Objetivo
Este curso intensivo está diseñado para quienes ya utilizan herramientas como Copilot, Cursor o Windsurf, pero que quieren ir más allá del uso casual y comprender cómo funciona realmente la IA que asiste en su desarrollo.
El objetivo es claro: eliminar la sensación de “caja negra” y dotar al equipo de criterios técnicos sólidos para anticipar el comportamiento de los agentes de IA, guiar su actuación y maximizar su utilidad sin perder el control.
Duración y Formato
Esta propuesta formativa tiene una duración total de 8 horas, distribuidas en dos jornadas de 4 horas cada una.
Puede realizarse en formato online sincrónico o de manera presencial, eligiendo la opción que mejor se ajuste a las necesidades del equipo o de la persona participante.
Para asegurar una experiencia de aprendizaje personalizada, el curso se imparte en grupos reducidos.
Además, aplicamos una metodología colaborativa basada en el trabajo por parejas y la rotación de roles, lo que permite explorar distintos enfoques, fomentar el intercambio de ideas y enriquecer el aprendizaje colectivo.
Contenidos
La formación sigue una progresión lógica: comprender antes de aplicar, integrando cada concepto en herramientas y entornos que ya forman parte del día a día técnico.
✅ Módulo 1:
Fundamentos y ecosistema (la base conceptual)
Entenderemos el terreno de juego para saber qué herramienta elegir en cada momento.
- Modelos vs. asistentes vs. agentes: definición clara de qué es y qué no es cada componente para ajustar expectativas.
- El espectro de herramientas: análisis comparativo desde GitHub Copilot (asistente) pasando por Cursor/Windsurf (entorno integrado) hasta llegar a Claude Code (agente autónomo).
- Gestión de contexto: cómo funciona la ventana de contexto y cómo impacta directamente en la calidad de las respuestas que recibimos.
✅ Módulo 2:
Trabajo efectivo y entorno (la práctica)
El foco de este módulo es configurar el entorno para que el agente pueda "autocorregirse".
- Anatomía de un prompt para agentes: técnicas específicas para instruir a agentes autónomos.
- Reglas y restricciones: cómo acotar el comportamiento de la IA para evitar alucinaciones.
- El ciclo de trabajo: metodología de 4 pasos: planificación → verificación → ejecución → validación.
- El entorno de feedback rápido: implementación de prácticas de desarrollo (tests, tipado fuerte, análisis estático) necesarias para que el agente sepa cuándo se equivoca y pueda corregirse solo.
✅ Módulo 3:
Extensión de capacidades (herramientas avanzadas)
Cómo romper las barreras del modelo de lenguaje para interactuar con el mundo real.
- Protocolo MCP (Model Context Protocol): conexión de agentes con herramientas y datos externos.
- Skills y conocimiento especializado: dotar al agente de habilidades específicas para nuestro dominio.
- Evaluación de valor: criterios para decidir qué extensiones aportan productividad real y cuáles son ruido.
✅ Módulo 4:
Introducción a arquitecturas multiagente (el futuro)
Una visión estratégica sobre hacia dónde se dirige el desarrollo de software.
- Límites del agente único: identificación de cuándo un solo agente no es suficiente para la tarea.
- Patrones de orquestación: cómo coordinar agentes especializados para resolver problemas complejos.
- Demostración práctica: ejemplo en vivo de una arquitectura multiagente en funcionamiento.
Valor diferencial de esta formación
Esta no es una formación orientada a trucos o atajos.
Está diseñada para equipos y profesionales técnicos que buscan integrar la inteligencia artificial en sus procesos con criterios de ingeniería de software sólidos y sostenibles.
Enfoque pragmático y aplicable
Se prioriza la creación de entornos reales con testing, integración y entrega continuas (CI/CD) y análisis estático, que permiten a la inteligencia artificial colaborar de forma fiable en el flujo de trabajo del equipo.
Preparación para lo que viene
Anticipamos la evolución del desarrollo asistido: de herramientas de autocompletado a agentes autónomos orquestados, y ofrecemos recursos para navegar esa transición de forma estratégica.
Control y comprensión técnica
Quienes participan salen con la capacidad de anticipar, explicar y redirigir el comportamiento de la IA, evitando la dependencia de resultados impredecibles y ganando autonomía sobre su uso.
“Mi formación con Carlos Blé y su equipo fue un 'antes y después' en mi carrera. Antes de eso, mi conocimiento de clean code era nulo; aunque sabía que era importante, no sabía por dónde ir. Gracias a lo que me enseñó el equipo de Carlos Blé, pude aplicar buenas prácticas en el desarrollo y vi cómo han facilitado mi trabajo diario. No os voy a engañar—en muchas ocasiones, mi cabeza explotó porque a veces trataban conceptos muy abstractos que son difíciles de entender sin teoría clara. Pero si acompañas esa formación con algo de estudio por tu parte, te servirá mucho y verás que las empresas también te valorarán mejor porque, nos guste o no, las buenas prácticas muchas veces brillan por su ausencia.”
