Cada servicio de AWS en el examen AIF-C01 — y por qué está ahí

El examen AIF-C01 cubre una superficie sorprendentemente amplia de servicios de AWS. Algunos de ellos — Bedrock, SageMaker — son los protagonistas obvios. Otros — Macie, KMS, CloudWatch — aparecen en preguntas de escenario donde la respuesta depende de conocer la herramienta adecuada para un requisito de seguridad o gobernanza. Si ingresas sabiendo solo los servicios de IA generativa, dejarás puntos en el camino.

Esta guía mapea cada servicio de AWS que aparece en el examen AIF-C01, explica lo que hace en un lenguaje sencillo y te indica a qué dominio de examen pertenece. Los he agrupado de la manera en que el examen los concibe: primero los servicios principales de IA generativa, luego los servicios de IA especializados pre-construidos y finalmente la infraestructura de gobernanza y seguridad.

Core generative-AI services

Estos son los servicios en los que pasarás la mayor parte del tiempo de estudio. Aparecen en el Domain 2, Domain 3 y Domain 4, que representan la mayor parte del examen.

Amazon Bedrock

Amazon Bedrock es la pieza central del examen AIF-C01. Es un servicio completamente administrado que te brinda acceso por API a modelos fundacionales de Anthropic (Claude), Meta (Llama), Mistral, AI21, Cohere, Stability AI y la propia familia Titan de Amazon. No administras la infraestructura, no entrenas nada: envías prompts y obtienes respuestas.

Enfoque de examen: El Domain 3 (Applications of Foundation Models) se apoya fuertemente en Amazon Bedrock. Espera preguntas de escenario sobre selección de modelos (cuándo elegir Claude frente a Titan frente a Llama), parámetros de inferencia (temperature, top-p, max tokens) y cuándo Amazon Bedrock es la opción correcta frente al auto-hospedaje en Amazon SageMaker.

Amazon Bedrock Knowledge Bases

Esta es la solución RAG (retrieval-augmented generation) administrada de AWS. Apuntas el servicio a documentos en Amazon S3, este los divide en fragmentos, genera embeddings, los almacena en una base de datos vectorial y permite que un modelo fundacional recupere pasajes relevantes antes de generar una respuesta. Maneja el seguimiento de citas automáticamente.

Enfoque de examen: RAG es la respuesta canónica a "¿cómo basas un modelo fundacional en tus datos privados sin realizar fine-tuning?". Verás este escenario varias veces en el examen. Conoce la diferencia entre RAG y fine-tuning, el examen lo evalúa explícitamente.

Amazon Bedrock Guardrails

Amazon Bedrock Guardrails es una capa de políticas que se sitúa entre el usuario y el modelo. Puede filtrar contenido dañino, bloquear temas específicos que definas, redactar PII de las entradas y salidas, y basar las respuestas para reducir las alucinaciones. Se configura de forma declarativa, sin necesidad de código personalizado.

Enfoque de examen: El Domain 4 (Guidelines for Responsible AI) pregunta cómo evitar que un modelo genere contenido no seguro o alucinaciones. Amazon Bedrock Guardrails es la respuesta designada por AWS. Conoce los cuatro tipos de protección que ofrece: filtros de contenido, temas denegados, redacción de PII y comprobaciones de fundamentación.

Amazon Bedrock Agents

Amazon Bedrock Agents le otorgan a un modelo fundacional la capacidad de tomar acciones: llamar a APIs, consultar bases de conocimientos y ejecutar flujos de trabajo de múltiples pasos. Defines "grupos de acciones" que describen qué herramientas puede usar el modelo, y Amazon Bedrock Agents se encarga del ciclo de orquestación (pensar → actuar → observar → responder).

Enfoque de examen: El Domain 3 incluye escenarios de "orquestación de IA". El examen distingue Amazon Bedrock Agents (múltiples pasos, uso de herramientas) de la inferencia simple de Amazon Bedrock (un solo prompt → una sola respuesta). Si una pregunta describe un chatbot que necesita buscar el estado de un pedido, modificar una base de datos y responder, la respuesta es Amazon Bedrock Agents.

Amazon Q

Amazon Q es el asistente de IA pre-empaquetado de AWS. Amazon Q Developer vive dentro de los IDE y de la consola de AWS para ayudar con preguntas de codificación, depuración e infraestructura. Amazon Q Business se conecta a fuentes de datos empresariales (SharePoint, Confluence, Salesforce) para sesiones de preguntas y respuestas internas.

Enfoque de examen: El examen AIF-C01 introduce a Amazon Q como la opción de "usar esto si no quieres construir nada". Las preguntas evalúan cuándo elegir Amazon Q (pre-construido, opinado) frente a Amazon Bedrock (personalizable, para construir uno mismo).

