WEBVTT 00:00:00.000 --> 00:00:03.560 El tema de hoy es algo de lo que casi todos han oído hablar, pero casi nadie puede explicar realmente. 00:00:03.860 --> 00:00:04.740 Estoy hablando de los agentes de E. 00:00:05.400 --> 00:00:08.400 Probablemente hayas escuchado el término en una reunión, leído en un blog o visto en un titular. 00:00:08.920 --> 00:00:09.760 Todo el mundo habla de ellos. 00:00:10.300 --> 00:00:13.400 Pero si le pides a alguien que defina o no, las respuestas se vuelven confusas muy rápido. 00:00:13.780 --> 00:00:18.540 El entusiasmo es grande, las definiciones son vagas y la frase se usa tan libremente que ha perdido casi todo su significado. 00:00:18.980 --> 00:00:20.540 Este es el error más común que comete el agente. 00:00:20.840 --> 00:00:23.040 Piensan que un agente es solo un chatbot con nombre más elegante. 00:00:23.400 --> 00:00:24.480 Le preguntas algo y te responden. 00:00:24.820 --> 00:00:26.080 Eso no es un agente, eso es un chatbot. 00:00:26.640 --> 00:00:28.080 Y existe una diferencia real entre ambos. 00:00:28.560 --> 00:00:29.420 Entonces, ¿qué cambió? 00:00:29.420 --> 00:00:31.360 ¿Por qué todo el mundo está obsesionado de repente con los agentes? 00:00:31.800 --> 00:00:34.640 Y lo más importante, ¿por qué debería importarte si no eres desarrollador? 00:00:35.140 --> 00:00:38.120 Al final de este episodio, entenderás qué es realmente un agente de E. 00:00:38.220 --> 00:00:40.900 ¿Por qué Microsoft construyó todo un marco de trabajo a su alrededor? 00:00:41.140 --> 00:00:42.940 ¿Y por qué esto es relevante para tu forma de trabajar? 00:00:44.760 --> 00:00:46.280 ¿Qué es exactamente un agente de E? 00:00:46.980 --> 00:00:48.360 Ya sabes cómo funciona un chatbot. 00:00:48.660 --> 00:00:49.720 Escribes algo y responde. 00:00:50.200 --> 00:00:50.980 Esa es una conversación. 00:00:51.280 --> 00:00:51.840 Es reactiva. 00:00:52.360 --> 00:00:54.140 Espera que digas algo y luego contesta. 00:00:54.720 --> 00:00:55.440 Un agente es diferente. 00:00:55.980 --> 00:00:57.320 No solo responde, actúa. 00:00:57.820 --> 00:00:58.680 Piensa, decide, actúa. 00:00:58.680 --> 00:01:01.240 Esa es la definición más simple que puedo darte, si es cómo funciona. 00:01:01.560 --> 00:01:02.540 Primero, el agente piensa. 00:01:02.900 --> 00:01:07.620 Utiliza un modo de lenguaje extenso para razonar sobre lo que realmente necesitas, no solo lo que escribiste, sino lo que quisiste decir. 00:01:07.920 --> 00:01:11.600 Si dices programa una reunión con Sara el próximo martes, el agente no solo te lo repite. 00:01:12.260 --> 00:01:13.980 Piensa en lo que realmente significa esa solicitud. 00:01:14.440 --> 00:01:15.000 Luego decide. 00:01:15.780 --> 00:01:16.820 Divide tu solicitud en paso. 00:01:17.580 --> 00:01:18.580 Programar una reunión se cumplirá. 00:01:18.580 --> 00:01:22.980 Revisar tu calendario, buscar un espacio libre, comprobar la disponibilidad de Sara en ver una invitación. 00:01:23.300 --> 00:01:24.100 El agente no adivina. 00:01:24.440 --> 00:01:25.320 Crea una secuencia de acciones. 00:01:25.860 --> 00:01:26.520 Finalmente actúa. 00:01:26.980 --> 00:01:28.500 Llama herramientas y servicios para hacerlo realidad. 00:01:29.000 --> 00:01:31.080 No te dice cómo programar una reunión, el programa de la reunión. 00:01:31.440 --> 00:01:32.960 No te explica cómo consultar el clima. 00:01:33.300 --> 00:01:34.680 Consulta el clima y te da la respuesta. 00:01:35.080 --> 00:01:35.960 Así que piensa en diferenciar. 00:01:36.140 --> 00:01:37.040 Un chatbot es reactivo. 00:01:37.500 --> 00:01:38.320 Pero a tu próxima pregunta. 00:01:38.720 --> 00:01:39.760 Un agente es proactivo. 