Microsoft AI Transformation Leader (AB-731) — Preguntas de práctica y simulacro de examen

Un programa de champions es una distribución entre pares barata, tanto para la capacitación como para la retroalimentación. El argumento del aprendizaje es el principal: las personas adoptan una nueva forma de trabajar más rápido cuando se la muestra un colega en el que ya confían, algo que ningún curso producido de forma centralizada puede igualar. El argumento de la retroalimentación es el que los líderes subestiman, porque los champions informan qué está fallando en la implementación y en la capacitación mucho antes de que lo revele una encuesta. Los champions además reducen la carga del equipo central del proyecto en lugar de reemplazarlo, y construyen un círculo de influencia dentro de sus propios equipos. Sobre la motivación, Microsoft es directo: vale la pena ofrecer reconocimiento y recompensas, pero la personalidad del champion se involucra porque el rol hace que su trabajo sea más significativo y medible. Los champions típicos son personas entusiastas que muchas veces están frustradas con las herramientas actuales. Consejo para el examen: el aprendizaje entre pares es la razón por la que existen los champions, y todo lo demás es una consecuencia.

El argumento de seguridad a favor de un agente declarativo es arquitectónico, no de procedimiento. Como el agente se ejecuta sobre el orquestador y los modelos fundacionales de Copilot dentro de Microsoft 365, hereda los requisitos de seguridad, cumplimiento y Responsible AI de esa plataforma en lugar de exigir que la organización los vuelva a crear. Lo que se cede es la personalización: un agente declarativo está limitado al orquestador y a los modelos de Copilot, está pensado para el uso individual, no admite interacciones proactivas y se ejecuta dentro de las aplicaciones de Microsoft 365. Un agente con motor propio invierte cada uno de esos puntos: ofrece control total sobre los modelos y la orquestación, comportamiento proactivo y canales externos, pero deja la responsabilidad del cumplimiento, las prácticas de Responsible AI y la seguridad en manos de quien lo construye, y por lo general exige hosting adicional con un costo extra. Para una firma regulada, la postura heredada muchas veces vale más que la flexibilidad. Consejo para el examen: heredar frente a asumir es la forma más rápida de separar los dos tipos de agente.

La IA generativa es la rama de la IA que produce artefactos nuevos en lugar de puntuar los existentes. La entrada suele ser una descripción en lenguaje natural de lo que quieres, y la salida es texto nuevo, una imagen o código que antes no existía. Eso es lo que la separa de la analítica que tu organización probablemente ya ejecuta, donde el trabajo es clasificar o predecir a partir de registros históricos. Microsoft agrupa a Microsoft 365 Copilot y a Microsoft Foundry como ejemplos de aplicaciones construidas sobre esta clase de modelo. Para un líder de negocio, la consecuencia práctica es que el caso de valor trata de producir borradores, resúmenes y código, no de mejorar un pronóstico. Consejo para el examen: cuando el enunciado destaca que una persona describe el resultado deseado en lenguaje corriente y recibe contenido nuevo a cambio, la respuesta es IA generativa.

El gasto en IA es gasto por consumo, así que se mueve entre facturas y no entre rondas de presupuesto, y una conciliación mensual siempre llega cuando el dinero ya se fue. Las alertas automatizadas convierten el control de detectivo en preventivo, porque notifican a los equipos antes de que los cargos alcancen el presupuesto del proyecto. Fijar varios umbrales da un aviso gradual en lugar de una única alarma en el límite. El framework combina esto con el monitoreo del uso, siguiendo los tokens por minuto y las solicitudes por minuto para poder ajustar los modelos y la arquitectura según los patrones reales, y con umbrales de precio fijo para servicios como la generación de imágenes, para evitar sorpresas. La facturación basada en compromiso también se recomienda, pero de forma condicional: reduce el costo donde el uso es constante, y una carga de trabajo con demanda impredecible es el candidato equivocado. Consejo para el examen: para un gasto por consumo impredecible, la respuesta que puntúa es casi siempre una alerta más monitoreo continuo.