Microsoft Azure AI Fundamentals

Qué vas a aprender

AI-901: Microsoft Azure AI Fundamentals es el punto de entrada para comprender y empezar a desarrollar soluciones de inteligencia artificial en Azure. Combina la elección de capacidades con fundamentos técnicos para trabajar con Microsoft Foundry.

Esta guía está revisada el 18 de octubre de 2026. Organiza el aprendizaje en siete apartados, utiliza situaciones de una tienda y un almacén, e incluye fragmentos de Python para explicar cómo se conectan los conceptos con una aplicación. Al terminar deberías poder justificar qué capacidad necesitas, interpretar un cliente sencillo y distinguir una respuesta generada de una acción ejecutada.

Para practicar el repaso tienes el simulador de AI-901 de LarrúaTech, con 200 preguntas originales, explicaciones y referencias oficiales.

Antes de empezar

Necesitas una base de Python: variables, cadenas, listas, diccionarios, funciones, importaciones, acceso a propiedades y tratamiento de errores. Para los ejemplos asíncronos también debes reconocer async y await. Conviene saber qué son una suscripción de Azure, un recurso, un endpoint, una credencial y una solicitud HTTP.

No necesitas dominar el entrenamiento de modelos para empezar esta ruta. Sí debes entender qué datos envías, a qué servicio llamas y qué resultado devuelve. Si Python es nuevo para ti, aprende primero a leer un diccionario y a recorrer una lista: esas estructuras aparecen continuamente en las solicitudes y los resultados.

Para ejecutar prácticas con servicios necesitas una suscripción, permisos adecuados y disponibilidad de los recursos utilizados. Consulta las cuotas y el coste antes de desplegar; el acceso gratuito a las instrucciones de un laboratorio no convierte en gratuito todo su consumo de Azure.

Temario vigente y formato del examen

La guía oficial de AI-901 publica objetivos efectivos desde el 15 de abril de 2026 y dos dominios:

Los siete apartados son una organización de estudio: Microsoft no asigna un porcentaje independiente a cada uno. El perfil incluye Python y familiaridad con APIs REST, SDK y CLI. AI-900 es el examen anterior, retirado; no conviene preparar AI-901 usando únicamente su estructura histórica. Revisa el anuncio oficial de la evolución de la certificación.

Microsoft describe 45 minutos de examen y 65 minutos de cita para Fundamentals; las condiciones concretas se confirman al reservar. El número de preguntas puede variar. La aprobación requiere 700 puntos en la escala oficial, lo que no equivale necesariamente a acertar el 70 %. Fuentes: duración y experiencia y puntuación de exámenes.

Los precios mostrados en la cabecera corresponden a tarifas regionales del examen, no al precio de un curso. Confirma moneda, impuestos y descuentos en la reserva. Esta guía y el simulador de LarrúaTech son gratuitos.

1. Principios de IA responsable

Una aplicación debe evaluarse por sus resultados y sus efectos sobre las personas. Que responda con rapidez y buena redacción no demuestra que sea segura, justa o fiable.

La equidad no se demuestra únicamente con una precisión media alta: un grupo puede concentrar muchos errores. La transparencia no consiste en revelar secretos técnicos, sino en facilitar una interpretación adecuada del sistema. La responsabilidad continúa siendo de personas y organizaciones aunque se utilice un modelo externo.

Aplica controles en varias capas: evaluación, acceso a datos, validación de acciones y gestión de incidentes. Un prompt orienta el comportamiento, pero no garantiza por sí solo que nunca haya errores o respuestas dañinas. Referencias: principios de IA responsable y mensajes de sistema y seguridad.

Comprueba que lo entiendes: si un asistente falla más con ciertos acentos, identifica primero el problema de equidad. Si no ofrece alternativa al canal de voz, también hay una barrera de inclusión. Un caso puede afectar a varios principios.

