Más allá del LLM: Cómo crear agentes inteligentes

Descripción

En esta charla, se explorará cómo crear agentes inteligentes que no solo responden, sino que también toman decisiones. Comenzando con una introducción teórica sobre arquitecturas cognitivas, destacando su potencial para construir workflows complejos y adaptativos. Después, pasaremos a la acción con una demo práctica usando LangGraph como framework para implementar estos agentes, desde los casos más básicos hasta aplicaciones avanzadas. Este enfoque te permitirá ver cómo estructurar tus aplicaciones para dotarlas de autonomía y capacidad de adaptación. ¡Ideal para quienes buscan llevar sus aplicaciones al siguiente nivel!

Objetivos

Entender el concepto de agentes inteligentes Diferenciar entre agentes reactivos y agentes con capacidad de tomar decisiones autónomas. Introducir las arquitecturas cognitivas Mostrar cómo sirven como base para crear workflows adaptativos y complejos. Familiarizarse con LangGraph Presentar el framework, sus características y su potencial para estructurar agentes inteligentes. Aprender mediante la práctica Guiar a los asistentes desde la creación de agentes básicos hasta aplicaciones avanzadas, usando ejemplos claros. Inspirar aplicaciones reales Mostrar casos de uso y cómo implementar agentes inteligentes en distintos sectores. Fomentar la reflexión sobre el futuro Discutir retos éticos, tendencias tecnológicas y el impacto de los agentes inteligentes. Empoderar a los asistentes Proveer herramientas y conocimientos para que desarrollen sus propias aplicaciones autónomas.

Contenidos

Introducción a los agentes inteligentes Definición: ¿Qué son y qué significa dotarlos de inteligencia y autonomía? Diferencia entre agentes reactivos y agentes cognitivos/decisivos. Arquitecturas cognitivas: la base del diseño Breve repaso teórico: ¿Qué son las arquitecturas cognitivas? Ejemplos comunes: SOAR, ACT-R, y cómo inspiran frameworks modernos. Potencial para workflows complejos: manejo de decisiones, memoria y aprendizaje. Beneficios: adaptabilidad, escalabilidad y personalización. Introducción a LangGraph ¿Qué es LangGraph? Características clave: Estructuración de procesos complejos. Manejo de flujos de datos y decisiones. Comparativa con otros frameworks similares. Demo práctica: de lo básico a lo avanzado Nivel básico: Configurar un agente sencillo: flujo de trabajo reactivo. Ejemplo práctico: consulta de datos simple. Nivel intermedio: Introducción de lógica adaptativa: decisiones basadas en contexto. Ejemplo práctico: agente que recomienda productos o rutas. Nivel avanzado: Integración con APIs externas y memoria persistente. Ejemplo práctico: agente autónomo que gestiona tareas en tiempo real. Aplicaciones reales y casos de uso Sectores donde los agentes inteligentes están marcando la diferencia (negocios, salud, educación, etc.). Cómo aplicar lo aprendido para proyectos personales o empresariales. Conclusión y visión a futuro Retos actuales: ética, escalabilidad, y uso responsable. Tendencias: hacia dónde se dirigen los agentes inteligentes. Sesión de preguntas y respuestas Abierta para discutir dudas y casos concretos de la audiencia.