# Dominio 1 · AI Fundamentals and Literacy

Fuente: módulo oficial **Domain 1 Review: AWS Certified AI Business Strategist (AIB-C01)** de AWS Skill Builder, 12:54. Estructura, habilidades y transcripción completas.

---

## Estructura oficial

Tres tareas, y el módulo insiste en que están encadenadas: *"los conceptos sostienen las decisiones de solución, y las decisiones de solución sostienen el trabajo con IA generativa"*.

### Task 1.1 · Describe core AI concepts and define terminology
La capa de vocabulario del rol. El significado llano de las palabras que se usan sueltas, la diferencia entre IA, aprendizaje automático e IA generativa, cómo los datos alimentan un modelo, y los marcos globales que dan un vocabulario común.

| Habilidad | Contenido |
|---|---|
| 1.1.1 | Reconocer y explicar conceptos fundamentales en contexto de negocio: algoritmos, modelos, entrenamiento, inferencia, predicciones |
| 1.1.2 | Distinguir entre IA, aprendizaje automático (ML) e IA generativa (GenAI) |
| 1.1.3 | Distinguir datos estructurados y no estructurados, y la relevancia del tipo de dato |
| 1.1.4 | Explicar por qué la calidad del dato decide el resultado |
| 1.1.5 | Explicar el entrenamiento de un modelo con datos históricos |
| 1.1.6 | Conocer marcos globales y vocabulario unificado (ISO/IEC 23053, ISO/IEC 42001) |

### Task 1.2 · Identify and select appropriate AI solution types
Trata sobre **encaje**. Cuándo un problema pide IA y cuándo una regla fija es la mejor respuesta.

| Habilidad | Contenido |
|---|---|
| 1.2.1 | Determinar cuándo usar automatización por reglas y cuándo usar IA |
| 1.2.2 | Distinguir un agente de IA de otras soluciones, y sus capacidades: autonomía, uso de herramientas, comunicación entre agentes, orquestación |
| 1.2.3 | Explicar por qué una solución viva necesita monitoreo continuo para detectar y remediar deriva del modelo |
| 1.2.4 | Establecer clasificación transparente de herramientas (aprobada, bloqueada, en evaluación) para mitigar el riesgo de shadow AI |

### Task 1.3 · Apply GenAI concepts and techniques

| Sub-lección oficial | Contenido |
|---|---|
| Prompt engineering basics | Ser específico sobre tarea y salida, dar el contexto que el modelo no tiene, mostrar ejemplos cuando el formato importa, iterar deliberadamente |
| Token limits and context windows | Qué es un token, síntomas de chocar con el límite |
| Model adaptation with RAG and fine-tuning | Cuál resuelve qué problema |

**Cada tarea tiene la misma estructura interna:** Task Overview → Review AWS services → Review AWS skills → Review together → Knowledge Check. Y cierra con un Bonus assignment.

---

## Los recursos didácticos que vale la pena conservar

El módulo oficial tiene hallazgos pedagógicos mejores que cualquier definición. Traducidos, no copiados, son la columna del dominio.

**El gancho, que es del propio módulo.** *"Este es el primer dominio, y es el que la gente se siente tentada a saltarse. Parece vocabulario, y casi todos asumen que ya lo tienen. Entonces empieza una conversación real, y dos personas usan la palabra IA para decir dos cosas distintas. Ese es el hueco que cierra este dominio."*

**Los tres círculos concéntricos.** IA es todo el espacio, el aprendizaje automático va dentro, y la IA generativa dentro de ese. Nadie te entrega los círculos: te describen un sistema y tienes que decir cuál es.

**La prueba de una sola pregunta:** *¿qué produce el sistema?*
- Si **puntúa u ordena** → aprendizaje automático. Un score de fuga, una marca de fraude: la salida es una etiqueta o un número.
- Si **crea algo nuevo** → IA generativa. Un correo redactado, una imagen, una descripción que no existía hace un segundo.