2. Modelos, capacidades y configuración

Un modelo de lenguaje genera contenido a partir del contexto y de relaciones aprendidas durante su entrenamiento. Inferencia es utilizar el modelo para obtener una salida; incluir datos en un prompt no constituye por sí solo una nueva operación de entrenamiento.

Los tokens son unidades de contenido: pueden representar palabras o partes de ellas. La ventana de contexto limita cuánto puede manejar el modelo en una solicitud, con condiciones específicas de entrada y salida. Los embeddings representan contenido como vectores y permiten comparar significado; no deben confundirse con una respuesta redactada o una imagen generada. Consulta modelos de lenguaje y representaciones.

Cómo elegir un modelo

Empieza por la tarea y las modalidades. Un modelo que recibe texto no necesariamente interpreta imágenes; otro que interpreta fotografías no necesariamente puede crear imágenes nuevas. Comprueba capacidades, región, operación, condiciones de uso, latencia y coste con entradas representativas. El modelo más grande no es automáticamente el más adecuado. Referencia: modelos de Microsoft Foundry.

Los parámetros disponibles dependen del modelo y la API. No copies ajustes de un ejemplo sin verificar compatibilidad. Referencias: Chat Completions y Responses.

Despliegue y acceso

Foundry permite distintas opciones de despliegue. Los trabajos por lotes son adecuados para cargas diferidas, como procesar muchas descripciones durante la noche; no deben tratarse como atención interactiva inmediata. También hay diferencias geográficas de procesamiento que conviene revisar. Referencia: tipos de despliegue.

En Azure OpenAI v1 con un despliegue propio, model identifica su nombre de despliegue. Existe una excepción de contexto que debes reconocer: el acceso instantáneo en Foundry nuevo, en preview, permite modelos compatibles sin despliegue propio bajo sus condiciones, actualmente con proyectos en West US 3. No generalices esa opción a todos los modelos o regiones.

3. Elegir la carga de trabajo correcta

La decisión empieza por identificar entrada, transformación y salida. Una misma aplicación puede encadenar varias capacidades.

Las técnicas se describen en Azure Language, Speech, tecnologías visuales y Content Understanding.

Ejemplo: transformar un mensaje de voz de un transportista en una incidencia puede exigir reconocimiento, extracción de producto y motivo, y un resumen. Obtener la transcripción no significa que las otras tareas estén completadas.

4. Aplicaciones generativas y agentes en Foundry

Entender la conexión

Conocer una URL no concede acceso. Autenticarse tampoco garantiza permiso para cualquier operación. DefaultAzureCredential utiliza mecanismos de identidad admitidos por el entorno; no crea todos los roles que falten. La guía de SDK y endpoints explica qué cliente corresponde a cada escenario.

Leer un cliente Python

El siguiente ejemplo utiliza Azure AI Projects 2.x y Foundry nuevo, con un despliegue accesible desde el proyecto. Requiere paquetes compatibles, identidad configurada y permisos. Las variables de entorno del ejemplo deben contener tu endpoint de proyecto y el nombre de despliegue.

import os
from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

with DefaultAzureCredential() as credential:
    with AIProjectClient(
        endpoint=os.environ["FOUNDRY_PROJECT_ENDPOINT"],
        credential=credential,
    ) as project:
        with project.get_openai_client() as client:
            response = client.responses.create(
                model=os.environ["FOUNDRY_MODEL_DEPLOYMENT"],
                instructions="Explica procesos de almacén de forma breve.",
                input="¿Cómo puedo revisar una recepción de mercancía?",
            )
            print(response.output_text)

AIProjectClient configura el acceso al proyecto; get_openai_client() obtiene el cliente compatible; responses.create() envía la tarea y output_text facilita leer la salida textual. El fragmento no consulta el ERP ni confirma existencias: solo genera una respuesta. Está basado en el inicio rápido oficial de Foundry. Los ejemplos de esta guía se han contrastado documentalmente; no se han ejecutado contra Azure.

