GuideIntermediate

AI Product Decisions for Engineers Guide

Ya sabes llamar a un LLM desde código. Esta guía te enseña lo que piden las vacantes después de eso: ser dueño de si una feature con IA sirve dentro de un producto, no solo de si compila. Decides si una idea necesita un modelo y con cuánta autonomía, escribes la apuesta antes de construir, diseñas la interfaz para que el usuario confíe, pones una barra de calidad que alguien firma, lees cómo falla con usuarios reales, comparas contra lo que el usuario hacía antes y llevas el costo por llamada a costo por resultado y a precio por plan. Lo aprendes como AI engineer de **Alojo**, un SaaS ficticio para anfitriones de rentas vacacionales en México, Colombia y España. Un ticket dice "agreguen IA". De seis ideas del backlog sale **Lumo**: cuando un huésped pregunta por fechas, Lumo redacta la respuesta en el tono del anfitrión y en el idioma del huésped, y el anfitrión decide si la envía. El modelo escribe el tono; el código escribe el precio, las fechas y el enlace. Corres dos betas con un grupo de control, codificas cien sesiones a mano, firmas un spec con compuertas, calculas cuánto cuesta cada reserva y cierras con un memo de seguir, pivotar o matar que puedes defender en una entrevista. Todo el código es Python y corre en tu laptop sin llave de API, con un modelo simulado y datos generados con semilla: ves los mismos números que la guía. Un modo `--live` opcional llama a `gpt-6-luna` con tu propia llave. La analogía que recorre la guía es la de una redacción de periódico: un redactor nuevo escribe rápido, pero nada se publica sin la firma del editor.