הסמכות AI ב-AWS מול Azure מול GCP: השוואה רמה-אחר-רמה

אם אתם רוצים הסמכת AI אחת ואינכם יודעים באיזה ענן לבחור, הגרסה הקצרה היא: AWS לרוחב, Azure לארגונים + חנויות Microsoft-stack, GCP להנדסת ML רצינית. הגרסה הארוכה יותר נמצאת למטה — לפי רמה, לפי שירותים מכוסים, ולמי כל הסמכה מיועדת בפועל.

סולמות ההסמכה אינם סימטריים בין העננים. ל-AWS יש כרגע את המסלול הנקי ביותר בשלוש רמות (Foundational → Associate → Pro). ל-Azure יש Foundational + Associate חזקים אך ללא הסמכת AI טהורה ברמת מומחה. ל-GCP יש Foundational + Pro אך דילגה על רמת ה-Associate. חוסר הסימטריה הזה הוא חלק מהסיפור עצמו.

הנה ההשוואה זה לצד זה, ולאחר מכן הצלילות העמוקות יותר.

מפה חטופה

רמה	AWS	Azure / Microsoft	GCP
יסוד	AIF-C01 (AI Practitioner)	AI-900 (Azure AI Fundamentals)	Generative AI Leader
עמית	MLA-C01 (ML Engineer Associate)	AI-102 (Azure AI Engineer Associate); DP-100 (Data Scientist)	— (פער)
מקצועי / מומחה	AIP-C01 (Generative AI Developer Pro)	— (פער)	PMLE (Professional ML Engineer)

כמה דברים שכדאי לשים לב אליהם:

• רמת העמית היא היכן ש-Azure מתרחבת — שתי הסמכות נפרדות (AI-102 להנדסת AI, DP-100 למדעי הנתונים / ML).
• ל-GCP אין הסמכת AI ברמת עמית. אם אתם רוצים תעודה בין ה-Generative AI Leader הבסיסי ל-Pro ML Engineer, אין כזו.
• ל-AWS יש את הסמכת ה-"GenAI Developer Pro" היחידה נכון ל-2026. AIP-C01 ספציפית ל-GenAI באופן ששום הסמכה אחרת אינה כזו.

רמת היסוד — AIF-C01 מול AI-900 מול Generative AI Leader

שלוש אלו הן תעודות הכניסה, הרעיוניות, "אני מבין AI בענן מבלי לכתוב קוד". כל השלוש שוות בערך ברמת הקושי (די נגישות), כל השלוש עולות בסביבות 99-100 דולר, וכל השלוש מיועדות לאותו קהל: מנהלי מוצר (PMs), אנליסטים עסקיים (BAs), מהנדסי מכירות, מקבלי החלטות טכניים, ומהנדסים הנכנסים ל-AI בענן לראשונה.

AWS AI Practitioner (AIF-C01)

הושק באוקטובר 2024. 100 דולר ארה"ב, 65 שאלות, 90 דקות.

שירותים מכוסים:

• Amazon Bedrock (foundation models, agents, knowledge bases, guardrails)
• Amazon SageMaker (basics — Studio, JumpStart, model registry)
• Amazon Q (developer + business)
• Amazon Comprehend (NLP / sentiment / entity extraction)
• Amazon Transcribe (speech-to-text)
• Amazon Translate
• Amazon Polly (text-to-speech)
• Amazon Rekognition (vision)
• Amazon Textract (document extraction)
• Amazon Kendra (enterprise search)
• Amazon Lex (chatbots)

המבחן מתמקד במידה רבה בהתאמת שירותים למקרי שימוש. "חברת קמעונאות רוצה להפוך את ניתוב אימיילים של תמיכת לקוחות לאוטומטי — איזה שירות AWS יתאים?" שאלות מסוג זה. כ-30% מהמבחן עוסק ב-responsible-AI / ממשל / הסברתיות / הפחתת הטיה, מה שמפתיע מועמדים שציפו לשאלות טכנולוגיות טהורות.

Azure AI Fundamentals (AI-900)

99 דולר ארה"ב, כ-40 שאלות, 60 דקות. ללא תפוגה.

