Saltar al contenido
TokIQ
Aprendizaje

Examen AI-901 (AI901): preguntas de práctica y datos

10 preguntas de práctica originales del examen AI-901 (AI901) con respuestas, datos oficiales, habilidades evaluadas y qué sustituyó a AI-900 en 2026.

TokIQ Editorial13 min de lectura
En este artículo
  1. ¿Qué pasó con AI-900?
  2. Datos del examen AI-901 de un vistazo
  3. Área 1: identificar conceptos y capacidades de IA
  4. Área 2: implementar soluciones de IA con Microsoft Foundry
  5. Cómo evaluar tu resultado
  6. Cómo se escribieron estas preguntas
  7. Practica más preguntas de AI-901

AI-900 ya no existe: Microsoft lo retiró el 30 de junio de 2026 y lo sustituyó por AI-901: Microsoft Azure AI Fundamentals, que ahora es el único examen de la certificación Microsoft Certified: Azure AI Fundamentals. A continuación tienes 10 preguntas de práctica originales de AI-901, con respuestas y explicaciones breves, repartidas entre las dos áreas de habilidades oficiales en una proporción parecida a la del examen real.

Intenta resolver cada pregunta antes de leer la respuesta. Si estabas estudiando con un examen de práctica de AI-900, las primeras cuatro preguntas te resultarán familiares. Las últimas seis son la parte nueva.

Puntos clave

  • AI-901 sustituyó a AI-900 el 30 de junio de 2026. El nombre de la certificación no cambió: Microsoft Certified: Azure AI Fundamentals.
  • El 55–60% de AI-901 trata de implementar soluciones de IA con Microsoft Foundry, por eso 6 de las 10 preguntas de abajo salen de esa área.
  • Microsoft espera que quien se presente a AI-901 conozca la sintaxis de Python. En AI-900 no era así.
  • Tienes 45 minutos y necesitas una puntuación escalada de 700 sobre 1.000. Microsoft no publica el número de preguntas.

¿Qué pasó con AI-900?

Microsoft retiró el examen AI-900 el 30 de junio de 2026. La página del examen AI-900 indica ahora que el examen "has been replaced by AI-901", y la página de la certificación Azure AI Fundamentals lista AI-901 como el único examen obligatorio.

El cambio es mayor que un simple código nuevo. AI-900 medía cinco áreas conceptuales: cargas de trabajo de IA, aprendizaje automático en Azure, visión artificial, procesamiento del lenguaje natural e IA generativa. AI-901 tiene dos áreas de habilidades, y la más grande es práctica:

AI-900 (retirado)AI-901 (actual)
Áreas de habilidades5 dominios conceptuales2: conceptos de IA (40–45%) e implementación de IA con Microsoft Foundry (55–60%)
ProgramaciónNo se exigíaSe espera conocer la sintaxis de Python
EnfoqueDescribir cargas de trabajo de IA y servicios de AzureDescribir conceptos de IA y después crear en Foundry pequeñas aplicaciones de chat, agentes y soluciones de voz, visión y extracción

Si tu examen de práctica de AI-900 cubre solo la columna de la izquierda, sigue sirviendo para las preguntas de conceptos, pero deja fuera más de la mitad de AI-901.

Datos del examen AI-901 de un vistazo

Estos datos provienen de la guía de estudio oficial de AI-901 (habilidades evaluadas a fecha del 15 de abril de 2026), la página del examen AI-901, la página de Microsoft sobre la duración del examen y su página sobre la puntuación del examen, todas consultadas el 2026-10-26. Para la ficha completa y un plan de estudio, consulta nuestra página de preparación del examen AI-901.

DatoValor oficial
ExamenAI-901: Microsoft Azure AI Fundamentals
CertificaciónMicrosoft Certified: Azure AI Fundamentals
Tiempo45 minutos (65 minutos en el asiento)
Puntuación para aprobar700 en una escala de 1 a 1.000 (puntuación escalada)
PreguntasNo se publica (Microsoft dice que la mayoría de los exámenes tienen entre 40 y 60)
PrecioDepende del país o región donde hagas el examen
Penalización por adivinarNinguna
Área de habilidadesPesoPreguntas de abajo
1. Identificar conceptos y capacidades de IA40–45%1–4
2. Implementar soluciones de IA con Microsoft Foundry55–60%5–10

La guía de estudio también indica que la mayoría de las preguntas tratan funciones de disponibilidad general, que el examen puede incluir funciones en versión preliminar de uso habitual y que conviene conocer las API REST, los SDK y las CLI.

