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

  1. 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.
  2. 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
  3. 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
  4. 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
  5. 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.
  6. 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.
  7. 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.
  8. 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
  9. 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.
  10. 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.
  11. 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.
  12. 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

Acceder a la formación

Ver todas nuestras formaciones