Curso de Semantic Kernel para Empresas — Adopción de IA

Cómo funcionan los LLMs y APIs disponibles

Diferencias entre OpenAI, Azure OpenAI y modelos locales

Configuración inicial de Semantic Kernel en C#

Creación de un kernel básico y conexión con GPT-4

Ejecución de prompts simples desde .NET

Manejo de contextos y estados en Semantic Kernel

Uso de embeddings y memoria semántica en SK

Manejo de entradas y salidas en pipelines

Buenas prácticas en la gestión de tokens y costes

Ejemplo práctico: chatbot simple con SK en C#

Concepto de prompt y su papel en SK

Prompts estructurados frente a prompts dinámicos

Uso de plantillas en Semantic Kernel

Creación de prompts adaptados a productos IA

Control del estilo de salida en generación

Uso de ejemplos (few-shot prompting) en C#

Prompts encadenados en workflows

Estrategias para debugging de prompts en SK

Creación de librerías de prompts corporativos

Buenas prácticas en mantenibilidad de prompts

Qué son los plugins y cómo extender SK

Tipos de plugins: nativos, semánticos y de conexión

Creación de un plugin nativo en C#

Definición de funciones semánticas en JSON

Registro y carga dinámica de plugins en el Kernel

Plugins para llamadas a APIs externas

Gestión de dependencias entre plugins

Estrategias de versionado de plugins en SK

Ejemplo práctico: plugin para CRM corporativo

Buenas prácticas en modularidad y seguridad

Introducción a RAG y su valor en productos IA

Arquitectura típica de RAG con SK

Uso de embeddings en .NET con SK

Integración con Azure Cognitive Search

Almacenamiento vectorial en bases NoSQL (Cosmos DB, Redis)

Recuperación semántica de documentos corporativos

Pipeline: recuperar + generar con SK

Ejemplo práctico: asistente corporativo con RAG

Estrategias para mejorar precisión y relevancia

Limitaciones y costes asociados a RAG

Diferencia entre memoria semántica y memoria vectorial

Persistencia de estados en sesiones largas

Diseño de agentes con memoria a corto y largo plazo

Uso de colecciones vectoriales persistentes

Integración con bases de datos externas para memoria

Ejemplo práctico: asistente que recuerda interacciones pasadas

Problemas comunes de memoria en LLMs

Estrategias de pruning y limpieza de memoria

Visualización del contexto y debugging en SK

Buenas prácticas para memoria distribuida

Qué es la orquestación multiagente

Casos de uso en productos IA (finanzas, salud, industria)

Patrones de comunicación entre agentes

Jerarquía de agentes: coordinador y especialistas

Diseño de roles y responsabilidades en agentes IA

Ejemplo práctico: equipo de agentes para redacción técnica

Estrategias de delegación y escalabilidad

Uso de workflows para coordinar agentes

Monitorización de interacciones multiagente

Buenas prácticas en diseño de arquitecturas multiagente

Conexión con APIs REST desde agentes SK

Integración con servicios internos de la empresa

Uso de SK para orquestar llamadas a múltiples APIs

Ejemplo práctico: agente que conecta ERP + CRM

Estrategias de autenticación y seguridad en APIs

Uso de Graph API para integrar con Microsoft 365

Comunicación con sistemas de terceros (SAP, Salesforce)

Pipeline de datos entre SK y APIs externas

Control de errores y reintentos en integraciones

Buenas prácticas en mantenibilidad de integraciones

Conexión de SK con flujos de datos en streaming

Integración con Azure Event Hub y Service Bus

Procesamiento de eventos en tiempo real con SK

Uso de agentes para decisiones instantáneas

Ejemplo práctico: agente financiero con datos en streaming

Gestión de estados en flujos continuos

Optimización de latencia en orquestación multiagente

Uso de SK en escenarios IoT industriales

Monitorización de eventos con SK y dashboards

Buenas prácticas en entornos de baja latencia

Por qué es crítico testear agentes IA

Estrategias de validación automática de respuestas

Frameworks de testing en .NET para SK

Diseño de métricas de evaluación: precisión, recall, utilidad

Creación de pruebas unitarias para prompts y plugins

Simulación de usuarios en escenarios multiagente

Uso de datos sintéticos para test de regresión

Automatización de testing en CI/CD

Ejemplo práctico: test de un asistente de soporte técnico

Buenas prácticas en QA de productos IA

Riesgos principales en soluciones con LLMs

Control de datos sensibles en flujos SK

Estrategias de anonimización de datos en .NET

Cumplimiento con GDPR y normativas de IA en Europa

Autenticación y autorización en agentes IA

Auditoría de interacciones y logs seguros

Ejemplo práctico: pipeline seguro en entorno regulado

Gestión de sesgos y fairness en modelos

Buenas prácticas en seguridad de agentes SK

Futuro de la regulación en IA generativa

Patrones de despliegue en Azure para SK

Uso de contenedores con Docker y Kubernetes

Orquestación de múltiples instancias de agentes

Autoescalado de servicios en Azure Kubernetes Service

Integración con Azure DevOps para despliegues CI/CD

Monitorización de rendimiento con Application Insights

Logging avanzado en agentes SK

Ejemplo práctico: despliegue de un asistente multiagente en AKS

Estrategias de resiliencia y fallback en producción

Buenas prácticas de observabilidad en producción

Diferencia entre prompts, embeddings y fine-tuning

Cuándo conviene un modelo fine-tuned en entornos .NET

Herramientas de fine-tuning en Azure OpenAI Service

Ejemplo práctico: modelo ajustado a terminología corporativa

Integración de modelos fine-tuned en Semantic Kernel

Diseño de datasets para entrenamiento incremental

Estrategias de versionado de modelos personalizados

Limitaciones y costes del fine-tuning en la nube

Evaluación comparativa: base vs fine-tuned

Buenas prácticas en personalización de modelos

Arquitectura hexagonal aplicada a SK

Integración de SK en microservicios .NET

Patrones CQRS y Event Sourcing con agentes IA

Diseño de pipelines de orquestación modular

Ejemplo práctico: producto IA para análisis documental

Integración de SK con DDD en proyectos .NET

Uso de buses de eventos en orquestación multiagente

Patrones de resiliencia y tolerancia a fallos

Comparativa arquitectónica con otros frameworks IA

Buenas prácticas en arquitecturas empresariales con SK

Selección del caso práctico (asistente corporativo, copiloto financiero, etc.)

Definición de arquitectura multiagente en .NET

Diseño de plugins y prompts especializados

Implementación de un agente coordinador en C#

Integración con APIs y bases de datos corporativas

Implementación de RAG con Azure Cognitive Search

Orquestación multiagente para tareas complejas

Testing y validación del producto IA

Despliegue en Azure Kubernetes Service

Presentación final del producto IA funcionando en producción