Test del módulo · Semana 8

Test: Gobierno, cumplimiento e IA responsable

Preguntas al estilo del examen. Contesta, pulsa «Comprobar» y lee siempre la explicación, también cuando aciertes: ahí está lo que de verdad se aprende.

28 preguntasComprobadas: 0/28

1. Una entidad financiera de Madrid usa Amazon Bedrock (Converse API) para un asistente de hipotecas. El regulador exige conservar, para cada respuesta generada, el prompt completo, la respuesta del modelo, el modelo usado y la identidad de quien llamó. CloudTrail ya está activo con un trail multirregión, pero al revisar los eventos `Converse` el equipo de cumplimiento no encuentra el texto de los prompts. ¿Qué debe hacer el equipo con el *LEAST operational overhead*?

A. Configurar data events de CloudTrail con advanced event selectors para el tipo de recurso del modelo y así capturar el cuerpo de cada peticiónB. Instrumentar la aplicación para escribir cada prompt y respuesta en DynamoDB desde una función Lambda intermediaC. Activar model invocation logging de Bedrock en la región, con destino S3 y CloudWatch Logs, incluyendo la entrega de datos de textoD. Crear un flujo de CloudTrail Lake para consultar con SQL los eventos de Bedrock con su contenido

2. Una aseguradora de Bilbao analiza fotos de siniestros con un modelo multimodal en Bedrock. Tiene model invocation logging activado solo con destino CloudWatch Logs y el texto se registra bien, pero los auditores detectan que faltan las imágenes y las respuestas JSON más grandes. Necesitan conservarlo todo en la misma cuenta y región. ¿Qué cambio resuelve el problema?

A. Indicar en la configuración de CloudWatch Logs un bucket de S3 para datos grandes (largeDataDeliveryS3Config) y activar la entrega de imágenesB. Aumentar la cuota de tamaño de evento del grupo de logs de CloudWatch Logs para que acepte cuerpos de varios megabytes en cada invocación registradaC. Enviar los logs a un bucket de S3 de la cuenta central de auditoría en otra región mediante la configuración de s3ConfigD. Activar data events de CloudTrail para AWS::Bedrock::Model, que incluyen los datos binarios de las invocaciones

3. Una empresa de telecomunicaciones de Valencia aplica un guardrail que enmascara correos y teléfonos (`{EMAIL}`, `{PHONE}`) en las respuestas de su chatbot. Una auditoría RGPD descubre que el grupo de CloudWatch Logs del model invocation logging contiene los correos originales de los clientes. Los ingenieros deben seguir consultando los logs con Logs Insights, pero solo el equipo de protección de datos debe poder ver los valores reales. ¿Qué solución cumple los requisitos?

A. Cambiar la acción del guardrail de ANONYMIZE a BLOCK, porque el contenido bloqueado se elimina de los logs de invocaciónB. Desactivar el model invocation logging y depender solo de CloudTrail, que ya registra el contenido completo de los prompts de forma segura y cifrada en S3C. Cifrar el grupo de logs con una clave KMS gestionada por el cliente y dar kms:Decrypt solo al equipo de protección de datosD. Aplicar una data protection policy de CloudWatch Logs (Audit y Deidentify) para correo y teléfono, y conceder logs:Unmask solo a protección de datos

4. Una consultora de Barcelona expone una Knowledge Base de Bedrock a varios departamentos mediante `RetrieveAndGenerate`. El CISO quiere saber qué roles de IAM consultan la Knowledge Base y cuándo, para detectar accesos indebidos. El trail de CloudTrail existente solo registra management events y no aparece ninguna llamada a `RetrieveAndGenerate`. ¿Qué debe configurar?