00:01:40.240 --> 00:01:42.120 Le das un objetivo y se pone a trabajar en él. 00:01:42.120 --> 00:01:47.100 Puede volver con preguntas y necesita más información, pero no necesita que lo guíes en cada paso. 00:01:47.620 --> 00:01:49.440 Un chatbot es como un mostrador de información en la biblioteca. 00:01:50.020 --> 00:01:52.120 Preguntas dónde está un libro y te indican el pasillo correcto. 00:01:52.780 --> 00:01:55.600 Un agente es como un asistente personal que tiene las llaves del edificio. 00:01:56.220 --> 00:01:59.260 Dices, necesito información sobre nuestros clientes principales para la reunión de mañana. 00:01:59.940 --> 00:02:02.480 Ellos la buscan, la organizan y te entregan un documento informativo. 00:02:02.980 --> 00:02:04.680 No les dijiste dónde buscar ni qué formato usar. 00:02:05.240 --> 00:02:05.780 Ellos lo adujeron. 00:02:06.160 --> 00:02:07.340 Pero el secreto no es solo el LN. 00:02:07.800 --> 00:02:10.460 El modelo de lenguaje es inteligente, pero por sí solo es solo un cerebro sin manos. 00:02:10.460 --> 00:02:13.740 Lo que convierte a algo en un agente es la combinación de tres cosas. 00:02:13.980 --> 00:02:14.380 Razonamiento. 00:02:14.660 --> 00:02:15.900 La capacidad de pensar un problema. 00:02:16.480 --> 00:02:16.880 Herramientas. 00:02:17.060 --> 00:02:18.260 La capacidad de actuar sobre el mundo. 00:02:18.820 --> 00:02:19.220 Y memoria. 00:02:19.460 --> 00:02:21.420 La capacidad de recordar lo que sucedió antes. 00:02:22.180 --> 00:02:25.880 Junta esos tres elementos y tendrás algo que no solo responde preguntas, sino que hace cosas. 00:02:26.820 --> 00:02:28.800 Antes del marco de trabajo, un panorama fragmentado. 00:02:29.140 --> 00:02:32.140 Entonces, si los agentes son tan útiles, ¿por qué no todo el mundo los está creando ya? 00:02:32.640 --> 00:02:35.200 La respuesta corta es que hasta hace poco era un proceso complicado. 00:02:36.060 --> 00:02:37.780 Tenías que unir varias herramientas tú mismo. 00:02:37.780 --> 00:02:42.040 Algo así como intentar construir un auto comprando piezas de diferentes fabricantes y esperando que encajen. 00:02:42.940 --> 00:02:45.840 El primer intento de Microsoft para solucionar esto fue Semantic Kernel. 00:02:46.120 --> 00:02:48.100 Un SDK para integrar IA en aplicaciones. 00:02:48.640 --> 00:02:50.440 Potente, pero era una caja de herramientas, no un plano. 00:02:50.920 --> 00:02:53.400 Te daba las piezas, pero aún tenías que descubrir cómo ensamblarlas. 00:02:54.120 --> 00:02:55.680 Luego llegó Autogen de Microsoft Research. 00:02:56.340 --> 00:03:00.760 Este marco exploró conversaciones multiagente donde los agentes de IA hablan, debaten y colaboran. 00:03:01.440 --> 00:03:02.020 Innovador, sí. 00:03:02.020 --> 00:03:04.820 Pero era experimental, no estaba diseñado para sistemas de producción. 00:03:05.400 --> 00:03:06.680 Sí que los desarrolladores tenían una decisión. 00:03:07.180 --> 00:03:11.380 Semantic Kernel era estable y listo para empresas, pero carecía de patrones de orquestación avanzados. 00:03:12.160 --> 00:03:16.880 Autogen tenía las geniales capacidades multiagente, pero no era algo que ejecutarías en un entorno real. 00:03:17.680 --> 00:03:20.700 Cada uno tenía su propia curva de aprendizaje, su propia forma de hacer las cosas y su propia comunidad. 00:03:21.180 --> 00:03:22.120 Y no era solo Microsoft. 00:03:22.620 --> 00:03:23.540 Surgieron otros marcos. 00:03:24.000 --> 00:03:25.660 Langchain, CREW y una docena más. 00:03:26.040 --> 00:03:27.420 El ecosistema estaba por todas partes. 00:03:27.420 --> 00:03:31.840 Si querías crear agentes en el trabajo, tenías que convertirte en experto en un mundo que cambia rápidamente. 