שירותים מכוסים:

• Azure AI Services (the umbrella formerly known as Cognitive Services)
• Azure OpenAI Service (GPT-4, GPT-4o, DALL·E, Whisper)
• Azure Machine Learning Studio (low-code ML)
• Form Recognizer / Document Intelligence
• Azure AI Speech (recognition, synthesis, translation)
• Azure AI Vision (image analysis, OCR, custom vision)
• Azure AI Language (sentiment, key phrase, NER, conversational language understanding)
• Azure AI Search (formerly Cognitive Search)
• Azure Bot Service / Bot Framework

AI-900 נוטה יותר לכיוון פלטפורמת ה-ML של Azure מאשר AIF-C01 של AWS. יש בו יותר טעם מעשי — שאלות על אימון מודל במעצב Azure ML, הערכת מדדי דיוק/פרסיז'ן/ריקול. פחות זמן מוקדש ל-responsible AI מאשר ב-AIF-C01, ויותר זמן למושגי ML קלאסיים.

סטטוס ה"ללא תפוגה" אמיתי ומשמעותי. גם הסמכות היסוד האחרות של מיקרוסופט (AZ-900, DP-900, SC-900) הן לכל החיים — עבור יסודות, זה הסטנדרט.

GCP Generative AI Leader

99 דולר ארה"ב. החדשה מבין השלוש (הוצגה ב-2024). במפורש לא טכנית — משווקת כהסמכת מנהיגות / אסטרטגיה.

שירותים מכוסים:

• Vertex AI Generative AI (Gemini family, Imagen, Codey, MedLM)
• Gemini in Workspace
• Vertex AI Search and Conversation
• Vertex AI Model Garden (third-party models — Anthropic Claude, Meta Llama, etc.)
• Vertex AI Agent Builder
• Document AI (similar role to AWS Textract)
• Translation API
• Speech-to-Text / Text-to-Speech
• Vision AI

GAIL היא הסמכה עם הטעם האסטרטגי ביותר מבין השלוש. צפו לשאלות על ממשל תוכניות AI, דפוסי RAG באופן קונספטואלי, יסודות הנדסת פרומפטים (prompt engineering), קריטריוני בחירת מודלים ועקרונות ה-responsible-AI של גוגל. פחות מכניקת פלטפורמה מאשר ב-AIF-C01 או AI-900.

אם אתם מנהיגים / מנהלי מוצר (PM) המעריכים ספקי AI בענן — זוהי ללא ספק ההסמכה הטובה ביותר עבור קהל זה, מכיוון שהיא מכוונת בדיוק לגובה זה.

איזו הסמכת יסוד לבחור?

אם כבר בחרתם ענן: קחו את הסמכת היסוד של הענן הזה. הידע הניתן להעברה דומה בערך, אך השירותים הספציפיים אינם, ותחסכו לעצמכם הרבה "מהו המקבילה של AWS ל-Cognitive Services?" תרגילים מנטליים.

אם לא בחרתם: ל-AIF-C01 יש את שטח השירות הרחב ביותר ואת הדגש הגדול ביותר על responsible AI, שזהו נושא שארגונים רוצים לדבר עליו יותר ויותר. AI-900 היא הקלה מבין השלוש ולעולם אינה פגה. GAIL היא היחידה שמכוונת במיוחד למנהיגות שאינה הנדסית.

רמת עמית — MLA-C01 מול AI-102 מול DP-100 (אין מקבילה ב-GCP)

כעת אנו נמצאים בשטח שונה באמת. הסמכות ברמת עמית מניחות ניסיון מעשי ובודקות ידע עמוק יותר בשירותים.

AWS ML Engineer Associate (MLA-C01)

הושק באוגוסט 2024. 150 דולר ארה"ב, 65 שאלות, 170 דקות. החליף את ה-ML Specialty הישן (MLS-C01).

