Volver a los cursos
AI005 Profesional

Bootcamp de Dominio en IA: De Cero a Arquitecto de Agentes

Un bootcamp intensivo de 5 sesiones diseñado para transformar a principiantes en arquitectos de agentes de IA. El plan de estudios cubre el marco 'BRIC' para la ingeniería de prompts, aceleración de contenido para lectura y redacción viral, automatización en el entorno laboral para Excel y PowerPoint, construcción de un 'Segundo Cerebro' usando RAG (Generación Aumentada por Recuperación) y creación de empleados digitales autónomos.

5.0
20.0h
500 estudiantes
5 lessons
0 me gusta
Inteligencia Artificial
Comenzar a aprender

Descripción del curso

📚 Resumen del Contenido

Un bootcamp intensivo de 5 sesiones diseñado para transformar a principiantes en Arquitectos de Agentes de IA. El plan de estudios cubre el marco 'BRIC' para la ingeniería de prompts, aceleración de contenido para lectura y redacción viral, automatización laboral para Excel y PowerPoint, construcción de un 'Segundo Cerebro' mediante tecnología RAG (Generación Aumentada por Recuperación), y creación de empleados digitales autónomos.

Una guía completa para dominar la IA, desde la ingeniería básica de prompts hasta el despliegue de agentes autónomos que automatizan flujos de trabajo complejos en el entorno laboral.

🎯 Objetivos de Aprendizaje

  1. Dominio de la Ingeniería de Prompts: Aplicar el marco BRIC, la Estrategia de Selección de Herramientas y técnicas avanzadas como el Prompting de Poca Ejecución para eliminar salidas genéricas de IA.
  2. Aceleración de Contenido: Dominar la "Alquimia del Contenido" para resumir instantáneamente documentos densos y generar copias virales con tono humano usando la extracción del "ADN Estilístico".
  3. Automatización Laboral: Eliminar las tareas manuales tediosas al usar IA para generar fórmulas complejas de Excel y presentaciones completas de PowerPoint en minutos.
  4. Gestión del Conocimiento: Construir un "Segundo Cerebro" utilizando tecnología RAG para resolver los problemas de alucinaciones y permitir que la IA consulte de forma segura datos privados.
  5. Arquitectura de Agentes: Diseñar, construir y desplegar "Empleados Digitales" autónomos capaces de ejecutar flujos de trabajo multi-etapa e interactuar con la web en tiempo real.

Lecciones

Lesson

This lesson teaches you to optimize AI performance by matching specific tasks to the right model architecture and using the BRIC framework to provide essential structural context. You will also learn how to use few-shot prompting to refine the AI's output style, ensuring your results are both accurate and tailored to your professional needs.

This lesson introduces the Content Alchemy Framework, a methodology for rapidly transforming dense information into strategic intelligence by prioritizing high-speed synthesis and human-centric stylization. Students learn to move beyond passive reading by using the Info Juicer process and recursive prompting to extract actionable insights while maintaining a unique, professional voice.

This lesson explores the shift from manual, syntax-heavy office tasks to intent-based productivity, where AI acts as a translator for complex Excel formulas and automated slide deck creation. By adopting an architectural mindset, you will learn to leverage natural language to direct AI agents, allowing you to focus on high-level business logic and strategic storytelling rather than technical execution.

This lesson introduces Retrieval-Augmented Generation (RAG) as a method to eliminate AI hallucinations by grounding responses in your own curated documents rather than relying on internal training data. You will learn how to transition from prompt engineering to source engineering using tools like NotebookLM to build a reliable, verifiable "Second Brain" for personal and enterprise knowledge management.

This lesson explores the transition from passive chatbots to autonomous agents by integrating planning, memory, and tool-based execution into a recursive workflow. Students will learn how to design multi-step processes that enable AI to interact with real-world data and self-correct through sequential logic.