AWS Certified AI Business Strategist (AIB-C01)

AIB-C01 Notas de preparación

Basado en el temario de la guía oficial del examen a octubre de 2026Lectura de unos 30 min

Resumen completo del temario del AIB-C01, con la extensión justa para releerlo en los 30 minutos previos al examen. Úsalo como repaso final después de recorrer los cuatro dominios en el curso de aprendizaje y comprobar tus puntos débiles con las preguntas de práctica. Como es un examen que evalúa el criterio estratégico más que la implementación técnica, lee primero la tabla de pistas del enunciado y dirección de la respuesta, y los patrones de respuestas incorrectas.

Datos del examen y enfoque

A octubre de 2026 el examen está en versión beta, con 85 preguntas y 170 minutos, y aún no se ha anunciado la fecha de inicio de la versión estándar (130 minutos según la guía del examen).
La categoría de la certificación es Business (distinta de niveles como Foundational) y el examen se ofrece en inglés y japonés.
El resultado se expresa como una puntuación escalada de 100 a 1000, la nota de aprobado es 700 y la puntuación es compensatoria, sin mínimo por dominio.
Solo hay dos formatos, opción múltiple y respuesta múltiple; la respuesta múltiple solo puntúa si se eligen todas las respuestas correctas, las preguntas sin responder cuentan como incorrectas y adivinar no resta.
La ponderación más alta es la de Estrategia de IA y creación de valor empresarial, con el 28 %, y los otros 3 dominios tienen el 24 % cada uno.
La versión beta solo se puede hacer una vez (si no se aprueba, se vuelve a presentar en la versión estándar).
No hay examen de práctica oficial durante el periodo beta, así que familiarízate con el formato mediante el conjunto oficial de preguntas de práctica.
Es un examen que evalúa el criterio estratégico más que la implementación técnica, y el desarrollo de modelos o algoritmos, el ajuste de hiperparámetros y la configuración de los servicios de AWS quedan fuera del temario.
Conoce Amazon Bedrock, Amazon SageMaker AI y Amazon Quick al nivel que exige el trabajo, y ten claros también AWS CAF, el modelo de responsabilidad compartida, los modelos de precios y las herramientas de costes, y AWS Marketplace.

Pistas del enunciado y dirección de la respuesta

Pista del enunciado	Dirección de la respuesta
Lo más rápido, con la mínima carga operativa, en procesos que no necesitan diferenciación	Comprar (productos comerciales, AWS Marketplace) y servicios administrados
Falta especialización, los plazos son limitados, se quiere transferir habilidades	Asociarse con un socio
Diferenciación central, datos propios, regulación estricta	Desarrollar sobre Bedrock o SageMaker AI
Reglas claras, se necesita una explicación completa y no se admiten errores	Automatización basada en reglas (sin IA)
Se quieren respuestas actualizadas basadas en documentos internos y con fuentes	RAG
Se quiere adaptar el tono, el formato o el comportamiento en un campo especializado	Ajuste fino
Primer paso cuando la calidad de las respuestas es baja	Mejorar el prompt
Se quiere demostrar el efecto para mantener el presupuesto	Línea de base previa, KPI del negocio y ROI con los gastos operativos incluidos
Se quiere prever pronto el éxito o el fracaso	Indicadores adelantados: tasa de uso (tasa de adopción), frecuencia de uso, satisfacción y preparación de los datos
Uso muy variable, esporádico o en fase de PoC	Modelo de consumo, en el que se paga solo por lo que se usa (modo bajo demanda de Bedrock)
Uso estable y masivo con un volumen previsible	Modelo de instancias o Provisioned Throughput y compromisos a largo plazo
Se quiere prever el coste según el número de usuarios	Licencias por usuario (Amazon Quick)
Se quiere abaratar procesos que no necesitan inmediatez y pueden esperar	Flex de Bedrock o inferencia por lotes (con descuento)
Se quiere priorizar la rapidez de respuesta aunque cueste algo más	Priority de Bedrock
Se quiere un descuento por el uso prolongado de SageMaker AI	Savings Plans
Se quiere estimar el coste antes de implantar y visualizarlo después	AWS Pricing Calculator y AWS Cost Explorer
Créditos, contratación, medicina, asuntos legales, seguridad u operaciones que no se pueden deshacer	Supervisión humana, explicabilidad y auditoría
Salidas dañinas, temas prohibidos, información personal, ataques al prompt	Amazon Bedrock Guardrails
Se quiere decidir hasta qué punto debe ser estricta la gobernanza	Clasificación de riesgos (controles proporcionales al riesgo)
Quién responde de las decisiones de la IA	Comité de gobernanza interfuncional y responsabilidad clara
Se usan herramientas de IA no aprobadas (IA en la sombra)	Clasificación pública en aprobadas, bloqueadas y en evaluación, más alternativas y formación
Norma internacional de sistemas de gestión de la IA y su certificación	ISO/IEC 42001 (ISO/IEC 23053 es el marco de los sistemas de IA que usan ML)
Cuándo considerar la IA responsable	Desde la fase de planificación y en todas las etapas
Cuándo comprobar el sesgo	Supervisión continua en todas las etapas del ciclo de vida
El siguiente paso adecuado a la situación actual de la empresa	Elegirlo tras medir la posición con un modelo de madurez
Los datos están dispersos por cada área	Eliminar los silos, propietarios de los datos del lado del negocio y catálogo de datos
El impulso no se mantiene y las áreas van cada una por su lado	Patrocinio de la dirección, alineación del liderazgo y nombramiento de promotores
El personal se resiste y teme fracasar	Participación temprana, espacios seguros para experimentar, comunicación transparente y reconversión profesional
Se quiere elevar la alfabetización en IA de toda la empresa	Formación por niveles, formación en IA responsable, PoC y hackatones
Qué hacer después del piloto	Crear una base reutilizable a partir de los resultados a corto plazo y extenderla
La PoC funcionó y se quiere pasar a producción	Tener listos la gobernanza, la supervisión, la estructura operativa, los SLA y la gestión de los costes
Cómo avanzar en la transformación	Repetir las fases de visualizar, experimentar, lanzar y escalar
Se quiere que el usuario sepa que está hablando con una IA	Transparencia (informar de que es una IA)

