INTELIGENCIA ARTIFICIAL

Esta presentación tiene como objetivo desmitificar la inteligencia artificial, explicando sus principios básicos, su funcionamiento y cómo puede ser una excelente herramienta si sabemos usarla.

CIENCIA DE DATOS Y GESTIÓN EMPRESARIAL

DANTE BENNER

DANTE.BENNER@GMAIL.COM · WWW.SOLVITU.COM

Modelado predictivo y análisis analítico con Python.
Optimización mediante flujos ETL y gestión de bases de datos.
Desarrollo web y software.

Especializado en Inteligencia de Negocio
Certificado en Ciberseguridad
Fundamentos de IA

Especialista en Compras Públicas (Acreditación Avanzada) y logística de abastecimiento.
Modelos de control basados en metodologías ágiles y mitigación de errores de datos.

¿QUÉ VEREMOS HOY?

QUÉ ES LA IA

¿Cómo funciona por dentro?

ESTADO ACTUAL: IA GENERATIVA

Tokens, LLM, probabilidades y alucinaciones

USABILIDAD Y AGENTES

Prompts, Skills, Agentes autónomos y ecosistema actual

REGLAS DE LA CLASE

REGLA N°1: PREGUNTA ANTE CUALQUIER DUDA

No existen las preguntas tontas: si la tienes tú, la tienen otros 5

INTERRUMPE CUANDO QUIERAS

Levanta la mano o habla directamente, no esperes al final

PARTICIPA Y COMPARTE

Tu experiencia y tus ejemplos hacen mejor el taller para todos

QUÉ ES LA
INTELIGENCIA
ARTIFICIAL Y
POR QUÉ NOS
INTERESA

En este taller, exploraremos el impacto de la inteligencia artificial en todo ámbito y sus implicaciones para nosotros.

¿Qué es (y qué no es) la Inteligencia Artificial?

La IA es una rama de la informática que ‘enseña’ a las máquinas a realizar tareas que normalmente requieren inteligencia humana, como comprender texto, responder preguntas o generar ideas originales.

La IA es como un asistente digital muy aplicado: recuerda mucha información, lee rápidamente y responde lógicamente, pero no entiende de la misma manera que un ser humano.

LA IA YA ESTABA EN TU VIDA
PROBABLEMENTE SIN QUE LO NOTES

Filtro de spam

Correo electrónico

Sugerencias de búsqueda

Google, Bing

Recomendaciones

Spotify, Netflix, YouTube

Traducción automática

DeepL, Google Translate

Reconocimiento de Voz

Siri o Alexa

Corrector de estilo

Word, autocorrectores

MÁS QUE SOLO INTELIGENCIA ARTIFICIAL

De la disciplina fundacional a las aplicaciones cotidianas: pasa el cursor o haz clic en cualquier nivel para explorar

1 Inteligencia Artificial (IA) Disciplina General

2 Aprendizaje Automático (AA / Machine Learning) Subcampo

3 Aprendizaje Profundo (Deep Learning) Redes Neuronales

4 IA Generativa (GenAI) Creación

5 Grandes Modelos de Lenguaje (LLMs) Transformers

6 Aplicaciones & Modelos de Usuario Capa Final

ChatGPT Claude Gemini Grok Copilot

DISCIPLINA GENERAL

Inteligencia Artificial (IA)

Es el campo general de las ciencias de la computación dedicado a crear sistemas capaces de realizar tareas que tradicionalmente requieren inteligencia humana.

Ejemplos clave: Sistemas expertos, visión artificial, robótica, motores de ajedrez, algoritmos de búsqueda.

Breve historia de la
inteligencia artificial

1950 - 1956

Este momento marca el inicio filosófico y científico de la disciplina, pasando de la fantasía a la academia

1980 >

Aquí ocurre el primer gran cambio de paradigma: pasar de "darle órdenes" a la máquina a "dejar que aprenda"

2012 >

El momento en que el aprendizaje profundo superó con claridad a los métodos tradicionales de percepción visual gracias a la potencia de cómputo

2017 >

El nacimiento de la era actual, donde la IA aprende a crear y se vuelve accesible para cualquier ciudadano

El matemático británico Alan Turing publica su artículo Computing Machinery and Intelligence, donde plantea la famosa pregunta "¿Pueden pensar las máquinas?" e introduce el "Test de Turing" como una forma de evaluar la inteligencia de un sistema según su capacidad de comunicarse de manera indistinguible a la de un humano.

