1. Concepto y definición de agentes de IA generativa
  2. Evolución histórica: de los sistemas expertos a los agentes autónomos
  3. Diferencias entre modelos generativos y agentes inteligentes
  4. Componentes fundamentales de un agente de IA
  5. Casos de uso actuales y tendencias futuras

  1. Modelos de lenguaje de gran escala (LLM)
  2. Modelos generativos: texto, imagen, audio y multimodalidad
  3. Entrenamiento, fine-tuning y alineación de modelos
  4. Prompting y control de la generación
  5. Limitaciones técnicas y riesgos inherentes

  1. Estructura interna de un agente (percepción, razonamiento y acción)
  2. Memoria a corto y largo plazo en agentes
  3. Planificación y toma de decisiones
  4. Herramientas (tools) y uso de APIs externas
  5. Orquestación de flujos y ciclos de ejecución

  1. Definición de objetivos y roles del agente
  2. Diseño de prompts y sistemas de instrucciones
  3. Integración de agentes con entornos digitales
  4. Gestión del estado y la persistencia
  5. Pruebas, validación y mejora iterativa

  1. Concepto de autonomía en agentes de IA
  2. Sistemas multiagente y cooperación
  3. Comunicación entre agentes
  4. Resolución de conflictos y coordinación
  5. Ejemplos de frameworks y plataformas multiagente

  1. Agentes conversacionales y asistentes virtuales
  2. Agentes para automatización de procesos
  3. Agentes creativos (contenido, diseño, programación)
  4. Agentes para análisis de datos y toma de decisiones
  5. Casos de estudio en diferentes sectores

  1. Riesgos éticos y sociales de los agentes autónomos
  2. Sesgos, alucinaciones y control del comportamiento
  3. Privacidad y protección de datos
  4. Seguridad, alineación y supervisión humana
  5. Marcos regulatorios y buenas prácticas

  1. Agentes generalistas vs. agentes especializados
  2. Integración con robótica y entornos físicos
  3. Impacto en el trabajo y la educación
  4. Investigación actual y líneas emergentes
  5. Retos tecnológicos y sociales a largo plazo