Patrones de respuestas incorrectas

Descarta la opción de implantar en toda la empresa a la vez.
Descarta la opción de añadir la gobernanza después de la implantación.
Descarta la opción de implantar sin medir o de tomar la línea de base después de la implantación.
Descarta la opción de entrenar desde cero un modelo fundacional propio.
Descarta la opción de decidir solo en el departamento de TI sin involucrar a la alta dirección.
Descarta la opción de que el equipo técnico lo construya y se limite a entregarlo al personal.
Descarta la opción de aplicar IA a un problema que no necesita IA.
Descarta la opción de abandonar el piloto o de rehacerlo desde cero cada vez.
Descarta tanto la opción de excluir por completo a las personas como la de que una persona revise todos los casos.
Descarta la opción de resolver la IA en la sombra con una prohibición total.
Descarta la opción de firmar desde el principio un gran contrato a largo plazo.
Descarta la opción de comprar primero infraestructura como GPU.
Descarta la opción de usar directamente la exactitud del modelo como KPI.
Descarta la opción de calcular el ROI sin incluir los gastos operativos.
Descarta la opción que afirma que contratar a muchos científicos de datos lo resuelve todo.
Descarta la opción de anunciarlo ocultando el impacto en los empleados.
Descarta las opciones en las que la respuesta es un detalle técnico, como la configuración de políticas de IAM o de claves de cifrado, porque quedan fuera del temario.

Puntos clave por dominio

Dominio 1 Conceptos básicos y alfabetización en IA (24 %)

Dentro de la IA están el ML y el aprendizaje profundo, y la IA generativa es el campo que crea contenido como textos o imágenes.
El algoritmo es el procedimiento de aprendizaje, el modelo es el resultado del aprendizaje y la inferencia es el proceso de usar el modelo; el coste diario se produce en la inferencia.
Los datos estructurados son tablas y los no estructurados, textos o imágenes; como la IA aprende de los datos históricos, la calidad determina los resultados y también se heredan los sesgos del pasado.
ISO/IEC 22989 define los conceptos y la terminología de la IA, ISO/IEC 23053 es el marco de los sistemas de IA que usan ML e ISO/IEC 42001 es la norma de sistemas de gestión de la IA que admite certificación.
Si las reglas son claras y la explicación y la exactitud son imprescindibles, se elige la automatización basada en reglas; si hay muchas excepciones y complejidad, la IA; y la IA tampoco es adecuada cuando no hay datos o cuando el coste supera al beneficio.
Los agentes de IA cuentan con autonomía, uso de herramientas, comunicación entre agentes y orquestación, y, a diferencia de un chatbot que solo responde, también actúan.
La IA en producción sufre deriva de modelos, es decir, su rendimiento cae por cambios en los datos o en las premisas, por lo que se sigue supervisando y actualizando.
Publicar las herramientas de IA clasificadas como aprobadas, bloqueadas o en evaluación reduce los riesgos de la IA en la sombra.
En el prompt se escriben de forma concreta el rol, el contexto, las instrucciones y el formato de salida, y si se supera el límite de tokens o la ventana de contexto, baja la calidad de las respuestas.
Para mejorar las respuestas se consideran, en este orden, la mejora del prompt, RAG (añadir conocimiento) y el ajuste fino (adaptar el comportamiento).