**La trampa, que es lo mejor del módulo.** *"Ven la palabra generar y dejan de leer."* Un motor de recomendación que dice que "genera recomendaciones" sigue puntuando: ordena productos que ya vendes. **Lee lo que sale, no el verbo de la frase.**

**Por qué importa el anidamiento.** Todo sistema generativo es aprendizaje automático, y todo aprendizaje automático es IA. Por eso decir "estamos usando IA" es cierto y vacío. La pregunta útil es **en qué capa**.

**Regla fija o IA:** la decisión es si la respuesta correcta **se puede escribir por anticipado**. Si un experto puede enunciar la lógica completa y esa lógica es estable, la regla gana. Muchas variables y entrada no estructurada, patrón aprendido.

**RAG o ajuste fino:** una sola pregunta. *¿El modelo necesita conocimiento nuevo o comportamiento nuevo?*

**Cuatro formas de deriva** en una solución viva: en los datos que entran, en la calidad de la salida, en el sesgo, y en qué factores cargan la decisión.

**Shadow AI:** clasificación transparente en aprobada, bloqueada y en evaluación.

**Y la frase que justifica el dominio entero:** *"Hazlo bien y el resto del trabajo es más fácil. Hazlo mal y los errores son caros y silenciosos."*

---

## El encaje con Tu ruta de impacto con IA

El Dominio 1 no es un paso de la ruta: es el **prerrequisito de los tres**. Sin vocabulario compartido no se puede identificar una oportunidad, ni seleccionar un caso, ni gobernar una implementación.

Y hay una coincidencia que conviene decir en voz alta en el curso: el módulo oficial define al AI Business Strategist como *"la persona que evalúa, impulsa y escala iniciativas de IA en una organización, que trabaja junto a los equipos técnicos pero no construye los modelos"*, y sitúa su valor en **la traducción entre el negocio y lo técnico**. Es exactamente la persona a la que apunta la ruta.

---

## Reparto de lecciones propuesto

Once lecciones. El curso de referencia dedica 22 a este dominio en 1h10, así que hay margen para partir si alguna se alarga.

| # | Lección | Habilidades | Paso de la ruta |
|---|---|---|---|
| 2 | El dominio que todos quieren saltarse | panorámica | prerrequisito |
| 3 | IA, aprendizaje automático y generativa: la prueba de una pregunta | 1.1.1, 1.1.2 | prerrequisito |
| 4 | Datos estructurados y no estructurados, y por qué la calidad decide | 1.1.3, 1.1.4 | Paso 1 |
| 5 | Entrenar con datos históricos, y los marcos ISO | 1.1.5, 1.1.6 | Paso 1 · gobernanza |
| 6 | ¿Regla fija o IA? | 1.2.1 | Paso 2 |
| 7 | Qué es un agente y qué no lo es | 1.2.2 | Paso 2 |
| 8 | Por qué una solución viva se degrada | 1.2.3 | Paso 3 |
| 9 | Shadow AI: aprobada, bloqueada, en evaluación | 1.2.4 | Paso 3 · gobernanza |
| 10 | Prompt engineering para quien decide, no para quien programa | 1.3 | Paso 3 |
| 11 | Límites de tokens y ventana de contexto | 1.3 | Paso 3 |
| 12 | RAG o ajuste fino: conocimiento nuevo o comportamiento nuevo | 1.3 | Paso 3 |

**Nota sobre la lección 5.** Los marcos ISO/IEC 42001 y 23053 son vocabulario en el Dominio 1, pero son gobernanza en la práctica. Anticiparlos aquí prepara el Dominio 3 sin duplicar.

---

## Advertencia del propio módulo

*"Este módulo no cubre todos los conceptos que pueden aparecer en el examen. Úsalo como repaso estructurado y cubre los huecos con estudio adicional."*

Lo dice AWS de su propio material. El curso no debe prometer cobertura total del examen apoyándose solo en esta fuente: hace falta la guía oficial del examen con los pesos por dominio.