Diseñar instrucciones y contexto

Las instrucciones generales definen rol, tono y límites. La entrada del usuario concreta la tarea. Aporta contexto relevante, pide un formato evaluable y establece qué hacer si faltan datos.

Eres un asistente de incidencias de un almacén.
Usa la información de la incidencia proporcionada.
No inventes cantidades, ubicaciones ni acciones realizadas.
Si falta un dato necesario, pide una aclaración.
Responde con: problema entendido, siguiente comprobación y motivo.

Para responder sobre una política actual, la aplicación puede recuperar fragmentos pertinentes y suministrarlos al modelo. Esta fundamentación no sustituye la evaluación: un documento antiguo o una recuperación irrelevante también pueden conducir a una respuesta incorrecta. Referencias: prompts y recuperación y fundamentación.

Pasar de responder a actuar

Un agente combina modelo, instrucciones y herramientas. Una herramienta puede consultar stock; otra puede solicitar una reserva. Su configuración debe describir finalidad, argumentos y condiciones de uso. Antes de ejecutar una modificación, la aplicación valida argumentos, identidad y reglas de negocio.

En APIs compatibles, tool_choice="none" impide llamadas a herramientas, auto permite decidir y required exige una o más. required no selecciona por sí solo una función particular ni demuestra que una transacción haya finalizado. Forzar una herramienta concreta requiere el formato de esa API. Consulta buenas prácticas de herramientas.

Mantén el historial asociado al usuario autorizado. Trata documentos externos como datos de consulta, aunque contengan frases que intenten cambiar las instrucciones. Evalúa respuestas, errores y acciones con pruebas representativas, además de comprobar conectividad. Referencia: evaluación en Foundry.

5. Soluciones de texto y voz

Texto: resultado y errores

Un cliente de análisis textual envía documentos y procesa el resultado específico de cada tarea. En un lote puede haber documentos correctos y otros con error. No accedas a sus propiedades como si todos fueran resultados válidos.

La documentación de Text Analytics para Python 5.4.0 permite interpretar métodos como recognize_entities, detect_language, recognize_pii_entities y analyze_sentiment. Al estudiar código, relaciona método, entrada y estructura de salida.

La documentación actual de Language distingue capacidades centrales recomendadas para nuevo desarrollo y funciones legacy mantenidas para implementaciones existentes. Aprender sentimiento, frases clave o resumen como técnicas del temario no significa que cualquier integración antigua sea la opción recomendada para una arquitectura nueva. Comprueba el estado de cada capacidad.

La confianza de una clasificación no es un porcentaje de satisfacción real de toda la empresa. Detectar información personal tampoco garantiza anonimización universal: evalúa categorías, idiomas y cobertura antes de compartir mensajes.

Voz: reconocer y sintetizar

En Python, recognizer.recognize_once_async().get() reconoce una intervención y espera el resultado. Para múltiples intervenciones prolongadas revisa el patrón de reconocimiento continuo. Comprueba el estado, por ejemplo reconocimiento, ausencia de coincidencia o cancelación, antes de asumir que result.text contiene una transcripción válida.

Para producir un aviso hablado se utiliza síntesis, por ejemplo synthesizer.speak_text_async(texto).get(), con el destino y la voz apropiados. La voz, el idioma, la región y el formato deben ser compatibles. Fuentes: reconocimiento y síntesis.

Un asistente hablado puede encadenar reconocimiento, generación y síntesis, o utilizar un modelo multimodal compatible. Admitir audio de entrada no implica producir audio de salida. Traducir añade un cambio de idioma que no está incluido por el mero hecho de transcribir.

6. Visión y generación de imágenes

Interpretar una imagen

Selecciona un modelo visual y suministra la imagen con un mecanismo admitido. Escribir C:/fotos/caja.jpg en un mensaje no transmite los bytes de un equipo al servicio remoto. Puedes utilizar, según soporte, una URL accesible, una data URI Base64 o un identificador de archivo compatible.

