Agentic AI: Diseño, Orquestación y Despliegue de Agentes Inteligentes Autónomos
Formación certificante — certificado verificable incluido.
Formación avanzada en IA agéntica: orquestación multiagente, Tool Calling, Human-in-the-Loop y despliegue en producción. 12 módulos y certificado verificable.
138 EUR
Formación en línea, acceso inmediato tras el pago. 12 módulos. Nivel : Avanzado. Idioma : Español.
Programa de la formación
- Del modelo al agente: el nuevo paradigma — Componentes esenciales y taxonomía de agentes inteligentes autónomos
- Distinguir con precisión las diferencias estructurales y funcionales entre un LLM estático y un agente autónomo con ciclo de acción, identificando las implicaciones de diseño que ello conlleva.
- Describir los cuatro componentes nucleares de un agente inteligente —memoria, herramientas, planificador y actuador— y explicar el papel de cada uno dentro del ciclo de ejecución agéntica.
- Clasificar los distintos tipos de agentes (reactivos, deliberativos y multiagente) y asociar cada taxonomía a casos de uso reales en sectores como finanzas, legal, operaciones y soporte al cliente.
- Arquitectura de un agente completo — Ciclo ReAct, tipos de memoria y selección de herramientas con criterios organizacionales
- Describir y aplicar el ciclo ReAct (Razonar → Actuar → Observar → Iterar) como eje estructural del comportamiento de un agente autónomo, identificando las responsabilidades de cada fase.
- Distinguir y combinar los cuatro tipos de memoria de un agente —conversacional, episódica, semántica y procedimental— seleccionando la combinación adecuada según las restricciones del caso de uso orga
- Justificar las decisiones de diseño arquitectónico de un agente completo —incluyendo la selección de herramientas— con criterios organizacionales concretos como coste, latencia, regulación y reversibi
- Contexto y razonamiento avanzado — Gestión de la ventana de contexto, Chain-of-Thought y blueprint del agente propio
- Gestionar eficientemente la ventana de contexto de un agente aplicando técnicas de compresión y priorización de tokens para maximizar la calidad del razonamiento sin exceder los límites del modelo.
- Aplicar las técnicas de razonamiento avanzado Chain-of-Thought, Tree-of-Thought y Self-Consistency en escenarios profesionales reales, seleccionando la estrategia más adecuada según la complejidad y c
- Diseñar el blueprint completo de un agente autónomo orientado a un caso de uso propio, integrando prompt engineering estructurado que garantice la fiabilidad, trazabilidad y controlabilidad del razona
- Tool Calling: herramientas externas reales — Esquemas de llamada, conexión a APIs y gestión autónoma de errores
- Definir y estructurar correctamente el esquema de llamada a herramientas (tool calling), incluyendo la declaración de funciones, parámetros y tipos de datos, para que el agente pueda invocar herramien
- Conectar un agente autónomo a al menos dos herramientas reales —API REST, base de datos o motor de búsqueda— configurando los esquemas de integración y validando el flujo completo de extremo a extremo
- Implementar una estrategia robusta de gestión autónoma de errores que contemple reintentos con retroceso exponencial, mecanismos de fallback alternativos y logging estructurado para trazabilidad en pr
- Frameworks de orquestación multiagente — LangGraph, AutoGen y criterios de selección para proyectos reales
- Comparar los principales frameworks de orquestación multiagente —LangGraph, AutoGen y alternativas emergentes— aplicando criterios técnicos de selección basados en madurez, escala y contexto de proyec
- Configurar un entorno de desarrollo funcional con las dependencias necesarias e implementar los conceptos clave de LangGraph (nodos, aristas y estado compartido) para construir un grafo de agentes bás
- Diseñar y seleccionar el patrón de comunicación entre agentes más adecuado —secuencial, paralelo o condicional— según las características operativas y los requisitos de una tarea de negocio concreta.
- Diseño de sistemas multiagente especializados — Roles, protocolos de mensajería y mapeo de tareas de negocio complejas
- Definir y asignar roles especializados dentro de un sistema multiagente (coordinador, ejecutor, validador y crítico), justificando la distribución según la naturaleza de la tarea de negocio.
- Diseñar contratos de mensajería y esquemas de datos estructurados que regulen la comunicación entre agentes, garantizando la coherencia y la trazabilidad del flujo de información.
