El AWS Certified AI Practitioner es la certificación que de repente le interesa a todo el mundo, y casi todos los consejos de estudio que circulan son puras suposiciones. El examen todavía es relativamente nuevo, así que internet está lleno de gente describiendo lo que cree que entra.
No tienes por qué adivinar. AWS publica una guía del examen con los pesos exactos de cada dominio. Estudia esos pesos, en ese orden, y te ahorras la parte de leer cuarenta hilos de Reddit para reconstruir el temario a la inversa.
El plan:
Qué cubre el examen de verdad
AIF-C01 es un examen de nivel fundacional. Comprueba si entiendes los conceptos de IA, aprendizaje automático e IA generativa y cómo se aplican en AWS. No te exige escribir código ni entrenar modelos. Tiene cinco dominios, y los pesos están tan desequilibrados que eso debería determinar cómo repartes tu tiempo de estudio.
- Aplicaciones de los modelos fundacionales: 28%. El dominio más grande, con diferencia. Ingeniería de prompts, generación aumentada por recuperación (RAG), cuándo hacer fine-tuning frente a cuándo usar un modelo base, evaluación de las salidas del modelo y las piezas de Amazon Bedrock (bases de conocimiento, agentes). Si flojeas aquí, estás regalando más de una cuarta parte del examen.
- Fundamentos de la IA generativa: 24%. Modelos fundacionales, tokens, embeddings, para qué sirve bien la IA generativa y dónde falla (alucinaciones, falta de determinismo) y los servicios de AWS que la ofrecen: Amazon Bedrock y Amazon Q.
- Fundamentos de la IA y el ML: 20%. La capa base. Aprendizaje supervisado, no supervisado y por refuerzo; la diferencia entre IA, ML y aprendizaje profundo; casos de uso habituales; y el catálogo de servicios de IA de AWS (SageMaker, más los servicios gestionados como Comprehend, Rekognition, Textract, Transcribe y Polly).
- Directrices para una IA responsable: 14%. Sesgo, equidad, transparencia y explicabilidad, junto con las herramientas de AWS que los abordan: Guardrails for Amazon Bedrock y SageMaker Clarify.
- Seguridad, cumplimiento y gobernanza para soluciones de IA: 14%. IAM para servicios de IA, gobernanza de datos, cifrado y cómo se aplican las obligaciones de cumplimiento a las cargas de trabajo de IA.
Suma: los dos dominios de IA generativa juntos son el 52% del examen. Esta es una certificación de AI Practitioner de la era de la IA generativa, no una certificación clásica de aprendizaje automático. Reparte tu tiempo en consecuencia. Quien dedica la mitad de su estudio a los algoritmos tradicionales de ML se está preparando para un examen distinto del que escribió AWS.
El formato
65 preguntas. 90 minutos. Eso es algo menos de 90 segundos por pregunta, de sobra para un examen fundacional en el que las preguntas son conceptuales y no rompecabezas de arquitectura.
De esas 65 preguntas, solo 50 puntúan. Las otras 15 no puntúan: AWS las usa para probar contenido futuro. No sabrás cuáles son, así que responde a todo como si contara.
65 preguntas en 90 minutos, según la página del examen de AWS. Opción múltiple y respuesta múltiple son los formatos más frecuentes, pero la guía de examen de AWS enumera más tipos: léela en vez de dar por hecho que solo hay esos dos. Sin labs, sin código.
Nota para aprobar: 700 sobre 1000, con un modelo de puntuación escalada. AWS usa puntuación compensatoria, lo que significa que no necesitas aprobar cada dominio por separado. Solo tienes que superar el listón global. No intentes calcular “cuántas puedo fallar” a partir del 700: el escalado hace que esa cuenta no sea fiable. Apunta a quedarte cómodamente por encima de la línea.
Coste: $100 USD por intento. Nivel fundacional. La certificación es válida durante 3 años.
Calendario de estudio
Cuenta con unas 20 a 30 horas. Es un examen fundacional, y pasarse preparándolo es el error más habitual. Cómo distribuyes esas horas depende de tu punto de partida.
Si ya trabajas con AWS (has usado la consola, sabes qué son IAM y S3): 2 a 3 semanas. Tu carencia es el vocabulario de IA generativa y la familia de servicios de Bedrock, no los fundamentos de la nube.
Si sabes de IA/ML pero no de AWS: 2 a 3 semanas. Ya entiendes los embeddings y el fine-tuning. Lo que necesitas es saber qué servicio de AWS hace qué, y el examen evalúa mucho el reconocimiento de servicios.
Si eres nuevo en ambos: 4 a 6 semanas. Construye primero la base conceptual (qué es un modelo fundacional, qué resuelve RAG) y luego asocia cada concepto a su servicio de AWS. No intentes memorizar la lista de servicios en frío antes de que los conceptos tengan sentido.
Si te ves pasado de seis semanas en un examen fundacional, el problema no es el tiempo. Revisa tus puntuaciones por dominio y encuentra el que te está lastrando.