A. Model invocation logging con destino S3, porque registra las llamadas de RetrieveAndGenerate junto con los fragmentos recuperadosB. Advanced event selectors en el trail para registrar data events del tipo de recurso AWS::Bedrock::KnowledgeBaseC. Una regla de EventBridge sobre el bus por defecto que capture los eventos de la API de agentes de BedrockD. Métricas de CloudWatch en el espacio de nombres AWS/Bedrock/Guardrails filtradas por la dimensión Operation

5. Un grupo hotelero de Palma tiene decenas de cuentas con aplicaciones de IA generativa protegidas por Bedrock Guardrails. El equipo de seguridad teme que un atacante con credenciales robadas elimine guardrails o cambie el bucket de datos de entrenamiento de un modelo personalizado. Quiere detección automática de actividad sospechosa en las APIs de Bedrock sin escribir reglas propias. ¿Qué servicio debe habilitar?

A. AWS Config con reglas personalizadas en Lambda que evalúen cada hora la configuración de todos los guardrails de todas las cuentas de la organizaciónB. Amazon Macie, que clasifica los datos de entrenamiento de S3 y alerta cuando cambian sus permisosC. Amazon GuardDuty, que analiza los management events de CloudTrail y detecta actividad sospechosa en las APIs de BedrockD. Métricas de CloudWatch de Bedrock Guardrails con una alarma sobre InvocationClientErrors

6. Una empresa logística de Zaragoza prepara la auditoría de su plataforma de IA generativa. Su trail de CloudTrail registra todos los management events, pero no tiene ningún selector de data events. El auditor pide pruebas de quién invocó el agente de atención al cliente y de cada evaluación realizada con `ApplyGuardrail`. ¿Qué dos operaciones NO aparecerán en el trail hasta que se añadan advanced event selectors para data events? (Elige dos)

A. InvokeModelB. InvokeAgentC. CreateGuardrailD. ApplyGuardrailE. Converse

7. Una plataforma educativa de Sevilla quiere saber cada mañana si su guardrail está bloqueando más de lo normal y, en concreto, si el aumento viene del filtro de información sensible o de los temas denegados. También quiere una alerta automática si las intervenciones en las entradas de usuario se disparan. ¿Qué enfoque ofrece esto con el *LEAST operational overhead*?

A. Alarmas de CloudWatch sobre InvocationsIntervened (AWS/Bedrock/Guardrails) con las dimensiones GuardrailPolicyType y GuardrailContentSourceB. Exportar el invocation logging a S3, catalogarlo con AWS Glue y lanzar consultas diarias de Athena que cuenten los mensajes bloqueados por tipo de políticaC. Escribir una función Lambda que llame a ApplyGuardrail con prompts de prueba cada hora y publique métricas personalizadasD. Activar data events de CloudTrail para AWS::Bedrock::Guardrail y crear filtros de métricas sobre el campo action de cada evento

8. Un grupo de medios de comunicación de Madrid comparte una cuenta de Bedrock entre tres redacciones que llaman a Converse con el mismo rol de IAM. La dirección exige, por gobierno interno, saber cuántos tokens consume cada redacción y cada aplicación, sin crear cuentas ni roles nuevos. Ya tiene model invocation logging activo en CloudWatch Logs. ¿Qué debe hacer?

A. Crear un perfil de inferencia de aplicación distinto por redacción y revisar el consumo de cada uno en AWS Cost Explorer al cierre de cada mesB. Separar las redacciones en roles de IAM distintos y agrupar en Logs Insights por identity.arnC. Activar data events de CloudTrail para cada modelo y sumar los tokens de los campos responseElementsD. Enviar requestMetadata con la redacción y la aplicación en cada llamada y sumar los tokens en Logs Insights agrupando por esas etiquetas

9. Un hospital privado de Valencia ha ajustado un modelo con SageMaker AI para resumir informes clínicos. El comité de ética exige un documento único con los usos previstos y los no previstos, una clasificación de riesgo, los resultados de evaluación y las limitaciones conocidas, que pase por un flujo de aprobación y conserve un historial inmutable de cambios exportable a PDF para inspecciones. ¿Qué debe usar el equipo?

