Curso: Introducción a la Ingeniería de Inteligencia Artificial Generativa y Agéntica para Empresas

Este programa intensivo de 40 horas por videoconferencia está diseñado para llevar a los participantes más allá del uso básico de herramientas, formándolos como arquitectos de soluciones de IA. El curso aborda la transición crítica desde la automatización tradicional hacia sistemas generativos y, finalmente, sistemas agénticos autónomos capaces de tomar decisiones y ejecutar acciones

Pilares del Aprendizaje:

• Fundamentos Estratégicos y Ciclo de Vida: Comprensión profunda de la IA como sistema empresarial (datos, modelos, inferencia, orquestación) y su ciclo de vida completo, desde el diseño hasta el monitoreo y gobernanza, diferenciando claramente entre automatización y agencia.

• Ingeniería de Prompts y Desarrollo Asistido: Dominio de la “capa de control cognitivo” mediante ingeniería de prompts avanzada en ChatGPT, Claude y Gemini. Integración de IA en el flujo de desarrollo de software (Python) para crear microservicios y refactorizar código mediante entornos agénticos.

• Infraestructura y Protocolos Estándar: Implementación del Model Context Protocol (MCP) para integrar LLMs con sistemas externos. Gestión de infraestructura propia mediante servidores VPS Linux, optimización de recursos y despliegue local de modelos de pesos abiertos (Open Weights) con herramientas como Ollama.

• Orquestación y Automatización: Diseño de flujos de trabajo complejos y auto-hospedables utilizando n8n, superando las limitaciones de herramientas como Zapier al integrar lógica de negocios y modelos de lenguaje en procesos automatizados.

• Creación de Agentes Reales: Desarrollo de “skills” reutilizables y despliegue final de agentes conversacionales funcionales utilizando el framework OpenClaw, integrados directamente en canales de mensajería como Telegram.

• Metodología: El curso sigue un enfoque “Hands-on” (Práctico). Cada unidad finaliza con una actividad tangible, desde la configuración de servidores y APIs hasta la creación de bots que resuelven problemas reales de negocio.

Calendario y Costo:
Duración:  40 horas, 10 semanas
Horario:     Sábados de 15:00 hrs. a 19:00 hrs; UTC -5 (Lima/Bogotá/Quito)
Inicio:         sábado, 28 febrero, 2026
Lugar:        Videoconferencia en vivo con Hangouts  y asistencia en tiempo real con anydesk

Costo del Curso:
$ 1.318.000,00 COP + IVA

Válido solo para personas naturales.

Por empresa contactarse a informes@oslatino.com para solicitar su cotización.

Informes e Inscripciones:

WhatsApp: +57 3171840738

informes@oslatino.com

Medios de Pago:

Fuera de Colombia
Vía Paypal por la web o vía transferencia por Western Union/Moneygram

Colombia
Puede realizar sus pagos en las cuenta a nombre de Oslatino S.A.S.
Bancolombia: 07000007089

Requisitos Previos:
Conocimientos básicos de Linux y Programación

Materiales:

– Videoconferencia con Jitsi Meet
– Asistencia en tiempo real con AnyDesk
– Asistencia Online (foros) en campus virtual de forma permanente
– Todas las clases se graban y se comparten por YouTube Private
– Incorporación gratis al WhatsApp exclusivo del grupo del curso
– Certificado con valor curricular
– 1 Servidor VPS con Ip pública para cada alumno

Syllabus del Curso de Introducción a la Inteligencia
Artificial Generativa y Agéntica con ChatGPT, Python, n8n, OpenClaw y Telegram 
(Videoconferencia / 40 horas).

Unidad 1: La Inteligencia Artificial como sistema empresarial (4 horas)​

• Definición de Inteligencia Artificial en contexto empresarial (qué es y qué no es)
• Definición de sistema de IA: datos, modelo, inferencia, orquestación, control y supervisión
• Definición y diferencias: automatización, sistemas inteligentes, sistemas clasificadores, sistemas generativos y sistemas agénticos
• Diferencias clave entre IA moderna y software tradicional (probabilística vs determinística)
• Modelos de lenguaje de gran tamaño (LLM): concepto, alcance y límites prácticos
• Tokens, embeddings y espacio latente como base de representación para lenguaje y señales
• Entrenamiento, ajuste (fine-tuning) e inferencia: qué cambia y qué cuesta en cada fase
• Calidad y gobernanza de datos como factor dominante del desempeño y del riesgo
• Errores conceptuales frecuentes en adopción de IA: demos, pilotos eternos, prompts sin sistema
• Criterios para decidir cuándo no usar IA y cómo diseñar alternativas seguras