Poco después, en 1956, se celebra la Conferencia de Dartmouth, un encuentro académico organizado por John McCarthy y Marvin Minsky donde se acuña por primera vez de forma oficial el término "Inteligencia Artificial" y se define como un campo de estudio formal

Durante las primeras décadas, la IA se basaba en sistemas programados algorítmicamente, donde los humanos introducían miles de reglas lógicas manuales (si pasa A, haz B). Esto limitaba mucho a los sistemas.

En los años 80, la popularización de algoritmos como la retropropagación para redes neuronales permitió que el Machine Learning tomara fuerza

En lugar de programar las reglas una a una, se empezó a alimentar a las computadoras con datos para que ellas mismas descubrieran los patrones y las reglas matemáticas de forma autónoma.

En la competencia de visión por computadora ImageNet de 2012, una arquitectura de red neuronal profunda llamada AlexNet aplasta a todos los algoritmos tradicionales en la clasificación y reconocimiento de imágenes.

A partir de aquí, la IA comenzó a igualar y superar a las personas en tareas específicas: reconocer rostros, traducir voz y jugar videojuegos complejos (como AlphaGo en 2016).

ANATOMÍA DE UNA RED NEURONAL ARTIFICIAL

Cómo las capas de neuronas interconectadas transmiten señales, multiplican pesos y extraen patrones

1. ENTRADA

Variables y Datos (x)

Píxeles, audio, números o tokens entran a la red como el conjunto de datos inicial.

2. SINAPSIS

Pesos y Conexiones (w)

Cada conexión multiplica la señal por un peso numérico. Aquí reside la memoria aprendida.

3. CAPAS OCULTAS

Activación No Lineal (f)

Cada neurona suma sus señales y aplica una función de activación para extraer patrones complejos.

4. SALIDA

Predicción Final (y)

Calcula la distribución de probabilidad (Softmax) o valor final estimado para la tarea.

En 2017, científicos de Google publican el histórico artículo "Attention Is All You Need", introduciendo la arquitectura Transformer.

Esta innovación matemática permitió a los modelos procesar el lenguaje capturando el contexto de las palabras de manera masiva y en paralelo.

Esto sirvió de base directa para crear los Grandes Modelos de Lenguaje (LLMs).

El ciclo se consolidó de forma masiva en noviembre de 2022 con el lanzamiento de ChatGPT, que transformó una tecnología de laboratorio en una interfaz web de lenguaje natural intuitiva y gratuita, iniciando la actual era de la IA Generativa que impacta hoy el trabajo, la educación y la sociedad.

¡ATENCIÓN!

No, no esa atención 🐶

Me senté en el

banco

El mecanismo de atención pondera qué otras palabras importan para interpretar cada token

"Fui al banco a retirar dinero"

sentido financiero

EL CONTEXTO
CAMBIA EL
SIGNIFICADO

"Me senté en el banco del parque"

banco de plaza

GRANDES MODELOS DE LENGUAJE (LLM)

Los Grandes Modelos de Lenguaje (LLM) son la columna vertebral de muchas aplicaciones de IA avanzadas que interactúan con el lenguaje.

Los LLM son redes neuronales masivas, entrenadas con cantidades inmensas de texto que aprenden a predecir la siguiente palabra en una secuencia.

Pueden procesar, generar, traducir y resumir lenguaje humano (sin comprenderlo como una persona). Esto les permite conversar, crear contenido y resolver problemas lingüísticos con gran fluidez.

Escala de tokens: Blog, Novela, Enciclopedia

PRUEBA INTERACTIVA DE TOKENIZACIÓN:

Total estimado: 0 tokens

TOKENS

🔍

Un token es la unidad fundamental de texto que un modelo de IA procesa. Puede ser una palabra, una parte de una palabra (subpalabra), un número, o un signo de puntuación. Son los ladrillos de construcción del lenguaje que la IA manipula.

