costruzione.
  • Su Azure: Azure Machine Learning offre l’ambiente completo per preparare i dati, addestrare, valutare e distribuire modelli, anche in modalità no-code con il designer e l’Automated ML.

Computer vision

La computer vision permette al software di “vedere” e interpretare immagini e video: classificare oggetti, rilevarne la posizione, leggere testo (OCR) o riconoscere volti.

  • Esempio: una linea di produzione che individua automaticamente i prodotti difettosi da una fotografia.
  • Su Azure: Azure AI Vision per analisi generica e OCR, Azure AI Custom Vision per modelli addestrati su immagini proprie, e Azure AI Face per il riconoscimento facciale.

Natural language processing (NLP)

L’NLP riguarda la comprensione e l’elaborazione del linguaggio naturale scritto e parlato: analisi del sentiment, estrazione di entità, traduzione e trascrizione vocale.

  • Esempio: analizzare le recensioni dei clienti per capire se il tono è positivo o negativo.
  • Su Azure: Azure AI Language (sentiment, entità, riepilogo), Azure AI Speech (speech-to-text e text-to-speech) e Azure AI Translator per la traduzione automatica.

Document intelligence

La document intelligence estrae informazioni strutturate da documenti come fatture, ricevute, moduli e contratti, riconoscendone i campi chiave e le tabelle.

  • Esempio: leggere automaticamente numero, data e importo da migliaia di fatture in PDF.
  • Su Azure: Azure AI Document Intelligence, con modelli predefiniti (fatture, ricevute, documenti d’identità) e modelli personalizzati addestrabili sui propri moduli.

Knowledge mining

Il knowledge mining consiste nell’estrarre conoscenza da grandi volumi di dati non strutturati (documenti, immagini, PDF) per renderli ricercabili, arricchendoli con AI durante l’indicizzazione.

  • Esempio: un motore di ricerca interno che trova informazioni nascoste in migliaia di contratti scansionati.
  • Su Azure: Azure AI Search, che combina indicizzazione full-text e “skillset” AI per arricchire i contenuti prima di renderli interrogabili.

Generative AI

La generative AI non si limita a classificare o prevedere: crea contenuti nuovi come testo, codice, immagini o riassunti, a partire da un prompt in linguaggio naturale.

  • Esempio: un assistente che redige la bozza di una email o riassume un report.
  • Su Azure: i modelli generativi (inclusa la famiglia GPT) si distribuiscono e gestiscono tramite Azure AI Foundry, mentre soluzioni pronte come Microsoft 365 Copilot portano questa capacità dentro le app di produttività.

Trappole tipiche d’esame

  • Scenario: devi estrarre importo e data da fatture PDF in modo strutturato → risposta giusta: Azure AI Document Intelligence, non la generica computer vision o l’OCR di Azure AI Vision.
  • Scenario: vuoi rendere ricercabili migliaia di documenti aziendali non strutturati → risposta giusta: Azure AI Search (knowledge mining), non Azure AI Language.
  • Scenario: devi analizzare il sentiment delle recensioni o tradurre testo → risposta giusta: Azure AI Language / Translator (NLP), non Azure Machine Learning.
  • Scenario: serve generare nuovo testo o riassunti da un prompt → risposta giusta: generative AI con modelli in Azure AI Foundry, non un classico modello di ML predittivo.
  • Scenario: vuoi prevedere un valore numerico (es. vendite future) da dati storici → risposta giusta: machine learning con Azure Machine Learning, non la generative AI.