Design and develop database solutions35–40%El esquema y el código, antes de que alguien se preocupe por quién puede leerlo o cómo se publica. Primero los objetos: tablas comunes y sus primas especializadas que existen para un solo propósito cada una, columnas que guardan documentos JSON en lugar de escalares, las restricciones y secuencias que mantienen los valores en orden, y el particionamiento que decide cómo se corta físicamente una tabla grande. Después el código que vive dentro de la base de datos y no encima de ella: vistas, funciones de dos tipos, procedimientos y triggers. Luego el T-SQL en sí, más allá de la consulta cotidiana: expresiones recursivas y anidadas, cálculos que miran de reojo a las filas vecinas, funciones que leen y desarman JSON, coincidencia de patrones sobre texto, puntajes de similitud entre dos cadenas casi iguales, recorrido de una estructura de grafo, consultas cuya mitad interna depende de la externa, y manejo de errores que convierte una falla en algo que quien llama puede accionar. La porción más nueva también está acá, y es pequeña pero distintiva: escribir este código con un asistente de IA en el circuito, decidir qué puede ver ese asistente, conectarlo a endpoints de herramientas, guiarlo con archivos de instrucciones y entender qué cuesta esa comodidad en términos de exposición.
≈ 19 h Secure, optimize, and deploy database solutions35–40%Todo lo que está entre un código que funciona y una solución que alguien esté dispuesto a poner en producción. Tiene cuatro movimientos. Control de acceso y confidencialidad: qué valores se cifran y dónde viven las llaves, qué valores se muestran difuminados y a quién, qué filas puede ver un determinado usuario, qué objetos puede tocar, cómo se autentica una conexión sin llevar una contraseña adentro, qué queda registrado en la auditoría y cómo se aseguran las superficies de endpoint más nuevas cuando la base de datos empieza a hablar con endpoints de modelos y con servidores REST, GraphQL y de protocolo. Después el rendimiento, leído desde la evidencia y no desde la intuición: configuraciones de servidor y de base de datos, las decisiones de aislamiento y concurrencia que negocian consistencia contra throughput, y las herramientas que muestran qué hizo realmente una consulta, incluido el diagnóstico de una sesión esperando a otra. Luego la ruta de publicación, construida sobre proyectos de base de datos guardados en control de versiones: pruebas, datos de referencia, modelos de proyecto, ramas y pull requests, secretos, y la detección de un destino que se apartó del esquema declarado, hasta llegar a pipelines de despliegue controlados. Por último, las costuras con el resto de Azure: publicar objetos de base de datos como APIs, observar el resultado y reaccionar a los cambios en los datos como eventos en lugar de andar consultando cada tanto.
≈ 19 h Implement AI capabilities in database solutions25–30%La porción más pequeña y la razón por la que existe el examen. Tres preguntas, en orden. Qué modelo, y cómo se mantienen actualizados los embeddings: elegir entre modelos por capacidad, cobertura de idiomas, tamaño y forma de la salida; registrar uno para que el motor pueda llamarlo; decidir qué columnas vale la pena convertir en embeddings; cortar textos largos en pedazos que quepan y que además signifiquen algo; y elegir el mecanismo que regenera un embedding cuando cambia su fila de origen, que es la parte que la mayoría de los diseños hace mal. Luego la recuperación: búsqueda por palabras clave, búsqueda por similitud sobre vectores, o ambas fusionadas en un solo ranking; cómo se tipa, indexa y dimensiona el dato vectorial; el compromiso entre exacto y aproximado y qué cuesta en recall un índice aproximado; y cómo saber si el conjunto de resultados es realmente bueno. Por último, la generación anclada en lo que se recuperó: reconocer los casos en que la generación aumentada por recuperación es la respuesta correcta, llamar a un endpoint externo desde adentro de la base de datos, darle a filas estructuradas una forma que un modelo de lenguaje pueda leer, y sacar de la respuesta algo aprovechable.
≈ 13 h