Errores comunes
Machacar demasiado el ML clásico
El nombre dice “AI Practitioner” y la gente asume que eso significa cobertura profunda de algoritmos, entrenamiento de modelos y estadística. No es así. Los fundamentos del ML tradicional son un solo dominio del 20%. El material de IA generativa es más de la mitad del examen. Si pasas tres semanas con el descenso de gradiente y la arquitectura de redes neuronales, has optimizado para el temario equivocado.
Confundir las piezas de Bedrock
El examen se apoya mucho en saber qué función de Amazon Bedrock resuelve qué problema, y son fáciles de mezclar:
- Ingeniería de prompts: cambia la entrada para cambiar la salida. Sin infraestructura.
- RAG (generación aumentada por recuperación): dale al modelo tus propios datos en el momento de la consulta, sin reentrenar. Esto es una base de conocimiento de Bedrock.
- Fine-tuning: sigue entrenando un modelo con tus datos etiquetados para cambiar su comportamiento. Más esfuerzo, más coste.
- Agentes: deja que el modelo llame a herramientas y ejecute acciones de varios pasos.
Cuando un escenario dice “el modelo necesita acceder a nuestros documentos internos pero no podemos reentrenarlo”, la respuesta es RAG, no fine-tuning. Domina estas cuatro distinciones a la perfección y tendrás asegurada una buena porción del dominio del 28%.
Saltarse la IA responsable por considerarla “blanda”
La IA responsable y la seguridad son un 14% cada una, un 28% juntas, y los candidatos las tratan como relleno. No lo son. Ten claro qué significan el sesgo y la explicabilidad en la práctica, qué hace Guardrails for Amazon Bedrock (bloquea contenido dañino, filtra temas) y qué mide SageMaker Clarify. Son puntos fáciles que la gente deja escapar porque los temas suenan menos técnicos que RAG.
Cómo enfocar el estudio
Estudia por dominio, en orden de peso, de mayor a menor. No leas la documentación de Bedrock de principio a fin.
Empieza con un examen de práctica de diagnóstico de AIF-C01 para ver dónde estás de verdad. A la mayoría le sorprende: dan por hecho que flojean en IA responsable y sacan la nota más baja en aplicaciones de los modelos fundacionales, o al revés.
Luego reparte el tiempo de forma proporcional. Si Aplicaciones de los modelos fundacionales es a la vez tu punto más débil y el 28% del examen, ahí va tu primera semana. No machaques un dominio en el que ya sacas un 85%. Para cada dominio, sigue el mismo bucle: lee el concepto correspondiente, haz preguntas de ese dominio, revisa cada explicación (incluidas las de las que acertaste), repite. La práctica adaptativa, en la que la dificultad se ajusta a tu nivel, hace ese bucle más rápido que un banco de preguntas estático.
Cuándo presentarte al examen
Reserva cuando tus puntuaciones por dominio se mantengan por encima del 80% de forma constante, en los cinco dominios, durante tres sesiones seguidas. No un solo día bueno.
Si estás por encima del 80% en general pero un dominio no para de bajar al 70%, todavía no estás listo. En un examen con puntuación compensatoria un dominio flojo no te suspende por sí solo, pero una mala racha de preguntas en tu área débil sumada a la variación normal puede dejarte por debajo de la línea.
Mejorar tu dominio débil de mayor peso es lo que más te renta. Pasar del 75% al 85% en Aplicaciones de los modelos fundacionales (28%) vale más que pulir Seguridad del 85% al 95% (14%).
Reserva antes de sentirte “100% listo”. Esa sensación nunca llega. Si los números dicen que estás listo, fíate de los números.
Después del examen
Si apruebas: tienes tres años por delante hasta la renovación y una certificación fundacional que está de verdad al día con el punto en el que está la industria. A partir de aquí, el Machine Learning Associate o la hoja de ruta cloud más amplia es el paso natural si buscas profundidad.
Si no apruebas: espera el periodo obligatorio, lee tu informe de puntuación (desglosa el rendimiento por dominio), corrige el dominio débil y preséntate de nuevo. La mayoría de quienes ajustan su plan según el informe de puntuación aprueban a la segunda.
Preguntas frecuentes
¿Merece la pena el AWS AI Practitioner en 2026? Para una certificación fundacional, sí. Es la única credencial que indica que entiendes la IA generativa en un contexto de AWS, y la demanda de eso es real ahora mismo. No te convertirá en ingeniero de ML, pero nunca pretendió hacerlo.
¿Necesito programar o saber matemáticas? No. AIF-C01 es conceptual. Necesitas entender qué hacen los servicios y cuándo usarlos, no implementarlos.
¿Debería sacar antes el Cloud Practitioner (CLF-C02)? No es obligatorio. Hay solapamiento en el material de fundamentos de la nube, pero AIF-C01 se sostiene por sí solo. Si eres totalmente nuevo en AWS, hacer primero el CLF-C02 te da el vocabulario de la nube, pero es opcional.
¿Cómo sé cuándo estoy listo de verdad? Puntuaciones por dominio por encima del 80%, sostenidas durante varias sesiones. Deja de esperar una sensación. Mira los datos.