Área 1: identificar conceptos y capacidades de IA

Pregunta 1

Una empresa lanza un chatbot de atención al cliente. Cada conversación empieza con un mensaje que indica que el usuario está hablando con un sistema de IA, en qué puede ayudar y dónde puede equivocarse. ¿Qué principio de IA responsable de Microsoft respalda principalmente esta práctica?

  • A. Equidad (Fairness)
  • B. Inclusión (Inclusiveness)
  • C. Transparencia (Transparency)
  • D. Fiabilidad y seguridad (Reliability and safety)

Respuesta: C. La transparencia significa que las personas entienden que están usando un sistema de IA, para qué sirve y cuáles son sus límites. Avisar al usuario desde el principio de que habla con una IA y de dónde puede fallar es un ejemplo directo.

  • A es incorrecta porque la equidad trata de que el sistema dé un trato justo a todos los grupos de personas.
  • B es incorrecta porque la inclusión trata de diseñar para personas con distintas capacidades y contextos, por ejemplo con interfaces accesibles.
  • D es incorrecta porque la fiabilidad y seguridad trata de que el sistema funcione como se espera y falle de forma segura; un mensaje informativo no cambia el comportamiento del modelo.

Los seis principios de la guía de estudio son equidad, fiabilidad y seguridad, privacidad y seguridad, inclusión, transparencia y responsabilidad. Espera preguntas con un escenario en las que debas relacionar una práctica con uno de ellos.

Pregunta 2

¿Qué afirmación describe mejor cómo produce un modelo de lenguaje grande (LLM) una respuesta a un prompt?

  • A. Busca en sus datos de entrenamiento el documento almacenado que mejor coincide con el prompt y lo devuelve.
  • B. Predice de forma repetida el siguiente token más probable, a partir del prompt y de los tokens que ya ha generado.
  • C. Ejecuta un conjunto fijo de reglas que los desarrolladores escribieron para cada tipo de pregunta.
  • D. Busca la respuesta en una base de datos de internet cada vez.

Respuesta: B. Un modelo de lenguaje genera texto token a token. Un token es un fragmento de texto, a menudo parte de una palabra. En cada paso el modelo predice un token siguiente probable a partir de todo lo anterior, lo añade y repite el proceso hasta completar la respuesta.

  • A es incorrecta porque el modelo no almacena ni devuelve documentos completos; genera texto nuevo.
  • C es incorrecta porque el comportamiento se aprende de los datos durante el entrenamiento, no se escribe como reglas.
  • D es incorrecta porque un modelo por sí solo no busca en internet. Una aplicación o un agente puede añadir la búsqueda como herramienta, pero eso es un paso aparte.

Pregunta 3

Una tienda quiere procesar miles de reseñas de productos y extraer los nombres de productos, marcas y ciudades que mencionan los clientes. ¿Qué técnica de análisis de texto encaja?

  • A. Análisis de sentimiento
  • B. Detección de entidades (reconocimiento de entidades nombradas)
  • C. Resumen
  • D. Detección de idioma

Respuesta: B. La detección de entidades encuentra y clasifica elementos con nombre dentro del texto, como productos, organizaciones, personas y lugares.

  • A es incorrecta porque el análisis de sentimiento indica si una reseña es positiva, negativa o neutra, no qué elementos nombra.
  • C es incorrecta porque el resumen acorta el texto en lugar de listar elementos concretos.
  • D es incorrecta porque la detección de idioma solo indica en qué idioma está escrita la reseña.

Pregunta 4

Una aplicación de navegación debe leer en voz alta las indicaciones de la ruta al conductor. ¿Qué capacidad de voz necesita?

  • A. Reconocimiento de voz (voz a texto)
  • B. Síntesis de voz (texto a voz)
  • C. Reconocimiento del hablante
  • D. Extracción de palabras clave

Respuesta: B. La síntesis de voz convierte texto en audio hablado, que es justo lo que hace falta para leer indicaciones en voz alta.

  • A es incorrecta porque el reconocimiento de voz hace lo contrario: convierte audio hablado en texto, por ejemplo para entender las órdenes de voz del conductor.
  • C es incorrecta porque el reconocimiento del hablante identifica quién está hablando.
  • D es incorrecta porque la extracción de palabras clave es una técnica de análisis de texto y no produce audio.