Amazon SageMaker

Amazon SageMaker es la plataforma completa de ML: notebooks, trabajos de entrenamiento, ajuste de hiperparámetros, endpoints de inferencia administrados y pipelines de MLOps. Es el servicio que utilizas cuando estás construyendo y entrenando modelos personalizados, no solo llamando a los pre-entrenados.

Enfoque de examen: El Domain 2 (Fundamentals of AI and ML) hace referencia a Amazon SageMaker para todo el ciclo de vida de ML. El examen evalúa si conoces la diferencia entre entrenamiento (Amazon SageMaker), alojamiento de inferencia (endpoints de Amazon SageMaker) y acceso al modelo basado en API (Amazon Bedrock).

Amazon SageMaker JumpStart

Amazon SageMaker JumpStart es un catálogo de modelos dentro de Amazon SageMaker. Ofrece modelos fundacionales pre-entrenados y modelos específicos para tareas con despliegue en un solo clic y notebooks de fine-tuning. Piensa en él como una App Store para modelos de ML que puedes desplegar en tu propia cuenta de AWS.

Enfoque de examen: El examen distingue tres formas de usar un modelo: (1) llamar a una API alojada a través de Amazon Bedrock, (2) desplegar un modelo pre-entrenado desde Amazon SageMaker JumpStart en tu propio endpoint, (3) entrenar desde cero en Amazon SageMaker. Amazon SageMaker JumpStart es la opción 2.

Amazon SageMaker Clarify

Amazon SageMaker Clarify es una herramienta de detección de sesgos y explicabilidad de modelos. Calcula atribuciones de características SHAP (¿qué características de entrada impulsaron esta predicción?), mide el sesgo previo y posterior al entrenamiento en grupos demográficos, y funciona tanto en modelos tabulares como en salidas de modelos fundacionales.

Enfoque de examen: El Domain 4 (Responsible AI) evalúa la detección de sesgos y la explicabilidad. Cuando una pregunta pregunta "cómo detectas si tu modelo está sesgado contra un grupo demográfico", Amazon SageMaker Clarify es la respuesta.

Specialized pre-built AI services

Estos servicios resuelven tareas específicas de IA sin requerir que entrenes o administres ningún modelo. El examen evalúa tu capacidad para elegir el adecuado para un caso de uso determinado.

Amazon Comprehend

NLP administrado: análisis de sentimiento, reconocimiento de entidades, extracción de frases clave, detección de idioma e identificación de PII. No requiere entrenamiento: envía texto, obtén resultados estructurados.

Enfoque de examen: "Necesito analizar los comentarios de los clientes para conocer el sentimiento" → Amazon Comprehend. "Necesito buscar PII en un corpus de documentos" → Amazon Comprehend (o Amazon Macie para el escaneo de S3). Conoce los límites.

Amazon Rekognition

Visión computacional: detección de etiquetas, análisis facial, moderación de contenido, reconocimiento de celebridades, detección de actividad en video. Entrada de imagen o video, salida de etiquetas estructuradas.

Enfoque de examen: "Tengo imágenes, no tengo equipo de ML" → Amazon Rekognition. El examen también utiliza la función de moderación de contenido de Amazon Rekognition en escenarios de IA responsable.

Amazon Textract

Comprensión de documentos: extrae texto, pares clave-valor, tablas y campos de formularios de PDFs e imágenes escaneadas. Va más allá del OCR básico: comprende la estructura del documento.

Enfoque de examen: "Extraer datos de facturas/recibos/formularios" → Amazon Textract. El examen evalúa específicamente la diferencia entre Amazon Textract (extracción estructurada de documentos) y Amazon Rekognition DetectText (OCR genérico en fotos).

Amazon Transcribe

Conversión de voz a texto con identificación de hablantes, vocabularios personalizados, streaming en tiempo real y variantes especializadas para audio médico y de centros de llamadas.

Enfoque de examen: Se combina con Amazon Comprehend en preguntas sobre pipelines: "transcribe una grabación de centro de llamadas y luego analiza el sentimiento" → Amazon Transcribe + Amazon Comprehend.

Amazon Polly

Conversión de texto a voz con voces neuronales y generativas en docenas de idiomas. Admite SSML para un control detallado sobre la pronunciación, el ritmo y el énfasis.

Enfoque de examen: "Convertir texto a voz" → Amazon Polly. El examen evalúa cuándo Amazon Polly (TTS pre-construido) es suficiente frente a cuándo necesitarías un modelo de voz personalizado en Amazon SageMaker.

Amazon Translate

Traducción automática neuronal en más de 75 idiomas, con soporte de terminología personalizada para frases específicas de un dominio.

