Temario del curso
El ecosistema de personalización en cuatro niveles
Nivel 1 | Sabe – Reglas y AGENTS.md
Temas cubiertos:
• Definición de convenciones del proyecto y estándares de codificación
• Documentación de la arquitectura y restricciones técnicas
• Creación de directrices para el proyecto independientes de las herramientas
• Mantenimiento de la coherencia entre equipos de desarrollo y herramientas de IA
Nivel 2 | Puede – Habilidades
Temas cubiertos:
• Creación de unidades reutilizables de conocimiento especializado
• Carga de información contextual solo cuando es necesario
• Reducción del tamaño del contexto mientras se mejora el rendimiento de las tareas
• Construcción de bibliotecas de flujos de trabajo y experiencia reutilizables
Nivel 3 | Alcanza – MCP
Temas cubiertos:
• Conexión de herramientas de IA con sistemas y servicios externos
• Acceso a repositorios, bases de datos y fuentes de documentación
• Extensión de las capacidades de los asistentes de codificación con IA
• Implementación de integraciones seguras y controles de gobernanza
Nivel 4 | Actúa – Agentes
Temas cubiertos:
• Comprensión de los agentes de IA autónomos y sus capacidades
• Lectura, escritura, prueba y revisión autónoma de código
• Gestión de flujos de trabajo orientados a objetivos y tareas delegadas
• Establecimiento de mecanismos de supervisión y revisión humana para sistemas agénticos
Día 1 | Delegación y extensión de las herramientas
Módulo 1 | De asistente a agente
Temas cubiertos:
• Comprensión de la diferencia entre asistentes de IA y agentes autónomos
• Finalización de código en línea frente a delegación agéntica
• Cómo los flujos de trabajo agénticos cambian la estructuración de las tareas de desarrollo
• Identificación de tareas adecuadas para la delegación a agentes
• Mejores prácticas para colaborar con sistemas de IA autónomos
Módulo 2 | Delegaciones que funcionan sin supervisión constante y bucles
Temas cubiertos:
• Redacción de instrucciones efectivas para agentes de IA
• Provisión del contexto y los requisitos comerciales suficientes
• Definición de restricciones y límites para la ejecución
• Establecimiento de criterios claros de aceptación y medidas de éxito
• Minimización de la intervención humana mientras se mantiene la calidad
• Cómo construir bucles
Módulo 3 | Ecosistema de personalización y qué aplica en cada caso
Temas cubiertos:
• Comprensión del ecosistema de personalización en cuatro niveles
• Uso de Reglas y AGENTS.md para definir convenciones del proyecto
• Determinación de los mecanismos de personalización aplicables en diferentes escenarios
• Gestión eficiente del contexto a través de herramientas y proyectos
• Creación de entornos de desarrollo asistidos por IA consistentes
Módulo 4 | Habilidades y subagentes
Temas cubiertos:
• Creación de Habilidades reutilizables para flujos de trabajo y tareas comunes
• Empaquetado de conocimiento especializado para su uso repetido
• Comprensión del rol de los subagentes y contextos aislados
• Delegación de tareas acotadas a agentes especializados
• Mejora de la eficiencia mediante flujos de trabajo modulares de IA
Día 2 | Conexión de herramientas, paralelismo y gobernanza
Módulo 5 | MCP: Conexión y construcción
Temas cubiertos:
• Comprensión de los principios del Protocolo de Contexto del Modelo (MCP)
• Conexión de herramientas de IA con sistemas y servicios externos
• Integración de navegadores, bases de datos, repositorios y fuentes de documentación
• Construcción de un servidor MCP personalizado
• Gestión del control de acceso y consideraciones de seguridad
Módulo 6 | El flujo de trabajo agéntico disciplinado
Temas cubiertos:
• Establecimiento de un proceso de desarrollo asistido por IA repetible
• Lluvia de ideas y planificación con agentes de IA
• Construcción e implementación colaborativa de soluciones
• Prueba y validación de los resultados generados
• Revisión y finalización de entregables con las etapas adecuadas de verificación
• Cómo configurar objetivos
Módulo 7 | Desarrollo paralelo
Temas cubiertos:
• Ejecución simultánea de múltiples agentes de IA
• Trabajo con ramas aisladas y worktrees de Git
• Coordinación de actividades de desarrollo a través de flujos de trabajo paralelos
• Fusión y validación de los resultados de múltiples agentes
• Mejora de la productividad mediante estrategias de ejecución en paralelo
Módulo 8 | Riesgos, revisión y gobernanza
Temas cubiertos:
• Evaluación y validación de Habilidades y servidores MCP externos
• Comprensión de los riesgos de seguridad y gobernanza
• Gestión de permisos y derechos de acceso
• Protección de datos sensibles y propiedad intelectual
• Establecimiento de procesos de revisión y prácticas de aseguramiento de la calidad
Módulo 9 | Adopción de IA en el desarrollo de software: casos de uso y próximos pasos
Temas cubiertos:
• Cómo las organizaciones están integrando la IA en el Ciclo de Vida del Desarrollo de Software (SDLC)
• Casos de uso reales y ejemplos de implementación de diferentes industrias
• Enfoques comunes de adopción de IA: adopción individual, adopción basada en equipos y habilitación organizacional generalizada
• Casos de uso típicos a lo largo del SDLC:
• Recopilación de requisitos y documentación
• Generación de código y prototipado
• Pruebas y aseguramiento de la calidad
• Revisión de código y refactorización
• Gestión de la documentación y el conocimiento
• DevOps y gestión de incidentes
• Modelos, políticas y consideraciones de seguridad de gobernanza
• Medición de la productividad y el retorno de la inversión (ROI) del desarrollo asistido por IA
• Desarrollo de una hoja de ruta interna para la adopción de IA
• Definición de los próximos pasos prácticos para los participantes y sus equipos
Taller de discusión interactiva
• Desafíos actuales dentro de los equipos de desarrollo de los participantes
• Identificación de casos de uso de alto valor para su adopción inmediata
• Riesgos, obstáculos y consideraciones organizacionales
• Creación de un plan de acción inicial para la integración de la IA.
Requerimientos
Experiencia profesional en desarrollo, comodidad con la terminal y conocimientos funcionales de Git. Uso regular de una herramienta de codificación con IA o haber completado el curso de Fundamentos.
Público objetivo
Desarrolladores que ya utilizan herramientas de IA, líderes técnicos responsables de la adopción por parte del equipo e ingenieros de plataforma o DevOps encargados de crear Habilidades y servidores MCP.
Reseñas (2)
Aprender a formular consultas para Claude y utilizarlo para procesar todos los datos que tengo disponibles.
Mike Hartleroad - Furniture Row
Curso - Claude AI for Data Analysis and Business Intelligence
Traducción Automática
cómo interactuar con el entorno de Office y configurar tareas repetitivas
Matthew Wallace - Group CBS
Curso - Claude AI for Workflow Automation and Productivity
Traducción Automática