CertifyDeckCargando contenido…
Generative AI Leader · Preguntas de ejemplo
10 preguntas reales del banco de Generative AI Leader de CertifyDeck, repartidas por los dominios del temario oficial de Google Cloud Certified: Generative AI Leader, con la respuesta correcta y la explicación completa de por qué las demás opciones no lo son. Son preguntas originales redactadas a partir del temario público, no dumps, y tienen el mismo estilo que encontrarás en los tests de práctica y en el simulador.
Respuesta correcta: C. RAG reduce los errores, pero la salida depende de los datos recuperados
Google Cloud presenta RAG como una forma de reducir las alucinaciones y responder con más exactitud enriqueciendo el contexto del modelo, no como una garantía. La calidad de lo que se recupera sigue siendo determinante: unos datos incompletos, incoherentes o inexactos producen información recuperada igual de defectuosa. De hecho, RAG se usa sobre todo para incorporar conocimiento privado de la organización, así que limitarlo a datos públicos también es incorrecto.
Respuesta correcta: D. Búsqueda lista para usar con calidad de Google sobre datos de empresa
Agent Search, antes llamado Vertex AI Search, es un motor de recuperación con calidad de Google Search que funciona como buscador semántico y por palabras clave listo para usar en RAG sobre datos empresariales, con conectores a muchos sistemas de origen. Los resultados recientes de la web pública sin nada que gestionar describen Grounding with Google Search, y la puntuación de cuánto se respalda una respuesta describe la check grounding API.
Respuesta correcta: B. Pub/Sub
Pub/Sub es un servicio de mensajería asíncrono y escalable que se usa para ingerir eventos de interacción de usuarios y de servidores y para transmitir datos de aplicaciones y dispositivos IoT, por lo que es la puerta de entrada de la fase de ingesta de datos. Agent Platform AutoML es tentador porque el proyecto es de ML, pero pertenece a la fase de entrenamiento del modelo y presupone que los datos ya se han recopilado y preparado.
Respuesta correcta: C. Relevancia para las condiciones de uso reales
Los datos de entrenamiento deben ser relevantes y representativos de los datos reales que el modelo encontrará una vez desplegado; los datos de un único mercado no reflejan los patrones de gasto de los demás países. Las actualizaciones frecuentes son tentadoras porque los datos desfasados también perjudican a los modelos, pero datos más recientes del mismo mercado seguirían sin representar a los otros once países.
Respuesta correcta: A. Veo
Model Garden presenta Veo para generar vídeo a partir de texto y de imágenes, así que encaja con la modalidad de salida que necesita la startup. Imagen es el distractor más cercano, pero genera imágenes fijas a partir de texto, no vídeo; Chirp convierte voz en texto y Gemma es una familia de modelos abiertos ligeros.
Respuesta correcta: D. Model Context Protocol (MCP)
La plataforma de agentes de Google Cloud admite de forma nativa Model Context Protocol para que los agentes se conecten a bases de datos, sistemas empresariales y fuentes únicas de verdad mediante un estándar abierto. Agent2Agent Protocol responde a otra necesidad, que agentes creados por distintas partes se comuniquen entre sí, y Agent Development Kit es un framework para crear agentes, no un estándar de conexión.
Respuesta correcta: D. Cambiar de modelo manteniendo intactas conexiones y políticas
Google Cloud indica que los clientes pueden cambiar de modelo para aprovechar mejoras de rendimiento o costes más bajos sin tocar la lógica subyacente, las conexiones con herramientas ni las políticas de identidad. Estandarizar en un único modelo crearía justo la dependencia que teme el minorista y renunciaría a la libertad de elección que ofrece una plataforma multimodelo.
Respuesta correcta: D. Los resultados y respuestas respetan los permisos de acceso de cada usuario
Gemini Enterprise ofrece resultados de búsqueda y respuestas generativas con control de acceso, mediante SSO y acceso a nivel de usuario, de modo que cada letrado solo ve el contenido que sus permisos ya le permiten en los sistemas conectados. Copiarlo todo en un cuaderno compartido haría justo lo contrario y expondría todos los archivos a todos los letrados, y ajustar un modelo con los archivos no aplica permisos por usuario.
Respuesta correcta: B. Usar un modelo de IA generativa con ingeniería de prompts
El flujo de decisión de Google Cloud recomienda IA generativa con ingeniería de prompts cuando no hay suficientes datos de entrenamiento, y resumir es una tarea generativa. Entrenar a medida un modelo tradicional da más control, pero exige datos de entrenamiento suficientes y lleva más tiempo, lo que choca con las dos restricciones del enunciado.
Respuesta correcta: D. Los casos de alto valor y alta viabilidad
Google Cloud recomienda centrarse primero en los casos de uso del cuadrante de alto valor y alta viabilidad para acelerar la obtención de valor. Los casos de alto valor pero baja viabilidad pueden resultar atractivos, pero los obstáculos de datos, técnicos o de riesgo retrasan los resultados, así que conviene abordarlos cuando las bases ya estén preparadas.
Responde cada pregunta antes de abrir la explicación y anota por qué descartas las demás opciones. En Generative AI Leader, la mayoría de los fallos vienen de elegir una opción técnicamente posible que no cumple todos los requisitos del escenario.
Estas 10 preguntas sirven para conocer el formato, no como diagnóstico. Para saber en qué dominios fallas, practica por dominio gratis y haz un examen de prueba cronometrado con la ponderación y la duración oficiales.
Empieza gratis, sin registro ni tarjeta. Todas las preguntas llevan una explicación como las de arriba y el simulador reproduce el formato oficial de Generative AI Leader.