A. Un documento en S3 con versionado y Object Lock, más una tabla de DynamoDB con el estado de aprobaciónB. Amazon SageMaker Model Cards, integradas con SageMaker Model RegistryC. Una AI Service Card publicada por AWS para el modelo base del que parte el ajusteD. Etiquetas de recursos en el endpoint de SageMaker AI con el uso previsto y el nivel de riesgo

10. Una fintech de Málaga despliega versiones ajustadas de un modelo en endpoints de SageMaker AI con un pipeline de CodePipeline. El responsable de riesgos exige que ninguna versión llegue a producción sin aprobación explícita, que quede constancia de qué datos y trabajo de entrenamiento generaron cada versión y que se pueda volver a la versión aprobada anterior. ¿Qué diseño cumple los requisitos?

A. Guardar los artefactos en S3 con versionado y que el pipeline despliegue siempre el objeto más reciente del prefijo de producciónB. Usar AWS Service Catalog para publicar cada endpoint como producto y que los usuarios elijan la versión que necesitenC. Registrar cada versión en un model group de Model Registry, desplegar solo las Approved y usar su linaje para la trazabilidadD. Crear una Model Card por versión con estado Approved y hacer que CodePipeline lea el estado del PDF exportado

11. Una energética de Bilbao alimenta una Knowledge Base con documentos técnicos que transforma con trabajos Spark de AWS Glue 5.0. Para cumplir con su marco de gobierno necesita registrar las fuentes de datos en un catálogo y visualizar de forma automática el linaje, desde el origen hasta el conjunto que se indexa, sin programar un sistema de linaje propio. ¿Qué combinación es la adecuada?

A. Registrar las fuentes en Glue Data Catalog y usar el linaje OpenLineage de SageMaker Unified Studio, que captura los trabajos Spark de GlueB. Activar model invocation logging y reconstruir el linaje a partir de los prompts registrados en S3 mediante consultas periódicas de Amazon AthenaC. Etiquetar cada objeto de S3 con su origen y dibujar el linaje en un panel de Amazon Managed GrafanaD. Activar data events de CloudTrail en S3 y deducir el linaje de las operaciones GetObject y PutObject

12. Un despacho de abogados de Madrid responde consultas internas con Bedrock Knowledge Bases. Por exigencia de su política de IA, cada respuesta debe indicar de qué documento y versión sale cada afirmación, y los usuarios deben poder filtrar por jurisdicción y fecha de publicación. ¿Qué diseño cumple el requisito de atribución de fuentes?

A. Pedir en el system prompt que el modelo invente una referencia plausible al final de cada párrafoB. Guardar en DynamoDB el historial de conversaciones y mostrar al usuario el identificador de sesiónC. Activar model invocation logging para que el auditor reconstruya después, a partir de los prompts registrados, qué documentos se usaron en cada respuestaD. Añadir a cada documento un fichero de metadatos (fuente, versión, jurisdicción, fecha) y mostrar las citas que devuelve RetrieveAndGenerate

13. Una aseguradora francesa con sede en Barcelona evalúa Amazon Bedrock. Su auditor interno pide pruebas independientes de que AWS gestiona los riesgos de sus servicios de IA según un estándar internacional de sistemas de gestión de IA, además de los informes SOC habituales. Las quiere descargar sin abrir un caso de soporte. ¿Dónde las obtiene?

A. En AWS Audit Manager, activando el marco de ISO/IEC 42001 para que genere de forma automática la evidencia de cumplimiento de los servicios de IA de AWSB. En AWS Artifact, que ofrece gratis los informes SOC y los certificados ISO, incluido el de ISO/IEC 42001 que cubre Amazon BedrockC. En la AI Service Card de Amazon Bedrock Guardrails, que incluye el certificado de auditoría de AWSD. En AWS Trusted Advisor, dentro de la categoría de comprobaciones de seguridad y cumplimiento

14. En octubre de 2026, una cadena de tiendas de Zaragoza lanza en la UE un chatbot de atención al cliente sobre Bedrock que conversa con personas. No toma decisiones sobre empleo, crédito ni otros casos de alto riesgo. El equipo legal pregunta qué obligación del Reglamento Europeo de IA (EU AI Act) es la más relevante que ya aplica a este sistema. ¿Qué respondes?

