Máster en Ingeniería de Automatización con IA Agéntica

Este tema introduce la automatización moderna y el papel de la IA generativa en entornos empresariales. Se analiza la evolución desde scripting y RPA hacia sistemas basados en modelos, APIs y agentes. También se aborda el ecosistema generativo y la configuración práctica del entorno técnico de trabajo para proyectos de IA.

Entender la evolución de la automatización Identificar procesos automatizables Comprender capacidades y límites generativos Diferenciar APIs vs interfaces

Evaluar uso de IA en decisiones Conocer modelos generativos (texto, imagen, audio) Configurar Python y VSCode Resolver problemas del entorno

Este tema presenta los fundamentos del aprendizaje automático y profundo, así como las bases conceptuales de los modelos de lenguaje. Se explican los principios de entrenamiento, inferencia y uso práctico de modelos en contextos empresariales y de automatización.

Introducción al Machine Learning Fundamentos del Deep Learning Entender cómo aprenden los modelos Conocer tipos de modelos y datos

Comprender las bases de los LLMs Entender prompting e inferencia Identificar usos empresariales Reconocer límites y riesgos

La mayor parte de la automatización moderna se basa en la integración entre servicios digitales mediante APIs. Este módulo enseña cómo construir automatizaciones robustas que conecten plataformas, servicios y aplicaciones mediante programación. Se trabajan patrones habituales en integraciones empresariales, gestión de autenticación, manejo de errores y automatización basada en eventos. Los estudiantes aprenderán a diseñar integraciones que permitan automatizar procesos completos entre múltiples sistemas.

Consumir APIs REST desde Python para automatizar servicios Implementar autenticación mediante tokens, OAuth y claves de API Gestionar paginación, rate limits y errores en integraciones Diseñar automatizaciones que conecten múltiples servicios digitales

Implementar automatización basada en eventos y webhooks Construir scripts robustos para integraciones empresariales Estructurar proyectos de integración entre sistemas Diseñar pipelines automatizados de intercambio de datos

Este módulo se centra en el uso práctico de modelos generativos mediante APIs. Los estudiantes aprenderán a integrar capacidades de inteligencia artificial dentro de sistemas automatizados, utilizando SDKs y APIs disponibles en las principales plataformas de IA. Se abordarán aspectos como gestión de contexto, optimización de llamadas, control de costes y diseño de aplicaciones que utilizan modelos como componentes dentro de un sistema mayor. Se trabajará con técnicas de Prompt Engineering para diseñar instrucciones eficaces.

Integrar modelos generativos mediante APIs desde Python Diseñar aplicaciones que utilizan modelos como servicios Gestionar contexto y conversación en llamadas a modelos Aplicar técnicas de prompt engineering para tareas concretas de automatización Optimizar el uso de tokens y controlar costes operativos

Implementar streaming de respuestas en aplicaciones Manejar errores y latencias en llamadas a modelos Diseñar pipelines automatizados que incluyen IA LLMops Observabilidad

Las aplicaciones empresariales requieren que los modelos accedan a información específica de la organización. Este módulo introduce las técnicas de Retrieval Augmented Generation (RAG), que permiten conectar modelos generativos con bases de conocimiento, documentos y datos corporativos. Se enseñará cómo construir sistemas que combinen recuperación de información y generación de texto para crear asistentes capaces de trabajar con conocimiento especializado.

Comprender el funcionamiento de arquitecturas RAG Funcionamiento de los embeddings Generar y utilizar embeddings para recuperación semántica Construir bases de datos vectoriales para conocimiento empresarial Diseñar pipelines de indexación de documentos

LangChain y LangGraph Integrar recuperación de información en aplicaciones con IA Evaluar calidad y relevancia en sistemas de búsqueda semántica Construir asistentes basados en conocimiento especializado

En este tema, los alumnos aprenderán a diseñar y construir herramientas y procesos orientados a la automatización con el objetivo de que posteriormente estas puedan ser usadas por agentes de IA. Se abordarán principios de integración, definición de funciones, estructuración de flujos y buenas prácticas de desarrollo. Además, se introducirá el protocolo MCP como mecanismo para conectar agentes con herramientas inteligentes, permitiendo orquestar tareas, intercambiar datos y escalar soluciones automatizadas de forma segura, eficiente y flexible en distintos contextos empresariales y tecnológicos actuales globales.

Uso de herramientas externas por modelos de IA. Diseño de herramientas para agentes. Integración con frameworks y librerías de automatización. Implementación de búsqueda en internet en agentes.

