IA lo hicieron: cómo líderes de IA están llevando IA generativa en producción

Hace tiempo la IA generativa dejó de ser una promesa para empezar a formar parte de productos reales que utilizan miles (o millones) de usuarios.

Y en ese punto, cuando la IA pasa de una demo a un sistema en producción, empiezan las decisiones difíciles: arquitectura, selección de modelos, control de costes, evaluación y operación.

En LambdaCast llevamos tiempo hablando de tecnología en sentido amplio. Pero la GenAI ha dejado de ser un tema más. Cuando entra en producción, aparecen problemas que no se ven en los tutoriales.

Por eso lanzamos IA lo hicieron, una serie de entrevistas con líderes técnicos que ya han llevado IA generativa a productos reales.

Su estreno será a finales de marzo. Y ya puedes apuntarte a recibir los episodios aquí.

La idea es sencilla: aprender directamente de quienes ya han tenido que tomar las decisiones difíciles.

• El manifiesto editorial: menos teoría, más ingeniería
• Entrevistas con quienes ya han llevado la IA generativa a producción
• Los pilares de la GenAI en producción
• Agentes, orquestación y sistemas multi-paso
• AgentOps: operar sistemas de IA en producción
• Cada episodio incluye un playbook técnico
• Una serie pensada para líderes técnicos
• Recibe los episodios y el playbook técnico

En los últimos años hemos visto cientos de demos de IA generativa. Chatbots, copilotos y asistentes que prometen revolucionar productos digitales.

Pero la realidad cambia cuando un equipo intenta llevar esas ideas a producción.

Es en ese momento cuando surgen preguntas reales: qué modelo elegir, cómo diseñar una arquitectura que escale, cómo evitar costes descontrolados o cómo evaluar si el sistema está funcionando correctamente.

Muchas conversaciones sobre IA se quedan en la superficie. Se centran en lo que el modelo puede hacer, pero no en cómo construir sistemas robustos alrededor de él.

IA lo hicieron nace precisamente para cubrir ese vacío.

Queremos hablar de ingeniería real aplicada a GenAI: decisiones de arquitectura, equipo, negocio, trade-offs técnicos, errores cometidos y aprendizajes después de lanzar un sistema al mundo real.

Cada episodio de la serie es una conversación con personas que han tenido que tomar decisiones reales sobre cómo integrar modelos generativos dentro de productos digitales existentes.

No hablamos de prototipos, sino de sistemas que ya están en producción.

Durante las entrevistas exploraremos cuestiones como:

• Qué problema de negocio resuelve la IA generativa dentro del producto.

• Cómo se organizan los equipos que construyen estas funcionalidades.

• Qué modelos y frameworks están utilizando.

• Cómo diseñan la experiencia de usuario alrededor de la IA.

• Cómo integran los modelos con sistemas existentes.

Más que un formato de entrevista tradicional, la idea es diseccionar cómo funciona realmente un sistema de GenAI en producción.

Cada episodio explora diferentes piezas del puzzle técnico (y humano) que supone construir productos basados en modelos generativos.

Hablaremos, por ejemplo, de RAG (Retrieval Augmented Generation) y de cómo los equipos conectan modelos generativos con conocimiento interno de negocio.

También exploraremos patrones como tool calling, que permiten que los modelos interactúen con APIs y sistemas existentes, transformando la IA en un verdadero componente operativo dentro del producto.

Otro de los temas clave será el Model Context Protocol (MCP), que permite estructurar el contexto que reciben los modelos para que puedan trabajar con información relevante del negocio.

Además entraremos en uno de los retos más complejos de los sistemas basados en LLM: la memoria.

En producción, muchos sistemas necesitan combinar diferentes tipos de memoria (working, factual, episódica o semántica) para ofrecer respuestas útiles y coherentes a lo largo del tiempo.

Uno de los cambios más interesantes en la evolución de la GenAI es el paso de simples llamadas a modelos hacia sistemas compuestos por múltiples agentes.

En muchos productos actuales, una interacción con el usuario desencadena varios pasos: recuperar información, consultar herramientas, ejecutar lógica de negocio y finalmente generar una respuesta.

Esto implica diseñar flujos de orquestación complejos, donde distintos agentes o componentes colaboran para resolver una tarea.

Algunas entrevistas explorarán precisamente cómo los equipos están construyendo estos sistemas:

• Arquitecturas multi-agente.

• Flujos A2A (agent-to-agent).

• Pipelines con varios pasos de reasoning.

• Integración con herramientas y servicios externos.

Este tipo de arquitectura introduce nuevos retos técnicos, pero también abre la puerta a productos mucho más potentes.

Construir un sistema con IA generativa es solo la mitad del trabajo. La otra mitad es operarlo correctamente.

Aquí aparece un concepto que cada vez gana más importancia: AgentOps.

AgentOps engloba todo lo necesario para mantener sistemas de IA funcionando en producción: observabilidad, evaluación continua, control de costes y mecanismos de seguridad.

En la serie hablaremos de temas como:

• Trazabilidad de las ejecuciones mediante traces.

• Sistemas de evaluación (evals) para medir calidad.

• Guardarraíles para evitar comportamientos no deseados.

• Monitorización de costes de inferencia.

Estos aspectos son los que realmente determinan si un sistema de IA es sostenible a largo plazo.

Además de la entrevista, cada episodio de IA lo hicieron vendrá acompañado de un recurso adicional pensado para equipos técnicos.

Un playbook técnico donde recopilamos las decisiones clave que aparecen en la conversación.

El objetivo es que quienes estén construyendo productos con IA generativa puedan extraer aprendizajes prácticos y aplicarlos a sus propios proyectos.

Cada playbook incluirá:

• Decisiones de arquitectura relevantes.

• Patrones de diseño utilizados.

• Herramientas y frameworks mencionados.

• Aprendizajes del equipo entrevistado.

No buscamos solo contar historias interesantes, sino crear material útil para quienes están diseñando GenAI en producción.

La serie está dirigida a personas que están liderando iniciativas de IA dentro de productos digitales.

Especialmente:

• CTO y VP Engineering responsables de arquitectura y delivery.

• Head of AI o AI Leads.

• Product Managers trabajando con funcionalidades basadas en LLM.

• Staff+ Engineers liderando proyectos de GenAI.

No es contenido divulgativo generalista: El foco está en decisiones técnicas, arquitectura y operación en producción.

Con cada lanzamiento enviaremos a los suscriptores:

• El episodio completo en vídeo y audio.

• El playbook práctico con aprendizajes aplicables.

Si estás diseñando funcionalidades de IA generativa o evaluando cómo llevarlas a producción, esta serie está pensada para ti.

👉 Apúntate aquí para recibir los episodios de “IA lo hicieron” y su playbook técnico.