A. Ninguna, porque el Digital Omnibus aplazó toda la aplicación del reglamento, incluidas las obligaciones de transparencia, hasta el 2 de diciembre de 2027B. La evaluación de conformidad de sistemas de alto riesgo del Anexo III, obligatoria desde el 2 de agosto de 2026C. Las obligaciones de transparencia del artículo 50 (informar de que se interactúa con una IA), aplicables desde el 2 de agosto de 2026D. Solo las prohibiciones de prácticas inaceptables, porque son las únicas obligaciones vigentes antes de 2028

15. Un banco de Santander debe conservar durante siete años los model invocation logs y los logs de CloudTrail de su asistente de IA, de forma que nadie (ni siquiera un administrador) pueda borrarlos ni modificarlos durante ese periodo, y quiere minimizar el coste de almacenamiento a largo plazo. La cuenta es nueva. ¿Qué dos medidas cumplen los requisitos? (Elige dos)

A. Activar S3 Object Lock en modo compliance, con un periodo de retención de siete años, en el bucket de destino de los logsB. Almacenar los eventos en CloudTrail Lake con retención de siete años para consultarlos con SQLC. Aplicar una data protection policy de CloudWatch Logs para que los registros no se puedan alterarD. Configurar reglas de S3 Lifecycle que transicionen los logs a clases de almacenamiento más baratas y los expiren al acabar la retenciónE. Usar AWS Audit Manager para custodiar las evidencias durante los siete años

16. Una startup de recursos humanos de Barcelona abrió su cuenta de AWS en agosto de 2026. Quiere comprobar, antes de lanzar, si el LLM que usa en Bedrock para redactar ofertas de empleo genera estereotipos o contenido tóxico, y comparar dos modelos candidatos. Un tutorial antiguo recomienda la evaluación de modelos fundacionales de SageMaker Clarify. ¿Qué debe hacer el equipo?

A. Crear un trabajo de procesamiento de SageMaker Clarify con SageMakerClarifyProcessor, ya que sigue siendo el servicio recomendado para evaluar FMsB. Configurar SageMaker Model Monitor con un baseline de sesgo sobre el endpoint de BedrockC. Etiquetar manualmente las salidas con SageMaker Ground Truth para medir el sesgo de cada modeloD. Usar Amazon Bedrock Evaluations o la librería open source fmeval para evaluar toxicidad, robustez y estereotipos en ambos modelos

17. Una gestoría de Sevilla con una cuenta de AWS creada en septiembre de 2026 genera con Bedrock borradores de respuesta a requerimientos de Hacienda. Cuando la puntuación de confianza del flujo es baja, un asesor humano debe revisar y aprobar el borrador antes de enviarlo, y la revisión puede tardar horas. Un artículo de 2024 recomienda Amazon Augmented AI (A2I). ¿Qué diseño debe implantar?

A. Step Functions con una tarea de callback (waitForTaskToken) que espere la aprobación del asesor, recogida mediante API GatewayB. Un flujo de revisión humana de Amazon A2I con un work team privado y una plantilla de tarea personalizadaC. Un trabajo de etiquetado en streaming de SageMaker Ground Truth que reciba cada borrador para su validaciónD. Una función Lambda que espere en bucle la aprobación del asesor consultando una tabla de DynamoDB hasta que termine su timeout máximo

18. Una editorial de Madrid duda entre dos modelos de Bedrock para resumir manuscritos. Las métricas automáticas no captan el estilo literario, así que quiere que cinco editores internos puntúen y comparen las respuestas de ambos modelos sobre un conjunto de prompts propio, con el *LEAST operational overhead* y sin construir una aplicación de revisión. ¿Qué debe usar?

