De elegir el modelo a operar agentes en sistemas reales.
El camino que recorro yo, desde la trinchera: cómo llevar IA a producción sin humo — elegir modelos, RAG que aguanta, agentes con estado y memoria, arquitectura a escala y seguridad. Cada módulo es un paso; los posts se leen en orden, pero podés saltar al que necesites.
Qué habilidades importan hoy y cómo elegir el modelo correcto.
Descubrí las habilidades clave que todo ingeniero de IA necesitará dominar para el 2026, desde la orquestación de agentes hasta el liderazgo ético y la arquitectura de soluciones a escala.
Exploramos la disyuntiva entre LLMs especializados y generalistas en producción, analizando costos, rendimiento, latencia y estrategias de implementación para CTOs.
Recuperación que aguanta producción, no la demo.
Guía técnica para CTOs sobre cómo implementar RAG en producción. Explora chunking, bases vectoriales, re-ranking, control de alucinaciones y pipeline de indexación con ejemplos y tradeoffs.
Arquitectura, frameworks, memoria y los riesgos de la autonomía.
Analizamos las arquitecturas de loop y graph para agentes de IA, comparando sus mecanismos, ventajas y desafíos para construir sistemas robustos y confiables en entornos productivos complejos.
Comparación técnica y arquitectónica entre LangGraph y Vercel AI SDK: persistencia con máquinas de estado vs. streaming reactivo en el Edge.
Cómo darle memoria persistente entre sesiones a un agente LangGraph usando DynamoDB en vez de Postgres, con la librería que publiqué.
Descubre cómo implementar un sandbox operativo para agentes de IA en producción, garantizando control, seguridad y optimización de costos sin sacrificar la autonomía.
Análisis técnico de los riesgos de seguridad y control en la implementación de agentes autónomos de IA. Ejemplos concretos, mecanismos de fallo y estrategias de mitigación para CTOs.
Decisiones de diseño e inferencia cuando el volumen aprieta.
Análisis pragmático de GPT-6 Astra: por qué el test-time compute scaling no es AGI y cómo integrarlo en producción sin destruir latencia ni costos.
Los riesgos que trae la IA generativa al código.
Descubrí cómo el código generado por LLMs introduce riesgos de seguridad significativos y qué deben hacer los líderes de ingeniería para mitigarlos. Basado en el Veracode 2026 GenAI Code Security Report.