En 2026, el AIF-C01 se convirtió en la certificación de IA que más buscan los profesionales de datos en LATAM que quieren entrar al ecosistema de inteligencia artificial de Amazon sin ser Machine Learning Engineers. Fue lanzada por AWS en 2024, y en dos años ya aparece como requisito o diferenciador en equipos que trabajan con IA generativa sobre el stack de Amazon.
El problema es que mucha gente la subestima o no sabe exactamente dónde poner el esfuerzo. El examen mide breadth, no depth —necesitas saber el nombre del servicio correcto para cada situación, no hacer un pipeline completo de ML desde cero. Eso cambia bastante la estrategia de estudio.
Qué es el AIF-C01 y para quién es
Es la certificación foundational de AWS para inteligencia artificial, machine learning e IA generativa. No requiere saber cómo funcionan los transformers matemáticamente —requiere saber qué hacen, cuándo usarlos y qué servicio de AWS los envuelve.
Está diseñada para analistas de datos, developers, project managers y líderes técnicos que trabajan con IA en AWS pero no construyen modelos desde cero. Si ya tienes algo de experiencia con servicios de AWS y quieres formalizar tu conocimiento en IA generativa, esta es la puerta más directa.
Los datos del examen:
- ▸Código: AIF-C01
- ▸Costo: $100 USD (precios regionales varían)
- ▸Duración: 90 minutos, 65 preguntas (50 contadas para el score + 15 de prueba que no distinguirás)
- ▸Score para aprobar: 700 sobre 1000
- ▸No hay prerrequisitos obligatorios, aunque AWS recomienda 6 meses de exposición a conceptos de IA/ML
Los 5 dominios y dónde enfocarte
Aquí es donde se gana o se pierde el examen. Los pesos son:
- ▸Dominio 1 — Fundamentos de AI/ML: 20%
- ▸Dominio 2 — Fundamentos de IA Generativa: 24%
- ▸Dominio 3 — Aplicaciones de Foundation Models: 28% (el más pesado)
- ▸Dominio 4 — IA Responsable: 14%
- ▸Dominio 5 — Seguridad, Compliance y Gobernanza para soluciones de IA: 14%
El dominio 3 es donde se va la mayor parte del tiempo de preparación y donde se concentran las preguntas más difíciles. AWS quiere que sepas cuándo usar Amazon Bedrock, qué Foundation Models están disponibles en el catálogo, cómo hacer RAG sobre S3, y cuándo aplicar fine-tuning versus prompt engineering. No se trata de implementar cada uno —se trata de reconocer el servicio correcto y el escenario correcto para cada técnica.
Lo que nadie te dice antes de estudiar: los dominios 4 y 5 (IA Responsable + Seguridad) se suelen subestimar porque parecen "soft". En el examen pesan el 28% combinado y las preguntas son más directas de lo que parecen —si conoces el framework de AWS Responsible AI y los controles básicos de seguridad para modelos en producción, son puntos relativamente fáciles de asegurar.
Plan de estudio realista por semanas
Cuatro a seis semanas es el rango realista para alguien con base técnica. Si vienes de cero en cloud, suma una semana de familiarización con los servicios core de AWS antes de entrar al material de IA.
- ▸Semanas 1-2: Dominios 1 y 2. AWS Skill Builder tiene módulos gratuitos que cubren fundamentos de ML e IA Generativa. Complementa con el whitepaper oficial de Generative AI en AWS.
- ▸Semana 3: Dominio 3 completo. Enfócate en Amazon Bedrock (cómo funciona, qué modelos hay, cómo se hace RAG), SageMaker a nivel conceptual, y los casos de uso de IA Generativa en producción.
- ▸Semana 4: Dominios 4 y 5. Responsible AI de AWS, controles de seguridad para modelos, compliance básico para aplicaciones de IA.
- ▸Semanas 5-6: Practice exams. Tutorial Dojo y Whizlabs tienen buenos sets. Haz al menos 200-300 preguntas de práctica antes del examen real.
Por qué tomarla ahora en 2026 y no esperar
Tres razones concretas para no diferirlo:
Primero, Amazon Bedrock creció significativamente en adopción en LATAM este año. Empresas que ya usan AWS para datos están buscando perfiles que entiendan cómo conectar Bedrock con sus pipelines existentes. El AIF-C01 es la señal más clara de ese conocimiento en un CV.
Segundo, muchos roles de Data Analyst, BI Developer y Data Engineer están pidiendo "conocimiento de IA generativa" sin definirlo. La certificación lo define por ti y lo hace verificable.
Tercero, el examen todavía es foundational —está accesible para alguien sin background de ML puro. AWS actualiza sus exámenes regularmente; la versión actual sigue siendo la entrada más directa para perfiles mixtos de datos e IA. Esperar a la próxima versión puede significar mayor dificultad.
Qué viene después del AIF-C01
La AIF-C01 no es el destino, es la base. Después de aprobarla, el camino natural depende de tu perfil:
- ▸Si eres Data Engineer: la certificación AWS Data Engineer Associate (DEA-C01) es el siguiente escalón natural en el stack de datos.
- ▸Si quieres ir hacia IA Generativa en producción: la Especialización en IA Generativa en AWS es el camino práctico con Bedrock y SageMaker.
- ▸Si apuntas a construir sistemas agénticos: la ruta AI Agentic Engineer te lleva desde la orquestación con LangGraph y CrewAI hasta agentes en producción. La AIF-C01 encaja bien como certificación complementaria.
Cómo prepararte con DataPath
En DataPath tenemos el curso de Preparación AWS AI Practitioner (AIF-C01) que cubre los cinco dominios del examen con ejercicios prácticos en Amazon Bedrock y los servicios de IA de AWS. El enfoque es aplicado: no solo lees la documentación, la usas.
Si además quieres el contexto técnico completo del stack de datos en AWS, el Bootcamp AWS Data Engineer te da la base de infraestructura sobre la que luego construyes los proyectos de IA generativa. Y si tu meta es convertirte en AI Engineer, la ruta AI Engineer de DataPath te lleva desde los fundamentos hasta proyectos con LLMs en producción —el AIF-C01 encaja perfectamente como complemento.
La certificación sola no construye proyectos. Pero combinada con práctica real es lo que distingue a quien solo estudió de quien puede trabajar en producción.
Si quieres trabajar en proyectos de IA con otros que están en el mismo proceso —incluidos quienes ya están usando Bedrock en producción—, cada semana tenemos un taller en vivo en la Comunidad AI Builders. Un lugar para practicar con casos reales y resolver dudas con quienes ya pasaron por el mismo camino. Desde $19 USD/mes.