A. Una aplicación en AWS Amplify con formularios de puntuación que guarde las valoraciones en DynamoDBB. Un trabajo de evaluación de modelos de Amazon Bedrock con trabajadores humanos, usando un work team de los editores gestionado con Amazon CognitoC. Un trabajo de evaluación automática con LLM-as-a-judge, ya que sustituye por completo el juicio humano sobre el estiloD. Un flujo de Amazon A2I sobre las respuestas de los dos modelos con un equipo privado de revisores

19. Una aseguradora de salud de Valencia sospecha que su asistente responde con un tono distinto según el género o la edad que se deduce del mensaje. Quiere probar de forma sistemática dos variantes de prompt, medir con un juez automático si hay diferencias de trato entre grupos y seguir esas métricas de equidad en el tiempo. ¿Qué combinación de servicios encaja mejor con el temario?

A. SageMaker Clarify para calcular métricas de sesgo post-training sobre el endpoint de Bedrock y Model Monitor para seguir su derivaB. Filtros de contenido de Bedrock Guardrails en intensidad HIGH para bloquear las respuestas con sesgo de género o edadC. Variantes en Prompt Management con A/B en Prompt Flows, LLM-as-a-judge en Bedrock y métricas de equidad en CloudWatchD. Un filtro de palabras con términos de género y edad para impedir que el usuario los mencione

20. En un comité de IA responsable de una empresa de energía de Oviedo se aprueba este requisito: «Debemos disponer de mecanismos para supervisar el comportamiento del sistema de IA y poder corregirlo o detenerlo cuando se desvíe». ¿Con qué dimensión de IA responsable de AWS se corresponde principalmente?

A. ExplainabilityB. TransparencyC. Veracity and robustnessD. Controllability

21. Estás preparando la política de IA responsable de una cooperativa agrícola de Murcia y quieres alinearla con las dimensiones que define AWS. Un compañero propone varias dimensiones para la lista. ¿Cuáles dos forman parte de las ocho dimensiones de IA responsable de AWS? (Elige dos)

A. Veracity and robustnessB. ScalabilityC. ControllabilityD. Cost efficiencyE. Portability

22. Un organismo público de Castilla y León usa un asistente RAG para responder a la ciudadanía sobre ayudas. Su política exige que cada ciudadano vea en qué normativa se basa la respuesta y que el equipo técnico pueda reconstruir, paso a paso, las llamadas a herramientas y al modelo que dieron lugar a cada respuesta del agente, desplegado en AgentCore Runtime. ¿Qué diseño cumple ambos requisitos?

A. Citas de la Knowledge Base para el ciudadano y AgentCore Observability (trazas OpenTelemetry en CloudWatch) para el equipo técnicoB. Pedir al modelo que añada al final de cada respuesta un párrafo explicando su razonamiento y guardarlo en S3 como única evidencia auditableC. Activar solo los management events de CloudTrail, que registran cada paso de razonamiento del agenteD. Publicar en la web la AI Service Card del modelo utilizado como explicación de cada respuesta

23. El equipo de arquitectura de una empresa de viajes de Palma debe justificar ante su comité de riesgos por qué elige un modelo Amazon Nova para su asistente. El comité pide información oficial de AWS sobre los casos de uso previstos del modelo, sus limitaciones y las decisiones de diseño responsable que tomó AWS. ¿Qué recurso deben consultar?

A. La Model Card de SageMaker del modelo, que AWS crea automáticamente en cada cuentaB. La AI Service Card del modelo publicada por AWSC. El informe ISO/IEC 42001 descargado de AWS ArtifactD. La ficha del modelo en el catálogo de SageMaker JumpStart con sus hiperparámetros

24. Una entidad de crédito de A Coruña ha aprobado una política de IA responsable: no dar asesoramiento de inversión, no exponer datos personales, documentar las limitaciones de cada modelo y verificar automáticamente, antes de cada despliegue, que la aplicación cumple esas reglas. La cuenta se creó en 2026. ¿Qué tres medidas implementan esta política? (Elige tres)

