MediaOpción múltiple

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?

Elige la mejor respuesta.

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.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Un script de automatización estático que se ejecuta según una programación sin retroalimentación

Un script programado estático ejecuta comandos predefinidos a intervalos y los repite ciegamente sin inspeccionar si el problema persiste o se resolvió verdaderamente. Por el contrario, el flujo de trabajo descrito reevalúa tras la acción correctiva, verifica el estado operativo y escala cuando la acción falla, lo que lo hace reactivo y consciente del estado en lugar de una simple tarea basada en cron.

B

Correcta

Un flujo de trabajo de remediación de bucle cerrado (closed-loop)

Un flujo de trabajo de remediación de bucle cerrado supervisa continuamente la telemetría de red, detecta una desviación respecto a la política, activa la acción correctiva adecuada, verifica que la acción restauró el estado deseado y escala si no lo hizo, todo en una única cadena automatizada. Esto coincide exactamente con el escenario: el patrón de detectar-actuar-verificar-escalar del agente es la característica definitoria de un bucle cerrado, diferenciándolo de las alertas pasivas o los scripts ciegos.

C

Incorrecta

Un mecanismo de llamada a herramientas (tool-calling) para ejecutar comandos de red

Un mecanismo de llamada a herramientas (tool-calling) es únicamente la capa de ejecución que invoca comandos CLI o APIs; carece del razonamiento diagnóstico, la verificación de resultados y la lógica de escalado que definen el flujo de trabajo descrito. El agente del escenario no se limita a ejecutar un comando: evalúa el estado resultante y decide si es necesario tomar más medidas, por lo que la llamada a herramientas es solo un subcomponente del bucle cerrado más amplio.

D

Incorrecta

Un agente de IA que utiliza el aprendizaje por refuerzo (reinforcement learning) para optimizar el rendimiento de la red

El aprendizaje por refuerzo requiere que el agente aprenda una política mediante interacciones de ensayo y error y una señal de recompensa, ajustando continuamente su comportamiento a lo largo de muchos episodios. El escenario utiliza en su lugar acciones de detección y corrección inmutables y preprogramadas sin adaptación ni retroalimentación de recompensa; su etapa de verificación es una comparación fija del estado del dispositivo, no una optimización aprendida.

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.