GuíaIntermedio

Guía de Arquitectura para Sistemas AI-Native

Aprende a diseñar sistemas donde un componente de IA (un LLM) es una pieza de primera clase, y qué cambia en la arquitectura cuando esa pieza es no determinista, lenta, cara y falla de formas nuevas. El eje de la guía es que un LLM no es una función normal —no puedes afirmar su salida exacta, tarda cientos de milisegundos, cuesta dinero por llamada, alucina, y leer datos del usuario lo vuelve una frontera de confianza— y que la arquitectura debe contener esa no-determinación con una cáscara determinista: evals como compuerta de calidad, guardrails en la frontera, presupuestos de latencia y costo, fallback cuando el modelo cae, y un lazo de datos que mejora el sistema con el tiempo. Trabajas sobre Mercado, que agrega búsqueda semántica, un agente de soporte, recomendaciones y un generador de descripciones para vendedores. Todo se simula y se ejecuta en Python con el LLM representado por un stub determinista (sin llamadas a APIs reales): vas a medir el ahorro de un model cascade barato-primero, ejecutar un eval-set que atrapa una regresión, rechazar una salida inválida en un guardrail, ver cómo un fallback mantiene el sistema arriba cuando el modelo cae, y bloquear una propuesta del modelo que se sale de política antes de que toque dinero o estado. El capstone arquitecta una feature de IA completa dentro de Mercado.