AI-102 (מהנדס AI ב-Azure): שכר והשפעה על הקריירה ב-2026

AI-102 עבר את הרענון הגדול ביותר שלו מזה שנים בתחילת 2025, כאשר מיקרוסופט הוסיפה תחום חדש של "פתרונות AI סוכנותיים" (agentic AI solutions) המכסה את Azure AI Agent Service, תזמור ריבוי סוכנים ותבניות העיצוב שיצאו מדחיפתה של מיקרוסופט בסוף 2024 סביב copilots-as-a-service. אם אתם לומדים מחומר שקדם למרץ 2025, אתם עומדים לפספס כ-15-20% מהבחינה החדשה.

התעודה היא גם אחת מהבודדות ששינו באופן משמעותי את השכר שהיא מביאה – שכר מהנדסי AI עלה בחדות במהלך 2024 ונשמר לתוך 2026, ו-AI-102 הוא האישור המצוטט ביותר בפרסומי משרות הנדסת AI ב-LinkedIn עבור ערימת הטכנולוגיה של מיקרוסופט. תמונת השכר אינה חישוב תעודות רגיל; היא מעוותת על ידי כמה חם היה שוק גיוס ה-AI וכמה מעט מועמדים שלחו מערכות AI אמיתיות לייצור.

הרענון של 2025

סילבוס הבחינה ב-learn.microsoft.com/credentials/certifications/azure-ai-engineer/ מפרט כעת חמישה תחומים, כאשר התוספת הסוכנותית (agentic) היא החדשה:

• תכנון וניהול פתרון Azure AI (~15-20%)
• הטמעת פתרונות תמיכת החלטה – מיתון תוכן, זיהוי אנומליות, בינת מסמכים (~15%)
• הטמעת פתרונות ראייה ממוחשבת – Azure AI Vision, Custom Vision, Face API (~15-20%)
• הטמעת פתרונות עיבוד שפה טבעית – Azure AI Language, Translator, Speech (~15-20%)
• הטמעת פתרונות AI גנרטיביים וסוכנותיים (~25-30%) – השינוי הגדול. כולל Azure OpenAI Service (בחירת מודל, דפוסי פריסה, יתרונות וחסרונות של fine-tuning לעומת prompt engineering), Azure AI Search עבור Retrieval-Augmented Generation (RAG), prompt flow, בטיחות תוכן, ו-Azure AI Agent Service – תכנון ריבוי סוכנים, function calling, אינטגרציית כלים.

הבחינה שלפני 2025 התמקדה מאוד ב-Azure Cognitive Services (Vision, Language, Speech) בתוספת נתח מ-Azure OpenAI. הרענון של 2025 שומר על תוכן ה-cognitive services אך מאזן מחדש לכיוון AI גנרטיבי וסוכנותי. אם אתם מועמדים שתפקידכם הוא ראייה ממוחשבת או דיבור, התעודה עדיין תשרת אתכם היטב. אם נאמר לכם שהנדסת AI היא רק "קריאה ל-GPT-4 מ-Python", הבחינה תפתיע אתכם עם רוחב היריעה.

הדבר הנוסף שהשתנה: מיקרוסופט שינתה את שמה של Cognitive Services ל-"Azure AI services" בשנת 2023, והבחינה משתמשת כעת בשם המטריה הזה. חומר לימוד ישן יותר עם "Cognitive Services" בכל מקום מתייחס לאותם מוצרים, אך נקודות הקצה של ה-API ושמות חבילות ה-SDK השתנו. השתמשו בחומרים משנת 2024 ואילך.

טווח שכר עם סייגים משמעותיים

בארה"ב, בעלי AI-102 העובדים כמהנדסי Azure AI מרוויחים בדרך כלל שכר בסיס של 115 אלף עד 190 אלף דולר בשנת 2026, כאשר רובם מגיעים ל-130 אלף עד 165 אלף דולר. מהנדסי AI בכירים בחברות המובילות בשכר מגיעים לסך תגמול של 250 אלף עד 400 אלף דולר ומעלה. טווח אחרון זה הוא העיוות הרגיל של חברות הטכנולוגיה הגדולות – מיקרוסופט, OpenAI, Anthropic, גוגל וסטארטאפים מבוססי AI משלמים מעל כמעט כל שאר עובדי התוכנה, ובכל מקרה AI-102 לא יכניס אתכם בדלת של חברות אלו. חברות טק גדולות מגייסות מהנדסי AI על בסיס תיק עבודות מחקרי, ניסיון בתכנון מערכות ML והיסטוריית שחרורים, לא על בסיס הסמכות.