Los Grandes Modelos de Lenguaje operan a nivel de tokens. Cuando ingresas texto, este se tokeniza en una secuencia.

El LLM entonces procesa esta secuencia para comprender el contexto y predecir el siguiente token más probable en su respuesta, construyendo así frases.

¿CÓMO PREDICE PALABRAS LA IA?

Un LLM no "piensa" de forma humana: es un sistema matemático que calcula cuál es la palabra más probable para continuar una frase basándose en patrones que aprendió durante su entrenamiento.

1. ENTRADA (Texto)

"El sol brilla en el"

2. TOKENIZADOR

[412, 1890, 3215, 87, 2041]

3. RED NEURONAL

🔬 Click para explorar red neuronal

4. PUNTUACIÓN DE OPCIONES

[cielo: 8.9, mar: 8.3, …]

5. CÁLCULO DE %

Σ = 100%

PROBABILIDAD DE LA SIGUIENTE PALABRA

"cielo"42.0%

"mar"24.0%

"horizonte"15.0%

"día"11.0%

"campo"8.0%

Aquí el modelo elige el token más probable (en la práctica puede muestrear según su probabilidad, por eso las respuestas varían): "cielo" → "El sol brilla en el cielo…"

PREDICCIÓN PROBABILÍSTICA EN TIEMPO REAL

El modelo pondera el contexto previo para estimar qué palabra tiene más sentido gramatical y temático

Hoy → quiero → tomar → un → café → con → mis →?

El LLM evalúa la probabilidad de cada palabra posible para continuar la oración (se muestran las 5 principales; el resto se reparte entre miles de opciones):

amigos (entorno social común) 48% █████████

colegas (entorno laboral) 21% ████

compañeros de trabajo (entorno laboral) 12% ██

padres (familia) 7% █

gatos (inusual pero posible) 4% ▌

ALMACÉN Y ESPACIO VECTORIAL 3D

Las palabras y conceptos se convierten en coordenadas numéricas (vectores o embeddings). La distancia física en el espacio representa su cercanía de significado.

ESPACIO VECTORIAL 3D · (Arrastra con el ratón o el dedo para rotar la perspectiva en 3D)

Animales (gato, gatito, perro) Personas (hombre, mujer) Realeza (rey, reina) Estructuras (casas, edificio)

IDEA CLAVE: Los LLM ubican conceptos similares muy cerca entre sí en el espacio matemático: Rey - Hombre + Mujer = Reina.

FLUJO DE UN RAG (Retrieval-Augmented Generation)

Flujo de un RAG: Indexación y Consulta con Base Vectorial

CONTEXT WINDOW DE UN LLM

El context window (ventana de contexto) es la cantidad máxima de tokens que el modelo puede considerar en una sola interacción.

FUERA DE LA VENTANA

VENTANA DE CONTEXTO · máx N tokens

FUERA DE LA VENTANA

Entrada del usuario
Contexto incluido
Respuesta generada
Fuera de ventana (se descarta)

Esquema de Context Window: Entrada, Contexto, Respuesta generada

ChatGPT UI simulando ventana de contexto deslizante

ALUCINACIONES Y MENTIRAS

🧠

¿Qué es una alucinación?

Es el fenómeno técnico donde la IA genera información completamente falsa, inexistente o incorrecta, pero la presenta con un tono de absoluta certeza, seguridad y autoridad.

⚙️

¿Por qué ocurre?

Cuando la IA se enfrenta a una pregunta sobre un tema muy específico y no tiene el dato en su entrenamiento, su algoritmo probabilístico no siempre responde "No sé". En su lugar, calcula cuáles son las palabras más probables que rellenarían ese espacio de forma coherente.

⚠️

El peligro de lo "creíble pero falso"

Si se le pide un resumen de un medicamento, una jurisprudencia legal o un indicador financiero, el sistema puede inventar dosis, leyes o cifras exactas. Como la estructura sintáctica es impecable, el ojo humano tiende a creerlo de inmediato.

