Laboratorio práctico — AIF-C01 AWS Certified AI Practitioner

Descripción general

Requisitos previos

Pasos

1. 1.Seleccionar nuestra versión de Terraform y la región de AWS

   Antes de crear cualquier recurso, debemos indicarle a Terraform qué versión de sí mismo esperamos y qué proveedor de AWS utilizaremos. Fijamos el proveedor de AWS en ~> 5.60 porque cada recurso relacionado con Amazon Bedrock que tocamos en este laboratorio se introdujo en esa línea, y desplegamos todo en us-east-1 (AWS lanza primero los modelos fundacionales allí, y la mayoría de las preguntas del AIF-C01 asumen la disponibilidad en us-east-1 cuando hacen referencia a un servicio “más nuevo”).

   Agrega esto en un archivo main.tf nuevo para comenzar. Todo lo que sigue en el laboratorio se ubicará en este mismo archivo.

   Copiar

   terraform {
     required_version = ">= 1.5"
   
     required_providers {
       aws = {
         source  = "hashicorp/aws"
         version = "~> 5.60"
       }
     }
   }
   
   provider "aws" {
     region = "us-east-1"
   }

2. 2.Proporcionar a los servicios de IA un lugar para leer entradas y escribir salidas

   Aprovisiona:

   • Amazon S3

   Cada servicio de IA de AWS que utilizaremos en este laboratorio — Amazon Bedrock hoy, y el registro de auditoría que conectaremos en el Paso 5 — lee entradas y escribe salidas a través de Amazon S3, por lo que la primera pieza de infraestructura real es un bucket. Volveremos a él en casi todos los pasos posteriores.

   Activamos el control de versiones para que se pueda revertir una carga corrupta, bloqueamos el acceso público (se trata de entradas de entrenamiento y logs de invocación de modelos, no de recursos de un sitio web) y habilitamos el cifrado AES256 en reposo. Este último punto es importante para el examen AIF-C01: el dominio Security, Compliance, and Governance for AI Solutions (Seguridad, conformidad y gobernanza para soluciones de IA) evalúa explícitamente que recurras al cifrado en reposo por defecto en cualquier almacén de datos de IA.

   Copiar

   resource "aws_s3_bucket" "ai_data" {
     bucket_prefix = "certlabpro-aif-c01-"
   }
   
   resource "aws_s3_bucket_public_access_block" "ai_data" {
     bucket = aws_s3_bucket.ai_data.id
   
     block_public_acls       = true
     block_public_policy     = true
     ignore_public_acls      = true
     restrict_public_buckets = true
   }
   
   resource "aws_s3_bucket_versioning" "ai_data" {
     bucket = aws_s3_bucket.ai_data.id
   
     versioning_configuration {
       status = "Enabled"
     }
   }
   
   resource "aws_s3_bucket_server_side_encryption_configuration" "ai_data" {
     bucket = aws_s3_bucket.ai_data.id
   
     rule {
       apply_server_side_encryption_by_default {
         sse_algorithm = "AES256"
       }
     }
   }

3. 3.Permitir que Amazon Bedrock asuma una identidad para que pueda ejecutar nuestras llamadas

   Aprovisiona:

   • AWS IAM

   Amazon Bedrock no puede invocar un modelo por sí solo: necesita un rol de AWS IAM que pueda asumir. Creamos uno con una política de confianza que nombra a bedrock.amazonaws.com como el único principal permitido, y luego adjuntamos una política de permisos mínimos: invocar cualquier modelo fundacional y leer/escribir únicamente en el bucket que creamos en el Paso 2.

   Los patrones de mínimo privilegio como este son un tema recurrente en el AIF-C01. Ten en cuenta que no otorgamos s3:*, sino solo las dos acciones de objetos que realmente necesitamos, limitadas a los objetos dentro de nuestro bucket. El examen premia el identificar esa misma estructura en escenarios de opción múltiple: cuando ambas opciones de respuesta “funcionan”, la más restringida casi siempre es la correcta.

   Copiar

   resource "aws_iam_role" "bedrock_caller" {
     name = "certlabpro-aif-c01-bedrock-caller"
   
     assume_role_policy = jsonencode({
       Version = "2012-10-17"
       Statement = [{
         Effect    = "Allow"
         Principal = { Service = "bedrock.amazonaws.com" }
         Action    = "sts:AssumeRole"
       }]
     })
   }
   
   resource "aws_iam_role_policy" "bedrock_caller" {
     name = "bedrock-invoke"
     role = aws_iam_role.bedrock_caller.id
   
     policy = jsonencode({
       Version = "2012-10-17"
       Statement = [
         {
           Effect = "Allow"
           Action = [
             "bedrock:InvokeModel",
             "bedrock:InvokeModelWithResponseStream",
           ]
           Resource = "arn:aws:bedrock:*::foundation-model/*"
         },
         {
           Effect = "Allow"
           Action = [
             "s3:GetObject",
             "s3:PutObject",
           ]
           Resource = "${aws_s3_bucket.ai_data.arn}/*"
         },
       ]
     })
   }

4. 4.Agregar una barrera de protección para que el modelo no pueda emitir PII o temas denegados

   Aprovisiona:

   • Amazon Bedrock Guardrails

   Un modelo de Amazon Bedrock por sí solo responderá gustosamente cualquier cosa que sus datos de entrenamiento le permitan responder. Las barreras de protección (Guardrails) se sitúan delante de cada llamada al modelo y aplican políticas de contenido y PII de forma independiente al modelo fundacional que utilices, lo que significa que un único guardrail cubre Claude, Llama, Titan y cualquier modelo futuro.