00:03:32.240 --> 00:03:33.120 ¿Qué marco de trabajo aprende? 00:03:33.520 --> 00:03:34.400 ¿Cuál sobrevivirá? 00:03:34.780 --> 00:03:36.220 ¿A cuál está apoyando realmente Microsoft? 00:03:36.540 --> 00:03:37.740 Para un principiante era abrumado. 00:03:38.360 --> 00:03:41.020 Imagina que eres un desarrollador en una empresa que explora agentes de IA. 00:03:41.580 --> 00:03:46.140 Investiga si encuentras cinco marcos diferentes, cada uno con su propia documentación, sus patrones y su comunidad. 00:03:46.720 --> 00:03:47.640 No sabes por dónde empezar. 00:03:48.020 --> 00:03:49.180 No sabes en cuál apostar tu tiempo. 00:03:49.800 --> 00:03:51.320 Esa fragmentación creó una barrera real. 00:03:51.960 --> 00:03:55.320 No se trataba solo de aprender una herramienta, sino de apostar por todo un ecosistema. 00:03:55.320 --> 00:03:59.460 A medida que los casos de uso de agentes pasaban de experimentos a procesos empresariales reales, 00:03:59.820 --> 00:04:01.520 Microsoft se dio cuenta de que esto no era sostenible. 00:04:01.900 --> 00:04:06.600 Necesitaban un marco de trabajo, un enfoque unificado, una respuesta a la pregunta ¿cómo construye un agente? 00:04:07.340 --> 00:04:08.620 ¿Qué es Microsoft Agent Framework? 00:04:09.680 --> 00:04:13.960 Sí que Microsoft tomó los dos marcos que tenía, Semantic Kernel y Autoshin, y los combinó en uno solo. 00:04:14.540 --> 00:04:20.580 El resultado es Microsoft Agent Framework, un SDK unificado que reúne la estabilidad empresarial de Semantic Kernel 00:04:20.580 --> 00:04:23.320 con los patrones multiagente de vanguardia de Autoshin. 00:04:23.320 --> 00:04:27.480 Los equipos que crearon esos dos marcos ahora trabajan juntos en este. 00:04:28.100 --> 00:04:33.280 Este marco se lanzó en versión preliminar a finales de 2025 y alcanzó la versión 1.0 en julio de 2026. 00:04:34.120 --> 00:04:38.040 Esa línea de tiempo es importante porque te indica que esto no es un proyecto de investigación o un experimento. 00:04:38.220 --> 00:04:39.300 Es un producto para producción. 00:04:40.000 --> 00:04:41.940 Microsoft está diciendo, construyan sus sistemas reales sobre esto. 00:04:42.460 --> 00:04:43.180 También de código abierto. 00:04:43.620 --> 00:04:47.340 Puedes encontrarlo en GitHub con más de 7000 estrellas y más de 100 colaboradores. 00:04:47.920 --> 00:04:48.600 La comunidad activa. 00:04:48.600 --> 00:04:52.220 Hay sesiones de consultas semanales donde puedes hablar directamente con el equipo de ingeniería. 00:04:52.640 --> 00:04:54.160 Eso no es algo que obtengas con un producto cerrado. 00:04:54.560 --> 00:04:57.480 El marco de trabajo admite Python y Tontamed como lenguajes de primera clase. 00:04:57.960 --> 00:05:01.140 Tanto si eres desarrollador de C-Shar como de Python, obtienes la misma experiencia. 00:05:01.660 --> 00:05:04.220 Y eso es muy importante porque muchos marcos de IA son exclusivos para Python. 00:05:04.920 --> 00:05:07.760 Microsoft tomó la decisión deliberada de tratar ambos lenguajes por igual. 00:05:08.440 --> 00:05:09.600 Aquí hay algo que podría sorprender. 00:05:09.600 --> 00:05:12.480 El marco admite más de 7 proveedores de modelos diferentes. 00:05:12.860 --> 00:05:18.960 Microsoft Foundry, Azure OpenAI, OpenAI, Anthropic Cloud, Amazon Bedrock, Google Gemini e incluso modelos locales mediante Oyama. 00:05:19.940 --> 00:05:22.380 Escribe la lógica de tu agente una vez y funcionan todos ellos. 00:05:22.920 --> 00:05:24.160 No estás limitado a un solo proveedor. 00:05:24.520 --> 00:05:29.300 Cambia de OpenAI, Anthropic y solo modificas un valor de configuración, no toda tu base de código, no toda tu base de código. 