Este fragmento ilustra contenido de entrada de Responses:

content = [
    {"type": "input_text", "text": "Describe los daños visibles de la caja."},
    {"type": "input_image", "image_url": IMAGE_URL},
]

En el ejemplo correspondiente de Chat Completions, la estructura visual es distinta:

content = [
    {"type": "text", "text": "Describe los daños visibles de la caja."},
    {"type": "image_url", "image_url": {"url": IMAGE_URL}},
]

Son fragmentos para clientes y solicitudes compatibles, no estructuras intercambiables. Consulta Responses y la referencia de Chat Completions.

El detalle visual puede afectar información procesada, consumo y latencia. Evalúa con las fotografías reales: un nivel bajo puede perder letras pequeñas y un nivel alto no reconstruye automáticamente una etiqueta borrosa. El asistente debe expresar incertidumbre y pedir otra foto cuando falte evidencia.

Crear una imagen nueva

Generar ilustraciones o editar un fondo requiere un modelo y una operación con esas capacidades. Define sujeto, composición, estilo y restricciones; revisa después el resultado frente a la finalidad del negocio.

La documentación consultada indica que DALL-E 3 está retirado y orienta hacia modelos GPT Image compatibles. Verifica la alternativa disponible y sus opciones, sin asumir que cualquier tutorial histórico sigue funcionando. Referencia: generación de imágenes en Azure OpenAI.

7. Extracción de información con Content Understanding

Azure Content Understanding transforma documentos, imágenes, audio y vídeo en información utilizable por aplicaciones. Un analizador define qué contenido procesa, qué obtiene y cómo estructura la salida.

Para una factura de proveedores, separa proveedor, número, fecha, importes y líneas. Las líneas pueden necesitar una colección de objetos con descripción, cantidad y precio. OCR aporta caracteres; asignar el significado correcto a cada importe exige interpretación y estructura.

El siguiente fragmento ilustra el patrón del cliente aio de Content Understanding 1.1.0, dentro de una función asíncrona. Presupone un cliente configurado y una URL de factura accesible mediante el mecanismo admitido:

from azure.ai.contentunderstanding.models import AnalysisInput

async def analizar_factura(client, invoice_url):
    poller = await client.begin_analyze(
        analyzer_id="prebuilt-invoice",
        inputs=[AnalysisInput(url=invoice_url)],
    )
    result = await poller.result()
    return result

El cliente síncrono utiliza su correspondiente patrón sin await, por ejemplo poller.result(). No conviertas un cliente aio en síncrono quitando palabras del ejemplo: debes utilizar la clase y versión adecuadas. Referencia: SDK Python de Content Understanding.

Validar antes de automatizar

Un esquema correcto no garantiza valores correctos. Comprueba campos ausentes, importes inconsistentes y elementos repetidos. La confianza y la procedencia pueden ayudar a decidir qué resultados requieren revisión y dónde localizar la evidencia en el documento.

En analizadores documentales compatibles, estimateFieldSourceAndConfidence permite obtener información de origen y confianza según configuración. Los umbrales deben evaluarse con documentos representativos. Una confianza alta no autoriza pagos ni acredita autenticidad.

Si una factura no contiene vencimiento, no inventes una fecha para completar todos los campos. Representa ausencia o incertidumbre según el esquema y deriva cuando sea necesario. Referencias: analizadores y campos y evaluación con confianza y procedencia.

Ruta de práctica con casos de negocio

Los siguientes casos son propuestas de LarrúaTech para aplicar lo estudiado. Puedes empezar por los laboratorios oficiales de AI Fundamentals y adaptar sus datos a estas situaciones. Antes de ejecutar, revisa los requisitos de cada ejercicio; al terminar, revisa qué recursos y despliegues puedes eliminar para evitar consumo innecesario.

