Descripción general

Este curso introduce los fundamentos, arquitecturas y prácticas avanzadas para el diseño, implementación y evaluación de sistemas de Inteligencia Artificial (IA) Agéntica A lo largo del curso, los estudiantes analizarán cómo los modelos de lenguaje pueden transformarse en agentes capaces de percibir información, razonar sobre objetivos, utilizar herramientas, consultar datos externos, coordinar múltiples componentes y ejecutar acciones en entornos reales. El enfoque combina fundamentos conceptuales, criterios de diseño, implementación práctica y evaluación rigurosa de sistemas agénticos.

Qué son los agentes basados en modelos de lenguaje y por qué representan una evolución relevante en la automatización inteligente. Diferencias entre chatbots, modelos grandes de lenguaje (Large Language Models, LLMs), workflows agénticos y Agentes.

Conceptos centrales

Percepción del entorno, razonamiento, planificación, memoria, ejecución de acciones, uso de herramientas, toma de decisiones y adaptación al contexto.

Contenidos mínimos

Arquitecturas de agentes

Componentes principales de un sistema agéntico: modelo base, instrucciones, memoria, herramientas, orquestación, evaluación y mecanismos de control.
Memoria, estado y contexto
Técnicas para mantener continuidad en interacciones complejas. Memoria de corto y largo plazo, resúmenes conversacionales, almacenamiento vectorial.

Prompting avanzado para agentes

Diseño de instrucciones efectivas para agentes especializados. Prompts orientados a tareas, prompts con formato estructurado, razonamiento paso a paso controlado, uso de roles, restricciones, criterios de salida y manejo de ambigüedad.

Tool use y function calling

Cómo habilitar agentes para ejecutar acciones reales mediante herramientas externas. Integración con APIs, bases de datos, sistemas internos, y motores de búsqueda

RAG

Diseño de sistemas de generación aumentada por recuperación (Retrieval-Augmented Generation, RAG) agénticos para conectar modelos de lenguaje con datos propios de una organización. Estrategias de retrieval y métodos de evaluación. Introducción al Model Context Protocol como estándar abierto para conectar agentes con herramientas, datos y sistemas externos.

Orquestación y sistemas multi-agente

Diseño de arquitecturas con múltiples agentes especializados. Evaluación, evaluación y confiabilidad. Cómo medir la calidad de un sistema agéntico. Métricas y diseño de datasets de evaluación, evaluación con LLM-as-judge, evaluación humana. Guardrails, seguridad y gobernanza. Diseño de mecanismos de control para prevenir comportamientos no deseados. Validación de entradas y salidas, límites de acción.

Programa

A cada uno de los contenidos se le dedicarán dos módulos (dos clases si es cuatrimestral o una clase si es bimestral). Los restantes módulos serán dedicados al trabajo práctico y a la evaluación final.

Modalidad

Las clases serán teórico – prácticas.

Evaluación

● El 50% de la nota final es la evaluación de la presentación del proyecto final. Durante el curso, los estudiantes trabajarán en grupo en el desarrollo de un sistema agéntico completo aplicado a un caso realista.

● El otro 50% de la nota es la evaluación teórica de los contenidos vistos en el curso.