Área 2: implementar soluciones de IA con Microsoft Foundry

Pregunta 5

Un desarrollador crea una aplicación de chat en Microsoft Foundry. Todas las respuestas deben ser amables, en un lenguaje sencillo y limitadas a preguntas sobre los productos de la empresa, escriba lo que escriba el usuario. ¿Dónde deben ir estas reglas?

  • A. En el prompt del sistema
  • B. En cada prompt de usuario, escrito por el usuario
  • C. En el nombre del modelo
  • D. En los mensajes de error de la aplicación

Respuesta: A. El prompt del sistema (mensaje del sistema) define el rol, el tono, el alcance y las reglas del modelo durante toda la conversación. El prompt de usuario lleva la pregunta real del usuario, que cambia en cada turno y no se puede confiar en que repita las reglas.

  • B es incorrecta porque los usuarios no van a añadir las reglas por su cuenta, y la aplicación no debería depender de ello.
  • C es incorrecta porque el nombre del modelo o del despliegue solo identifica a qué modelo se llama.
  • D es incorrecta porque los mensajes de error no cambian cómo responde el modelo.

Nuestra guía sobre cómo escribir un prompt de sistema profundiza en lo que debe incluir.

Pregunta 6

Un desarrollador elige un modelo en el catálogo de modelos de Foundry y quiere llamarlo desde una aplicación de Python. ¿Qué debe hacer antes de que la aplicación pueda enviarle prompts?

  • A. Ajustar el modelo (fine-tuning) con datos de la empresa
  • B. Desplegar el modelo en el recurso de Foundry y usar en la aplicación el endpoint y el nombre de ese despliegue
  • C. Descargar los pesos del modelo en el portátil
  • D. Crear un analizador de Content Understanding

Respuesta: B. Un modelo del catálogo debe desplegarse antes de poder usarlo. Después la aplicación envía las solicitudes al despliegue, con el endpoint del proyecto, el nombre del despliegue y credenciales como una clave o Microsoft Entra ID. La guía de estudio incluye tanto "deploy a model and interact with it in the Foundry portal" como "create a lightweight chat client application by using the Foundry SDK".

  • A es incorrecta porque el ajuste fino es opcional y no hace falta para llamar a un modelo.
  • C es incorrecta porque Foundry aloja el modelo desplegado; tú lo llamas a través de la red.
  • D es incorrecta porque un analizador sirve para extraer información con Content Understanding, no para conversar con un modelo.

Pregunta 7

Un desarrollador escribe este bucle de chat sencillo en Python. Los usuarios se quejan de que el asistente olvida lo que dijeron un mensaje antes. ¿Cuál es la solución?

system = {"role": "system", "content": "Eres un asistente de viajes útil."}

while True:
    user_input = input("Tú: ")
    messages = [system, {"role": "user", "content": user_input}]
    reply = send_to_model(messages)  # llama al modelo de chat desplegado
    print("Asistente:", reply)
  • A. Subir la temperatura para que el modelo recuerde más
  • B. Mantener una sola lista messages para toda la conversación y añadirle cada mensaje del usuario y cada respuesta del asistente antes de la siguiente llamada
  • C. Mover el mensaje del sistema al final de la lista
  • D. Desplegar un modelo más grande

Respuesta: B. Un modelo de chat no recuerda las solicitudes anteriores. Cada llamada solo ve los mensajes que le envías. El bucle reconstruye messages desde cero en cada turno, así que se pierden los turnos anteriores. Si se crea la lista una sola vez y en cada turno se añaden la entrada del usuario y la respuesta del asistente, el modelo recibe el historial de la conversación.

  • A es incorrecta porque la temperatura cambia lo aleatoria que es la salida, no lo que el modelo puede ver.
  • C es incorrecta porque el orden del mensaje del sistema no recupera los turnos que faltan.
  • D es incorrecta porque un modelo más grande sigue viendo solo los mensajes de la solicitud.

Pregunta 8

Un equipo crea un único agente en el portal de Foundry para responder las dudas de los empleados sobre las políticas de recursos humanos de la empresa, que están guardadas en archivos PDF. ¿Qué cambio permite que el agente base sus respuestas en esos documentos?

