Categoría
Ingeniería de IA
Cómo se construye la capa de inteligencia artificial de un producto: recuperación de información, agentes, gobierno del contexto y evaluación de resultados.
AI System Engineering: diseñar el sistema completo, no solo el modelo
Qué debe cubrir la ingeniería de sistemas de IA para convertir una capacidad del modelo en un producto seguro, evaluable, mantenible y reversible.
Agent Engineering: cuándo coordinar varios agentes y cuándo no
Cómo decidir entre código, un flujo, un agente o varios, y qué contratos, permisos, estado y pruebas necesita la coordinación.
Loop Engineering: dejar de dirigir al agente paso a paso
Qué es Loop Engineering y qué hay que diseñar para que un agente compruebe sus resultados, conserve el estado y continúe sin depender de otro prompt humano.
Moodle ya utilizaba inteligencia artificial antes de ChatGPT
Moodle 3.4 incorporó aprendizaje automático para predecir el riesgo de abandono. Así funcionaban sus objetivos, indicadores, predicciones e insights, y esto es lo que los LLM han cambiado desde entonces.
Por qué los sistemas de IA para el aprendizaje necesitan ir más allá de los documentos
RAG recupera fragmentos, pero no conserva por sí solo las relaciones pedagógicas. Qué debe modelar un sistema de IA para trabajar con conocimiento educativo.
Por qué un RAG conectado al LMS sigue alucinando
Por qué un RAG educativo puede citar fuentes y seguir equivocándose, y qué arquitectura permite distinguir contenido, estado, normas e identidad.
Memory Engineering: qué debe recordar, corregir y olvidar un agente
Cómo diseñar la escritura, recuperación, actualización y eliminación de la memoria de un agente sin convertir su historial en una fuente de errores.
Context Engineering en EdTech: gobernar lo que recibe la IA
Qué es Context Engineering y cómo combinar identidad, fuentes, permisos, RAG, MCP y memoria sin entregar a la IA más información de la necesaria.
Si un prompt puede provocar un fallo en producción, necesita ingeniería
La IA puede escribir más código por nosotros, pero también nos obliga a diseñar, versionar, probar, asegurar y mantener una nueva capa de software alrededor de los agentes.
Prompt Engineering en producto: diseño, pruebas, versiones y producción
En un producto, el Prompt Engineering no termina cuando una instrucción produce una buena respuesta. Empieza al definir el comportamiento esperado y continúa con pruebas, versiones, observación y mantenimiento.
Deuda técnica en IA generativa: RAG, agentes y código generado
La deuda técnica de la IA generativa se acumula en fuentes, índices, agentes y código. El análisis propone controles para RAG, agentes, código generado y desarrollo dirigido por especificaciones.
La nueva ingeniería de la IA: de optimizar prompts a diseñar sistemas
Un mapa de las disciplinas que aparecen cuando una instrucción deja de ser una conversación aislada y pasa a formar parte de un sistema de IA operable.
AI Gateway para EdTech: arquitectura auditable para el Reglamento de IA
Una pasarela de IA ayuda a gobernar modelos, datos y herramientas si autoriza antes de recuperar información, trata el enmascaramiento reversible como seudonimización y registra decisiones sin convertir cada conversación en un archivo permanente.
¿Está tu LMS preparado para agentes? Ocho pruebas de arquitectura
Ocho pruebas para saber si un LMS permite que agentes de IA consulten y actúen con delegación, límites, trazabilidad y responsabilidad educativa.
Del documento al artefacto vivo: qué estructurar antes de automatizar
Método para convertir documentos en conocimiento estructurado, gobernado y reutilizable sin perder control, trazabilidad ni salidas como HTML, PDF o Word.
Arquitectura de un tutor de IA que pueda demostrar cuándo enseña
Cómo diseñar y evaluar un tutor de IA que ayude a aprender: estado del alumno, conocimiento gobernado, intervención pedagógica, permisos y una matriz de aceptación.
Evaluación con IA: cómo usar rúbricas sin delegar la nota
Arquitectura y pruebas para usar IA con rúbricas, preparar retroalimentación y reducir carga docente sin convertir una sugerencia del modelo en nota automática.
MCP y Moodle: arquitectura segura para agentes
Cómo situar una pasarela MCP delante de Moodle sin compartir tokens, exponer toda la API ni permitir que el contenido del curso gobierne las acciones del agente.