שירותים מכוסים:

• Amazon SageMaker (deep — Studio, Pipelines, Feature Store, Model Registry, Model Monitor, Clarify, Data Wrangler, Ground Truth, JumpStart, Canvas)
• Amazon Bedrock for fine-tuning + provisioned throughput
• AWS Glue (data prep)
• Amazon S3 + S3 Tables + Lake Formation (data lake patterns)
• Amazon Athena, Redshift (analytics for ML)
• Amazon Kinesis Data Streams / Firehose (streaming features)
• Step Functions (orchestration)
• CloudWatch Container Insights for ML monitoring

ההסמכה היא ML תפעולי, לא מודלינג טהור. צפו לשאלות על ניטור סחף (drift), טריגרים לאימון מחדש, בדיקות A/B לגרסאות מודלים, אופטימיזציית עלויות עבור הסקה, ודפוסי MLOps. אם הגעתם בציפייה "לבנות CNN מאפס", תתאכזבו (ולא תהיו מוכנים).

Azure AI Engineer Associate (AI-102)

165 דולר ארה"ב, כ-50-60 שאלות, 100 דקות. קיבל רענון משמעותי בתחילת 2025 כדי להוסיף תוכן על פתרונות סוכנים (agentic-solutions).

שירותים מכוסים:

• Azure OpenAI Service (deep — including fine-tuning, completions, embeddings, function calling, assistants API, Azure AI Foundry)
• Azure AI Services (formerly Cognitive Services — full suite)
• Azure AI Search (deep — vector search, hybrid retrieval, semantic ranking, RAG patterns)
• Azure AI Document Intelligence (formerly Form Recognizer)
• Azure AI Speech (custom speech, custom voice, real-time translation)
• Azure AI Language (custom NER, classification, conversational language understanding)
• Azure AI Vision (custom vision, face, video indexer)
• Azure AI Content Safety
• Container apps for deploying AI models
• Azure AI Agent Service (the new agentic content from the 2025 refresh)

AI-102 היא ההסמכה הדומה ביותר ל-MLA-C01 בהיקף — שתיהן מצפות שתעבירו עומסי עבודה של AI לייצור ותפעילו אותם. ההבדל הוא בדגש השירותים: AI-102 עוסק ב-Azure OpenAI + RAG + AI Search, MLA-C01 עוסק ב-SageMaker + Bedrock בקנה מידה.

Azure Data Scientist Associate (DP-100)

165 דולר ארה"ב. נפרדת מ-AI-102 — DP-100 מתמקדת במדעי הנתונים / ML קלאסי, AI-102 מתמקדת ב-GenAI / שירותי קוגניציה.

שירותים מכוסים:

• Azure Machine Learning workspace (deep — compute clusters, environments, experiments, jobs, endpoints, MLflow integration)
• Azure ML SDK / CLI
• AutoML
• ML Pipelines
• Model registry and deployment
• Responsible AI dashboard (interpretability, fairness, error analysis)
• Azure Synapse Analytics for data prep
• Azure Databricks integration
• Compute optimizations (CPU vs GPU, spot, low-priority)

אם אתם מדעני נתונים הבונים מודלים מותאמים אישית, DP-100 היא ההסמכה. אם אתם מהנדסי AI המפתחים יישומי Azure OpenAI, AI-102 היא ההסמכה. הן חופפות אולי ב-20%, בעיקר בנושאי פריסה / ניטור.

GCP — אין הסמכת AI ברמת עמית

זהו פער אמיתי בקטלוג של GCP נכון ל-2026. לגוגל יש את ה-Cloud Digital Leader (יסוד), את ה-Generative AI Leader (יסוד), ואת ה-Professional ML Engineer (שהיא באמת ברמת מקצוען). הנתיב מ-GAIL ל-PMLE תלול — אין תעודת ביניים.

אם אתם רוצים אות ביניים ספציפי ל-GCP: הסמכת Associate Cloud Engineer (ACE), למרות שאינה מתמקדת ב-AI, מכסה את יסודות הפריסה של Vertex AI. חלק מהמהנדסים ממקמים אותה כ"אני יכול להריץ עומסי עבודה של AI ב-GCP מבלי להיות מומחה AI." זהו פתרון עוקף, לא תשובה נקייה.

איזו הסמכת עמית לבחור?

• בניית מודלים מותאמים אישית / ML קלאסי: DP-100 (Azure) היא הממוקדת ביותר.
• העברת יישומי Azure OpenAI לייצור: AI-102 (Azure).
• תפעול SageMaker + Bedrock בקנה מידה ב-AWS: MLA-C01 (AWS).
• GCP בלבד: דלגו ל-PMLE; אין אפשרות ביניים.