LA INTELIGENCIA ARTIFICIAL
INVENTA

La IA no sabe qué es real: Un error común es tratar a los Grandes Modelos de Lenguaje (LLMs) como si fueran motores de búsqueda tradicionales o bases de datos académicas. Google o un archivo institucional buscan documentos reales y te los muestran. Por sí sola, la IA no busca; construye el texto palabra por palabra en tiempo real. Algunas herramientas sí consultan la web, pero el texto final lo sigue generando el modelo y puede contener errores.

El objetivo es la plausibilidad, no la veracidad: El criterio de éxito de una IA es que el texto resultante sea coherente, fluido y gramaticalmente perfecto según los patrones que aprendió. El modelo está optimizado para sonar convincente, no para decir la verdad.

CHAT SIMULADO · SIN ACCESO A INTERNET

no busques en internet, quien es el presidente actual de chile

IA

LA IA
INVENTA

Y ALUCINA

Robot alucinando con unicornio en sillón

DILEMAS
ÉTICOS

No solo puede inventar datos, sino que ser racista, machista, xenófoba y reproducir otras formas de discriminación.

Un error común es pensar que la IA tiene una inteligencia propia que genera ideas independientes. Los LLM son alimentados con millones de datos extraídos de Internet: libros digitalizados, artículos de prensa, Wikipedia, foros de discusión, redes sociales y repositorios académicos.

El contenido es 100% humano: Todo lo que la IA sabe sobre el mundo, la forma en que estructura una frase y los argumentos que utiliza, provienen directamente de textos escritos por seres humanos a lo largo de las últimas décadas.

Si la humanidad tiene sesgos, la IA también.

Gráfico Semrush: Where do LLMs find answers?

NO
TODO
NECESITA

Inteligencia
Artificial

NIVEL DE RAZONAMIENTO

Los modelos actuales permiten elegir cuánto "piensan" antes de responder: más esfuerzo mejora las tareas difíciles, pero cuesta más tiempo y más tokens

LOW

Respuesta rápida

Tareas simples y repetitivas: clasificar, reformular, extraer datos o responder preguntas directas.

VELOCIDAD ▮▮▮▮ COSTO ▮▯▯▯

MEDIUM

Equilibrio

Uso cotidiano: redactar, resumir, ordenar ideas, analizar documentos de complejidad media.

VELOCIDAD ▮▮▮▯ COSTO ▮▮▯▯

HIGH

Análisis profundo

Problemas que exigen varios pasos: código, revisión de contratos, cruces de datos, planificación.

VELOCIDAD ▮▮▯▯ COSTO ▮▮▮▯

XHIGH

Máximo esfuerzo

Problemas muy difíciles o críticos, donde conviene que el modelo piense largo y se revise a sí mismo.

VELOCIDAD ▮▯▯▯ COSTO ▮▮▮▮

CLAVE: no uses el nivel máximo para todo. Empieza en medium y sube solo si el resultado no alcanza. Los nombres pueden variar según el proveedor (algunos agregan un nivel "max").

GOOGLE
GEMINI

3.1 Pro
3.8 Flash
Argon 4

OPENAI
CHATGPT

GPT-6 Luna
GPT-6 Astra
GPT-6.1 Sol

ANTHROPIC
CLAUDE

Claude Sonnet 5.5
Claude Opus 5.5
Claude Fable 5.1

XAI
GROK

Grok 4.7

META / OPEN
MUSE / DEEPSEEK

Muse Spark Open (Meta)
Muse Wonder (Meta)
DeepSeek V4.1 Flash

¿Inteligencia, velocidad o coste?

Evaluación empírica independiente: Inteligencia, Velocidad y Costo por Tarea (2026)

