Temario del curso
Bloque 1 — Fundamentos compartidos (Días 1–2)
Día 1 — Mañana: El factor humano en la adopción de IA
• Calibración de confianza / dependencia: cuándo usar IA y cuándo dejar de hacerlo.
• Estructura de acuerdo del equipo (disparador / acción / evidencia / responsable).
• Rol del Curador de Prompts: validación, decisión, firma. Plan de respuesta a incidentes de IA.
Día 1 — Tarde: Restricciones, riesgos y cumplimiento
• Capacidades reales de LLM — vectores de riesgo de prompts: inyección, fugas de datos, alucinaciones.
• Marco legal: RGPD, Ley de IA de la UE — estándares sectoriales (DICOM, HL7, HIPAA).
• Ejercicio práctico: traducir un estándar del dominio a una barrera de prompt.
Día 2 — Mañana: Arquitectura técnica de prompts
• Arquitectura de agentes: memoria, contexto, objetivos — desde la perspectiva del diseño de prompts.
• Integración API y fuentes de datos de dominio, encadenamiento multi-agente y de prompts.
Día 2 — Tarde: Anatomía empresarial de prompts
• Las 6 capas: Rol / Contexto / Restricciones / Estándares del Dominio / Formato / Ejemplos.
• Jerarquía de prompts: Sistema (organizacional) — Dominio (equipos) — Tarea (individual).
• Demo: descomponer un prompt ingenuo, reconstruirlo. Instrucciones para los días 3–5.
Bloque 2 — Talleres de coconstrucción (Días 3–4–5)
Día 3 — Descubrimiento y auditoría de estándares
- Tallares paralelos por equipos: Arquitectos, Desarrolladores específicos del dominio, Back-End, QA.
- Mapa de estándares empresariales y restricciones — identificando conflictos interequipos.
- Entregable del Día 3: Mapa de Estándares + matriz de prioridad impacto/esfuerzo.
Día 4 — Diseño de convenciones y construcción de plantillas
- Convenciones de nombres, versionado, sistema de etiquetas (equipo, dominio, herramienta objetivo).
- Construcción de primeras plantillas validadas: TypeScript DICOM, revisión de código, pruebas QA, documentación API.
- Entregable del Día 4: 4+ plantillas operativas + guía de convenciones.
Día 5 — Montaje de la biblioteca, gobernanza y entrega oficial
- Organización de la biblioteca, integración con GitHub Copilot / Cursor / API interna de LLM.
- Rol del Curador de Prompts, métricas de calidad, rituales del equipo, plan de implementación a 30 días.
- Entregable final del Día 5: Biblioteca Documentada v1.0 + Carta de Gobernanza + Plan a 30 Días.
Requerimientos
- Haber completado al menos un curso de formación sobre IA (introductorio o avanzado).
- Perfiles técnicos: experiencia en desarrollo con el stack tecnológico de la empresa.
- Perfiles directivos: conocimiento básico de herramientas de IA (ChatGPT, Copilot, etc.).
- Compromiso de la empresa: participación activa de los líderes del equipo en los días 3–5.
- Documentación previa: documentación de estándares existentes (README, guías de codificación).
Público objetivo
- Arquitectos de software
- Desarrolladores (específicos del dominio, back-end, front-end)
- Ingenieros de QA / Técnicos de código
- Líderes de equipo y mandos medios
- Responsables de TI, tomadores de decisiones y líderes de proyectos de IA
Reseñas (2)
La práctica estuvo muy interactiva y aplicable al negocio.
Jorge Boscan - Chevron Global Technology Services Company
Curso - Advanced GitHub Copilot & AI for Projects and Infrastructure
Adquirí conocimientos sobre la biblioteca Streamlit de Python y, con seguridad, intentaré utilizarla para mejorar las aplicaciones de mi equipo que se desarrollan en R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Curso - GitHub Copilot for Developers
Traducción Automática