Dominio 2 Estrategia de IA y creación de valor empresarial (28 %)

Los casos de uso se buscan en cada área, como operaciones de clientes, ventas y marketing, investigación y desarrollo o desarrollo de software, y se vinculan las capacidades de la IA con resultados concretos del negocio.
La decisión de desarrollar, comprar o asociarse se toma según el presupuesto, los plazos, las capacidades internas, las propuestas de los proveedores y los requisitos normativos, y en las áreas que no diferencian se da prioridad a los servicios administrados y los productos comerciales.
Las iniciativas se ordenan según el valor empresarial, la viabilidad, la sostenibilidad y la alineación estratégica, y se decide si escalarlas, pausarlas o terminarlas.
Al trasladar procesos a la IA o al cambiar de plataforma de IA, se comprueban la continuidad del negocio, la variación de los costes, la preparación de los datos y el impacto en el rendimiento.
Los KPI incluyen beneficios tangibles (reducción de costes, aumento de ingresos) e intangibles (satisfacción del cliente, productividad de los empleados), y las métricas técnicas como la exactitud se traducen a resultados del negocio para medirlas.
La línea de base se mide antes de la implantación; el ROI se obtiene restando los costes al importe del beneficio obtenido y dividiendo entre los costes, y los costes incluyen los gastos operativos de inferencia, supervisión, reentrenamiento y gobernanza.
Los indicadores adelantados son la tasa de uso (tasa de adopción), la frecuencia de uso, la satisfacción y la preparación de los datos, y los ingresos y el ROI son indicadores retrasados que aparecen más tarde.
Los modelos de precios habituales son el de consumo, el de instancias y las licencias por usuario, y se empieza a pequeña escala, se mide y luego se pasa a compromisos a largo plazo.
El nivel de inversión se fija según la madurez del sector y los movimientos de la competencia, y se crea una ventaja sostenible con datos propios y la integración en los procesos del negocio.
Las oportunidades de transformar el modelo de negocio con IA están en integrar la IA en los productos, pasar a una oferta como servicio y crear servicios nuevos que aprovechen los datos.
Lo básico de la optimización de costes es elegir, para los usos sencillos, un modelo pequeño con calidad suficiente para el uso, y así reducir el coste y el tiempo de respuesta.

Dominio 3 Gobernanza de la IA y liderazgo para una IA responsable (24 %)

Las 8 dimensiones de la IA responsable de AWS son equidad, explicabilidad, privacidad y seguridad, protección, controlabilidad, veracidad y robustez, gobernanza y transparencia.
Cuando los objetivos del negocio entran en conflicto con los principios de la IA responsable, el punto de equilibrio se decide según las personas afectadas y la magnitud del riesgo, y se deja constancia de esa decisión.
La IA responsable no se integra después de la implantación, sino desde la fase de planificación, y la gobernanza se aplica desde la fase de diseño.
Los modelos habituales de supervisión humana son la aprobación previa a la ejecución, la supervisión de la ejecución automática con intervención y la automatización total solo de tareas rutinarias de bajo riesgo, y las medidas de seguridad habituales son la detección de alucinaciones, las barreras de protección, los criterios de escalamiento, los registros de auditoría y los medios de detención.
La estructura de gobernanza se crea de forma interfuncional, con negocio, tecnología, legal y cumplimiento, y se define con claridad quién tiene la responsabilidad.
La clasificación de riesgos fija los niveles según las personas afectadas, la gravedad, la posibilidad de deshacer, el grado de automatización, la confidencialidad de los datos y la regulación, y los controles se refuerzan cuanto mayor es el riesgo.
Ejemplos de regulaciones y marcos son la Ley de IA de la UE (prohibido, alto riesgo, limitado y mínimo), el NIST AI RMF (GOVERN gobernar, MAP mapear, MEASURE medir, MANAGE gestionar) e ISO/IEC 42001.
En el modelo de responsabilidad compartida, AWS protege la infraestructura de la nube y el entorno en el que se ofrecen los modelos fundacionales, y el usuario es responsable de los datos, los prompts, los permisos de acceso, la configuración de las barreras de protección y el uso de las salidas.
Como el sesgo se introduce en varias etapas del ciclo de vida, la deriva del sesgo se supervisa de forma continua.
El contenido dañino se contiene con barreras de protección; los riesgos de propiedad intelectual, con la revisión de las salidas y las políticas de uso; y los riesgos de fiabilidad, como las alucinaciones, la degradación de la calidad de los datos o la deriva de modelos, con la supervisión en producción y la verificación de los fundamentos.

