Pregunta de práctica de 200-301
Un equipo de operaciones de red está implementando un sistema de automatización impulsado por IA que utiliza un agente de IA agéntica para gestionar incidencias rutinarias de red. El agente está configurado para detectar un uso elevado de CPU en un router del núcleo, ejecutar automáticamente una serie de comandos de diagnóstico y, si se encuentra un patrón específico, activar un cambio de configuración para reducir la carga. Tras el cambio, el agente vuelve a comprobar el uso de CPU y, si sigue siendo elevado, escala la incidencia a un ingeniero humano. ¿Cuál de las siguientes opciones describe mejor el flujo de trabajo utilizado?
Respuesta correcta
- BUn flujo de trabajo de remediación de bucle cerrado (closed-loop)
Explicación
El flujo de trabajo descrito es un flujo de trabajo de remediación de bucle cerrado (closed-loop) porque el agente detecta una condición (CPU alta), toma medidas (comandos de diagnóstico y cambio de configuración), vuelve a comprobar la condición (utilización de CPU) y escala si no se resuelve. Este bucle de retroalimentación —observar, actuar, verificar, escalar— es la característica definitoria de la automatización de bucle cerrado. No es un script estático porque se adapta en función del resultado de sus acciones.
Para profundizar
Un flujo de trabajo de remediación de bucle cerrado (closed-loop) observa, decide, actúa y luego verifica continuamente el resultado, retroalimentando esa verificación en la siguiente decisión. El escenario sigue cada etapa. El agente detecta una condición, CPU alta en un router del núcleo, a partir de telemetría o sondeo. Diagnostica ejecutando comandos show y cotejando patrones conocidos. Actúa aplicando un cambio de configuración. Verifica midiendo de nuevo la CPU. Y escala a un humano cuando el bucle no puede solucionar el problema. El paso de verificación es lo que hace que el bucle esté cerrado: un proceso de bucle abierto actúa y nunca comprueba si funcionó. Esta idea sustenta las redes basadas en la intención (intent-based networking), donde los controladores comparan continuamente el estado real de la red con el estado deseado y corrigen la desviación, y las plataformas AIOps que automatizan la respuesta a incidentes. Los distractores describen partes o ideas diferentes. Un script estático programado (opción A) se ejecuta independientemente de las condiciones y no comprueba los resultados. La llamada a herramientas (tool-calling) (opción C) es cómo un agente de IA ejecuta comandos o APIs, y forma parte de este flujo de trabajo, pero no describe el patrón general de detectar, actuar y verificar. El aprendizaje por refuerzo (reinforcement learning) (opción D) es un método de aprendizaje automático en el que un modelo aprende políticas a partir de recompensas a lo largo del tiempo; nada en el escenario indica que el agente esté siendo entrenado. Un buen diseño de bucle cerrado incluye mecanismos de protección (guardrails): limitar los cambios que el agente puede realizar, registrar cada acción, requerir aprobación para cambios arriesgados, establecer umbrales y tiempos de espera claros, y proporcionar siempre una ruta de reversión (rollback) y de escalado humano, tal como hace este agente cuando la CPU se mantiene alta.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de 200-301 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.