Temario del curso
Fundamentos de la arquitectura para sistemas de IA
- Capas, límites y separación de preocupaciones
- Aplicación de puertos y adaptadores a componentes de IA
- Escenarios de atributos de calidad para funciones de IA
- Registros de decisiones de arquitectura como mecanismo de gobernanza
Evolución de una aplicación existente
- Modernización incremental en lugar de reescritura
- Ubicación de servicios de IA junto a un monolito existente
- Patrones de estrangulador (strangler) y capa de anticorrupción
- Puntos de integración para APIs y datos existentes
Patrones de arquitectura para la integración de LLM
- La pasarela de modelos como límite de abstracción
- Integración síncrona, asíncrona y por streaming
- Respuesta de respaldo (fallback), degradación y conmutación por fallo del proveedor
- Configuración de prompts y modelos como activos versionados
Contratos, APIs e intercambio de datos
- Esquemas de salida estructurada y validación
- Idempotencia, reintentos y limitación de tasa
- Presupuestos de latencia y orquestación de timeouts
- Costo por solicitud como restricción arquitectónica
Arquitectura RAG de principio a fin
- Pipeline de ingesta, segmentación (chunking) y embebido (embedding)
- Etapas de índice, recuperación, reordenamiento (reranking) y generación
- Ubicación de la recuperación en relación con los servicios de aplicación
- Compromisos (trade-offs) y modos de fallo en cada etapa
Bases de datos vectoriales y diseño de recuperación
- Almacenes vectoriales administrados versus autoalojados
- Búsqueda densa, escasa e híbrida
- Filtrado por metadatos e aislamiento de inquilinos (multi-tenancy)
- Estrategia de re-embebido (re-embedding) cuando cambian los modelos
Calidad de la recuperación, anclaje 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
- Bucles de retroalimentación hacia el índice
Arquitecturas de agentes
- El bucle del agente y la invocación de herramientas
- Flujos de trabajo deterministas versus planificadores autónomos
- Casos donde un agente es la respuesta incorrecta
- Delimitación de responsabilidades y estado de los agentes
Sistemas multiagente y orquestación
- Topologías de supervisor y orquestador
- Protocolos de transición (handoff) y contratos de mensajes
- Memoria compartida y gestión de contexto
- Comparación de marcos de trabajo en función de criterios arquitectónicos
Comunicación de servicios y protocolos de herramientas
- Coordinación basada en eventos y colas
- Exposición de herramientas mediante protocolos estándar
- Óperas (sagas), compensación y transacciones de larga duración
- Observabilidad a lo largo de los saltos entre servicios
Agentes de IA en el flujo de trabajo de desarrollo
- Agentes de codificación dentro del pipeline de entrega
- Desarrollo dirigido por especificaciones y puertas de revisión
- Generación de pruebas y controles de calidad automatizados
- Barandillas (guardrails) que preservan el control arquitectónico
Gobernanza y calidad del software
- Revisión de diseño para funciones de IA
- Gestión de cambios de modelos y prompts
- Evaluación de regresión como etapa del pipeline
- Propiedad, políticas y rutas de aprobación
Seguridad, privacidad y gobernanza de datos
- Inyección de prompts y defensa en profundidad
- Secretos, control de acceso y privilegio mínimo
- Residencia de datos, datos personales y retención
- Auditabilidad y controles con intervención humana (human-in-the-loop)
Escalabilidad, costos y observabilidad
- Seguimiento (tracing) a lo largo de las cadenas de agentes
- Telemetría de tokens y costos
- Caché y optimización de latencia
- Niveles de servicio y respuesta a incidentes para servicios de IA
Trabajo final: Arquitectura para una solución impulsada por IA
- Vistas de contexto, componentes 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 en el diseño y mantenimiento de sistemas de software de producción
- Conocimiento práctico de APIs REST e integración de servicios
- Conocimiento de 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 las 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