המקבילה הקרובה ביותר בין העננים היא MLA-C01 ≈ AI-102 — שתיהן בודקות "העברת AI לייצור ותפעולו." משטחי שירות שונים, גובה הנדסי דומה.

רמת מקצועי / מומחה — AIP-C01 מול PMLE (אין מקבילה ב-Azure)

AWS Generative AI Developer Professional (AIP-C01)

300 דולר ארה"ב, 75 שאלות, 180 דקות. הושק ב-2025 כהסמכת ה-Pro הראשונה של AWS הספציפית ל-GenAI.

שירותים מכוסים:

• Amazon Bedrock at depth (custom models via continued pre-training, model evaluation, agents with multi-step reasoning, knowledge bases with hybrid search, guardrails configuration)
• Amazon Bedrock Studio + Bedrock IDE
• SageMaker JumpStart for foundation model fine-tuning
• SageMaker for hosting custom models
• AWS App Runner / ECS Fargate for inference services
• Amazon OpenSearch as a vector store
• Amazon Q for code generation use cases
• IAM roles for cross-service GenAI access
• AWS Step Functions for orchestrating complex agent workflows

AIP-C01 היא ההסמכה היחידה של ענן גדול המוקדשת ספציפית לפיתוח GenAI — לא ML קלאסי, לא "שירותי AI" באופן רחב. צפו לשאלות עמוקות על ארכיטקטורות יצירה משופרת באמצעות אחזור (retrieval-augmented generation), אסטרטגיות הערכת מודלים (HHEM, ROUGE, הערכות מותאמות אישית), אופטימיזציית עלויות טוקנים, הפחתת הזיות (hallucination mitigation), ותזמור מרובה סוכנים.

זו הסמכה חדשה לגמרי. נתוני שכר דלים מכדי לצטט בביטחון — ראו פוסט השכר של AIF-C01 להקשר תפקיד סמוך.

Google Cloud Professional ML Engineer (PMLE)

200 דולר ארה"ב. אחת מהסמכות הענן היחידות בעלות השכר הגבוה ביותר לפי levels.fyi, בין היתר מכיוון שמאגר המועמדים קטן.

שירותים מכוסים:

• Vertex AI Workbench (managed notebooks)
• Vertex AI Pipelines (Kubeflow Pipelines on managed infrastructure)
• Vertex AI Training (custom containers, hyperparameter tuning)
• Vertex AI Prediction (online + batch endpoints, custom serving containers)
• Vertex AI Model Registry + Model Monitoring
• Vertex AI Feature Store
• Vertex AI Generative AI (Gemini, Model Garden, agents)
• Vertex AI Search and Conversation
• BigQuery ML (in-database ML)
• TensorFlow Extended (TFX) integration
• Kubeflow on GKE for self-managed ML
• Dataflow for ML data pipelines
• Cloud Composer (Airflow) for orchestration
• AutoML Tables / Vision / NLP

PMLE רחבה יותר מ-AIP-C01. היא מכסה ML קלאסי, MLOps, וגם GenAI — הכל על פני השטח המאוחד יחסית של Vertex AI. המבחן עשיר בתרחישים באופן שמבחני ה-Pro של GCP הם כאלה: תיאורי מקרה ארוכים התלויים בפשרות אדריכליות ("איזה פתרון מאזן בצורה הטובה ביותר עלות, השהיה ודיוק תחת אילוצים אלה?").

מיקרוסופט — אין הסמכת AI טהורה ברמת מומחה

נכון ל-2026, למיקרוסופט אין הסמכת AI ברמת מומחה. AI-102 היא ראש הסולם של AI. התעודה הקרובה ביותר ברמת מומחה הנוגעת ל-AI היא Azure Solutions Architect Expert (AZ-305), שיש בה שאלות AI מפוזרות בהקשר של ארכיטקטורה רחבה יותר, או Microsoft Cybersecurity Architect (SC-100), שנוגעת באבטחת AI בעקיפין.

אם מיקרוסופט תוסיף הסמכת "AI Architect Expert" ב-2026 או 2027, צפו שהיא תאחד את מומחיות AI-102 + DP-100 למבחן אסטרטגי יותר. נכון לעכשיו: היא אינה קיימת.