Capacidades de ejecución de código automatizada. Implementación del protocolo MCP. Del OCR a los modelos de visión para el procesamiento de documentos Evaluación de frameworks y librerías de conexión.

Este tema tiene como objetivo aprender a utilizar los principales modelos de IA Generativa Open Source y explorar el ecosistema actual, comprendiendo sus características, diferencias y casos de uso. Los alumnos aprenderán a instalar, configurar y ejecutar modelos en entornos locales, evaluando rendimiento, costes y privacidad. Se trabajará con herramientas y flujos que permitan integrar estos modelos en aplicaciones reales, fomentando la autonomía técnica y la capacidad de desplegar soluciones de IA sin depender de infraestructuras externas.

Introducción al ecosistema de modelos de IA open source. Instalación y ejecución de modelos en entornos locales. Exploración de Ollama como plataforma para modelos locales. Uso de Hugging Face para descargar y gestionar modelos.

Comparación de rendimiento, coste y requisitos de hardware. Buenas prácticas para manejo de datos y privacidad. Experimentación con distintos tipos de modelos y tareas (NLP, visión, audio).

Este módulo introduce uno de los enfoques más relevantes en la evolución reciente de la automatización: los sistemas basados en agentes. Se estudiará cómo los modelos generativos pueden actuar como componentes capaces de planificar tareas, utilizar herramientas y gestionar procesos complejos. Los estudiantes también aprenderán a diseñar arquitecturas de agentes capaces de coordinar los procesos aprendidos hasta el momento, construyendo sistemas inteligentes que ejecutan tareas automatizadas utilizando APIs, datos y servicios externos.

Comprender la arquitectura de sistemas basados en agentes Diseñar agentes que utilizan herramientas y APIs externas Implementar mecanismos de planificación y ejecución de tareas Gestionar memoria y contexto en agentes

Diseñar sistemas multi-agente para tareas complejas Integrar agentes en flujos de automatización empresarial Evaluar fiabilidad y control en sistemas agenticos

En este tema, los alumnos aprenderán a diseñar y desarrollar agentes conversacionales capaces de interactuar en tiempo real, tanto por chat como mediante llamadas telefónicas o voz. Se abordarán técnicas de síntesis y reconocimiento de voz, así como integración con plataformas de comunicación. Los estudiantes explorarán flujos de conversación, manejo de contextos y buenas prácticas para crear experiencias fluidas y naturales, preparando agentes que puedan asistir, informar y atender usuarios de manera autónoma y eficiente.

Diseño de agentes conversacionales para chat y voz. Implementación de reconocimiento y síntesis de voz. Manejo de contextos y flujos de conversación. Integración con plataformas de comunicación en tiempo real.

Optimización de respuestas para interacción natural. Pruebas y evaluación de desempeño de los agentes. Buenas prácticas en atención automatizada y experiencia de usuario. Proyecto: agente que atienda chat y llamadas telefónicas simultáneamente.

La automatización de procesos reales requiere coordinar múltiples servicios, modelos y herramientas. Este módulo aborda la orquestación de workflows complejos que integran diferentes componentes tecnológicos. Los estudiantes aprenderán a diseñar pipelines que combinan automatización basada en APIs, agentes de IA y procesamiento de datos dentro de arquitecturas robustas y mantenibles.

Diseñar workflows de automatización multi-servicio Implementar pipelines de datos y procesamiento automatizado Gestionar dependencias y ejecución de tareas Diseñar automatización basada en eventos

Implementar sistemas de colas y procesamiento asíncrono Monitorizar y depurar pipelines de automatización Construir arquitecturas de automatización escalables

Este módulo aborda el uso de Python como lenguaje de orquestación para sistemas de automatización. Se profundiza en patrones de desarrollo utilizados en proyectos reales, incluyendo estructuración de proyectos, gestión de errores, logging, automatización de tareas del sistema y construcción de scripts robustos. El objetivo es que los participantes puedan desarrollar automatizaciones mantenibles y preparadas para entornos de producción.

Diseñar proyectos de automatización estructurados en Python Implementar logging y monitorización en scripts automatizados Gestionar errores y reintentos en procesos automatizados Automatizar tareas del sistema operativo desde Python

Implementar jobs programados y procesos recurrentes Construir herramientas reutilizables para automatización Integrar scripts de automatización en pipelines mayores

Muchas plataformas empresariales se utilizan a través de interfaces web. Este módulo enseña a automatizar la interacción con aplicaciones web mediante herramientas de automatización de navegadores. Los estudiantes aprenderán a construir bots capaces de navegar sitios, interactuar con formularios, extraer información y ejecutar procesos automatizados en plataformas online.