Caso de estudio: evolución de los sistemas de IA (de sistemas expertos a LLMs) y cambio en el modelo operativo empresarial

Actividad práctica: clasificación de iniciativas por nivel: automatización, soporte a decisión, decisión automatizada, agencia

Unidad 2: Ciclos de vida de los sistemas de inteligencia artificial (4 horas)

• Fuentes, captura, almacenamiento, transformación y consumo
• Etapas del ciclo de vida: diseño, entrenamiento, inferencia, despliegue y monitoreo
• Entendiendo más a fondo el aprendizaje automático
• Modelos de lenguaje y modelos de embeddings como componentes funcionales distintos
• Arquitecturas empresariales de IA: pipelines, servicios, APIs y orquestación
• Métricas operativas clave en sistemas de IA: desempeño, confiabilidad, latencia y costo
• Deriva de datos y de modelos como causa principal de degradación en producción

Actividad práctica: análisis de un diagrama de arquitectura de un sistema de IA para identificar riesgos en cada etapa del ciclo de vida

Unidad 03: Ingeniería de prompts con chatbots de propósito general (04 horas)

• Estructura interna de una conversación: prompts, respuestas y threads
• Prompt como capa de control cognitivo y contractual en sistemas conversacionales
• Prompts de sistema, prompts de desarrollador y prompts de usuario como capas diferenciadas
• Entendiendo la personalidad del chatbot como el producto de instrucciones internas, políticas de seguridad y mecanismos de alineamiento del sistema
• Componentes de un prompt efectivo: contexto, rol, tarea, restricciones y formato de salida
• Ventanas de contexto: límites, truncamiento y efectos en la calidad de respuesta
• Gestión explícita del contexto dentro de una conversación larga
• Diferencia entre memoria implícita, memoria conversacional y ausencia de memoria persistente
• Configuración de rol y personalidad del chatbot como mecanismo de control
• Diferencias operativas entre ChatGPT, Claude y Gemini en estilo, razonamiento y límites

Actividad práctica: creación de prompts de respuestas personalizadas según contexto y caso de uso en ChatGPT, Claude y Gemini

Unidad 04: Programación con Python asistida por un modelos de lenguaje (04 horas)

• Instalación de paquetes para desarrollo y dependencias
• Instalación de versiones de Python con la herramienta asdf
• Uso de modelos de lenguaje para generar y explicar código Python
• Sintaxis y tipos de datos
• Estructuras de control
• Funciones y módulos
• Programación orientada a objetos
• Uso del intérprete de Python y ejecución de scripts
• Exploración de la biblioteca estándar
• Depuración de código con asistencia de IA

Actividad práctica: construcción de un microservicio para la generación en lotes de contraseñas, identificadores únicos y secretos criptográficos utilizando VSCode.

Unidad 05: Ingeniería de software apoyada por agentes (04 horas)

• Diferencias entre autocompletado, copilotos y agentes de ingeniería de software
• Características principales de un entorno de desarrollo de software con capacidades agénticas
• Integración de agentes de código en entornos IDE con Visual Studio Code
• Desarrollo basado en bucles de razonamiento, acción y verificación
• Introducción a OpenRouter como proveedor de modelos para inferencia
• Configuración y uso de VS Code para desarrollo agéntico con Kilo Code y OpenRouter
• Planificación explícita, descomposición de tareas y validación iterativa
• Uso de agentes para lectura, explicación y refactorización de bases de código existentes
• Configuración y uso de OpenCode con modelos de OpenRouter

Actividad práctica: Corrección de errores, refactorización de código e implementación de nuevas características en una aplicación web ya existente.

