Un candidato pone en su CV "GitHub Certified: Agentic AI Developer" y la pregunta que llega a la mesa de contratación no es si la certificación existe. Es qué te garantiza de verdad, y qué sigues teniendo que comprobar tú antes de firmar. Esta pieza responde eso desde el lado del que contrata en España, no desde el del que se examina.
La credencial es real y está recién disponible. GitHub la lanzó en fase beta con disponibilidad general desde julio de 2026, todavía sin historial de adopción que la avale. Eso cambia cómo debes leerla: como una señal nueva y objetiva, no como un sello con años de mercado detrás.
TL;DR. La certificación GitHub Certified: Agentic AI Developer (código GH-600) valida conocimiento de cómo se construye, opera y gobierna un agente IA dentro del ciclo de desarrollo. No garantiza que el candidato lo haya sostenido en producción sobre datos reales, ni sustituye a un portafolio demostrable. Léela como una señal más, junto al portafolio, un caso en producción y la gobernanza de datos.
¿Qué valida la certificación Agentic AI Developer de GitHub (GH-600)?
Valida conocimiento sobre cómo desplegar, operar, integrar y gobernar agentes IA dentro de flujos de desarrollo de software, con GitHub como plano de control. Es una credencial de nivel intermedio mantenida por GitHub y administrada por Microsoft a través de Microsoft Learn, con el examen agendado vía Pearson VUE.
El examen dura 120 minutos, es proctorizado y se basa en escenarios, no en preguntas de memoria. Se organiza en seis dominios con peso declarado: arquitectura de agentes y procesos del ciclo de desarrollo, uso de herramientas e interacción con el entorno vía MCP, gestión de memoria y estado, evaluación y análisis de errores, orquestación multiagente, y guardarraíles con supervisión humana. Esos seis dominios son la parte útil para quien contrata: convertidos en checklist, dicen qué evidencia pedir a un candidato y qué preguntar en la entrevista técnica.
Un detalle que pesa en España: el examen se ofrece solo en inglés. Aprobarlo señala, de paso, que el candidato lee documentación técnica en inglés con soltura, algo que en un rol de IA aplicada casi nunca es negociable.
¿Qué NO garantiza esta certificación?
No garantiza criterio en producción. Un examen basado en escenarios mide que el candidato reconoce el patrón correcto cuando se lo describen. No mide qué hizo el día que un agente tomó una decisión equivocada sobre un cliente real, ni cómo lo detectó, ni qué cambió después para que no se repitiera. Esa distancia entre conocer el stack y haber sostenido un sistema es exactamente el implementation gap que BCG cuantificó en su AI Radar de enero de 2025: el 75% de las empresas probó IA y solo el 25% vio resultados en producción.
La tabla separa lo que el examen mide de lo que, aun así, tienes que verificar tú.
| Dominio del examen (qué mide) | Qué sigues teniendo que comprobar tú |
|---|---|
| Arquitectura de agentes y procesos del ciclo de desarrollo | Si ha encajado un agente en un flujo con tráfico real de tu negocio, no en un diagrama |
| Uso de herramientas e interacción del entorno (MCP) | Si eligió bien las integraciones bajo tus restricciones concretas de sistemas y datos |
| Gestión de memoria, estado y ejecución | Cómo se comporta ese diseño con tus volúmenes y tu latencia, no en el sandbox del examen |
| Evaluación, análisis de errores y tuning | Qué hizo cuando el agente falló en abierto y quién asumió la responsabilidad de arreglarlo |
| Orquestación multiagente | Si mantuvo varios agentes coordinados y estables más allá de la demo |
| Guardarraíles, accountability y supervisión humana en el bucle de decisión | Si aplicó gobernanza real sobre datos sensibles, con auditoría de cada decisión |
El sexto dominio, el de los guardarraíles y la supervisión humana, es donde leer a un candidato se cruza con la seguridad del propio agente. Que el examen valide ese conocimiento no prueba que el sistema resista un ataque real: eso se comprueba con red teaming de IA, la auditoría adversaria de chatbots y agentes.
¿Sustituye al portafolio demostrable de un desarrollador de agentes IA?
No. Lo complementa. La certificación estandariza un vocabulario y confirma que el candidato conoce el terreno; el portafolio demuestra que lo ha pisado. Son dos evidencias distintas y ninguna cubre el hueco de la otra.
Pide siempre un caso concreto, no una demo genérica. Que el candidato explique un agente que haya llevado a producción de verdad: el objetivo de negocio, qué falló, cómo lo detectó y qué rediseñó después. Cualquiera enseña un agente que responde bien a tres preguntas preparadas. Pocos explican con detalle el día en que el sistema se equivocó sobre un cliente y ellos tuvieron que responder por ello. La credencial te dice que sabe el idioma. El caso en producción te dice si sabe conducir.
¿Cómo interpretar esta credencial en el CV de un candidato?
Interprétala como una señal objetiva de partida, no como un veredicto. Que aparezca te ahorra la primera criba: el candidato ha invertido en formalizar su conocimiento de IA agéntica y ha pasado un examen proctorizado y basado en escenarios, no un curso de fin de semana con certificado automático.
