https://www.linkedin.com/feed/update/urn:li:activity:7495864678271758336/
Después de trabajar con agentes de IA durante estos últimos meses, tengo más claro esto:
- El reto no es conseguir que un LLM escriba más código -
El reto es conseguir que un sistema pueda tomar decisiones, ejecutar trabajo y mejorar sus resultados sin convertir el proceso en una caja negra.
------------------------------------
❌ EL PROBLEMA
Un agente puede:
→ analizar un requerimiento
→ crear un plan
→ escribir código
→ ejecutar tests
→ revisar resultados
→ corregir errores
→ volver a intentarlo
Pero que pueda hacerlo no significa que debamos confiar ciegamente en el resultado.
Un "it works" generado por IA no es una métrica de calidad.
------------------------------------
🧠 LO QUE SIGO APRENDIENDO
La arquitectura alrededor del modelo termina siendo tan importante como el modelo mismo.
En mis workflows incluyo o pienso en varios niveles:
🔹 Context engineering
El agente necesita el contexto correcto, no simplemente "más contexto".
🔹 Guardrails
No todo lo que el agente puede hacer debería estar permitido.
🔹 Human-in-the-loop
Hay decisiones que deben escalarse a una persona cuando el nivel de riesgo o incertidumbre lo requiere.
🔹 LLM-as-a-judge
Los outputs necesitan criterios de evaluación, no solamente una revisión subjetiva.
🔹 Feedback loops
El resultado de una ejecución debe convertirse en información útil para mejorar las siguientes.
🔹 Observability
Necesitamos saber qué decidió el agente, qué herramientas utilizó, dónde falló y por qué; y sobre todo qué métricas se tuvieron en cuenta para futuras iteraciones.
------------------------------------
💡 LA LECCIÓN
Esto me sigue haciendo cambiar una idea que tenía al comenzar:
- AI Engineering no consiste simplemente en aprender a usar LLMs -
Consiste en aplicar ingeniería de sistemas alrededor de ellos.
Arquitectura.
Estado.
Errores.
Evaluación.
Observabilidad.
Gobernanza.
Feedback.
En otras palabras:
👉 El modelo puede generar la respuesta.
👉 La arquitectura determina si podemos confiar en ella.
------------------------------------
🚀 MI ENFOQUE
Por eso cada vez me interesa menos la pregunta:
"¿Qué tan bueno es este modelo?"
Y mucho más:
"¿Qué sistema podemos construir alrededor del modelo para que produzca resultados confiables, medibles y repetibles?" (Por el equipo de ingeniería).
Creo que ahí está una parte importante de la transición de AI-assisted development hacia AI-first engineering.
Y probablemente también una de las habilidades que más vamos a necesitar como ingenieros en los próximos años.
#IA #AIEngineering #AgenticAI #SoftwareArchitecture #ClaudeAI #LLM #Backend #AIEngineering #LATAM #Hermes
Más en: https://www.linkedin.com/feed/update/urn:li:activity:7495864678271758336/
I am a software engineer with 23 years of experience building and operating production backend systems, now specialized in AI systems engineering. I have a strong track record across banking and POS transactional platforms, event-driven microservices on AWS serverless, and hands-on technical leadership as CTO. I currently design production LLM agents, evaluation pipelines and AI-first delivery workflows, combining model orchestration with engineering discipline to keep systems reliable and observable.
Please sign in to leave a comment.
No comments yet. Be the first to comment!