00:05:29.560 --> 00:05:30.940 El marco tiene dos componentes principales. 00:05:31.460 --> 00:05:35.080 Su agente son los bloques de construcción, unidades de razonamiento individuales que pueden pensar y actuar. 00:05:35.580 --> 00:05:38.180 Los flujos de trabajo son la capa de orquestación que vincula a varios agentes. 00:05:38.180 --> 00:05:42.220 Puedes tener un agente haciendo una tarea o todo un equipo trabajando en un proyecto complejo. 00:05:42.920 --> 00:05:45.160 También existe algo llamado definiciones declarativas. 00:05:45.700 --> 00:05:47.400 Defines el comportamiento de un agente en un archivo YAM. 00:05:47.680 --> 00:05:50.300 Eso significa que la configuración de tu agente puede controlarse por versiones. 00:05:50.620 --> 00:05:54.120 Ponlo en Git, revísalo en solicitudes de extracción y despígalo a través de tu vería CD. 00:05:54.780 --> 00:05:56.380 A los equipos empresariales es una ventaja, no. 00:05:56.900 --> 00:05:58.000 Pero esto es lo que quiero que entiendas. 00:05:58.580 --> 00:06:01.340 Este marco no es solo para desarrolladores que crean sistemas complejos. 00:06:01.600 --> 00:06:03.060 Está diseñado para escenarios empresariales. 00:06:03.540 --> 00:06:08.000 La seguridad, el cumplimiento, la observabilidad y las aprobaciones con intervención humana están integradas, no añadidas como Next. 00:06:08.180 --> 00:06:11.040 Y eso es lo que lo hace diferente a los marcos de trabajo experimentales anteriores. 00:06:12.340 --> 00:06:13.240 Los componentes básicos. 00:06:13.340 --> 00:06:14.800 Agentes, herramienta, memoria y flujos de trabajo. 00:06:15.520 --> 00:06:17.240 Desglosemos los cuatro conceptos fundamentales. 00:06:17.600 --> 00:06:20.520 Si dominas esto, entenderás el 90% de lo que hace este marco de trabajo. 00:06:21.040 --> 00:06:21.780 Primero los agentes. 00:06:22.060 --> 00:06:22.860 Son la unidad fundamental. 00:06:23.320 --> 00:06:26.120 Cada agente tiene un nombre, un conjunto de instrucciones y acceso a herramientas. 00:06:26.780 --> 00:06:28.560 Es una unidad de razonamiento que puede pensar y actuar. 00:06:29.080 --> 00:06:31.520 Dices quién es, qué debe hacer y qué recursos puede utilizar. 00:06:32.000 --> 00:06:32.940 Todo lo demás surge de ahí. 00:06:33.440 --> 00:06:34.240 Lo siguiente era esa herramienta. 00:06:34.240 --> 00:06:42.140 Son las manos del agente, funciones, API o servicios externos que puede llamar, como datos meteorológicos, acceso al calendario, consultas de bases de datos o archivos. 00:06:42.680 --> 00:06:44.320 El agente no sabe cómo hacer estas cosas por sí mismo. 00:06:44.960 --> 00:06:47.320 Necesita herramientas para interactuar con el mundo y tomar medida. 00:06:48.160 --> 00:06:52.300 Puedes escribir funciones simples tú mismo o pueden ser servidores MSP, el protocolo de contexto del modelo. 00:06:52.920 --> 00:06:55.520 Es una forma estándar de conectar agentes a servicios externos. 00:06:55.960 --> 00:06:57.040 Piénsalo como un enchufe universal. 00:06:57.440 --> 00:07:01.460 Si un servicio admite MSP, tu agente puede usarlo sin código de integración personalizado. 00:07:01.460 --> 00:07:02.560 Luego está la memoria. 00:07:02.960 --> 00:07:04.140 Es el almacenamiento del cerebro. 00:07:04.660 --> 00:07:05.380 Existen dos tipos. 00:07:06.000 --> 00:07:07.240 La memoria de sesiones a corto plazo. 00:07:08.100 --> 00:07:10.220 Recuerda lo que sucedió durante una sola conversación. 00:07:10.580 --> 00:07:11.840 Los proveedores de contexto son a largo plazo. 00:07:12.360 --> 00:07:14.860 Recuerdan preferencias y hechos a través de múltiples conversaciones. 