Si llevas meses preparándote para el AI-102 de Microsoft, tengo una mala y una buena noticia. La mala: el examen se retiró el 30 de junio de 2026 y ya no se puede rendir. La buena: Microsoft no lo eliminó sin reemplazo, lo subió de nivel. AI-103 (Azure AI Apps and Agents Developer Associate) cubre casi el mismo terreno que enseñamos en la Especialización en IA Generativa en Azure -Azure OpenAI, RAG con AI Search, PromptFlow- pero le agrega agentes como bloque central, no como anexo.
Por qué Microsoft jubiló el AI-102
El AI-102 nació cuando "IA generativa en Azure" era casi sinónimo de pegarle llamadas a un endpoint de GPT-4 con algo de RAG encima. Ese mundo cambió rápido: hoy la pregunta ya no es "¿cómo llamo al modelo?" sino "¿cómo construyo un agente que decide, usa herramientas y se integra con otros agentes?". Microsoft no quiso parchar el temario viejo con un par de preguntas nuevas sobre agentes -rehizo el examen desde la base y le puso otro nombre.
Qué mide AI-103 y cuánto cuesta
El examen cuesta 165 USD, dura 120 minutos y trae entre 40 y 60 preguntas (multiple choice, casos de estudio, arrastrar y soltar, interpretación de código) que se rinden en Pearson VUE. Necesitas 700 sobre 1000 para aprobar. Estas son las cinco áreas y su peso real:
- ▸Planificar y gestionar una solución de IA en Azure — 25-30%
- ▸Implementar soluciones generativas y agénticas — 30-35% (el bloque más grande, y el que no existía en el AI-102)
- ▸Implementar soluciones de visión por computadora — 10-15%
- ▸Implementar soluciones de análisis de texto — 10-15%
- ▸Implementar soluciones de extracción de información — 10-15%
¿Y si ya tienes el AI-102 aprobado?
Si ya lo aprobaste, la credencial se queda en tu transcript de Microsoft Learn tal cual -no te la quitan ni la marcan como vencida-. Lo que cambia es que ya no puedes sumar gente a tu equipo con ese mismo examen, porque dejó de rendirse. Para efectos prácticos de un área de datos o de un equipo técnico, eso significa que el AI-102 va a quedar como "la versión que tenían los que entraron antes de 2026" y el AI-103 como el estándar desde ahora en adelante. Si estás armando el plan de certificaciones del equipo, conviene escribirlo así de una vez para no tener que corregir documentación interna en unos meses.
Lo que ya sabes del AI-102 sigue sirviendo (la mayor parte)
Si venías preparando AI-102, no tiraste el tiempo: Azure AI Search, AI Document Intelligence, AI Vision, AI Language y AI Speech siguen ahí, con el mismo peso relativo de antes. Lo que cambia es que ahora ese conocimiento se evalúa dentro de un flujo de agente -no como un servicio aislado que consumes desde un script-. En la especialización lo trabajamos así desde el inicio: la sesión 7 (creación de soluciones de IA Generativa con AI Foundry) y la sesión 9 (antes enfocada en AI-102) ya apuntan a ese enfoque de agentes, que es exactamente donde está el peso nuevo del examen.
Lo que casi nadie dice en voz alta: si tu empresa te pidió "sácate el AI-102" hace un año y recién ahora vas a rendir, ve directo por AI-103. Vas a estudiar prácticamente lo mismo más el bloque de agentes, y terminas con la credencial que de verdad sigue activa en el catálogo de Microsoft.
Cómo prepararte sin perder tiempo en lo que ya no entra
Divide el estudio en dos frentes. El primero es el que ya conocías: Azure OpenAI Service, embeddings, RAG con AI Search, Document Intelligence, Vision, Language y Speech -eso sigue pesando poco más de la mitad del examen entre las tres últimas áreas. El segundo es nuevo y es donde conviene invertir más horas: Azure AI Foundry Agent Service, cómo se orquesta un agente que decide qué herramienta usar y cuándo, y los patrones de seguridad para agentes (Content Safety, límites de acción, logging de decisiones). Si solo repasas el material viejo de AI-102 vas a llegar flojo justo al bloque que vale más puntos.
Un error común: estudiar AI-103 como si fuera AI-102 con un capítulo extra
He visto gente tratar el bloque de agentes como un anexo al final de su plan de estudio -total, "ya sé Azure OpenAI, esto debe ser parecido"-. No lo es. El examen te va a poner escenarios donde tienes que decidir si un caso necesita un agente con herramientas (function calling, llamadas a APIs propias) o si basta con una llamada directa al modelo con RAG. Esa distinción de criterio pesa más que memorizar los nombres de los servicios, y es justo lo que casi nadie practica porque no existía en el temario viejo.
Dónde practicar el bloque de agentes antes del examen
La especialización completa dura 27 horas en 10 sesiones y cierra con un taller de preparación para certificación más un proyecto de arquitectura final, con certificado al terminar. Si solo quieres practicar el bloque de agentes sin meterte a las 27 horas completas, el taller de Creación de Agentes Inteligentes con Azure cubre justo esa parte -AutoGen, RAG multiagente y despliegue- en 4 sesiones.
Y si tu plan es construir una carrera completa en torno a agentes -no solo en Azure sino con LangGraph, AWS Bedrock Agents y el resto del stack- la ruta de AI Agentic Engineer te da ese recorrido completo en vez de certificaciones sueltas sin un hilo conductor.