Ahora bien, es una credencial nueva. En julio de 2026 nadie la lleva en el CV desde hace tres años, así que no puedes usar la antigüedad como filtro. Lo que sí puedes hacer es leerla en contexto: si el candidato la combina con repositorios públicos, contribuciones reales y un caso en producción explicable, la señal se refuerza. Si aparece sola, sin nada detrás que la respalde, es exactamente eso, una señal suelta que todavía tienes que verificar con el resto de la evaluación.
¿Cómo pesarla como una señal más al evaluar un ingeniero de agentes IA?
Ninguna evaluación seria descansa en una sola fuente. La certificación es una de cuatro señales que conviene cruzar antes de decidir. Cada una tapa un punto ciego de las otras.
- Certificación GH-600. Confirma que el candidato conoce el stack y el vocabulario de agentes IA con un estándar objetivo y verificable.
- Portafolio demostrable. Repositorios, contribuciones y código real que puedes leer y contrastar con lo que dice saber hacer.
- Caso en producción. Un agente que llevó a producción, con el relato de qué falló y cómo lo resolvió, que es donde se ve el criterio.
- Gobernanza de datos. Cómo decidió qué datos podía tocar el agente, qué quedó fuera y cómo auditó cada decisión sensible.
Este marco es también nuestra forma de trabajar. Cuando Shakers admite solo al 4% de los aspirantes a su red de talento, ese filtro no se apoya en un badge externo: cruza la skill certificada con evidencia demostrable. La certificación de GitHub encaja como una pieza dentro de un criterio más amplio, no como el criterio entero. Es la definición literal de talento certificado en skills IA: una skill verificada, contrastada contra el trabajo real.
Un ejemplo lo ilustra. Imagina una fintech media, con stack en Python y orquestación sobre GitHub, que evalúa a un freelance con esta credencial. Aun así le pide un caso en producción antes de firmar. Si el candidato lo tiene y lo explica con el fallo incluido, la contratación se cierra ahí, en lo que demostró, no en el badge.
¿Para qué perfiles y momentos de contratación tiene sentido pedirla?
Depende del perfil y del momento, y conviene no tratarla como requisito universal. Para un rol junior o de refuerzo puntual, la credencial pesa más: aporta una base objetiva cuando el candidato aún no tiene años de casos en producción que enseñar. Para un perfil senior, pesa menos que el historial: un ingeniero con agentes reales desplegados ya demuestra por la vía de los hechos lo que el examen mide en abstracto.
Por momento de contratación, la lógica se invierte según lo que buscas. Para un proyecto puntual y acotado, exigirla puede filtrar a buen talento senior que nunca sintió la necesidad de certificarse. Para construir un equipo estable de skills + agents que va a operar sistemas durante meses, tiene más sentido pedirla como suelo común de vocabulario, sobre todo en un blended team donde conviven perfiles internos y externos y ayuda tener un estándar compartido. Si la contratación roza una oferta de empleo formal con requisitos excluyentes, ahí ya toca validar el encuadre con un experto laboral antes de fijar la certificación como filtro obligatorio.
Preguntas frecuentes sobre la certificación Agentic AI Developer
- ¿Es lo mismo evaluar esta certificación en un candidato que decidir cómo montar el equipo de agentes IA?
-
No, son dos decisiones distintas. Esta pieza opera a nivel individual: cómo leer una credencial en una persona. La decisión de si construyes el sistema tú mismo, contratas una agencia o montas equipo propio vive un nivel por encima. Esa comparativa está en cómo montar el equipo de agentes IA, que baja a la composición del equipo y a los modelos de contratación.
- ¿La certificación Agentic AI Developer garantiza que el candidato sepa llevar un agente a producción?
-
No. Valida conocimiento del stack de agentes IA con un examen basado en escenarios, no criterio operativo. Saber reconocer el patrón correcto en un escenario descrito no equivale a haber sostenido un agente que falló sobre un cliente real. Por eso conviene pedir siempre un caso en producción además de la credencial.
- ¿En qué idioma está el examen GH-600 y cuánto cuesta?
-
El examen se ofrece solo en inglés y no consta versión en español por ahora. El precio depende del país o región donde se proctoriza, así que la cifra exacta para España conviene confirmarla en la página oficial antes de darla por buena. La vigencia y la política de recertificación tampoco están cerradas todavía.
- ¿Qué otras señales debería mirar además de la certificación?
-
Tres, cruzadas con la credencial: un portafolio demostrable con repositorios y código real, un caso en producción con el fallo incluido, y evidencia de gobernanza de datos. Si buscas contratar el rol directamente, las landings de contratar un desarrollador de IA y de arquitecto de IA y constructor de agentes te dan el punto de entrada.
La certificación GH-600 es una buena noticia para quien contrata: por fin hay un estándar objetivo para leer el conocimiento de un candidato en IA agéntica. Pero un estándar de conocimiento no es una prueba de criterio en producción, y confundir ambos es el error caro. La pregunta que de verdad decide una contratación sigue siendo la de siempre, ¿ha sostenido esto cuando se rompió, y con qué criterio?
Shakers funciona como infraestructura de talento certificado en skills IA: cruzamos la skill verificada con evidencia real de producción antes de que nadie llegue a tu equipo. Si aún estás decidiendo la estructura, empieza por cómo montar el equipo de agentes IA; si necesitas el concepto base, qué son los agentes de IA lo desarrolla desde cero. Puedes revisar el detalle del examen en la página oficial de la certificación y en su guía de estudio GH-600.