Intelligence

Updated

Artificial Analysis Intelligence Index · Más alto es mejor

Anthropic Claude Opus 5.5 58

Anthropic Claude Fable 5.1 53

OpenAI GPT-6 Astra 53

Google Gemini 4 Argon 53

Meta Muse Wonder 52

OpenAI GPT-6.1 Sol 52

xAI Grok 4.7 46

Xiaomi MiMo-V2.6-Pro 46

Zhipu GLM-5.3 45

DeepSeek DeepSeek V4.1 Flash 39

Speed

Output tokens por segundo · Más alto es mejor

DeepSeek DeepSeek V4.1 Flash 227 tok/s

Meta Muse Wonder 176 tok/s

Anthropic Claude Opus 5.5 97 tok/s

xAI Grok 4.7 97 tok/s

Zhipu GLM-5.3 93 tok/s

Anthropic Claude Fable 5.1 71 tok/s

OpenAI GPT-6 Astra 65 tok/s

OpenAI GPT-6.1 Sol 64 tok/s

Xiaomi MiMo-V2.6-Pro 48 tok/s

Cost per Task

Costo promedio USD por tarea · Menor es mejor

Xiaomi MiMo-V2.6-Pro $0.13

DeepSeek DeepSeek V4.1 Flash $0.49

OpenAI GPT-6.1 Sol $0.72

Google Gemini 4 Argon $1.99

Zhipu GLM-5.3 $2.01

OpenAI GPT-6 Astra $3.26

xAI Grok 4.7 $3.74

Meta Muse Wonder $4.52

Anthropic Claude Opus 5.5 $5.98

Anthropic Claude Fable 5.1 $7.63

🧠 MÁXIMA INTELIGENCIA

Claude Opus 5.5 (58 pts), seguido de Fable 5.1, GPT-6 Astra y Gemini 4 Argon (53): Máxima precisión en auditorías críticas, contratos y código.

⚡ MÁXIMA VELOCIDAD

DeepSeek V4.1 Flash (227 tok/s) y Muse Wonder (176 tok/s): Los más veloces del ranking para flujos conversacionales interactivos.

💰 COSTO MÍNIMO

MiMo-V2.6-Pro ($0.13) y DeepSeek V4.1 Flash ($0.49): Costo muy bajo para automatizaciones masivas.

¿QUÉ MODELO DEBO USAR HOY?

Flujo interactivo para elegir la herramienta exacta según razonamiento, volumen y privacidad

1. TIPO DE TRABAJO → 2. REQUISITO CLAVE → 3. MODELO RECOMENDADO

Paso 1: ¿Qué tipo de trabajo necesitas resolver?

ESTRUCTURA DE UN PROMPT EFECTIVO

Los 6 bloques esenciales para obtener respuestas precisas, profesionales y con menos alucinaciones

1

ROL / IDENTIDAD

Define la especialidad, seniority y punto de vista desde el cual debe razonar la IA.

2

TAREA U OBJETIVO

La acción directa y concreta que debe ejecutar, redactada con verbos claros.

3

CONTEXTO Y DATOS

Información del entorno, datos de partida, público objetivo o documentos base.

4

TONO Y ESTILO

Voz de la comunicación: ejecutivo, didáctico, persuasivo, formal o conciso.

5

RESTRICCIONES Y REGLAS

Lo que NO debe hacer: límites de palabras, evitar clichés, no inventar fuentes.

6

FORMATO DE SALIDA

Estructura final requerida: tabla comparativa, lista con viñetas, markdown o JSON.

PROMPT INTEGRADO MAESTRO EJEMPLO PRÁCTICO

1. ROL "Actúa como un Consultor Senior en Transformación Digital y Estrategia de Negocio."

2. TAREA "Elabora una propuesta de adopción de Inteligencia Artificial para el área de compras públicas de una entidad estatal."

3. CONTEXTO "La organización gestiona 5.000 licitaciones anuales bajo la Ley 19.886 y necesita optimizar la revisión de bases y detección de errores."

4. TONO "Utiliza un tono profesional, riguroso, pragmático y orientado al cumplimiento normativo."

5. RESTRICCIONES "No uses jerga técnica innecesaria. No inventes artículos legales ni superes las 300 palabras."

6. FORMATO "Estructura la respuesta en una tabla con 3 columnas: Etapa de Adopción, Acción Clave y Beneficio Medible."

COMPARADOR: PROMPT DÉBIL VS. PROMPT BLINDADO

Misma intención, resultados opuestos: cómo 6 variables transforman una respuesta genérica en valor ejecutivo

CASO REAL:

🔴 PROMPT TÍPICO (DÉBIL) Lo que escribe el 90%

"Hazme un plan para implementar IA en las compras públicas de una institución."