A. Un guardrail de Bedrock con un tema denegado de asesoramiento de inversión y filtros de información sensible derivados de la políticaB. Etiquetar datos con SageMaker Ground Truth para reentrenar el modelo base con ejemplos conformes a la políticaC. Model Cards que documenten los usos previstos, el riesgo y las limitaciones de cada modelo desplegadoD. Desactivar el model invocation logging para reducir la exposición de datos personales en los logsE. Funciones Lambda en el pipeline de despliegue que ejecuten comprobaciones automáticas de cumplimiento, como verificar que la aplicación usa la versión aprobada del guardrail

25. Una consultora fiscal de Madrid genera con Bedrock resúmenes de circulares a partir de los fragmentos que recupera de una Knowledge Base, en llamadas de una sola pregunta (no es un chat conversacional). El comité de IA responsable exige bloquear los resúmenes que añadan datos que no estén en los fragmentos o que no respondan a la consulta, sin revisar cada respuesta a mano. ¿Qué debe configurar?

A. Un filtro de contenido de Prompt Attack con intensidad HIGH sobre las respuestas del modeloB. Un tema denegado cuya definición sea «respuestas con información no incluida en las circulares»C. Contextual grounding checks en el guardrail, con umbrales de grounding y relevance, pasando los fragmentos como fuente y la pregunta como consultaD. Una temperatura de 0 en la configuración de inferencia, que garantiza que el modelo no añada ninguna información ajena a los fragmentos que ha recuperado

26. Un banco de Valladolid abrió en 2026 una cuenta nueva para un modelo de scoring clásico desplegado en un endpoint de SageMaker AI, que complementa a su asistente generativo. El regulador exige vigilar la deriva de datos, la calidad del modelo y la deriva de sesgo entre grupos protegidos, con alertas y paneles para la dirección. El plan original usaba SageMaker Model Monitor. ¿Qué debe hacer ahora?

A. Crear un monitoring schedule de SageMaker Model Monitor con ModelBiasMonitor, porque sigue disponible para cualquier cuenta de AWS nuevaB. Sustituir el endpoint por Bedrock y aplicar un guardrail con filtros de contenido para evitar el sesgoC. Evaluar el modelo una sola vez con Bedrock Evaluations antes del despliegue y documentarlo en una Model CardD. Usar las soluciones open source de monitorización de SageMaker AI de AWS (MLflow, Evidently) con SNS, CloudWatch y QuickSight

27. Una aseguradora de Pamplona ha desplegado un agente de gestión de siniestros con Strands Agents en AgentCore Runtime. Los auditores piden poder ver, para una sesión concreta, qué herramientas invocó el agente, con qué latencia, cuántos tokens consumió y dónde falló, integrándolo con su pila de observabilidad basada en OpenTelemetry. ¿Qué debe usar el equipo?

A. Model invocation logging, porque registra cada llamada del agente a sus herramientas externasB. AgentCore Observability, que emite métricas, trazas y spans compatibles con OpenTelemetry en CloudWatch, con paneles por sesiónC. Data events de CloudTrail para AWS::Bedrock::AgentAlias, que incluyen cada paso de razonamiento del agente y las herramientas que ha invocadoD. Métricas de Bedrock Guardrails filtradas por la dimensión GuardrailContentSource

28. Un operador ferroviario de Madrid quiere controles de gobierno continuos para su plataforma de IA generativa, abierta en 2026: detectar automáticamente usos indebidos y violaciones de política y lanzar acciones de remediación o avisos sin intervención manual. ¿Qué dos mecanismos cumplen el objetivo? (Elige dos)

A. Evaluar la plataforma con los marcos de AWS Audit Manager y generar informes de evidencias mensualesB. Una regla de Amazon EventBridge que reaccione a los hallazgos de GuardDuty sobre las APIs de Bedrock y lance una función Lambda de remediaciónC. Consultas periódicas con CloudTrail Lake para buscar cambios en los guardrailsD. Programar SageMaker Model Monitor para detectar violaciones de política en las respuestas del LLME. Una alarma de CloudWatch sobre InvocationsIntervened de AWS/Bedrock/Guardrails que notifique por Amazon SNS al equipo de riesgos