איזו הסמכת Pro לבחור?

• התמקדות ב-GenAI בלבד ב-AWS: AIP-C01 היא התעודה העמוקה ביותר הזמינה כרגע בכל מקום עבור היקף זה.
• הנדסת ML מקצה לקצה ב-GCP, כולל GenAI: PMLE רחבה יותר אך עדיין ספציפית ל-GCP.
• תפקידי AI בכירים ב-Microsoft-stack: אין מבחן — במקום זאת, שלבו את AI-102 עם AZ-305 או DP-100.

רמת ה-Pro היא המקום שבו ההשוואה בין העננים מתפרקת ביותר. כל ענן עשה הימור שונה לגבי מה משמעותו של "מהנדס AI מקצועי".

הערה על חידושי הסמכות

זה חשוב יותר עבור הסמכות AI מאשר עבור קטגוריות אחרות מכיוון ש-AI משתנה במהירות.

• הסמכות AI של AWS: תוקף של 3 שנים. יש לחדש על ידי מעבר מחדש של הגרסה הנוכחית.
• הסמכות AI של Azure: תוקף של שנה עבור הסמכות מבוססות תפקיד (AI-102, DP-100), אך חידוש חינם באמצעות הערכה מקוונת ללא פיקוח ב-Microsoft Learn החל מ-6 חודשים לפני התפוגה. הסמכות יסוד (AI-900) לעולם אינן פגות.
• הסמכות AI של GCP: 3 שנים עבור Foundational/Associate, שנתיים עבור Professional. יש לחדש על ידי מעבר מחדש.

מודל החידוש של מיקרוסופט ידידותי בהרבה מהאחרים. עבור AI במיוחד, שבו השירותים הבסיסיים (Azure OpenAI, Bedrock, Vertex AI) מתרעננים כל כמה חודשים, עלות החידוש מצטברת. כדאי לקחת בחשבון אם אתם בוחרים בין שתי תעודות שוות בערך.

ההמלצה שלי, לפי תפקיד

• מנהל מוצר AI / ML: GAIL (GCP) או AIF-C01 (AWS) — הסמכות רמת האסטרטגיה. שתיהן. או אחת ואת השנייה מאוחר יותר.
• מהנדס Backend המשלב AI במוצר: AI-102 (Azure) אם ה-stack שלכם נוטה למיקרוסופט, MLA-C01 + AIF-C01 (AWS) אם נוטה לענן.
• מדען נתונים: DP-100 (Azure) עבור ML קלאסי, PMLE (GCP) עבור ההיקף הרחב יותר.
• מהנדס ML בכיר / ראש MLOps: PMLE (GCP) אם ה-stack שלכם קרוב ל-Vertex AI, אחרת MLA-C01 (AWS). הוסיפו AIP-C01 (AWS) אם הצוות שלכם עוסק רבות ב-GenAI.
• עבודת בטיחות AI / responsible AI: AIF-C01 (AWS) מכסה זאת בצורה הטובה ביותר ברמת היסוד. אף אחת מההסמכות ברמות הגבוהות יותר אינה מעמיקה ב-responsible AI כנושא מבודד.

מה לעשות השבוע

אם אתם כבר לומדים לאחת מהסמכות אלו: תרגלו את השאלות. עיינו במאגר AIF-C01, במאגר MLA-C01, AI-102, PMLE, או בכל אחת אחרת ב-CertLabPro.

אם אתם בוחרים את הסמכת ה-AI הראשונה שלכם: זהו באיזה ענן המעסיק שלכם (או המעסיק המיועד) משתמש, ולאחר מכן קחו את הסמכת היסוד באותו ענן. ההתקדמות משם — לרמת עמית, למקצועי — מהירה בהרבה מאשר להתחיל בענן הלא נכון ולעבור אחר כך.

אם אתם מנסים להבין איזה סולם AI של ענן הוא ה"טוב ביותר": אין מנצח. הקטלוג של כל ענן משקף הימורים שונים לגבי משמעות הנדסת AI. בחרו את זה שהימוריו תואמים את עבודתכם.