Dominio 4 Preparación empresarial, liderazgo y transformación de la IA (24 %)

La preparación se mide con dimensiones habituales como la alineación del liderazgo, la calidad de los datos, la preparación cultural, la infraestructura técnica y los marcos de gobernanza.
Con un modelo de madurez se mide en qué punto se está, desde la fase de experimentación hasta la implementación a escala empresarial, y se elige el siguiente paso adecuado a la situación actual.
Las brechas se identifican en 4 áreas (personas, procesos, tecnología y gobernanza), y el orden de la inversión se decide según los objetivos estratégicos y la madurez.
La preparación de los datos se mide por la calidad, la accesibilidad y el efecto de los silos, y los fundamentos son la estrategia de datos, los propietarios de los datos del lado del negocio y los marcos para compartir.
Se alinean el patrocinio de la dirección y el liderazgo, y se nombran promotores para mantener el impulso en toda la empresa.
Se comunican con transparencia los plazos de la implantación, los resultados esperados y los cambios en las funciones, y los líderes abordan las barreras culturales, como la aversión al riesgo, la resistencia al cambio y el miedo al fracaso.
El desarrollo del personal combina PoC, hackatones, formación y formación en IA responsable para elevar la alfabetización de toda la empresa.
Las funciones humanas pasan del trabajo manual a la supervisión de la IA y la colaboración con ella, y el pensamiento crítico, la empatía y la creatividad se mantienen en las personas.
Para escalar se repiten las fases de visualizar, experimentar, lanzar y escalar, se avanza desde los resultados a corto plazo hasta el despliegue en toda la empresa y el CoE apoya la colaboración interfuncional.
Al pasar de la experimentación a la producción, se dejan listos los requisitos de gobernanza y de operación, los comentarios continuos y las métricas de éxito, y se siguen comprobando la continuidad del negocio y el rendimiento.
AWS CAF es un marco que prepara la adopción de la nube y de la IA en toda la empresa desde 6 perspectivas: negocio, personas, gobernanza, plataforma, seguridad y operaciones.

Servicios en una línea

Nombre	En una línea
Amazon Bedrock	Plataforma de IA generativa para usar modelos fundacionales ya preparados mediante una API
Amazon Bedrock Guardrails	Bloquea las salidas dañinas, los temas prohibidos y la información personal
Amazon Bedrock Knowledge Bases	Construye RAG con los datos propios
Amazon SageMaker AI	Crea, entrena y opera modelos de ML propios
Amazon Quick	Asistente de IA y análisis para los usuarios del negocio (licencias por usuario)
AWS CAF	Marco para planificar y escalar la adopción de la IA y de la nube en toda la empresa
Modelo de responsabilidad compartida	AWS responde de la infraestructura de la nube, y el usuario, de los datos y la configuración dentro de la nube
Responsible AI Lens	Conjunto de prácticas recomendadas de IA responsable de Well-Architected
AWS Marketplace	Adquisición de productos, modelos y agentes de terceros con facturación unificada
AWS Pricing Calculator	Estimación de costes antes de la implantación
AWS Cost Explorer	Visualización y análisis de los costes después de la implantación
Savings Plans	Descuento en los costes de SageMaker AI y otros servicios a cambio de un compromiso a largo plazo (a octubre de 2026, Bedrock no está incluido)
Precios por consumo	Se paga solo por lo que se usa (modo bajo demanda de Bedrock)
Precios por instancias	Se paga por tiempo la capacidad reservada (SageMaker AI, Provisioned Throughput)
Licencias por usuario	Se paga según el número de usuarios (Amazon Quick)
Niveles de precios de Bedrock	A octubre de 2026, Standard / Flex / Priority / Reserved, entre otros. Flex abarata los procesos que toleran demoras, Priority da prioridad a la rapidez de respuesta y Reserved reserva capacidad de procesamiento en tokens por minuto