Caso 1. Asistente de incidencias de un almacén

Prepara un documento ficticio con tres incidencias: recepción incompleta, producto dañado y ubicación desconocida. Define instrucciones para responder solo con esa información y probar cuándo pedir aclaraciones. Utiliza primero el portal y después un cliente breve.

Entrega: instrucciones, tres consultas resueltas, una consulta ambigua y una fuera de alcance. Explica de dónde procede cada respuesta y qué datos faltan. No atribuyas consultas de stock real a una aplicación que solo tiene un documento de ejemplo.

Caso 2. Atención a clientes por voz

Graba un mensaje ficticio de un cliente que pregunta por una entrega. Obtén una transcripción, revisa sus errores y prepara una respuesta escrita. Después sintetiza el aviso con un destino de audio configurado.

Entrega: grabación, transcripción, correcciones y aviso hablado. Justifica qué parte realiza reconocimiento, cuál genera contenido y cuál sintetiza. Una mala transcripción puede propagar un error a las etapas posteriores.

Caso 3. Fotografías de paquetes y material visual

Utiliza una foto propia de una caja sin datos personales visibles. Pide describir daños aparentes y repetir la consulta con una imagen menos legible. Como tarea distinta, genera una ilustración de embalaje para un procedimiento interno con un modelo compatible.

Entrega: dos interpretaciones y una imagen nueva revisada. Identifica claramente qué resultado procede de analizar una foto y cuál se ha generado. Anota los casos donde la evidencia visual no permite una conclusión fiable.

Caso 4. Facturas para compras y almacén

Prepara facturas ficticias: una completa, otra sin vencimiento y otra con varias líneas. Utiliza un analizador apropiado, revisa el esquema y compara resultados con valores de referencia que hayas anotado antes.

Entrega: campos extraídos, lista de discrepancias y regla de revisión humana. Explica cómo distinguirías una extracción completada de una factura válida para contabilizar o pagar. Si practicas con audio o vídeo, define un esquema propio para la información de esas modalidades.

Plan de estudio y repaso

Este calendario es orientativo: ajusta la duración a tu experiencia y disponibilidad. Avanza cuando puedas explicar y comprobar cada resultado.

Empieza por sesiones de 10 o 20 preguntas en modo práctica. Lee la explicación y abre la fuente cuando una respuesta no encaje con lo que entendías. Después utiliza modo examen y revisa el rendimiento por dominio.

El banco tiene 84 preguntas conceptuales y 116 de implementación. La selección de examen mantiene aproximadamente ese reparto con el redondeo necesario. El 70 % es un objetivo local de práctica: no es la fórmula de puntuación de Microsoft ni una predicción de aprobado.

Errores que conviene evitar

• Memorizar nombres sin entrada y salida. Comprueba qué recibe y devuelve cada capacidad.
• Confundir generación con evidencia. Una respuesta convincente puede contener datos no confirmados.
• Confundir autenticación y autorización. Un token válido no garantiza permiso para la operación.
• Mezclar versiones o APIs. Foundry nuevo y clásico, Projects 2.x y ejemplos anteriores, o Responses y Chat Completions necesitan contexto explícito.
• Tratar required como confirmación de una transacción. La selección de herramientas no demuestra ejecución exitosa.
• Leer un poller como si ya fuera el resultado. Primero recupera la salida con el patrón síncrono o asíncrono correcto.
• Aprobar datos por su formato. JSON válido y confianza alta no sustituyen la validación de negocio.
• Suponer que la práctica siempre es gratuita. Instrucciones, acceso al portal y consumo de recursos son cosas diferentes.

Recursos oficiales para continuar

Antes de reservar, comprueba que puedes relacionar cada apartado con un caso, interpretar los fragmentos de cliente y explicar los límites de sus resultados. Conserva una lista breve de errores pendientes y contrástalos con las referencias oficiales.