Plan de formación
AI Staff Engineer
Un curso corto y muy específico: instrumentar, medir y saber contar lo que un harness de agentes hace realmente. Construir ya sabemos.
La tesis de este curso cabe en una frase: la distancia entre Senior y Staff en IA no es construir mejores agentes, es poder demostrar con números lo que tus agentes hacen y fallan. Casi todo el mundo sabe montar un pipeline multi-agente. Muy poca gente sabe decir en qué porcentaje funciona, cuál es su modo de fallo dominante, qué cuesta cada ejecución y si el equipo que lo usa entrega más rápido de verdad.
Cada lección es corta, tiene una práctica interactiva y termina en un artefacto que se puede enseñar.
Lecciones
- 01 Análisis de error Open coding, axial coding y conteo sobre trazas reales. Cómo derivar una taxonomía de fallos de tu propio harness — y por qué la nota media de 4,2/5 es una métrica de vanidad.
- 02 De la taxonomía al eval automatizado Próximamente Convertir los modos de fallo dominantes en evals que corren en CI. LLM-as-judge alineado con juicio experto, y cuándo basta con un test de código.
- 03 Economía de inferencia Próximamente Cuánto cuesta un PR autónomo. Instrumentar coste por token y por ejecución, prompt caching y enrutado de modelos por complejidad.
- 04 Context engineering Próximamente Compaction, sub-agentes y limpieza de herramientas en sesiones largas, con el vocabulario y las técnicas de Anthropic Engineering.
- 05 Medir la adopción Próximamente Baselines, DORA y DX Core 4. Por qué las métricas ingenuas de productividad con IA mienten, y qué medir en su lugar.
- 06 El relato Próximamente Traducir todo lo anterior a evidencia pública y a inglés de entrevista. El artefacto final: un post que un hiring manager lee en cinco minutos.
Referencia
Los documentos que se releen. Comprimidos, pensados para imprimir y tener al lado mientras trabajas.