Las 15 trampas principales

La transformación del modelo de negocio con IA no se limita a hacer más eficientes los procesos existentes, sino que también incluye integrar la IA en los productos y pasar a una oferta como servicio.
Los riesgos de propiedad intelectual no se dejan solo en manos del área legal, sino que también se contienen dentro del trabajo con la revisión de las salidas y las políticas de uso, y se consideran por separado de las barreras de protección que bloquean el contenido dañino.
La migración de una plataforma de IA no se decide solo comparando funciones, sino comprobando el impacto en la continuidad del negocio, los costes, los datos y el rendimiento.
El tiempo ahorrado no es un beneficio por sí mismo, sino que solo se convierte en beneficio cuando se dedica a otro trabajo de valor.
A octubre de 2026, el descuento de Savings Plans se aplica a SageMaker AI, el coste de Bedrock se reduce con la inferencia por lotes, Flex, Provisioned Throughput o Reserved, y Priority es más caro que Standard. Flex es un nivel para procesos síncronos que se invocan de uno en uno y toleran demoras; para grandes volúmenes asíncronos que se procesan en bloque se elige la inferencia por lotes.
Usar IA en un proceso con reglas claras es una respuesta incorrecta: se elige la automatización basada en reglas.
Para reflejar conocimiento nuevo se usa RAG, y el ajuste fino es el medio para adaptar el comportamiento.
Aunque AWS proporcione el modelo fundacional, la configuración de las barreras de protección y el uso de las salidas son responsabilidad del usuario, no de AWS.
Los indicadores adelantados no sustituyen a los ingresos, sino que sirven para prever el éxito o el fracaso antes de que aparezcan los indicadores retrasados.
La comprobación del sesgo no es una sola vez antes del entrenamiento, sino que continúa en todas las etapas del ciclo de vida.
Que la dirección apruebe todos los casos no escala, por lo que el comité interfuncional delega las facultades según el nivel de riesgo.
Un paso que no corresponde a la madurez (desplegar en toda la empresa durante la fase de experimentación) es una respuesta incorrecta: la construcción de la base y los resultados a corto plazo avanzan en paralelo.
La propiedad de los datos no corresponde al departamento de TI, sino al lado del negocio, y los silos se eliminan antes de la IA.
Que una PoC funcione no significa estar en producción: se está en producción cuando están listos la gobernanza, la supervisión, la estructura operativa, los SLA y la gestión de los costes.
El CoE no es un departamento que lo crea todo, sino un impulsor que apoya a cada área (centro y radios).

Comprobación de última hora

Sé decir el número de preguntas, la duración, la nota de aprobado y la diferencia de duración entre la versión beta y la estándar.
Sé nombrar los cuatro dominios y su ponderación.
Sé nombrar los dos formatos de pregunta y cómo se puntúa la respuesta múltiple.
Sé nombrar tres tareas que quedan fuera del temario.
Sé nombrar los tres servicios de AWS que hay que conocer al nivel que exige el trabajo y el uso de cada uno.
Sé explicar la diferencia entre algoritmo, modelo, entrenamiento e inferencia.
Sé nombrar tres condiciones para elegir la automatización basada en reglas.
Sé nombrar cuatro características de los agentes de IA.
Sé nombrar las tres categorías de las medidas frente a la IA en la sombra.
Sé explicar cuándo usar RAG o el ajuste fino y el orden en que se consideran las mejoras.
Sé explicar la diferencia de función entre ISO/IEC 22989, 23053 y 42001.
Sé nombrar cuatro criterios para decidir entre desarrollar, comprar o asociarse.
Sé nombrar las cuatro perspectivas para decidir si escalar, pausar o terminar una iniciativa.
Sé nombrar dos beneficios tangibles y dos intangibles.
Sé explicar el cálculo del ROI y los gastos operativos que se incluyen en los costes.
Sé nombrar tres indicadores adelantados.
Sé nombrar los modelos de precios habituales y la situación adecuada para cada uno.
Sé nombrar las 8 dimensiones de la IA responsable.
Sé nombrar los modelos habituales de supervisión humana y la situación adecuada para cada uno.
Sé nombrar cuatro medidas de seguridad que se combinan con la supervisión humana.
Sé nombrar cuatro ejes de la clasificación de riesgos.
Sé nombrar los 4 niveles de la Ley de IA de la UE y las 4 funciones del NIST AI RMF (GOVERN / MAP / MEASURE / MANAGE).
Sé nombrar cuatro responsabilidades que asume el usuario en el modelo de responsabilidad compartida.
Sé nombrar las dimensiones habituales de la preparación.
Sé nombrar las 4 áreas en las que se identifican las brechas.
Sé nombrar tres barreras culturales y las respuestas del liderazgo.
Sé nombrar en orden las 4 fases de la transformación.
Sé explicar en una frase la función del CoE.
Sé nombrar cuatro cosas que hay que tener listas antes de pasar de la PoC a producción.