Unidad 06: Uso y desarrollo de servidores MCP (04 horas)

• Definición del Model Context Protocol (MCP) como estándar de integración entre modelos de lenguaje y sistemas externos
• Diferencias entre integraciones directas con APIs de modelos y arquitecturas basadas en MCP
• Componentes fundamentales de una arquitectura MCP: servidor, herramientas, recursos y contexto
• Estructura interna de un servidor MCP y su ciclo de vida
• Definición y exposición de herramientas (tools) consumibles por modelos de lenguaje
• Gestión de contexto estructurado y no estructurado mediante MCP
• Control de permisos, alcance y superficie de acción a través del diseño del servidor MCP
• Integración de servidores MCP en chatbots y entornos de codificación agéntica

Actividad práctica: Construcción de un servidor MCP con Python para la gestión de inventarios incluyendo registros de auditoría y permisos por rol.

Unidad 07: Gestión VPS y despliegue de modelos de pesos abiertos (04 horas)

• Conceptos fundamentales de un servidor Linux VPS para cargas de trabajo de IA
• Preparación del entorno: sistema operativo, usuarios, permisos y seguridad básica
• Gestión de recursos en VPS: CPU, memoria, almacenamiento y red
• Introducción a modelos de pesos abiertos y diferencias frente a modelos cerrados
• Impacto de la cuantización en consumo de memoria, rendimiento y calidad
• Criterios para descubrir, evaluar y seleccionar modelos de pesos abiertos disponibles públicamente a través de Internet
• Uso de herramientas para descarga y ejecución local de modelos, incluyendo Ollama

Actividad práctica: configuración de un servidor Linux VPS y despliegue de un modelo open-weights usando Ollama, aplicando criterios de selección y cuantización según los recursos disponibles.

Unidad 08: Automatización y orquestación moderna de flujos con n8n (04 horas)

• Introducción a n8n como plataforma de automatización flexible y auto-hospedable
• Posicionamiento de n8n frente a Zapier y Make en arquitecturas modernas de IA
• Conceptos fundamentales de n8n: workflows, nodos, triggers, acciones e items
• Diseño de flujos reproducibles, versionables y mantenibles
• Gestión segura de credenciales e integración con APIs y servicios externos
• Uso de expresiones, variables y nodos de código para transformación avanzada de datos
• Orquestación de modelos de lenguaje dentro de workflows con OpenRouter y Ollama
• Integración de n8n con servicios auto-hospedados y modelos open-weights
• Manejo de errores, bifurcaciones, reintentos y confiabilidad operacional
• Exposición de workflows como APIs mediante webhooks para consumo externo

Actividad práctica: Construcción de un workflow en n8n para clasificación de severidad de tickets y asignación inteligente de personal según urgencia y experiencia, integrando modelos de lenguaje y reglas de negocio, y exponiendo el flujo como API interna.

Unidad 09: Integración y creación de habilidades complejas (04 horas)

• Definición de skill como unidad funcional reusable para sistemas agénticos
• Diferencias entre prompts, herramientas (tools), workflows y skills
• La importancia del descubrimiento progresivo y su relación con las ventanas de contexto de modelos de lenguaje
• Estructura de una skill al estilo Anthropic: intención, entradas, salidas y restricciones
• Separación entre razonamiento del agente y ejecución encapsulada en skills
• Diseño de contratos claros para skills: esquemas de entrada y salida
• Versionado, documentación y descubrimiento de skills
• Consumo de skills en chatbots y entornos de codificación agéntica

Actividad práctica: diseño e implementación de un conjunto de skills para copywriting y creación de blog posts.

Unidad 10: Agentes conversacionales con OpenClaw y Telegram (04 horas)

• Introducción a OpenClaw como framework para agentes conversacionales auto-hospedados
• Arquitectura general de OpenClaw: núcleo agéntico, herramientas y canales de interacción
• Configuración de un entorno local o VPS para ejecutar OpenClaw
• Integración de OpenClaw con modelos de lenguaje mediante proveedores configurables
• Conceptos básicos de bots en Telegram y su modelo de interacción
• Creación y configuración de un bot de Telegram para consumo de agentes
• Conexión de OpenClaw con Telegram como canal conversacional
• Gestión de contexto, estado y memoria básica en agentes conversacionales
• Diseño de flujos conversacionales útiles y controlados
• Pruebas, ajuste y despliegue inicial de un agente funcional accesible desde Telegram

Actividad práctica: instalación y configuración de un agente OpenClaw integrado con Telegram, capaz de responder a consultas reales y ejecutar acciones simples, dejando al participante con un agente funcional operando en su propio entorno.