Temario del curso
Fundamentos de arquitectura para sistemas de IA
- Capas, límites y separación de responsabilidades
- Aplicación de puertos y adaptadores a componentes de IA
- Escenarios de atributos de calidad para funcionalidades de IA
- Registros de decisiones de arquitectura como gobernanza
Evolución de una aplicación existente
- Modernización incremental en lugar de reescritura
- Colocación de servicios de IA junto a un monolito existente
- Patrones de estrangulador (strangler) y capa anticorrupción
- Puntos de integración (seams) para APIs y datos existentes
Patrones de arquitectura de integración de LLM
- Puerta de modelo (model gateway) como límite de abstracción
- Integración síncrona, asíncrona y de streaming
- Respaldo (fallback), degradación y conmutación por falla del proveedor
- Configuración de prompts y modelos como activos versionados
Contratos, APIs e intercambio de datos
- Esquemas de salida estructurados y validación
- Idempotencia, reintentos y limitación de tasas (rate limiting)
- Presupuestos de latencia y orquestación de timeouts
- Costo por solicitud como restricción arquitectónica
Arquitectura de RAG de principio a fin
- Pipeline de ingesta, fragmentación (chunking) y embeddings
- Etapas de índice, recuperación, reordenamiento (reranking) y generación
- Ubicación de la recuperación en relación con los servicios de la aplicación
- Compromisos (trade-offs) y modos de falla en cada etapa
Bases de datos vectoriales y diseño de recuperación
- Almacenes vectoriales gestionados versus autoalojados (self-hosted)
- Búsqueda densa, dispersa e híbrida
- Filtrado de metadatos y aislamiento de inquilinos (tenants)
- Estrategia de re-embedding cuando cambian los modelos
Calidad de la recuperación, anclaje (grounding) y evaluación
- Conjuntos de evaluación construidos a partir de consultas reales
- Métricas de calidad de recuperación y respuesta
- Citas, anclaje (grounding) y contención de alucinaciones
- Ciclos de retroalimentación hacia el índice
Arquitecturas de agentes
- Bucle del agente e invocación de herramientas
- Flujos de trabajo deterministas versus planificadores autónomos
- Casos en los que un agente es la respuesta incorrecta
- Alcance de responsabilidades y estado del agente
Sistemas multi-agente y orquestación
- Topologías de supervisor y orquestador
- Protocolos de traspaso (handoff) y contratos de mensajes
- Memoria compartida y gestión de contexto
- Comparación de frameworks desde una perspectiva arquitectónica
Comunicación de servicios y protocolos de herramientas
- Coordinación basada en eventos y colas
- Exposición de herramientas a través de protocolos estándar
- Sagas, compensación y transacciones de larga duración
- Observabilidad a través de saltos entre servicios
Agentes de IA en el flujo de trabajo de desarrollo
- Agentes de codificación dentro del pipeline de entrega
- Desarrollo guiado por especificaciones y puertas de revisión
- Generación de pruebas y controles de calidad automatizados
- Medidas de salvaguarda (guardrails) que preservan el control arquitectónico
Gobernanza y calidad del software
- Revisión de diseño para funcionalidades de IA
- Gestión de cambios de modelos y prompts
- Evaluación de regresión como etapa del pipeline
- Propiedad, política y rutas de aprobación
Seguridad, privacidad y gobernanza de datos
- Inyección de prompts y defensa en profundidad
- Secretos, control de acceso y principio de menor privilegio
- Residencia de datos, datos personales y retención
- Auditabilidad y controles con participación humana (human-in-the-loop)
Escalabilidad, costos y observabilidad
- Trazabilidad a través de cadenas de agentes
- Telemetría de tokens y costos
- Caché y optimización de latencia
- Niveles de servicio y respuesta ante incidentes para servicios de IA
Capstone: Arquitectura para una solución potenciada por IA
- Vistas de contexto, componente y despliegue
- Diseño de orquestación de recuperación y agentes
- Plan de seguridad, gobernanza y costos
- Revisión por pares, crítica y hoja de ruta de migración
Requerimientos
- Experiencia diseñando y manteniendo sistemas de software en producción
- Conocimiento práctico de APIs REST e integración de servicios
- Familiaridad con bases de datos relacionales y modelado de datos
- Exposición básica a herramientas o APIs basadas en LLM
Público objetivo
- Arquitectos de software
- Líderes técnicos e ingenieros senior
- Gerentes de ingeniería responsables de decisiones de arquitectura
Reseñas (2)
La práctica estuvo muy interactiva y aplicable al negocio.
Jorge Boscan - Chevron Global Technology Services Company
Curso - Advanced GitHub Copilot & AI for Projects and Infrastructure
Adquirí conocimientos sobre la biblioteca Streamlit de Python y, con seguridad, intentaré utilizarla para mejorar las aplicaciones de mi equipo que se desarrollan en R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Traducción Automática