15-01-02 — Trilhas de Capacitação: Do Zero à Certificação
Certificações Microsoft — A Hierarquia
| Certificação | Foco | Para quem | Duração prep. | Custo |
|---|---|---|---|---|
| AI-900 Azure AI Fundamentals |
Fundamentos de IA, serviços Azure AI, conceitos básicos | Todo o time: devs, GPs, comercial | 20-40h | ~$165 USD |
| AI-102 Azure AI Engineer Associate |
Implementação de soluções Azure AI: Vision, Language, OpenAI, Search | Devs sênior, arquitetos | 80-120h | ~$165 USD |
| AI-050 Copilot Studio Specialty |
Design e deploy de agentes no Copilot Studio | Consultores funcionais, devs que atuam com M365 | 40-60h | ~$165 USD |
💡 Estratégia para a consultoria: Cubra o custo de AI-900 para 100% do time técnico. É o menor investimento com maior ROI de alinhamento — todos falam a mesma linguagem. AI-102 para o núcleo técnico. AI-050 para quem faz discovery e prova de conceito com clientes M365.
Microsoft Learn — Paths Organizados por Role
Trilha 1: Fundamentos (AI-900 prep)
- 📚 Get Started with Artificial Intelligence on Azure — 5h
- 📚 Explore Natural Language Processing — 3h
- 📚 Develop AI Solutions with Azure OpenAI Service — 8h ⭐ mais importante
Trilha 2: Engenheiro de IA (AI-102 prep)
- 📚 Build a RAG Solution with Azure AI Search — 6h ⭐ essencial
- 📚 Create an Intelligent Search Solution — 8h
- 📚 Develop Apps with Azure AI Foundry — 7h ⭐ essencial
- 📚 Create Agents with Azure AI Foundry — 5h
Trilha 3: Copilot Studio (AI-050 prep)
- 📚 Create Bots with Microsoft Copilot Studio — 5h
- 📚 Create an Agent with Microsoft Copilot Studio — 4h
- 📚 Implement Responsible AI in Copilot Studio — 3h
Trilha 4: Semantic Kernel (para devs .NET)
- 📚 Semantic Kernel Documentation + Quickstart — referência contínua
- 📚 Use Your Own Data with Azure OpenAI — 2h
GitHub — Recursos Práticos
- 🐙 microsoft/promptflow — framework de avaliação e desenvolvimento de prompts (obrigatório para quem faz LLMOps)
- 🐙 microsoft/semantic-kernel — SDK principal para agentes .NET/Python. Repositório cheio de exemplos
- 🐙 Azure-Samples/azure-search-openai-demo — referência de RAG completo com Azure AI Search + OpenAI. Ponto de partida para qualquer projeto RAG
- 🐙 microsoft/autogen — framework multi-agent. Estudar os exemplos de orquestração
- 🐙 microsoft/responsible-ai-toolbox — ferramentas de avaliação e responsible AI
- 🐙 Azure/AI-in-a-Box — aceleradores prontos para cenários comuns: RAG, document analysis, speech-to-text
Coursera — Cursos com Credencial
- 🎓 Microsoft Azure AI Services Specialization — 4 cursos, ~40h total. Cobre Vision, Language, OpenAI integrado
- 🎓 Generative AI with Large Language Models (DeepLearning.AI + AWS) — 3 semanas, fundamentals técnicos (não é Azure-específico, mas a base teórica é excelente)
- 🎓 Prompt Engineering Specialization (Vanderbilt) — 3 cursos para quem quer profundidade em prompt design
- 🎓 AI for Everyone (Andrew Ng) — nível gerencial, ideal para GPs e líderes não-técnicos. 6h. Gratuito com audit
Deep Learning.AI — Cursos Curtos (Gratuitos ou $)
- ⚡ Building Systems with ChatGPT API — 2h, prático, gratuito
- ⚡ LangChain for LLM Application Development — 2h (útil para entender o ecossistema Python)
- ⚡ Building and Evaluating Advanced RAG — 2h, foco em avaliação de qualidade
- ⚡ Multi AI Agent Systems — 2h, conceitos de multi-agent
Plano de Capacitação Sugerido para a Consultoria (12 meses)
gantt
title Plano de Capacitação — Time de IA
dateFormat MM
section Todo o time
AI-900 (Fundamentos) :01, 2M
section Tech Leads / Sêniors
Trilha Microsoft Learn AI-102 :01, 3M
Certificação AI-102 :04, 1M
Projeto RAG interno (prática) :04, 2M
section Especialistas Copilot
Trilha Copilot Studio :02, 2M
Certificação AI-050 :04, 1M
section Todo o time
Revisão e nivelamento :07, 2M
Projeto de IA em cliente :09, 3M
⚠️ Armadilha de capacitação: Treinamento sem projeto real não cola. O ideal é intercalar curso → prática → curso. Se possível, use um projeto interno (automatizar algum processo da própria consultoria com IA) como laboratório paralelo ao treinamento.