Saltar al contenido
TokIQ
Aprendizaje

Google Generative AI Leader: 10 preguntas de práctica

10 preguntas de práctica originales de Generative AI Leader con respuestas, más el formato oficial del examen, sus secciones y las preguntas gratis de Google.

TokIQ Editorial8 min de lectura
En este artículo
  1. Datos del examen Generative AI Leader de un vistazo
  2. Sección 1: Fundamentos de la IA generativa
  3. Sección 2: Oferta de IA generativa de Google Cloud
  4. Sección 3: Técnicas para mejorar las respuestas del modelo de IA generativa
  5. Sección 4: Estrategias de negocio para una solución de IA generativa exitosa
  6. Cómo evaluar tu resultado
  7. Cómo se escribieron estas preguntas
  8. Practica más preguntas de Generative AI Leader

El examen Generative AI Leader de Google Cloud tiene de 50 a 60 preguntas de opción múltiple, dura 90 minutos, no tiene requisitos previos y no exige programar. A continuación tienes 10 preguntas de práctica originales con respuestas, repartidas entre las cuatro secciones que indica Google, seguidas de los datos oficiales del examen y de las preguntas de ejemplo gratuitas de Google.

Puntos clave

  • El examen es de nivel de negocio: eliges el enfoque de IA generativa adecuado para una situación, no escribes código.
  • Dos secciones concentran la mayor parte del peso: la oferta de IA generativa de Google Cloud (alrededor del 35 %) y los fundamentos de la IA generativa (alrededor del 30 %).
  • Espera preguntas de escenario en las que la opción más económica, mejor fundamentada o más responsable es la correcta.

Datos del examen Generative AI Leader de un vistazo

Los datos provienen de la página oficial de la certificación Generative AI Leader, consultada el 2026-11-02. Para ver las cuatro secciones en detalle y un plan de estudio, consulta nuestra página de preparación de Generative AI Leader.

DatoValor oficial
Preguntas50-60 de opción múltiple
Duración90 minutos
Precio$99 (más impuestos cuando corresponda)
IdiomasInglés, japonés, español
ModalidadOnline con supervisión o presencial con supervisión
Requisitos previosNinguno
Validez3 años
Sección (de la guía del examen)Peso aprox.Preguntas de abajo
1. Fundamentos de la IA generativa~30 %1-3
2. Oferta de IA generativa de Google Cloud~35 %4-6
3. Técnicas para mejorar las respuestas del modelo de IA generativa~20 %7-8
4. Estrategias de negocio para una solución de IA generativa exitosa~15 %9-10

Sección 1: Fundamentos de la IA generativa

Pregunta 1

Un equipo de marketing pregunta qué afirmación describe mejor un modelo fundacional (foundation model). ¿Cuál es la mejor respuesta?

  • A. Un motor de reglas que enruta los tickets de soporte
  • B. Un modelo grande entrenado con datos amplios que se puede adaptar a muchas tareas
  • C. Una base de datos que almacena documentos de la empresa
  • D. Un modelo que solo puede clasificar imágenes en etiquetas fijas

Respuesta: B. Un modelo fundacional se entrena con datos amplios y se puede adaptar a muchas tareas posteriores, como resumir, redactar y responder preguntas.

  • A es incorrecta porque un motor de reglas sigue una lógica fija y no se entrena con datos amplios.
  • C es incorrecta porque almacenar documentos es tarea de un almacén de datos, no de un modelo.
  • D es incorrecta porque un clasificador de etiquetas fijas es un modelo estrecho, no un modelo fundacional general.

Pregunta 2

Un equipo necesita que un solo modelo lea la foto de un producto y escriba un pie de foto. ¿Qué capacidad necesita?

  • A. Un modelo solo de texto
  • B. Un modelo multimodal
  • C. Un modelo de voz a texto
  • D. Un modelo de regresión tabular

Respuesta: B. Un modelo multimodal trabaja con más de un tipo de dato; aquí, una imagen como entrada y texto como salida.

  • A es incorrecta porque un modelo solo de texto no puede leer una imagen.
  • C es incorrecta porque la conversión de voz a texto transforma audio en texto.
  • D es incorrecta porque la regresión predice números a partir de datos tabulares.

Pregunta 3

Un modelo afirma con total seguridad una política de la empresa que no existe. ¿Cómo se llama este comportamiento?

  • A. Grounding (fundamentación)
  • B. Tokenización
  • C. Una alucinación
  • D. Fine-tuning (ajuste fino)

Respuesta: C. Una alucinación es una respuesta que suena plausible pero no es verdadera o no está respaldada por ninguna fuente.

