Cuando construyes IA usando herramientas que arman agentes por ti, avanzas rápido, pero llegas a un techo. Este recurso es para desarrolladores con Python intermedio que quieren quitar la última capa entre su código y el modelo, y controlar cada decisión ellos mismos.

Por qué las herramientas que arman agentes te frenan

Hoy existen plataformas que encadenan pasos, conectan un modelo a tus datos y arman agentes con unos pocos clics. Funcionan y te llevan lejos, hasta que necesitas salirte un milímetro del molde.

Ahí aparece el problema real: te quedas con algo que hace el 90 % de lo que querías, con el otro 10 % fuera de tu alcance. No es que te falte aprender más sobre IA, es que llegaste al techo de esa herramienta [00:35].

El motivo es simple. Cuando construyes así, construyes encima de decisiones que tomó alguien más:

• Cómo se arma el contexto que recibe el modelo.
• Cómo se encadenan las llamadas al modelo.
• Cuándo entra en juego una herramienta.

Esas decisiones invisibles son las que te limitan cuando quieres ajustar algo específico.

¿Por qué me limita una herramienta no-code de IA? Porque construyes sobre decisiones que tomó otra persona sobre el contexto, las llamadas y las herramientas. Cuando necesitas cambiar ese comportamiento base, no tienes acceso a él.

Qué cambia cuando hablas directo con el modelo

Hablar con el modelo directo, sin nada en medio, mueve todas las decisiones a tus manos. Y aquí viene lo interesante: dejas de depender de configuraciones ajenas.

Cuando trabajas directo con la API controlas:

• Cómo armas el contexto de cada llamada.
• Cuándo el modelo pide una herramienta y qué hace tu código con eso.
• Qué entra, qué sale y cuánto cuesta cada operación.

La diferencia se nota cuando algo falla. Si el comportamiento no es el esperado, la salida ya no es cambiar de herramienta: es abrir el capó, entender qué pasó y ajustarlo tú mismo [01:05].

¿Qué significa hablar directo con el modelo? Es enviar peticiones a la API del modelo desde tu propio código, sin capas intermedias. Tú controlas el contexto, las llamadas y las respuestas de principio a fin.

Qué es una llamada directa a la API

El chat es la forma más simple de hablar con el modelo: solo tu código y la API. Ese patrón básico es el que vas a repetir en todas las clases, y todo lo demás se construye encima de él [01:40].

Qué proyectos vas a construir en el curso

La idea no es ponerte una capa más encima, sino quitar la que quedaba entre tú y el modelo. Para lograrlo, construyes tres proyectos que suman complejidad paso a paso:

1. Un chatbot con memoria, que conserva el contexto de la conversación.
2. Un extractor que convierte una factura en datos estructurados.
3. Un agente que usa herramientas que tú mismo declaras.

Después conviertes todo eso en una API REST para llevarlo a producción [01:20].

Empiezas por el chat porque es lo más simple, y desde ahí escalas. Cada proyecto reutiliza el mismo patrón de llamada directa que aprendiste al inicio.

¿Qué es una API REST en este contexto? Es la forma de exponer tus proyectos de IA como un servicio accesible por internet, para que otras aplicaciones puedan usarlos en producción.

Qué necesitas para empezar

Antes de escribir la primera línea, conviene tener el terreno listo. Los requisitos son concretos:

• Python a nivel intermedio.
• Git junto con GitHub.

Todo el curso se trabaja en Python, pero cada bloque de código también viene en TypeScript por si ese es tu terreno [01:15]. Así no te quedas fuera si prefieres otro lenguaje.

El siguiente paso es práctico: harás tu primera llamada directa al modelo desde la terminal con tu propia API key y dejarás el entorno listo para todo lo que viene [01:50].

¿Ya tienes tu entorno de Python configurado o vas a armarlo desde cero? Cuéntamelo en los comentarios.