החישוב הכנה של התעודה הוא: AI-102 בתוספת 2-3 שנות עבודת Azure AI בפרודקשן בתוספת תיק עבודות של תכונות AI שהושקו, מביא אתכם לטווח שכר בסיס של 140 אלף עד 185 אלף דולר אצל מעסיקים בינוניים וארגונים גדולים. התעודה עצמה תורמת אולי 10 אלף עד 20 אלף דולר מזה – משמעותית יותר מרוב התעודות כי מאגר המועמדים להנדסת AI קטן מספיק כדי שתעודות גלויות יהיו חשובות.

מאיפה המספרים מגיעים:

• levels.fyi 2025-2026. מהנדס ML בדרגת L5 במטא מגיע לכ-370 אלף דולר בסך תגמול (TC); מהנדס ML בכיר במיקרוסופט בדרגות L62-L63 מגיע לכ-220 אלף עד 280 אלף דולר TC. AI-102 אינו רלוונטי ב-FAANG; הוא מהווה אות אצל מעסיקים קטנים יותר.
• ל-BLS אין עדיין קטגוריה ברורה של מהנדס AI. הקרוב ביותר הוא מפתחי תוכנה (15-1252): חציון 132 אלף דולר, אחוזון 90 200 אלף דולר+ נכון למאי 2024. הנדסת AI נוטה לקצה העליון, אך הקטגוריה רחבה מדי מכדי לשלוף מספרים מדויקים.
• Built In, Hired, Robert Half technology salary guide 2026. כולם מצביעים על 130 אלף עד 170 אלף דולר עבור מהנדסי AI באמצע הקריירה במרכזי טק בארה"ב, עם פיזור רחב יותר מכל תפקיד אחר עם תעודה שראיתי. משרות באזור Bay Area וניו יורק מפרטות באופן קבוע שכר בסיס של 180 אלף עד 230 אלף דולר.

הסייגים כבדים יותר כאן מאשר עבור כל תעודת Azure אחרת:

1. תארי משרות הנדסת AI אינם יציבים. "AI Engineer", "ML Engineer", "Applied AI", "GenAI Engineer", "AI Solutions Engineer" – כל אלה חופפים ואינם סטנדרטיים. השכר משתנה באופן דרמטי ביניהם.
2. התעודה אינה מהווה תחליף ליסודות ML/DL. AI-102 מתמקד בהטמעה. שירותי Azure AI הם בעיקר קריאות API. אם תפקידכם דורש אימון מודלים בפועל או תכנון מערכות ML, תזדקקו ל-DP-100 (Azure Data Scientist Associate) בנוסף, בתוספת ידע אמיתי ב-ML, ובנוסף כנראה תיק עבודות.
3. הגיוס קפא והופשר באופן לא אחיד במהלך 2024-2025. תפקידי מהנדס AI אכן הפחיתו את היקף הגיוסים במהלך הפיטורים של סוף 2023 / תחילת 2024, ואז התרחבו בחדות מאמצע 2024 ואילך. השוק חם אך לא אחיד.

כיצד הוא משתווה ל-AWS MLA-C01 ו-GCP PMLE

שלוש אפשרויות שונות:

AWS MLA-C01 (Machine Learning Engineer Associate). תעודה חדשה יותר, שוחררה ב-2024. ממוקדת AWS, נוטה לכיוון SageMaker Studio, אימון/פריסת מודלים, Bedrock עבור מודלי יסוד (foundation models). עמוקה יותר בהנדסת ML מאשר AI-102, ופחות עמוקה בשירותי AI של מיקרוסופט. אם אתם מכוונים לחברות AWS או לסטארטאפים מבוססי AI (שרובם על AWS), MLA-C01 הוא האות החזק יותר.

GCP PMLE (Professional Machine Learning Engineer). הקשה מבין השלוש. Vertex AI, BigQuery ML, Kubeflow, עומק בפריסת מודלים, פרקטיקות MLOps. באמת בחינה של מהנדס ML. אם אתם מכוונים לגוגל עצמה, לטכנולוגיות פרסום, או לחברות הממוקדות במחקר, PMLE הוא הטוב ביותר בקטגוריה. אחוז המעבר נמוך יותר מ-AI-102.

AI-102. ההצעה של מיקרוסופט. החזק ביותר בסביבות ארגוניות, במיוחד בכל מקום שכבר מריץ Azure או Microsoft 365 Copilot. האות הטוב ביותר עבור "אני יכול לשלב AI באפליקציות של ערימת מיקרוסופט". חלש יותר כאות כללי להנדסת ML.