Automatizar navegadores mediante frameworks modernos Interactuar con elementos dinámicos de aplicaciones web Automatizar formularios y flujos de navegación complejos Extraer datos estructurados de páginas web

Diseñar bots robustos para interacción con servicios online Gestionar sesiones, autenticación y cookies Integrar automatización web en pipelines de procesos

En muchos entornos empresariales existen sistemas legacy que no ofrecen interfaces de integración. Este módulo introduce las técnicas de Robotic Process Automation (RPA) para automatizar aplicaciones que solo pueden utilizarse a través de su interfaz gráfica. Se aprenderá a construir robots mediante herramientas de RPA open source capaces de interactuar con aplicaciones de escritorio, ejecutar procesos repetitivos y conectar sistemas que no ofrecen mecanismos de integración programática.

Comprender los principios de la automatización basada en interfaz Automatizar aplicaciones de escritorio mediante robots Diseñar automatizaciones robustas frente a cambios de interfaz Integrar RPA con automatización basada en APIs

Automatizar procesos administrativos repetitivos Diseñar flujos híbridos de automatización Gestionar errores y recuperación en robots

La orquestación de agentes de IA con RPA y técnicas de automatización de interfaces permite crear sistemas capaces de interactuar con software de forma similar a un usuario humano. Este módulo explora este enfoque emergente, en el que los agentes interpretan información visual, toman decisiones y ejecutan acciones dentro de aplicaciones. Se analizarán sus aplicaciones en automatización avanzada y sus limitaciones actuales.

Diseñar agentes capaces de ejecutar acciones en el sistema Integrar control de teclado y ratón en flujos automatizados Utilizar visión por computador para interpretar interfaces Construir agentes que combinan IA y automatización de GUI

Diseñar arquitecturas híbridas de agentes y RPA Evaluar fiabilidad y control en agentes que operan software Integrar estos agentes en procesos empresariales

En este tema, los alumnos aprenderán a desplegar sistemas de automatización inteligente en entornos locales, controlando la infraestructura, la seguridad y el rendimiento. Se abordarán aspectos de instalación, configuración y orquestación de agentes, herramientas y servicios de IA, así como la integración de flujos automatizados en la empresa o proyectos personales. Los estudiantes adquirirán habilidades para operar de manera autónoma sistemas completos de automatización, maximizando eficiencia, privacidad y escalabilidad sin depender de servicios en la nube.

Instalación y configuración de sistemas de automatización local. Despliegue de agentes inteligentes y herramientas asociadas. Orquestación de flujos automatizados en entornos controlados. Monitoreo de rendimiento y seguridad del sistema. Gestión de dependencias y actualizaciones locales.

Creación de frontends con Gradio y Streamlit Conexión de APIs con frontends y monitorización Valoración del coste y rendimiento Optimización para eficiencia y escalabilidad.

El despliegue de sistemas de automatización requiere infraestructuras capaces de ejecutar workflows, agentes y servicios de IA de forma escalable. Este módulo introduce los principios del uso del cloud para desplegar soluciones de automatización. Se estudiarán servicios de computación, contenedores, serverless y arquitecturas basadas en eventos que permiten operar sistemas automatizados en entornos productivos.

Diseñar arquitecturas de automatización en cloud Desplegar servicios de automatización en contenedores Utilizar funciones serverless para automatización Despliegue de modelos Open Source Implementar pipelines de automatización en entornos cloud

Gestionar almacenamiento y colas de mensajes Integrar servicios de IA en arquitecturas cloud Diseñar sistemas escalables y resilientes Valoración del coste y rendimiento

Este módulo aborda los aspectos legales, regulatorios y de gobernanza necesarios para desarrollar soluciones de automatización basadas en IA generativa, incluyendo prácticas de ciberseguridad, trazabilidad y auditoría. Los participantes aprenderán a implementar sistemas seguros, responsables y alineados con la legislación vigente, garantizando protección de datos, control de riesgos y cumplimiento de normativas en entornos empresariales.

Conocer la legislación aplicable a IA y automatización Identificar riesgos legales, éticos y operativos Aplicar prácticas de ciberseguridad en sistemas automatizados Implementar trazabilidad y control de decisiones

Diseñar mecanismos de auditoría en pipelines y agentes Gestionar versiones y despliegues de automatizaciones Cumplir normativas de privacidad y protección de datos Controlar costes y eficiencia en el uso de modelos de IA