AI-901：Microsoft Azure AI Fundamentals AI の概念と機能の識別 問14
AI の概念と機能の識別／AIモデルの構成要素と構成ある企業の開発チームが、Microsoft Foundry で生成AIモデルを試験的に使い、社内ツールの試作を行います。利用は月に数回の不定期な呼び出しだけで、使った分だけ支払う形にしたいと考えています。また、仮想マシンのサイズ選定や台数の管理など、モデルを動かす基盤の運用はチームで行いたくありません。このモデルのデプロイ方法として適切なものはどれですか。
当サイトのオリジナル問題（AI-901：Microsoft Azure AI Fundamentalsの出題範囲「AI の概念と機能の識別」に対応。実際の試験問題ではありません）
- Aマネージド コンピューティングにデプロイし、専用のコンピューティングを確保して、コンピューティングの稼働時間に応じて課金される構成にする
- BFoundry リソースでの標準デプロイを使い、処理したトークン量にもとづく従量課金で呼び出す
- Cモデルを自前の仮想マシンにダウンロードして推論サーバーを構築し、パッチ適用や拡張も自分たちで運用する
- DAzure Kubernetes Service のクラスターにモデルを配置し、ノード数とスケールの設定を自分たちで管理する
正解：B
解説
利用頻度が低く不定期で、基盤の運用を避けたい場合は、トークン量にもとづく従量課金で呼び出せるデプロイが合います。Microsoft Foundry で推奨されるのは Foundry リソースでの標準デプロイで、モデルを動かす基盤は Microsoft が管理し、利用者は処理したトークン量に応じて支払います（同じく従量課金のサーバーレス API エンドポイントもありますが、こちらは AI Hub リソースが前提です）。一方、マネージド コンピューティングは専用のコンピューティング上でモデルをホストするため、コンピューティングの稼働時間（コア時間）に対して課金され、Hugging Face などのオープンモデルやカスタムモデルをホストする場合に使います。負荷が安定して高い場合や専用環境が必要な場合に検討する選択肢です。
選択肢ごとの解説
- A誤り。マネージド コンピューティングは専用のコンピューティングでモデルをホストする方式で、コンピューティングの稼働時間（コア時間）に対して課金されます。不定期で少量の利用には割高になり、基盤の管理負担も残ります。
- B正しい。Foundry リソースでの標準デプロイは、基盤の管理を Microsoft に任せ、トークン量にもとづく従量課金で呼び出せます。不定期で少量の利用と、基盤運用を避けたい要件の両方に合い、Foundry で推奨されるデプロイ オプションです。
- C誤り。モデルを自前の仮想マシンにダウンロードして推論サーバーを構築する方法は、OS の保守やスケールもすべて自分たちで運用する必要があり、基盤の運用を避けたいという要件に反します。
- D誤り。Azure Kubernetes Service 上にモデルを配置すると、ノード数やスケールの設定などクラスターの運用が必要になります。基盤を管理したくない試験的な利用には適しません。