אם אתם מנסים לבחור אחד ואין לכם מגבלת מעסיק: קחו את MLA-C01 אם אתם רוצים את טווח שוק העבודה הגדול ביותר, PMLE אם אתם רוצים את האישור הטכני החזק ביותר, ו-AI-102 אם אתם כבר נמצאים או מכוונים לארגון Azure/Microsoft.

מי צריך לגשת ל-AI-102

אתם מפתחי backend או full-stack בחברת Azure המתבקשים להוסיף תכונות AI. זהו קהל היעד הקנוני של AI-102 והתעודה מיועדת לכם. RAG עם Azure AI Search, פריסות OpenAI, תבניות סוכנותיות – הכל ישים ישירות.

אתם מפתחי Microsoft 365 / Power Platform המרחיבים את פעילותם ל-AI. Copilot Studio, שילוב שירותי Azure AI, Azure OpenAI על גבי נתוני M365. AI-102 הוא האישור המפורש לעבודה זו.

אתם יועצים בחברה שותפה של מיקרוסופט המבצעים עבודת הטמעת AI. דרישות רמת השותפים כוללות יותר ויותר את AI-102 כאישור להנדסת AI.

אתם עוברים מהנדסת תוכנה מסורתית להנדסת AI. AI-102 הוא אות אמין של "עשיתי את המעבר", במיוחד בשילוב עם תיק עבודות של תכונות AI שהושקו. חזק יותר מ-DP-100 אם עבודתכם היא AI מונחה-API ולא מודלי ML מותאמים אישית.

מי צריך לוותר עליו

חוקרי ML ומדעני נתונים הבונים מודלים מותאמים אישית. DP-100, AWS MLS-C01 / MLA-C01, או GCP PMLE מתאימים יותר. AI-102 אינו מעמיק באימון, כוונון היפרפרמטרים או מעקב אחר ניסויים – זו אינה בחינה של מדען ML.

חובבי AI שלא שלחו קוד לייצור. AI-102 מניח שאתם מבינים REST APIs, דפוסים א-סינכרוניים, זהות וארכיטקטורת Azure בסיסית. ללא התשתית הזו, הבחינה תהיה קשה. קחו את AI-900 תחילה אם אתם חדשים בתחום.

כל מי שמכוון לסטארטאפים מבוססי AI. רוב החברות הללו אינן פועלות בעיקר על Azure (עדיין – זה משתנה), והתעודה נושאת פחות משקל מתיק עבודות של יישומי LLM שהושקו. בנו את תיק העבודות.

חידוש ודרישות קדם

AI-102 היא תעודה ברמת associate מבוססת תפקיד, ולכן היא פגה לאחר שנה ומתחדשת בחינם באמצעות הערכת Microsoft Learn ללא פיקוח שישה חודשים לפני הפקיעה. ללא כאבים. מיקרוסופט אגרסיבית בעדכון תוכן החידוש ככל ששירותי ה-AI מתפתחים, מה שאומר שלפעמים החידוש מרגיש קשה יותר מהבחינה המקורית – הם שומרים עליה מעודכנת.

מיקרוסופט ממליצה על AI-900 כדרישת קדם, אך היא אינה חובה. אם יש לכם ניסיון בהנדסת תוכנה והיכרות עם Azure, תוכלו לגשת ישירות ל-AI-102. AI-900 הוא "נחמד שיהיה" עבור אוצר מילים, אך הוא אינו מוסיף הרבה לקורות חיים שכבר מפרטים את AI-102.

בשורה התחתונה

AI-102 בצורתו המרועננת של 2025 הוא אישור אמין להנדסת AI עבור סביבות המבוססות על ערימת הטכנולוגיה של מיקרוסופט. מבחינת שכר, הוא נמצא בטווח העליון של תעודות associate מבוססות תפקיד, מעוות כלפי מעלה על ידי שוק גיוס ה-AI. הוא אינו מהווה תחליף לידע ממשי ב-ML, ואינו התעודה הנכונה לקריירות ממוקדות AWS או GCP – אך עבור המקרה הספציפי של עבודת Azure AI, זו התעודה שמגייסים מחפשים.

אם אתם לומדים עכשיו, עיינו במאגר השאלות של AI-102 או התחילו בחינת תרגול מתוזמנת. התוכן הסוכנותי של 2025 הוא המקום שבו רוב המועמדים מתכוננים פחות – תנו לתחום זה משקל נוסף בתוכנית הלימוד שלכם. ושלחו משהו עם Azure OpenAI לפני הבחינה אם אתם יכולים; שום דבר לא מלמד את היתרונות והחסרונות של התכנון כמו בניית יישום RAG אמיתי שצריך לענות על שאלות נכון.