  • A. Añadir al agente la herramienta de búsqueda de archivos (file search) y subir los documentos de políticas
  • B. Aumentar la longitud máxima de la respuesta
  • C. Añadir al agente un modelo de generación de imágenes
  • D. Quitar las instrucciones del agente para que responda con libertad

Respuesta: A. Las herramientas amplían lo que un agente puede hacer. La herramienta de búsqueda de archivos indexa los archivos subidos en un almacén de vectores para que el agente recupere los pasajes relevantes y responda a partir de ellos en lugar de usar el conocimiento general del modelo.

  • B es incorrecta porque un límite de respuesta más largo no le da conocimiento nuevo al agente.
  • C es incorrecta porque la generación de imágenes crea imágenes, no respuestas a partir de documentos.
  • D es incorrecta porque las instrucciones definen el rol del agente; quitarlas lo hace menos fiable, no mejor informado.

El patrón que hay detrás es la generación aumentada por recuperación (RAG), y nuestro artículo sobre llamadas a herramientas y agentes de IA explica cómo deciden los agentes cuándo usar una herramienta.

Pregunta 9

Un técnico de campo toma una foto de una pieza dañada de una máquina y le pregunta a la aplicación de la empresa: "¿Qué pieza es esta y qué podría estar fallando?". ¿Qué enfoque encaja mejor en Foundry?

  • A. Enviar la foto y la pregunta juntas en un prompt a un modelo multimodal desplegado que acepte imágenes como entrada
  • B. Enviar la pregunta a un modelo de generación de imágenes
  • C. Convertir la foto en audio con síntesis de voz
  • D. Ejecutar un análisis de sentimiento sobre el nombre del archivo de la foto

Respuesta: A. Un modelo multimodal puede recibir una imagen y texto en el mismo prompt y razonar sobre ambos. La guía de estudio lo describe como interpretar entradas visuales en prompts mediante un modelo multimodal desplegado.

  • B es incorrecta porque un modelo de generación de imágenes crea imágenes nuevas; no explica una foto existente.
  • C es incorrecta porque la síntesis de voz convierte texto en audio y no tiene nada que ver con las imágenes.
  • D es incorrecta porque el análisis de sentimiento trabaja con opiniones en texto, y el nombre de un archivo no dice nada de la pieza.

Pregunta 10

Un centro de llamadas quiere procesar las grabaciones de las llamadas de sus clientes y obtener campos estructurados de cada una: un resumen breve, el producto del que se habló y si el cliente quedó satisfecho. ¿Qué herramienta de Foundry está pensada para esto?

  • A. Azure Content Understanding in Foundry Tools, con un analizador que define los campos
  • B. Un modelo de embeddings de texto
  • C. Un modelo de generación de imágenes
  • D. La herramienta de búsqueda de archivos de un agente

Respuesta: A. Content Understanding convierte documentos, imágenes, audio y vídeo en una salida estructurada. Los campos que quieres se definen en el esquema de un analizador, y este puede extraer, clasificar o generar valores, como el resumen de una llamada o una etiqueta de satisfacción. El análisis posterior a la llamada es uno de los casos de uso que menciona Microsoft.

  • B es incorrecta porque los embeddings convierten texto en vectores para la búsqueda; no generan campos etiquetados a partir de audio.
  • C es incorrecta porque la generación de imágenes crea imágenes.
  • D es incorrecta porque la búsqueda de archivos ayuda a un agente a responder preguntas a partir de documentos; no convierte cada grabación en campos estructurados.

Cómo evaluar tu resultado

Cuenta tus respuestas correctas sobre 10 y revisa dónde fallaste. Diez preguntas son pocas para predecir el resultado del examen, pero muestran qué área necesita trabajo.

  • 9–10 correctas: practica con series más largas y cronometradas, y sigue repasando las preguntas que falles.
  • 6–8 correctas: vuelve a los puntos del área que fallaste en la guía de estudio.
  • 5 o menos: empieza por los conceptos. Nuestra ruta para aprender prompt engineering cubre las ideas de IA generativa que hay detrás de las preguntas 2 y 5–8.

Si fallaste varias de las preguntas 5–10, tu punto débil es la parte de Foundry. Esas habilidades se aprenden mejor practicando: despliega un modelo, escribe un prompt de sistema y crea tú mismo un pequeño cliente de chat en Python.

Microsoft también ofrece una evaluación de práctica gratuita para esta certificación en AI Skills Navigator (hay que iniciar sesión). Está enlazada desde la página del examen AI-901.

