📌 El AI Drop de la semana: ¿por qué los programas que utilizamos se están transformando en un chat?
Hoy es común encontrarse en muchos de nuestros programas con una barra de chat o que el programa entero se convirtió en un chat.
Esto un indicativo claro que las interfaces de lo que hoy usamos están cambiando producto de ese boom en noviembre de 2022 cuando OpenAI permitió que los usuarios interatuaran con un LLM mediante un Chat como Interfaz.
📌 El AI Drop de la semana: ¿dónde se entrenan y “corren” los modelos de AI que utilizamos?
Hace poco Jensen Huang, CEO de NVIDIA, comentada que los Data Centers permiten convertir la energía en inteligencia.
Pero, ¿qué son? Hoy mostramos tres elementos intuitivos que los componen y también describimos su rol de la cadena de suministro en la generación de tokens.
📌 El AI Drop de la semana: ¿Qué tan relevante es la analítica avanzada en un mundo de desarrollo agéntico?
La respuesta corta es que mucho.
Cuando estamos trabajando con un agente de AI que comunica información que debe ser veraz, el concepto de “grounding”, ese anclaje o conexión a tierra es fundamental para confiar en lo que transmite.
📌El AI Drop de esta semana: ¿Cómo entrenan los modelos LLMs que utilizamos todos los días?
Hay tres fases clave que son pre-entrenamiento, post-entrenamiento e inferencia.
Entender esto de forma intuitiva es importante por dos elementos: El primero, desde el punto de vista de tecnología. Los modelos grandes de lenguaje se han vuelto parte de nuestro día. Mucho de lo que usamos realmente con plataformas que nos ayudar a “harnessing” el AI, “aprovechar” los modelos en lo que se ha popularizado como “Chat as Interface”, donde la estructura de preguntas y respuestas nos ayuda a descubrir el mundo. El punto: lo que hay detrás de ese Chat, puede ser tan complejo como queramos verlo, pero mantener un intuición clara de lo que qué es, nos da mayor visibilidad de sus alcances, y por qué no, comprender cuando su comportamiento se sale de nuestra norma.
📌 El AI Drop de la semana: la forma sencilla de estandarizar trabajo con agentes
En el uso e ingeniería de agentes de AI, no todo tiene que ser complejo para que funcione.
Hay muchas tareas repetitivas y basadas en reglas que puede probarse mediante el uso del “Skills”. Personalmente, esto enfoque me encanta porque aplica lo que en The Pragmatic Programmer definen como el principio de Don’t Repeat Yourself (DRY), que dicta que si la información que transmitimos se repite se puede representar mediante una abstracción.
📌El AI Drop de la semana: ¿pierde el AI atención cuando tenemos conversaciones largas?
En algún momento nos ha pasado que después de una larga conversación Claude o ChatGPT, la calidad de las repuestas se van deteriorando.
Esto es un fenómeno común, y uno de los principales factores se explica en este artículo de la Universidad de Cornell. El efecto de “Lost in the midddle”
📌El AI Drop de la semana: ¿puede funcionar el AI en un celular sin internet?
En algunos de los entrenamientos que hemos realizado, casi siempre preguntamos: ¿puede funcionar el AI sin internet? Se ve caras seguras de que sí, otras seguras de que no, y otras con duda.
📌 El AI Drop de esta semana: ¿cómo mantenerse informado sobre inteligencia artificial?
Creo que es fundamental buscar esos insumos que hablen desde nuestra punto de vista, sea técnico o funcional, e incluso una mezcla de ambas.
En el AI Drop comento mi recomendación para cada público.
📌El AI Drop de esta semana: 5 niveles de autonomía en agentes de AI.
Uno de los errores más comunes con agentes de inteligencia artificial es darles siempre el mismo nivel de control. No es el mismo café con leche para cada situación.
Un paper de la Universidad de Washington propone un framework de 5 niveles de autonomía (del operador al observador) que nos ayuda a entender algo clave: el nivel de autonomía que le damos a un agente condiciona directamente el éxito de la tarea.
📌 El AI Drop de la semana: La IA se inspira en nosotros
Un modelo de redes neuronales puede predecir dónde va a mirar una persona cuando ve una imagen. ¿Cómo? Imitando cómo funcionan nuestros ojos: combinando visión central y periférica.
Es un ejemplo más de algo que sigue siendo cierto pese a todos los avances: muchos de los algoritmos más efectivos en IA están basados en cómo nosotros pensamos.
📌El AI Drop de esta semana: AI en DevOps no es solo sobre codigo.
Esta semana en AI Drops hablamos de la fase de PLANIFICAR y cómo la inteligencia artificial nos puede ayudar a diagramar arquitecturas de forma efectiva.
3 herramientas que recomendadas:
Excalidraw: ideal para bocetos rapidos de ideas. Tiene MCP y se conecta con Claude Code. Mermaid: se renderiza directo en Markdown. Perfecto si tu documentacion ya vive ahi. Draw.io: mi preferida. Consume más tokens pero los resultados son profesionales. Ayer en el Data Science Gathering estuvimos compartiendo justamente sobre esto con gente con mucha experiencia. La conversacion estuvo amena. Pantalla compartida, vimos ejemplos de cómo incorporar AI en todos el ciclo del desarrollo, no solo en código.
📌 El AI Drop de la semana: ¿cómo evaluamos un agente de inteligencia artificial?
Construir un agente es solo el primer paso. Saber si realmente está haciendo bien su trabajo es donde está el valor.
Hay 3 formas de evaluarlo:
Capability: ¿Entiende la instrucción completa? Si le digo “reservame un hotel pet friendly” y reserva uno que no acepta mascotas, falló antes de empezar.