Enfoque de examen: Directo — "traducir contenido a varios idiomas sin entrenar un modelo" → Amazon Translate.

Amazon Lex

IA conversacional para construir chatbots con intents, slots y salida de voz a través de Amazon Polly. Permite interacciones estilo Alexa.

Enfoque de examen: Amazon Lex es el framework de chatbot pre-construido. El examen lo contrasta con Amazon Bedrock Agents: Amazon Lex para conversaciones estructuradas basadas en intents; Amazon Bedrock Agents para asistentes de IA de extremo abierto que utilizan herramientas.

Amazon Kendra

Búsqueda empresarial impulsada por ML en documentos, SharePoint, Confluence y bases de datos. Comprende consultas en lenguaje natural, no solo coincidencia de palabras clave.

Enfoque de examen: Amazon Kendra aparece como una alternativa de solo recuperación frente a Amazon Bedrock Knowledge Bases. Cuando la pregunta dice "búsqueda, no se necesita generación" → Amazon Kendra. Cuando dice "buscar y sintetizar una respuesta" → Amazon Bedrock Knowledge Bases.

Security, governance, and supporting infrastructure

Estos servicios no son específicos de la IA, pero aparecen en las preguntas del Domain 5 (Security, Compliance, and Governance). El examen evalúa si sabes cómo asegurar y monitorear las cargas de trabajo de IA.

AWS IAM

Usuarios, roles, políticas, federación y permisos de mínimo privilegio para cada llamada a servicios de AWS. No es específico de IA, pero el examen evalúa patrones de IAM específicos para IA.

Enfoque de examen: "¿Cómo restringes qué modelos puede invocar un desarrollador en Amazon Bedrock?" → Políticas de IAM. "¿Cómo accede un notebook de Amazon SageMaker a los datos de entrenamiento en S3?" → Rol de IAM. El mínimo privilegio es el tema recurrente.

AWS KMS

Claves criptográficas administradas para cifrar datos en reposo: conjuntos de datos de entrenamiento, artefactos de modelos, logs de inferencia.

Enfoque de examen: "¿Cómo cifras los pesos del modelo en reposo con una clave administrada por el cliente?" → AWS KMS. Esto aparece en preguntas enfocadas en el cumplimiento normativo.

Amazon Macie

Servicio de descubrimiento de datos sensibles que utiliza ML para buscar PII, credenciales y datos financieros en buckets de S3.

Enfoque de examen: "Antes de enviar documentos a un pipeline de RAG, ¿cómo buscas PII en los datos de origen?" → Amazon Macie escanea el bucket de S3; Amazon Bedrock Guardrails filtra en el momento de la inferencia. El examen evalúa ambas capas.

Amazon CloudWatch

Métricas, logs y alarmas en todos los servicios de AWS. Para cargas de trabajo de IA: logs de invocación de Amazon Bedrock, latencia de endpoints de Amazon SageMaker, alertas de deriva en el monitoreo de modelos.

Enfoque de examen: "¿Cómo monitoreas el rendimiento del modelo en producción?" → Métricas + alarmas de Amazon CloudWatch. "¿Cómo auditas qué prompts se enviaron a Amazon Bedrock?" → Amazon CloudWatch Logs con el log de invocación de Amazon Bedrock habilitado.

How to study this

No intentes memorizar cada característica de cada servicio. El examen evalúa el reconocimiento de patrones: dado un escenario, ¿qué servicio lo resuelve? Este es el modelo mental:

• "Quiero llamar a un modelo fundacional a través de una API" → Amazon Bedrock
• "Quiero basar un modelo en mis datos privados" → Amazon Bedrock Knowledge Bases (RAG)
• "Quiero que el modelo tome acciones" → Amazon Bedrock Agents
• "Quiero reglas de seguridad en la salida del modelo" → Amazon Bedrock Guardrails
• "No quiero construir nada, solo usar IA" → Amazon Q
• "Necesito entrenar un modelo personalizado" → Amazon SageMaker
• "Necesito un modelo pre-entrenado que pueda desplegar yo mismo" → Amazon SageMaker JumpStart
• "Necesito comprobar si mi modelo tiene sesgos" → Amazon SageMaker Clarify
• "Necesito [analizar texto / ver imágenes / extraer documentos / transcribir audio / sintetizar voz / traducir / construir un chatbot / buscar documentos]" → el servicio especializado correspondiente
• "Necesito asegurar / cifrar / escanear / monitorear" → AWS IAM / AWS KMS / Amazon Macie / Amazon CloudWatch

Revisa las preguntas de práctica con este framework y verás que puedes responder la mayoría de las preguntas de selección de servicios en menos de 30 segundos.

Source: AWS AI Practitioner (AIF-C01) exam guide v1.1 (2024-08), AWS documentation as of May 2026.