IA para Devs

Agentes Avanzados con LangGraph

3 - 6 Horas 4 Módulos

Visión General

Tema Principal: IA para Desarrolladores

Carga Horaria: 3 - 6 Horas

Nivel: Avanzado / Ingeniería

Público objetivo: Arquitectos de Software, Ingenieros de IA y Desarrolladores Sénior

SOBRE LA CAPACITACIÓN

El LangGraph permite que la IA deje de ser solo un chat y funcione como una máquina de estados robusta. Esta capacitación enseña a construir aplicaciones que no "se pierden" en medio de la conversación, permitiendo la creación de bucles, condiciones lógicas complejas y una memoria que persiste entre sesiones. Es la herramienta ideal para procesos de misión crítica donde la confiabilidad y la auditoría son obligatorias.

Objetivo

Capacitar al profesional para diseñar e implementar flujos de agentes que pueden fallar, corregir su propio error y intentar nuevamente, garantizando que cada decisión sea rastreable y que acciones sensibles pasen por aprobación humana.

MÓDULOS DE LA CAPACITACIÓN

Máquinas de Estado y Flujos Cíclicos

Aprendizaje sobre la arquitectura de grafos para IA. El alumno aprenderá a crear flujos cíclicos donde el agente puede intentar ejecutar una tarea, identificar un fallo y realizar la autocorrección (*Self-Correction*) de forma autónoma antes de entregar el resultado.

Memoria Persistente y Estado a Largo Plazo

Implementación de persistencia de datos. Diferente de chats comunes, este módulo se enfoca en cómo hacer que el agente recuerde interacciones de días o semanas atrás, manteniendo el contexto histórico de decisiones y preferencias del usuario de forma estructurada.

Human-in-the-loop (Aprobación Humana)

Desarrollo de puntos de control. El alumno aprenderá a configurar "puntos de interrupción" donde el agente interrumpe su ejecución y espera que un humano valide o edite una acción antes de que ella sea completada.

Estudio de Caso: Orquestación Multi-Agente "Ask David"

El desafío consiste en arquitectar un "Maestro" (Supervisor) que delega tareas a agentes especializados: un agente de datos estructurados (Text-to-SQL), un agente de documentos (RAG) y un agente analítico, integrando todo en un único flujo de decisión de alta precisión.

Caso que muestra el uso de LangGraph

La empresa J.P. Morgan, líder global en servicios financieros, desarrolló un sistema de IA robusto.

Ask David es un ejemplo real y avanzado de cómo las grandes empresas están moviendo la IA de simples chatbots a sistemas agénticos.

El nombre DAVID es un acrónimo de: Data (datos), Analytics (análisis), Visualization (visualización), Insights, Decision-making (toma de decisiones).

Fue creado para los banqueros de JP Morgan Private Bank. Imagina a un asesor que debe decidir si recomienda un fondo de inversión a un cliente multimillonario: no puede equivocarse. "Ask David" automatiza la investigación que antes llevaba horas, cruzando datos de hojas de cálculo (estructurados) con informes de investigación y noticias (no estructurados).

Arquitectura hecha con LangGraph

Agente principal:

Agente supervisor (el director): Es el primero en leer la pregunta. No intenta responder solo: analiza la intención del usuario y decide qué agente especializado llamar. Si la pregunta es compleja, crea un plan de ejecución y llama a varios agentes en orden.

Subagentes:

Agente de datos estructurados (Text-to-SQL): Su única función es hablar con bases de datos. Convierte "¿Cuál fue el rendimiento del fondo X en 2024?" en una consulta SQL real, garantizando que el número devuelto sea exacto y provenga de la fuente oficial.
Agente de datos no estructurados (RAG): Se centra en textos. Lee PDF, transcripciones de reuniones y correos. Si preguntas "¿Por qué se cerró este fondo?", busca en el informe de investigación y resume el motivo.
Agente analítico (ReAct): Usa herramientas y API internas para hacer cálculos matemáticos o simulaciones financieras en tiempo real.

Fuente: zenml.io