RESPUESTA OBTENIDA DE LA IA:

"La Inteligencia Artificial es una herramienta muy útil hoy en día. Para implementarla en compras públicas deberías: 1. Investigar tecnologías disponibles. 2. Capacitar al personal. 3. Comprar un software adecuado. 4. Evaluar los resultados constantemente. Esto permitirá mayor eficiencia, transparencia y ahorro en los procesos del estado..."

❌ Diagnóstico: Cliché, sin plazos, sin normativa, sin roles ni entregables medibles. No sirve para tomar decisiones operativas.

🟢 PROMPT BLINDADO (SOLVITU) Los 6 Pilares aplicados

Rol: Consultor Senior Tarea: Roadmap a 90 días Contexto: Ley 19.886 / 5.000 licitaciones Tono: Profesional y pragmático Reglas: Sin jerga, max 300 palabras Formato: Tabla de 3 columnas

RESPUESTA OBTENIDA DE LA IA:

Fase (Días)	Acción Clave	Beneficio Medible
1 - 30	Auditoría con LLM de bases históricas	Detección previa del 35% de errores comunes
31 - 60	Piloto de pre-clasificación de oferentes	Reducción de 48h a 4h en revisión documental
61 - 90	Validación ciega con equipo jurídico	Aprobación normativa sin vulnerar Ley 19.886

✅ Diagnóstico: Respuesta estructurada y contextualizada, lista para validar con las jefaturas. Las cifras del ejemplo son ilustrativas: toda cifra generada por una IA debe verificarse.

PLANTILLA MAESTRA Y CLIPBOARD

Copia estas estructuras blindadas listas para rellenar en ChatGPT, Claude, Gemini o Copilot

PLANTILLA 1 · AUDITORÍA DE DOCUMENTOS Y BASES (REDUCE ALUCINACIONES)

Actúa como un Auditor Senior especializado en análisis documental y cumplimiento normativo.

CONTEXTO:
Trabajo en [ÁREA / INSTITUCIÓN] y debemos revisar el documento adjunto correspondiente a [TIPO DE DOCUMENTO / CONTRATO / BASES].

TAREA:
Analiza el texto provisto y detecta inconsistencias, plazos ambiguos, cláusulas riesgosas o vacíos legales.

REGLAS Y RESTRICCIONES CRÍTICAS:
1. Fundamentación obligatoria: Fundamenta cada observación citando textualmente el fragmento del documento.
2. Si un dato no figura en el texto, escribe explícitamente "Información no encontrada en el documento".
3. No inventes artículos de leyes ni jurisprudencia externa.
4. Mantén un tono técnico, conciso y objetivo.

FORMATO DE SALIDA:
Entrega una tabla con las siguientes 4 columnas:
| N° | Cláusula / Sección | Riesgo o Inconsistencia Detectada | Recomendación de Corrección |

DOCUMENTO A REVISAR:
"""
[PEGA AQUÍ EL TEXTO O CONTRATO]
"""

PERSONALIZACIÓN

Define una vez el rol, el tono y las reglas que quieres que la IA siga siempre (instrucciones personalizadas, proyectos o asistentes a medida) y deja de repetirlas en cada conversación.

Configuración de rol, tono, personalidad y módulos

SKILLS

Un LLM puede saber muchísimo de muchísimas cosas. A veces, necesitamos que solo sepa muchísimo de un par de cosas.

¿CÓMO FUNCIONA UN SKILL DE IA?

No reentrenamos el modelo: le damos manuales de procedimiento y herramientas bajo demanda

EL CONCEPTO

LA METÁFORA DEL ESPECIALISTA

Un LLM generalista es como un graduado brillante con memoria enciclopédica: sabe de leyes, medicina, código y finanzas, pero desconoce los procesos específicos de tu empresa o proyecto.

💡 Un Skill es el manual operativo y el instrumental específico que el modelo consulta únicamente cuando debe resolver esa tarea.

COMPARATIVA

PROMPT vs SKILL

Mega-Prompt
Efímero: Satura la ventana de contexto, incrementa costos y se diluye en conversaciones largas.
Skill Modular
Bajo demanda: Se activa solo con tareas específicas, ejecuta herramientas reales y es 100% auditable y editable.