  • A es incorrecta porque el grounding es el remedio: vincular las respuestas a datos fiables.
  • B es incorrecta porque la tokenización divide el texto en las unidades que lee el modelo.
  • D es incorrecta porque el fine-tuning es entrenamiento adicional, no un modo de fallo.

Sección 2: Oferta de IA generativa de Google Cloud

Pregunta 4

Un desarrollador quiere acceder a los modelos Gemini de Google a través de Google Cloud para crear y gestionar una aplicación de IA generativa con controles empresariales. ¿Qué plataforma de Google Cloud está pensada para esto?

  • A. Looker Studio
  • B. Vertex AI
  • C. Cloud DNS
  • D. Google Sheets

Respuesta: B. Vertex AI es la plataforma de IA de Google Cloud para acceder a modelos y para crear y desplegar aplicaciones de IA.

  • A es incorrecta porque Looker Studio crea paneles e informes.
  • C es incorrecta porque Cloud DNS gestiona registros de nombres de dominio.
  • D es incorrecta porque Google Sheets es una hoja de cálculo, no una plataforma de desarrollo de IA.

Pregunta 5

Una empresa quiere que sus empleados reciban ayuda de IA dentro de las herramientas que ya usan para el correo, los documentos y las reuniones, sin construir nada. ¿Qué tipo de oferta encaja?

  • A. Un asistente de IA generativa prediseñado para el trabajo
  • B. Un modelo personalizado entrenado desde cero
  • C. Un clúster de GPU autogestionado
  • D. Un almacén de datos (data warehouse)

Respuesta: A. Google ofrece soluciones de IA generativa prediseñadas para el trabajo, de modo que un equipo puede adoptarlas sin desarrollar nada. Para este objetivo no hace falta construir un modelo.

  • B es incorrecta porque entrenar desde cero es lento y costoso, y la empresa solo quiere una ayuda ya hecha.
  • C es incorrecta porque gestionar GPU es trabajo de infraestructura que la empresa quiere evitar.
  • D es incorrecta porque un almacén de datos guarda y consulta datos.

Pregunta 6

Un directivo quiere un asistente de cara al cliente que pueda ejecutar acciones en varios sistemas, como consultar un pedido e iniciar una devolución. ¿Qué concepto describe el software que planifica pasos y usa herramientas para cumplir un objetivo?

  • A. Un agente de IA generativa
  • B. Una página de preguntas frecuentes estática
  • C. Un informe por lotes
  • D. Una red de entrega de contenido

Respuesta: A. Un agente usa un modelo para planificar, llamar a herramientas y completar tareas de varios pasos hacia un objetivo.

  • B es incorrecta porque una página estática no puede ejecutar acciones.
  • C es incorrecta porque un informe por lotes es una salida programada, no un uso interactivo de herramientas.
  • D es incorrecta porque una CDN acelera la entrega de contenido.

Sección 3: Técnicas para mejorar las respuestas del modelo de IA generativa

Pregunta 7

Un bot de soporte debe responder solo con los artículos de ayuda vigentes de la empresa y citarlos. ¿Qué técnica logra esto?

  • A. Subir la temperatura
  • B. Fundamentar (grounding) el modelo en los datos de la empresa
  • C. Acortar el prompt a una sola palabra
  • D. Reentrenar el modelo desde cero cada noche

Respuesta: B. El grounding conecta las respuestas del modelo con fuentes fiables, como los artículos de ayuda recuperados, lo que reduce las alucinaciones y permite citar.

  • A es incorrecta porque una temperatura más alta hace que las respuestas sean más variadas, no más precisas.
  • C es incorrecta porque un prompt de una palabra le da menos contexto al modelo.
  • D es incorrecta porque reentrenar por completo cada noche es mucho más costoso que fundamentar el modelo en documentos actuales.

Pregunta 8

Las respuestas de un modelo son correctas, pero cada vez salen en un formato distinto. ¿Cuál es la primera mejora más rápida?

  • A. Entrenar un modelo nuevo
  • B. Dar instrucciones claras y uno o dos ejemplos del formato que quieres
  • C. Pasar a un centro de datos más grande
  • D. Quitar todas las instrucciones

Respuesta: B. El prompt engineering, con instrucciones explícitas y un par de ejemplos, es la forma más rápida y barata de conseguir un formato consistente. Mira zero-shot frente a few-shot prompting.

  • A es incorrecta porque entrenar es lento y costoso para un problema de formato.
  • C es incorrecta porque la ubicación de la infraestructura no cambia el estilo de la respuesta.
  • D es incorrecta porque quitar instrucciones hace que la respuesta sea menos predecible.

Sección 4: Estrategias de negocio para una solución de IA generativa exitosa

Pregunta 9

Una empresa está a punto de lanzar una herramienta de IA generativa que resume correos de clientes. ¿Qué paso respalda mejor la IA responsable antes del lanzamiento?

