Certified AI Product Development Specialist

Para quién es

• Ya entregaste un recurso con IA

  Y quieres comprobar, con una credencial verificable, lo que aprendiste decidiendo alcance, costo y riesgo en la práctica.

• Decides sobre productos con IA

  Y necesitas sostener viabilidad, presupuesto de inferencia y exposición al riesgo sin depender solo de la lectura del equipo técnico.

• Estás migrando hacia productos con IA

  Y quieres una referencia clara de lo que necesitas dominar, en vez de una lista de herramientas que cambia cada trimestre.

Lo que te llevas

• Código permanente de verificación

  Cualquier persona confirma tu credencial en pmcert.org/verify, sin tener que pedirte nada.

• Aprobación que no caduca

  Una credencial conquistada no vence, no pide renovación anual y no cobra mensualidad.

• LinkedIn y perfil público

  Agrégala a tu sección de licencias y certificaciones, o comparte el enlace de tu perfil.

• Certificado con nota por dominio

  En PDF, mostrando tu desempeño en cada área evaluada.

Mira cómo son las preguntas

Dos preguntas de la evaluación abierta, que es gratuita. Las del examen de certificación son otras, en el mismo formato: una situación de trabajo y una decisión.

1. Un marketplace recibe 40 mil productos nuevos por mes. En el 94% de los casos el proveedor envía un código de categoría que mapea directamente a la taxonomía interna. El 6% restante llega sin código. El equipo quiere automatizar la categorización. ¿Qué enfoque es más adecuado?

   1. AEntrenar un clasificador con todo el historial de productos y aplicarlo al 100% de la entrada, garantizando un criterio único de categorización.
   2. BUsar un modelo de lenguaje en toda la entrada, ya que resuelve tanto los casos con código como los casos sin código.
   3. CAplicar el mapeo determinístico al 94% y usar modelo solo en el 6% que llega sin código del proveedor.
   4. DPostergar la automatización hasta que los proveedores envíen código en el 100% de los casos, evitando mantener dos caminos distintos.
   Ver respuesta y explicación

   Respuesta: C

   La primera pregunta en el desarrollo de productos con IA no es qué modelo usar, sino qué parte del problema ya tiene solución determinística. Cuando existe una regla confiable, es más barata, más rápida, más fácil de depurar y no introduce variabilidad entre ejecuciones. El modelo debe reservarse para la parte residual que la regla no cubre. Aplicar modelo sobre el 94% que ya se resuelve por mapeo agrega costo de inferencia, riesgo de error y una fuente de inconsistencia, sin ganancia correspondiente. Ese patrón, resolver lo determinístico con regla y lo residual con modelo, aparece en la mayoría de los productos de IA que sostienen operación en producción.

2. Una empresa quiere un asistente interno que responda dudas sobre políticas de RR. HH. Las políticas cambian cada mes y toda respuesta debe indicar qué política sustenta la información. ¿Qué enfoque técnico cumple mejor esos requisitos?

   1. ARecuperación aumentada sobre la base de políticas vigentes, con el fragmento recuperado citado junto a la respuesta.
   2. BAjuste fino mensual del modelo con el texto actualizado de las políticas, rehaciendo el entrenamiento en cada ciclo de cambio.
   3. CPrompt fijo que contenga el texto íntegro de todas las políticas, actualizado manualmente cada vez que haya una modificación.
   4. DModelo propio entrenado desde cero con el corpus documental de la empresa, garantizando dominio completo del vocabulario interno.
   Ver respuesta y explicación

   Respuesta: A

   Dos requisitos deciden esta elección: el contenido cambia con frecuencia y la respuesta debe ser rastreable hasta la fuente. La recuperación aumentada cumple ambos porque el conocimiento queda fuera del modelo, en una base que se actualiza sin reentrenar, y el fragmento recuperado puede mostrarse como cita. El ajuste fino graba comportamiento y estilo en el modelo, no hechos volátiles, y reentrenar cada mes es caro y lento. El prompt fijo con todo el contenido choca con el límite de contexto y el costo por llamada en cuanto la base crece. El modelo propio es la opción de mayor costo y menor retorno en casi todo caso corporativo. La regla práctica: el conocimiento que cambia va a la base de recuperación, el comportamiento que se repite va al ajuste fino.

• Checklist de viabilidad de IAResponde ocho preguntas y ve si la idea está lista para seguir, pide un prototipo antes o todavía no debe avanzar.Abrir
• Calculadora de costo de inferenciaEl volumen, los tokens y los precios que indicas se vuelven costo por solicitud, por mes y por usuario activo.Abrir