Curso de IA Aplicada

Construir agentes de IA con herramientas, memoria y autonomía controlada

Curso avanzado que parte de una aplicación LLM ya segura y operable a nivel de C04 para decidir cuándo la ruta debe ser dinámica y diseñar el bucle agente, el catálogo de acciones, memoria, stop conditions, aprobaciones y recuperación. Termina con un agente validado para entrar en un rollout controlado; C06 cubre la operación general de producción.

Para: Desarrolladores, arquitectos, responsables de automatización y producto que ya dominan workflows, APIs y aplicaciones LLM y necesitan abordar tareas variables donde el sistema debe elegir dinámicamente pasos y herramientas dentro de límites explícitos

Índice del curso

Módulo 1

Decisión y contrato

Decide si la flexibilidad justifica un agente y convierte el objetivo abierto en un contrato con límites y estados terminales.

  1. 1. Decidir si el caso necesita un agente →

    Elegir entre asistencia, workflow o agente mediante variabilidad, efectos, baseline, coste y capacidad de verificación.

  2. 2. Definir objetivo, entorno y criterios de terminación →

    Convertir una tarea abierta en un contrato de ejecución con estados terminales, límites deterministas y criterios verificables de éxito.

Módulo 2

Capacidades y contexto

Diseña el espacio de acción específicamente agentic: herramientas activas, observaciones, precondiciones, contexto, artifacts y memoria sin repetir los fundamentos de integración de C04.

  1. 1. Diseñar herramientas, permisos y observaciones para un agente →

    Construir un catálogo de herramientas específico del estado del agente que reduzca ambigüedad, preserve permisos y permita replanificar a partir de observaciones estructuradas.

  2. 2. Gestionar plan, contexto y memoria →

    Construir estado y memoria versionables, aislados y con procedencia para sostener tareas largas sin usar el historial como fuente de verdad.

Módulo 3

Control y recuperación

Controla secuencias largas con aprobaciones, presupuestos, checkpoints, reintentos y recuperación de fallos parciales.

  1. 1. Implementar aprobaciones, guardrails y límites →

    Aplicar aprobaciones y límites deterministas proporcionales al impacto para ampliar autonomía sin ceder la autoridad del sistema al modelo.

  2. 2. Gestionar fallos, reintentos y recuperación →

    Diseñar recuperación ante fallos parciales y timeouts preservando el estado real y evitando la repetición de acciones externas.

Módulo 4

Evaluación y entrega

Evalúa trayectorias y outcomes específicamente agentic y entrega un candidato listo para rollout controlado; la operación transversal continúa en C06.

  1. 1. Evaluar trayectorias, seguridad y autonomía →

    Medir si un agente alcanza el outcome por trayectorias aceptables y decidir qué nivel de autonomía merece antes de entrar en el programa de producción de C06.

  2. 2. Entregar un agente con autonomía controlada →

    Entregar un candidato agentic con autonomía justificada, harness versionado, recovery, evals y kill switches probado, preparado para el proceso de producción de C06.