  • A. Omitir las pruebas para lanzar más rápido
  • B. Probar si hay respuestas dañinas, sesgadas o inexactas y mantener a una persona revisando los casos importantes
  • C. Ocultar que la herramienta usa IA
  • D. Dar a todos los empleados acceso a todos los datos de los clientes

Respuesta: B. La adopción responsable significa probar el sesgo, la exactitud y el daño potencial, y mantener supervisión humana donde los errores importan.

  • A es incorrecta porque omitir las pruebas aumenta el riesgo de daño.
  • C es incorrecta porque ser transparente sobre el uso de IA forma parte de la IA responsable.
  • D es incorrecta porque el acceso amplio a datos sensibles choca con la seguridad y la privacidad.

Pregunta 10

Un directivo está eligiendo su primer proyecto de IA generativa. ¿Cuál es el mejor punto de partida?

  • A. El proceso más complejo de la empresa
  • B. Un caso de uso bien definido, de menor riesgo y con una medida de éxito clara
  • C. Un proyecto sin responsable
  • D. Un proyecto que no necesita datos

Respuesta: B. Un caso de uso acotado con valor medible permite que el equipo aprenda, muestre resultados y escale con cuidado.

  • A es incorrecta porque empezar por el proceso más difícil aumenta el riesgo y los retrasos.
  • C es incorrecta porque los proyectos necesitan un responsable que rinda cuentas.
  • D es incorrecta porque las soluciones de IA generativa dependen de buenos datos y de contexto.

Cómo evaluar tu resultado

Cuenta los aciertos por sección, no solo el total. Diez preguntas son muy pocas para predecir el resultado de un examen, y Google dice lo mismo de sus propias preguntas de ejemplo.

  • 9-10 aciertos: pasa a las preguntas de ejemplo oficiales de Google y después a la práctica cronometrada.
  • 6-8 aciertos: vuelve a leer las secciones que fallaste en la guía del examen.
  • 5 o menos: empieza por la ruta de aprendizaje de Generative AI Leader que enlaza Google y vuelve a intentarlo.

Varias de las preguntas anteriores dependen del prompting y del grounding. Si te resultaron flojas, lee qué es RAG y cómo escribir mejores prompts.

Cómo se escribieron estas preguntas

TokIQ Editorial escribió estas preguntas a partir de los temas de cada sección de la guía pública del examen de Google. No son preguntas reales del examen ni proceden de ningún dump. Los nombres de los productos de Google Cloud cambian, así que consulta los nombres actuales en las páginas de Google. TokIQ es una app de práctica independiente, no afiliada ni respaldada por Google. Los datos del examen se comprobaron el 2026-11-02.

¿Dudas entre varias certificaciones? Mira qué certificación de IA hacer primero.

Practica más preguntas de Generative AI Leader

TokIQ (en Google Play, próximamente en iPhone) tiene un modo de preparación de Generative AI Leader con una sesión diaria corta, repetición espaciada de las preguntas que fallaste, un índice de preparación por sección, exámenes simulados y explicaciones en tu propio idioma.

Preguntas frecuentes

¿Cuántas preguntas tiene el examen Generative AI Leader?

Google indica de 50 a 60 preguntas de opción múltiple y 90 minutos para responderlas. El examen se hace online con supervisión o de forma presencial con supervisión, cuesta $99 más impuestos cuando corresponda y no tiene requisitos previos (página de certificación de Google Cloud, consultada el 2026-11-02).

¿Ofrece Google preguntas de ejemplo oficiales de Generative AI Leader?

Sí. La página de la certificación enlaza un conjunto gratuito de preguntas de ejemplo. Google dice que no tienen límite de tiempo, que solo están disponibles en inglés y que no representan la variedad de temas ni la dificultad del examen real, así que no sirven para predecir tu resultado.

¿Necesito saber programar para aprobar el examen Generative AI Leader?

No. Google dice que la certificación es para cualquier persona en cualquier puesto, con o sin experiencia técnica práctica. El examen evalúa la comprensión de la IA generativa a nivel de negocio, la oferta de IA generativa de Google Cloud, las técnicas para mejorar las respuestas del modelo y la estrategia de negocio.

¿Cuál es la nota para aprobar Generative AI Leader?

Google no publica una nota mínima en su página de certificación. Considera cualquier número que veas en un sitio de terceros como una meta de estudio, no como una cifra oficial.

¿Son estas preguntas reales del examen?

No. TokIQ Editorial escribió las 10 preguntas a partir de los temas de la guía pública del examen de Google. El contenido real del examen es confidencial, así que los volcados de preguntas (dumps) son un riesgo, no un atajo.

  • #Generative AI Leader
  • #Google Cloud
  • #preguntas de práctica
  • #preparar 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