Overview

Este curso te brindará las bases teóricas y prácticas para diseñar, implementar y desplegar agentes de inteligencia artificial autónomos utilizando el SDK de OpenAI. Al finalizar, podrás construir sistemas inteligentes que no solo respondan a instrucciones, sino que actúen por su cuenta para completar flujos de trabajo complejos.1. Fundamentos de los agentes de inteligencia artificialDiferencia entre herramientas basadas en LLMs y agentes verdaderamente autónomos.Qué es un flujo de trabajo (workflow) y cómo los agentes lo ejecutan de principio a fin.Principios de autonomía, razonamiento y acción en los agentes modernos.2. Diseño de la arquitectura de un agenteComponentes esenciales de un agente: modelo, herramientas e instrucciones.Cómo combinar estos elementos para lograr comportamientos autónomos, seguros y confiables.Diseño progresivo: de agentes simples a sistemas multiagente complejos.3. Selección estratégica de modelos LLMCriterios clave: precisión, latencia y coste.Cuándo usar modelos pequeños, medianos o avanzados.Evaluación del rendimiento del modelo con métricas realistas y datasets de prueba.4. Integración de herramientas externasTipos de herramientas: de datos, de acción y de orquestación.Cómo conectar agentes con APIs, bases de datos, CRM, y más.Diseño de herramientas reutilizables y seguras para que el agente amplíe sus capacidades.5. Redacción de instrucciones efectivas para agentesCómo guiar a un agente con prompts claros, precisos y flexibles.Uso de plantillas y políticas variables.Captura de casos límite para prevenir errores y ambigüedades.6. Componentes de una arquitectura de IA agénticaMódulo de percepción: cómo los agentes captan su entorno.Módulo cognitivo: planificación, razonamiento y toma de decisiones.Módulo de acción: ejecución de tareas y control del entorno.7. Orquestación de flujos de trabajoImplementación de ciclos de ejecución (runs) para agentes.Sistemas de agente único vs. sistemas multiagente.Patrones de diseño: patrón Manager y patrón Descentralizado (delegación de tareas).8. Implementación de guardarraíles (guardrails)Cómo proteger a los agentes de comportamientos dañinos, irrelevantes o riesgosos.Tipos de guardrails: clasificadores de seguridad, moderación, validación de salidas, etc.Diseño de defensas por capas para agentes robustos en producción.9. Casos prácticos y patrones realesEjemplos detallados de agentes para: atención al cliente, clasificación de contenido, detección de spam, análisis de sentimiento, entre otros.Cómo medir el éxito de un agente en producción.Escalado progresivo: empezar con poco y evolucionar según resultados.10. Buenas prácticas y visión estratégicaCómo construir agentes confiables, seguros y eficientes.Estrategias de mantenimiento, control de versiones y evaluación continua.Cómo aplicar este conocimiento en contextos reales de negocio o productos.Descrube como OpenAI crea sus agentes de AI.

Skills

Reviews