Aprendizaje aplicado
Prácticas
No se trata solo de leer: construye un artefacto, supera las validaciones y genera evidencia de preparación.
Cliente resiliente para API de IA
Construye un cliente de API LLM listo para producción con salida estructurada, validación, reintentos, timeouts, idempotencia, trazas y pruebas.
Asistente de conocimiento basado en evidencias
Construye un asistente RAG que responda solo con evidencias verificadas, muestre citas y mida la calidad del retrieval.
Agente de operaciones gobernado
Construye un agente de IA gobernado con tools, estado explícito, aprobaciones, límites de coste y tiempo, audit log y una ruta de rollback.
Quality Gate de IA en CI
Construye un regression gate para una función LLM con comprobaciones deterministas, model graders, casos de seguridad y umbrales de release.
Observabilidad de producción para un sistema de IA
Construye monitoring y un flujo de incidentes para una carga de IA con evidencia de latencia, coste, calidad, fallback y rollback.
Flujo de analítica con IA verificada
Construye un flujo de analítica para CSV y SQL con cálculos verificados, procedencia, controles de privacidad y un informe ejecutivo reproducible.
Interfaz de asistente de IA para producción
Construye un frontend de asistente de IA listo para producción con streaming, citas, aprobaciones, cancelación, estados de error y accesibilidad.
Auditoría de requisitos asistida por IA
Audita requisitos con trazabilidad, detección de ambigüedad, análisis de gaps y riesgos, y criterios de aceptación verificados.
Dossier de discovery para una función de IA
Prepara un dossier listo para decidir sobre una función de IA: problema, ajuste de capacidades, UX, métricas, riesgos, economía y plan de experimentación.
Modelo de amenazas y plan de controles de IA
Construye un modelo de amenazas para un sistema de IA con casos de abuso, controles, pruebas de seguridad, riesgo residual y un playbook de incidentes.
Mapa de automatización de procesos con IA
Convierte un proceso as-is en un mapa de automatización basado en evidencia con cuellos de botella, controles, candidatos de IA, alternativas deterministas, checkpoints humanos y criterios de aceptación medibles.
Panel de scoring de casos de uso de IA
Construye un portafolio de casos de uso de IA con scoring basado en evidencia sobre valor, frecuencia, preparación de datos, ajuste de capacidades, potencial de automatización, impacto del fallo, controles y experimentabilidad.
Paquete de evidencia para el business case de IA
Construye un business case de IA listo para decisión donde ROI, riesgo, controles y evidencia de calidad permanezcan separados en lugar de comprimirse en una sola cifra atractiva.
Laboratorio Source-Sink de Prompt Injection
Construye un laboratorio de red team para prompt injection directa e indirecta donde el riesgo se mida por la ruta real desde fuentes controladas por un atacante hasta sinks sensibles y efectos secundarios, no solo por el bypass de instrucciones.
Auditoría de la cadena de suministro de capacidades del agente
Audita Agent Skills, plugins, servidores MCP y catálogos de herramientas como una cadena de suministro de capacidades ejecutable que cubre procedencia, límites de instalación, schemas, autorización, caché, deriva de versiones y revocación.
Ejercicio de contención de incidentes de seguridad de IA
Practica un incidente específico de IA donde un prompt injection o una herramienta comprometida ya afectó un workflow de producción. Construye contención que preserve evidencias, reconciliación, rollback acotado y cierre de regresiones.
Laboratorio de reconciliación de métricas con IA
Valida SQL y métricas generados por IA mediante un contrato semántico, controles deterministas, reconciliación autoritativa y casos de regresión antes de que una cifra llegue a un dashboard o decisión.
Gate de privacidad y linaje para analítica
Construye un pipeline de analítica con IA consciente de privacidad mediante minimización de datos, controles de permisos, linaje, controles de egress, retención y pruebas negativas antes de enviar contexto sensible al modelo.
Dossier de análisis con IA listo para decisión
Convierte el análisis asistido por IA en un artefacto de decisión con métricas verificadas, evidence ledger, análisis de incertidumbre y sensibilidad, contraanálisis, reproducibilidad y controles de refresh/cambio.
Laboratorio de envolvente de release para serving de IA
Construye un contrato de release gobernado para un runtime de IA: fingerprint exacto de modelo/configuración, checks de readiness, reintentos acotados, canary, rollback y verificación del runtime en vez de asumir que un CI verde ya representa la verdad de producción.
Laboratorio de capacidad, coste y caos de IA
Prueba una carga de IA bajo estrés: concurrencia, presupuestos de tokens/tools, colas, backpressure, 429/5xx/timeouts, load shedding, modo degradado y coste por tarea verificada con éxito.
Simulacro de recuperación y reconciliación de incidentes de IA
Ejecuta un simulacro de producción para caídas del proveedor, regresiones del modelo y efectos secundarios inciertos: contención, preservación de evidencia, recuperación reconcile-first, rollback a estado conocido, failback y conversión del incidente en regresión.
Laboratorio de observabilidad, SLO y evidencia de runtime de IA
Construye un contrato de observabilidad para una carga de IA: trazas end-to-end, SLI/SLO segmentados por riesgo, señales de calidad y coste, telemetría consciente de privacidad, postcondiciones autoritativas y evidencia de runtime que diferencie el estado real de producción de un dashboard atractivo.
Laboratorio de calibración y fiabilidad de AI graders
Construye un workflow de evaluación en el que un grader basado en modelos se calibre contra evidencia revisada por humanos, con política de desacuerdo, risk slices y un release gate ligado a versión.
Laboratorio de test oracles para side effects de agentes
Prueba un workflow de agente por su trayectoria, permisos, tool calls, side effects y estado autoritativo del system of record, no solo por el texto final.
Laboratorio de forense de incidentes de IA → regresiones
Convierte un incidente de producción en un testcase reproducible y minimizado, un slice de root cause, una regresión permanente y un release/rollback gate verificado.