ARQUITECTURA

COMPONENTES DE UN SKILL

01

Activador (Trigger)

Reglas contextuales que indican cuándo cargar la habilidad y cuándo ignorarla.

02

Protocolo Paso a Paso

Instrucciones de flujo de trabajo comprobadas para evitar desvíos y alucinaciones.

03

Herramientas y Scripts

Código ejecutable (Python/JS/APIs) para realizar cálculos o interactuar con el entorno.

04

Criterios de Calidad (Few-Shot)

Ejemplos de entrada y salida esperados para garantizar rigor y consistencia.

DEL CHATBOT PASIVO AL AGENTE AUTÓNOMO

El salto cualitativo: de predecir la siguiente palabra a cumplir objetivos en el mundo real

PARADIGMA ANTERIOR

CHATBOT REACTIVO

1 Prompt del usuario

→

2 Predicción de texto

→

3 Fin (Espera)

Pasivo: Solo responde cuando se le escribe, nunca toma la iniciativa ni propone pasos siguientes.
Limitado: En su forma básica solo genera texto y no actúa sobre archivos o sistemas (algunos chatbots hoy incorporan herramientas, pero siguen esperando la orden del usuario).
Sin verificación: No sabe si su respuesta funciona o alucina; la validación recae 100% en el humano.
Olvidadizo: La memoria se reinicia cuando termina la sesión de chat o se excede el contexto.

NUEVA ERA

AGENTE DE IA RESOLUTIVO

BUCLE ReAct (Reason + Act):

Pensar ➔ Planificar ➔ Actuar (Tool) ➔ Observar ↺

Orientado a metas: Recibe un objetivo complejo ("Audita los contratos y genera un resumen ejecutivo") y elabora el plan autónomamente.
Usa herramientas: Abre terminales, ejecuta pruebas, navega en internet y llama APIs especializadas.
Autocorrección (Loop): Si un script falla con error, lee el log, corrige el código y vuelve a intentarlo hasta tener éxito.
Memoria persistente: Registra decisiones y aprendizajes entre sesiones sin perder el hilo.

LOS 4 PILARES DE UN AGENTE

La arquitectura que convierte a un LLM en un sistema capaz de operar con criterio

01 RAZONAMIENTO

EL CEREBRO (LLM)

El modelo central que evalúa el contexto, toma decisiones lógicas y descompone metas complejas en tareas manejables.

Modelos de Razonamiento (Thinking) Evaluación de Trade-offs Desglose de Tareas (Planning)

02 ESTADO Y RETENCIÓN

LA MEMORIA

Permite mantener el hilo conductor y aprender de experiencias pasadas sin olvidar información crítica.

Corto Plazo: Ventana de contexto Largo Plazo: Documentos recuperados (RAG / bases vectoriales) Episódica: Bitácora de decisiones

03 ACCIÓN EN EL ENTORNO

HERRAMIENTAS (TOOLS)

Las "manos y ojos" del agente. Conectan al modelo con el software, internet y sistemas informáticos reales.

Terminal / Bash / PowerShell Navegador Web automatizado Protocolo MCP & APIs REST

04 ORQUESTACIÓN

BUCLE DE CONTROL

El mecanismo que supervisa el avance, detecta bloqueos y decide si la tarea se completó con éxito.

Ciclo Pensar → Actuar → Observar Autocorrección y recuperación de fallos Delegación a Subagentes

EL AGENTE ORQUESTADOR

Así fluye una consulta: del usuario al modelo, de las herramientas a los subagentes y de vuelta

AGENTE

💭 ¿Qué necesito saber y qué herramienta uso?

