Curso Online en Agentes de IA: Diseño, Implementación y Orquestación de Sistemas Autónomos

1.    Fundamentos teóricos y conceptuales de los agentes de inteligencia artificial

1.1.  Definición y caracterización del concepto de agente en inteligencia artificial

1.2.  Evolución histórica de los agentes de inteligencia artificial

1.3.  Taxonomía y clasificación de los agentes de inteligencia artificial

1.4.  El paradigma actual de agentes de IA basados en modelos fundacionales

1.5.  Ecosistema tecnológico y actores principales en el desarrollo de agentes de IA

2.    Arquitecturas y patrones de diseño para agentes de inteligencia artificial

2.1.  Principios fundamentales del diseño arquitectónico de agentes autónomos

2.2.  Arquitectura de agente basada en el bucle percepción-razonamiento-acción

2.3.  Patrones arquitectónicos para agentes individuales

2.4.  Patrones arquitectónicos para sistemas multiagente

2.5.  Diseño modular y principios de extensibilidad en arquitecturas de agentes

2.6.  Criterios para la selección de la arquitectura adecuada según el caso de uso y los requisitos del sistema

3.    Modelos de lenguaje de gran escala como motor cognitivo de los agentes

3.1.  Fundamentos de los modelos de lenguaje de gran escala aplicados al comportamiento agéntico

3.2.  Técnicas de prompting avanzado para el control y la dirección de agentes

3.3.  Selección y evaluación comparativa de modelos de lenguaje para agentes

3.4.  Fine-tuning y adaptación de modelos para optimizar el comportamiento agéntico

3.5.  Gestión de la ventana de contexto y estrategias de compresión y priorización de información

3.6.  Limitaciones inherentes de los LLM y estrategias de mitigación en el diseño de agentes

4.    Herramientas, APIs y capacidades de interacción del agente con el entorno

4.1.  Concepto y rol de las herramientas en la arquitectura funcional de agentes

4.2.  Diseño e implementación de herramientas personalizadas para agentes de IA

4.3.  Function calling y mecanismos de invocación de herramientas en modelos de lenguaje

4.4.  Integración con APIs externas, servicios web y plataformas de terceros

4.5.  Interacción con el sistema operativo, sistema de archivos y entornos de ejecución

4.6.  Estandarización de herramientas: Model Context Protocol (MCP) y estándares emergentes de interoperabilidad

4.7.  Generación y ejecución dinámica de código como capacidad agéntica avanzada

5.    Sistemas de memoria y gestión del conocimiento en agentes autónomos

5.1.  Fundamentos de los sistemas de memoria en agentes de inteligencia artificial

5.2.  Memoria a corto plazo: gestión del contexto conversacional y operativo

5.3.  Memoria a largo plazo: persistencia y recuperación de conocimiento acumulado

5.4.  Retrieval-Augmented Generation (RAG) como sistema de memoria externa del agente

5.5.  Memoria episódica y aprendizaje del agente a partir de experiencias previas

5.6.  Diseño de estrategias de memoria adaptadas al tipo de agente y a los requisitos del caso de uso

6.    Razonamiento, planificación y toma de decisiones autónoma en agentes de IA

6.1.  Fundamentos del razonamiento autónomo en agentes basados en modelos de lenguaje

6.2.  Técnicas de razonamiento avanzado aplicadas a agentes

6.3.  Planificación y descomposición de tareas complejas en subtareas ejecutables

6.4.  Mecanismos de reflexión, autocrítica y autocorrección en agentes

6.5.  Toma de decisiones autónoma bajo restricciones de recursos, tiempo y coste

6.6.  Integración coherente del bucle de razonamiento con herramientas, memoria y acción

7.    Diseño e implementación de agentes individuales con frameworks especializados

7.1.  Panorama de frameworks y bibliotecas para el desarrollo de agentes de IA

7.2.  Diseño del ciclo de vida completo del agente: inicialización, ejecución y finalización

7.3.  Implementación del bucle agéntico con gestión de estado persistente

7.4.  Configuración e integración práctica de herramientas y sistemas de memoria en el agente

7.5.  Implementación de guardrails y restricciones de comportamiento del agente

7.6.  Desarrollo guiado: construcción paso a paso de un agente funcional completo

7.7.  Estrategias de depuración, trazabilidad y logging para el desarrollo de agentes

8.    Sistemas multiagente: comunicación, colaboración y coordinación entre agentes

8.1.  Fundamentos teóricos y justificación de los sistemas multiagente

8.2.  Patrones de comunicación e intercambio de información entre agentes

8.3.  Modelos de colaboración y reparto de responsabilidades entre agentes

8.4.  Estrategias de coordinación y resolución de conflictos en sistemas multiagente

8.5.  Frameworks para sistemas multiagente: CrewAI, AutoGen y LangGraph multiagente

8.6.  Gestión del contexto compartido y consistencia de la información entre agentes colaborativos

9.    Orquestación de sistemas de agentes: infraestructura, flujos y despliegue en producción

9.1.  Concepto y principios de la orquestación de sistemas de agentes autónomos

9.2.  Diseño de flujos de trabajo agénticos complejos y dinámicos

9.3.  Infraestructura y despliegue de sistemas de agentes en entornos de producción

9.4.  Gestión de la comunicación asíncrona, colas de mensajes y tolerancia a fallos

9.5.  Monitorización, observabilidad y trazabilidad en sistemas de agentes orquestados

9.6.  Integración de sistemas de agentes en flujos empresariales y plataformas tecnológicas existentes

10.    Seguridad, ética y gobernanza de sistemas autónomos de inteligencia artificial

10.1.  Riesgos de seguridad específicos de los agentes autónomos de IA

10.2.  Estrategias de defensa y endurecimiento de la seguridad de agentes

10.3.  Consideraciones éticas en el diseño y despliegue de agentes autónomos

10.4.  Marcos regulatorios y normativa aplicable a los sistemas autónomos de inteligencia artificial

10.5.  Gobernanza organizacional y políticas internas para el uso responsable de agentes de IA

11.    Evaluación, pruebas y optimización del rendimiento de sistemas de agentes

11.1.  Marcos y metodologías de evaluación de agentes de inteligencia artificial

11.2.  Estrategias de testing para sistemas agénticos en todas sus fases

11.3.  Evaluación automatizada mediante LLM como juez de calidad (LLM-as-a-judge)

11.4.  Optimización del rendimiento, la latencia y el coste operativo de agentes

11.5.  Iteración y mejora continua basada en datos de uso, métricas operativas y feedback de usuarios

12.    Aplicaciones prácticas, casos de uso avanzados y tendencias futuras en agentes de IA

12.1.  Agentes de IA aplicados a la automatización de procesos empresariales

12.2.  Agentes de IA en el desarrollo de software y la ingeniería de sistemas

12.3.  Agentes de IA en investigación científica, análisis de información y generación de conocimiento

12.4.  Agentes de IA en sectores especializados con alta regulación y complejidad

12.5.  Tendencias emergentes y horizonte futuro de los agentes de inteligencia artificial

12.6.  Metodología práctica para la identificación, evaluación y priorización de oportunidades agénticas en organizaciones