Cómo se escribieron estas preguntas

TokIQ Editorial escribió estas preguntas a partir de las habilidades de la guía de estudio de AI-901 (habilidades evaluadas a fecha del 15 de abril de 2026). No son preguntas reales del examen ni proceden de ningún volcado de preguntas. Los datos del examen se comprobaron con las páginas de Microsoft Learn enlazadas arriba el 2026-10-26. TokIQ es una aplicación de práctica independiente y no está afiliada, respaldada ni patrocinada por Microsoft. Microsoft, Azure y Microsoft Foundry son marcas comerciales del grupo de empresas de Microsoft.

¿Estudias también para AWS? Prueba nuestras preguntas de ejemplo de AWS AI Practitioner (AIF-C01).

Practica más preguntas de AI-901

Si quieres una serie corta como esta cada día, TokIQ (en Google Play, próximamente en iPhone) tiene un modo de preparación para AI-901: una sesión diaria que te devuelve las preguntas que fallaste con repetición espaciada, da más peso a tu área más débil e incluye simulacros cronometrados. Cada pregunta cita la fuente oficial de Microsoft Learn en la que se basa, y después de cada respuesta hay una explicación, en tu propio idioma.

¿No sabes si AI-901 es el mejor primer examen? Compáralo con otras opciones en qué certificación de IA hacer primero, o prueba las preguntas de práctica de Google Generative AI Leader.

Preguntas frecuentes

¿Se retiró el examen AI-900?

Sí. Microsoft retiró AI-900 el 30 de junio de 2026 y lo sustituyó por AI-901: Microsoft Azure AI Fundamentals. Para obtener la certificación Microsoft Certified: Azure AI Fundamentals ahora hay que aprobar AI-901, que es el único examen obligatorio (Microsoft Learn, consultado el 2026-10-26).

¿Cuál es la diferencia entre AI-900 y AI-901?

AI-900 tenía cinco dominios conceptuales (cargas de trabajo de IA, aprendizaje automático en Azure, visión artificial, PLN e IA generativa). AI-901 tiene dos áreas de habilidades: identificar conceptos y capacidades de IA (40–45%) e implementar soluciones de IA con Microsoft Foundry (55–60%). Microsoft también espera que quien se presente a AI-901 conozca la sintaxis de Python, así que más de la mitad del examen trata de crear pequeñas aplicaciones y agentes con Foundry.

¿Puedo seguir usando exámenes de práctica de AI-900 para AI-901?

Solo en parte. Las preguntas de conceptos sobre IA responsable, análisis de texto, voz y visión artificial siguen sirviendo para la primera área. Los simulacros de AI-900 no cubren el despliegue de modelos, los prompts, los agentes ni Content Understanding en Microsoft Foundry, que suponen el 55–60% de AI-901.

¿Cuánto dura el examen AI-901 y qué puntuación hace falta para aprobar?

Los exámenes Microsoft Fundamentals duran 45 minutos, con 65 minutos de tiempo en el asiento. Las puntuaciones se informan en una escala de 1 a 1.000 y se necesitan 700 o más para aprobar. Es una puntuación escalada, así que 700 no equivale al 70% de las preguntas (Microsoft Learn, consultado el 2026-10-26).

¿Cuántas preguntas tiene AI-901?

Microsoft no publica el número de preguntas de AI-901. Indica que la mayoría de sus exámenes de certificación tienen entre 40 y 60 preguntas y que la cifra puede cambiar. No se penaliza por adivinar, así que responde todas las preguntas.

¿Son preguntas reales del examen AI-901?

No. TokIQ Editorial escribió las 10 preguntas a partir de las habilidades de la guía de estudio oficial de AI-901. Microsoft mantiene confidencial el contenido de sus exámenes, así que los sitios que venden preguntas reales son un riesgo, no un atajo. Microsoft también ofrece una evaluación de práctica gratuita para esta certificación en AI Skills Navigator (requiere iniciar sesión).

  • #AI-901
  • #AI-900
  • #Azure AI Fundamentals
  • #preguntas de práctica
  • #certificación

Ahora, a practicar

TokIQ convierte el prompt engineering en quizzes cortos, con una explicación para cada respuesta.

Próximamente enApp StoreDisponible enGoogle Play

Escribe mejores prompts con unas pocas preguntas al día.

Quizzes cortos sobre decisiones reales al escribir prompts, con una explicación para cada respuesta. Gratis para empezar en iPhone y Android.

Próximamente enApp StoreDisponible enGoogle Play