ENTRADA 👤 USUARIO Hace la consulta

LLM · CEREBRO Agente Orquestador Razona y decide

MEMORIA 🧠 Memoria Contexto + RAG

HERRAMIENTAS 🧰 Herramientas MCP · APIs · Terminal

SUBAGENTE 🔍 Investigador Web y documentos

SUBAGENTE ⚡ Ejecutor / Dev Código y scripts

SUBAGENTE 🛡️ Revisor / QA Calidad y seguridad

¿Cuál fue el mejor mes de ventas? Respuesta lista ✓

1El usuario hace una consulta al modelo 2El modelo piensa y consulta su memoria 3Decide qué herramientas necesita 4Delega el trabajo en subagentes especializados 5Los subagentes usan las herramientas y devuelven resultados 6El modelo integra todo y responde al usuario

MCP: EL "USB-C" DE LA IA

Model Context Protocol: un estándar abierto para conectar cualquier modelo con cualquier herramienta

CUALQUIER MODELO DE IA CUALQUIER HERRAMIENTA

Claude

ChatGPT

Gemini

DeepSeek

GitHub

PostgreSQL

Google Drive

Slack

PROTOCOLOMCPEstándar abierto

1Sin MCP: un conector a medida por cada pareja modelo + herramienta (4 × 4 = 16) 2Con MCP: todos hablan un mismo estándar (4 + 4 = 8 conexiones) 3Cualquier modelo usa cualquier herramienta, con permisos controlados

LAS APPS DE ESCRITORIO

Los tres grandes llevan a sus agentes fuera del navegador, directo a tus archivos y programas

OPENAI

CHATGPT WORK

App de escritorio de ChatGPT: trabaja con tus archivos y aplicaciones locales.

ANTHROPIC

CLAUDE COWORK

App de escritorio de Claude: delega tareas de oficina sobre tus carpetas y documentos.

GOOGLE

ANTIGRAVITY

App de escritorio de Google para orquestar varios agentes en paralelo.

GEMINI NOTEBOOK

Antes conocido como NotebookLM

DE POWERPOINT A HTML

Con IA, una presentación deja de ser un archivo que se arma diapositiva por diapositiva y pasa a ser una página web que se describe con palabras

EL MÉTODO CLÁSICO

POWERPOINT

Diseño manual, objeto por objeto. Es conocido y visual, pero el contenido queda encerrado en un archivo que hay que abrir, enviar y mantener en versiones.

Ideal para: una presentación estática, sin interacción y que se edita a mano.

EL NUEVO MÉTODO

HTML CREADO CON IA

Le describes a la IA el contenido y el estilo, y te entrega una página web. Se abre en cualquier navegador, se comparte con un enlace y se corrige pidiendo cambios en lenguaje natural.

💡 Esta misma presentación es una página HTML.

QUÉ SE GANA

VENTAJAS DEL HTML

01

Interactividad

Simuladores, demos y gráficos que responden al público en vivo.

02

Compartir con un enlace

Sin enviar archivos pesados ni depender del software del destinatario.

03

Se adapta a la pantalla

El mismo contenido funciona en proyector, notebook o celular.

04

Texto editable y versionable

Los cambios se pueden revisar, comparar y revertir como cualquier código.

ALGUNOS EJEMPLOS DE LO QUE SE PUEDE HACER

Efectos de las plantillas de Solvitu: cada uno es una página HTML que se genera con IA, se edita con palabras y se comparte con un enlace

CIFRAS QUE SE ANIMAN Resultados que cuentan hasta su valor final, ideales para mostrar impacto.

TEXTO QUE SE DESCIFRA Titulares que se decodifican letra por letra para captar la atención.

RANKINGS CON HISTORIA Un ranking que muestra visualmente quién sube y quién baja.

TIPOGRAFÍA CINÉTICA Texto en movimiento con estética de terminal para ideas tecnológicas.

Demos animadas reales, con datos ilustrativos. Haz clic en cualquiera para abrirla completa.

¿CÓMO SE HACE UNA PRESENTACIÓN EN HTML?

Un flujo de trabajo simple, guiado por ti y ejecutado por la IA (esto lo veremos en la práctica)

PASO 1

DEFINE EL CONTENIDO

Escribe el objetivo, el público y las ideas clave de cada diapositiva. La IA ordena, pero el mensaje es tuyo.

PASO 2

PIDE LA PÁGINA

Describe estilo, colores y estructura, y pide a la IA que genere el HTML con una sección por diapositiva.

PASO 3

AJUSTA Y VERIFICA

Abre el resultado en el navegador, pide correcciones y revisa cada dato: la IA puede inventar cifras o textos.

GOOGLE AI STUDIO

CANALES DE DIVULGACIÓN RECOMENDADOS