Construir un agente de IA para producción requiere mucho más que un modelo de lenguaje grande (LLM). Si bien el LLM aporta la capacidad de razonamiento, un agente robusto necesita interactuar con el m… See more

Construir un agente de IA para producción requiere mucho más que un modelo de lenguaje grande (LLM). Si bien el LLM aporta la capacidad de razonamiento, un agente robusto necesita interactuar con el mundo exterior, gestionar el estado de la conversación y recordar las preferencias del usuario a lo largo del tiempo. En este workshop, aprenderás a diseñar e implementar una arquitectura completa de sistemas agénticos utilizando tres componentes fundamentales: Conectividad (MCP): Para conectar tu agente con herramientas y fuentes de datos locales. Orquestación (ADK): Para gestionar el ciclo de razonamiento (reasoning loop) y el estado del agente. Memoria (Memory Bank): Para brindar un contexto personalizado y persistente a largo plazo. Sobre Lesly Zerna: Tech Educator. Interested in AI, Education and Startups. She is a facilitator for Techstars Startup Weekend and Google Developer Expert in Machine Learning. Currently teaching AI and data in local universities in Bolivia, and working as curriculum developer in DeepLearning.AI Show less

Construir un agente de IA para producción requiere mucho más que un modelo de lenguaje grande (LLM). Si bien el LLM aporta la capacidad de razonamiento, un agente robusto necesita interactuar con el m… See more

Construir un agente de IA para producción requiere mucho más que un modelo de lenguaje grande (LLM). Si bien el LLM aporta la capacidad de razonamiento, un agente robusto necesita interactuar con el mundo exterior, gestionar el estado de la conversación y recordar las preferencias del usuario a lo largo del tiempo. En este workshop, aprenderás a diseñar e implementar una arquitectura completa de sistemas agénticos utilizando tres componentes fundamentales: Conectividad (MCP): Para conectar tu agente con herramientas y fuentes de datos locales. Orquestación (ADK): Para gestionar el ciclo de razonamiento (reasoning loop) y el estado del agente. Memoria (Memory Bank): Para brindar un contexto personalizado y persistente a largo plazo. Sobre Lesly Zerna: Tech Educator. Interested in AI, Education and Startups. She is a facilitator for Techstars Startup Weekend and Google Developer Expert in Machine Learning. Currently teaching AI and data in local universities in Bolivia, and working as curriculum developer in DeepLearning.AI Show less

¿Tienes 50 pestañas abiertas con papers de Arxiv y tutoriales de YouTube que prometes ver "luego"? Bienvenido al club. Estamos en 2026 y la IA avanza tan rápido que intentar aprenderlo todo te paraliz… See more

¿Tienes 50 pestañas abiertas con papers de Arxiv y tutoriales de YouTube que prometes ver "luego"? Bienvenido al club. Estamos en 2026 y la IA avanza tan rápido que intentar aprenderlo todo te paraliza. La verdad incómoda es que leer sobre Agentes no es lo mismo que construirlos. En esta charla, te mostraré cómo escapé de la parálisis por análisis abrazando el caos: construyendo agentes ridículamente inútiles. Olvídate de revolucionar la industria fintech; vamos a ver qué pasa cuando intentas programar un agente que solo cuenta chistes malos o intenta organizar tu calendario y falla estrepitosamente. No necesitas ser un experto en ML para empezar. Esta charla es una invitación a perderle el miedo al código, gastar unos pocos tokens equivocándote, y entender que la mejor forma de aprender el futuro de la tecnología es "rompiendo" cosas en el presente. Sobre Lesly Zerna: Ingeniera en Telecomunicaciones con maestría en Ciencias de Computación e Ingeniería. Apasionada por la educación, tecnología y emprendimiento. Es docente en temas de Análisis de Datos, Inteligencia Artificial, ética en tecnología y voluntaria en startup weekends. Creadora de contenido en redes sociales sobre tecnología Show less