- Mapear una tarea de negocio compleja en subagentes especializados, identificando dependencias entre subtareas y aplicando estrategias concretas de gestión de conflictos y resolución de bloqueos.
- Flujo multiagente de extremo a extremo — Implementación, estado persistente, pruebas de integración y trazabilidad
- Implementar un grafo multiagente funcional de extremo a extremo con LangGraph o AutoGen, gestionando correctamente nodos, aristas y estado compartido entre agentes especializados.
- Diseñar y ejecutar pruebas de integración que simulen fallos reales y verifiquen la recuperación automática del sistema, garantizando la robustez del flujo antes del despliegue productivo.
- Aplicar técnicas de depuración y trazabilidad sobre ejecuciones del grafo, instrumentando el sistema para obtener observabilidad completa del comportamiento de cada agente en tiempo real.
- Patrones avanzados y optimización — Supervisor-Worker, paralelismo controlado, caché y métricas de rendimiento
- Implementar el patrón Supervisor-Worker para delegar dinámicamente subtareas entre agentes especializados, garantizando la coherencia del resultado final en flujos de negocio complejos.
- Diseñar estrategias de paralelismo controlado y gestión de recursos compartidos que maximicen el rendimiento del sistema sin generar condiciones de carrera ni saturación del contexto.
- Definir y aplicar métricas clave de rendimiento (latencia, coste por ejecución en euros y tasa de éxito) junto con mecanismos de caché de resultados intermedios para optimizar la eficiencia operativa
- Riesgos operativos, éticos y de seguridad — Alucinaciones, bucles infinitos, sesgos, RGPD, AI Act y checklist de despliegue
- Identificar y clasificar los riesgos críticos del despliegue de agentes autónomos —alucinaciones, bucles infinitos y escalada de privilegios— aplicando estrategias de mitigación concretas para cada ti
- Evaluar un sistema agéntico mediante un marco de ética e IA responsable que cubra sesgos algorítmicos, transparencia de decisiones y asignación de responsabilidad legal y organizacional.
- Aplicar una checklist de verificación de cumplimiento normativo —RGPD y AI Act europeo— antes de cualquier puesta en producción, adaptándola al nivel de riesgo del sector y la organización.
- Human-in-the-Loop: control y autonomía calibrada — Umbrales de confianza, patrones HITL e interfaces de control para operadores
- Definir umbrales de confianza cuantitativos y cualitativos que determinen cuándo la aprobación humana es obligatoria, justificando la calibración según la criticidad y reversibilidad de cada acción ag
- Seleccionar e implementar el patrón HITL más adecuado (aprobación puntual, supervisión continua o auditoría post-hoc) para cada tipo de tarea automatizada, distinguiendo sus ventajas, limitaciones y c
- Diseñar interfaces de control accesibles para operadores no técnicos que permitan supervisar, aprobar o revocar acciones agénticas de forma segura, clara y auditable en entornos productivos reales.
- Monitorización y observabilidad en producción — Trazas, métricas, detección de deriva, versionado y pipelines CI/CD
- Construir un stack de observabilidad completo para agentes en producción, combinando trazas distribuidas, métricas de comportamiento y logs estructurados que permitan diagnosticar cualquier anomalía e
- Diseñar e implementar estrategias de detección de deriva conductual y de versionado de agentes con mecanismos de rollback controlado, garantizando la continuidad operativa del sistema.
- Integrar el ciclo de vida del agente en plataformas MLOps y pipelines CI/CD existentes, definiendo gates de calidad, pruebas automatizadas y criterios de promoción entre entornos.
- Despliegue y escalabilidad organizacional — Estrategias cloud, hoja de ruta de madurez agéntica y plan go/no-go
- Seleccionar y justificar la estrategia de despliegue más adecuada (contenedores, serverless u orquestadores cloud) en función del volumen de tareas, el presupuesto y los requisitos de escalabilidad de
- Construir una hoja de ruta de madurez agéntica estructurada en etapas verificables, desde el piloto experimental hasta la producción enterprise, con hitos y criterios de avance claros.
- Definir un plan de despliegue go/no-go completo que integre criterios técnicos, operativos, éticos y normativos accionables, aplicable a cualquier organización del ecosistema tecnológico español y eur