Microsoft AI Agent Builder Associate (AB-620) — Preguntas de práctica y simulacro de examen

Los principios de IA responsable solo se vuelven accionables cuando cada uno se traduce en una práctica concreta que un equipo de entrega puede planificar. La justicia se apoya en los datos y en la validación independiente de los resultados. La responsabilidad se apoya en personas con nombre propio que responden por el sistema. La ética se apoya en quién está en la sala durante el diseño y en un marco de gobernanza que audita el resultado. La transparencia es la que da forma a la superficie del producto que ve la persona usuaria, porque se cumple mediante la divulgación y no mediante un proceso interno. En un entorno regulado como el de la salud esa distinción importa, ya que un comité de revisión preguntará qué ve y qué se le dice al paciente, no solo qué hizo el equipo de entrega. Planificar una estrategia de IA responsable significa asignar cada principio a una persona responsable y a un artefacto, en vez de tratar los cuatro como un único compromiso indiferenciado.

Las tres extensiones de control se diferencian por el punto de la implementación en el que insertan su paso personalizado, y elegir la equivocada suele significar que la comprobación corre después del momento que debía proteger. La validación que tiene que ocurrir antes de que algo salga del entorno de desarrollo va en el límite de la exportación, y por eso esa extensión retiene la exportación hasta que tu lógica indica que terminó, y por eso va solo en la primera etapa. Ejecutar implementaciones con otra identidad es un asunto aparte que resuelve la extensión delegada, que permite a los makers solicitar implementaciones en entornos donde no tienen permisos. Una validación humana final después de la aprobación corresponde al paso previo a la implementación. Una vez que los artefactos se exportan quedan almacenados en el host y no se pueden alterar, y el mismo artefacto recorre en orden todas las etapas posteriores, así que una comprobación posterior no puede deshacer una exportación defectuosa.

Los límites de propiedad deciden qué borra realmente un botón de eliminar, y aquí el límite pasa entre los dos productos. La base de conocimiento es un recurso de Foundry: sus fuentes, su configuración de recuperación y su ciclo de vida pertenecen a quien la construyó, y está pensada para que varios agentes la reutilicen. Lo que guarda Copilot Studio es una referencia más una descripción de la herramienta. Quitar esa referencia desconecta a un consumidor y deja el recurso intacto, que es justo lo que quieres cuando varios agentes lo comparten. La misma asimetría explica las recomendaciones de ajuste, ya que cambiar el comportamiento de ranking tiene que hacerse donde vive el recurso. Consejo para el examen: cuando un recurso se describe como reutilizable y creado en otro lugar, espera que quitarlo en el consumidor sea una desconexión y no una eliminación.

El constructor de herramientas de REST API es una capa delgada sobre la pipeline de conectores personalizados de Power Platform, y por eso sus requisitos de entrada se parecen más a los de un conector que a los de un agente. El documento tiene que llegar como JSON, y la pipeline normaliza un contrato más nuevo a la versión que procesa. Todo lo que viene después de la subida sirve para ayudar al orquestador: eliges qué combinaciones de endpoint y método deben convertirse en herramientas, y escribes descripciones lo bastante específicas para que el modelo las distinga entre sí. Las formas de los valores de entrada y salida salen directamente de la especificación y son de solo lectura, pero sus descripciones las escribes tú y no pueden quedar en blanco. Consejo para el examen: la versión de la especificación y el formato del archivo son requisitos distintos, y las preguntas suelen cambiar solo uno de ellos.