   Aquí configuramos dos capas. Un filtro de contenido bloquea el odio, la violencia y el contenido sexual de alta gravedad tanto en las instrucciones como en las respuestas, y una política de información sensible bloquea la filtración de correos electrónicos, números de teléfono y números de Seguro Social de EE. UU. Estos se asignan directamente al dominio Guidelines for Responsible AI (Directrices para una IA responsable) de la certificación AIF-C01, donde el filtrado de contenido y el manejo de PII son los dos pilares fundamentales.

   Con la barrera de protección en su lugar, el rol que creamos en el Paso 3 puede invocar un modelo y el resultado se filtra antes de que llegue al cliente que realiza la llamada.

   Copiar

   resource "aws_bedrock_guardrail" "safety" {
     name                      = "certlabpro-aif-c01-safety"
     description               = "Default safety rails for the lab."
     blocked_input_messaging   = "I can't help with that."
     blocked_outputs_messaging = "I can't share that response."
   
     content_policy_config {
       filters_config {
         input_strength  = "HIGH"
         output_strength = "HIGH"
         type            = "HATE"
       }
       filters_config {
         input_strength  = "HIGH"
         output_strength = "HIGH"
         type            = "VIOLENCE"
       }
       filters_config {
         input_strength  = "HIGH"
         output_strength = "HIGH"
         type            = "SEXUAL"
       }
     }
   
     sensitive_information_policy_config {
       pii_entities_config {
         action = "BLOCK"
         type   = "EMAIL"
       }
       pii_entities_config {
         action = "BLOCK"
         type   = "PHONE"
       }
       pii_entities_config {
         action = "BLOCK"
         type   = "US_SOCIAL_SECURITY_NUMBER"
       }
     }
   }

5. 5.Habilitar el registro para tener una pista de auditoría de cada instrucción y respuesta

   Aprovisiona:

   • Amazon Bedrock
   • Amazon CloudWatch Logs
   • AWS IAM

   El registro de invocaciones de Amazon Bedrock captura la instrucción completa, la respuesta y la carga útil de incrustación (embedding) de cada llamada al modelo en la cuenta y región. Escribe en Amazon CloudWatch Logs (ideal para búsquedas rápidas con grep) y en Amazon S3 (ideal para retención a largo plazo); configuramos ambos. El rol que asociamos otorga exactamente las acciones que el servicio de Amazon Bedrock necesita y nada más.

   Un detalle relevante para el examen AIF-C01 que vale la pena conocer: el registro de invocaciones es un recurso único (singleton), es decir, una configuración por cuenta por región. Si ejecutas este laboratorio por segunda vez en us-east-1, Terraform informará que no hay cambios, pero la configuración existente se volverá a vincular. Destruye la infraestructura antes de volver a ejecutarla si alguna vez cambias los destinos de los logs.

   Con el registro configurado, cada llamada al modelo que realicemos utilizando el rol del Paso 3, a través de la barrera de protección del Paso 4, termina archivada en el bucket del Paso 2. Esa es la cadena de auditoría completa, exactamente el tipo de escenario de “muéstrame la evidencia” que el examen espera que seas capaz de describir.

   Copiar

   resource "aws_iam_role" "bedrock_logging" {
     name = "certlabpro-aif-c01-bedrock-logging"
   
     assume_role_policy = jsonencode({
       Version = "2012-10-17"
       Statement = [{
         Effect    = "Allow"
         Principal = { Service = "bedrock.amazonaws.com" }
         Action    = "sts:AssumeRole"
       }]
     })
   }
   
   resource "aws_cloudwatch_log_group" "bedrock_invocations" {
     name              = "/aws/bedrock/invocations"
     retention_in_days = 30
   }
   
   resource "aws_iam_role_policy" "bedrock_logging" {
     name = "write-logs-and-s3"
     role = aws_iam_role.bedrock_logging.id
   
     policy = jsonencode({
       Version = "2012-10-17"
       Statement = [
         {
           Effect = "Allow"
           Action = [
             "logs:CreateLogStream",
             "logs:PutLogEvents",
           ]
           Resource = aws_cloudwatch_log_group.bedrock_invocations.arn
         },
         {
           Effect   = "Allow"
           Action   = "s3:PutObject"
           Resource = "${aws_s3_bucket.ai_data.arn}/bedrock-invocations/*"
         },
       ]
     })
   }
   
   resource "aws_bedrock_model_invocation_logging_configuration" "this" {
     logging_config {
       embedding_data_delivery_enabled = true
       image_data_delivery_enabled     = true
       text_data_delivery_enabled      = true
   
       cloudwatch_config {
         log_group_name = aws_cloudwatch_log_group.bedrock_invocations.name
         role_arn       = aws_iam_role.bedrock_logging.arn
       }
   
       s3_config {
         bucket_name = aws_s3_bucket.ai_data.bucket
         key_prefix  = "bedrock-invocations/"
       }
     }
   }

Limpieza