00:07:15.580 --> 00:07:17.520 La memoria es lo que hace que una gente parezca inteligente. 00:07:18.260 --> 00:07:20.280 Sin ella, cada interacción comienza desde cero. 00:07:20.680 --> 00:07:23.480 Te presentas y la próxima vez que hablas, ya lo olvidado. 00:07:24.340 --> 00:07:27.340 Con memoria, la gente sabe quién eres, qué han discutido y qué te importa. 00:07:27.340 --> 00:07:31.340 Es la diferencia entre hablar con un extraño o con un colega que conoce tu trabajo. 00:07:31.840 --> 00:07:32.980 Finalmente, los flujos de trabajo. 00:07:33.380 --> 00:07:36.300 Es la capa de orquestación donde defines a múltiples agentes trabajando juntos. 00:07:36.940 --> 00:07:38.300 Los flujos pueden ser secuenciales. 00:07:38.680 --> 00:07:39.940 Paso A y luego paso B. 00:07:40.260 --> 00:07:41.220 Pueden ser concurrentes. 00:07:41.540 --> 00:07:44.200 Con agentes trabajando en paralelo en distintas partes del mismo problema. 00:07:44.360 --> 00:07:45.160 O condicionales. 00:07:46.180 --> 00:07:47.100 Si sucede esto, ve aquí. 00:07:47.580 --> 00:07:48.520 Si sucede aquello, ve allá. 00:07:49.200 --> 00:07:50.880 Los flujos de trabajo también admiten puntos de contra. 00:07:51.100 --> 00:07:54.300 Si algo falla a mitad del proceso, el sistema puede retomar desde donde se quedó. 00:07:54.700 --> 00:07:55.280 No vuelve a empezar. 00:07:55.280 --> 00:07:59.320 Esto es importante para tareas largas que pueden llevar horas o incluir varios pasos. 00:07:59.880 --> 00:08:01.680 Los patrones de intervención humana también están integrados. 00:08:02.060 --> 00:08:05.200 Los agentes pueden pausar y pedir aprobación antes de realizar acciones sensibles. 00:08:05.760 --> 00:08:08.380 Si un agente está a punto de enviar un correo o aprobar un pago, 00:08:08.780 --> 00:08:10.560 puede detenerse y esperar a que un humano diga que sí. 00:08:11.060 --> 00:08:12.300 Esto es esencial para la industria regular. 00:08:12.760 --> 00:08:13.840 Aquí tienes un ejemplo del mundo real. 00:08:14.120 --> 00:08:15.740 Imagina a un agente de preparación de ventas. 00:08:16.220 --> 00:08:17.600 Tienes una reunión con un cliente mañana. 00:08:18.140 --> 00:08:19.600 Le dices a la gente, ayúdame a preparar. 00:08:20.200 --> 00:08:21.820 Revisa tu calendario para confirmar la hora. 00:08:22.300 --> 00:08:24.200 Extrae datos del CRM para ver la historia del equipo. 00:08:24.200 --> 00:08:26.940 Busca en materiales de marketing casos de estudios relevantes. 00:08:27.560 --> 00:08:29.840 Genera un documento informativo y una presentación de PowerPoint. 00:08:30.280 --> 00:08:31.100 Todo sin que hagas nada. 00:08:31.640 --> 00:08:32.220 Eso no es un chat. 00:08:32.680 --> 00:08:33.360 Eso es un agente. 00:08:33.760 --> 00:08:34.440 ¿Por qué debería importar? 00:08:34.700 --> 00:08:35.380 El valor práctico. 00:08:35.860 --> 00:08:37.120 Ya entiendes que es el marco de trabajo. 00:08:37.300 --> 00:08:40.720 Pero la pregunta es, ¿por qué debería importarte si no eres un desarrollador que crea sistemas de... 00:08:40.720 --> 00:08:43.980 La respuesta es que este marco no vive solo en la terminal de un desarrollador? 00:08:44.480 --> 00:08:46.780 Potencia las herramientas con las que los usuarios empresariales interactúan. 00:08:47.140 --> 00:08:50.840 Los agentes creados con este marco pueden publicarse directamente en Microsoft Teams y en el chat de Copilot. 00:08:51.300 --> 00:08:53.800 Eso significa que los agentes de tu organización viven donde ya trabajas. 00:08:54.060 --> 00:08:57.660 No necesitas instalar una aplicación a parte de recordar un inicio de sesión nuevo ni pasar por una curva de aprendizaje. 00:08:57.960 --> 00:08:59.220 Solo abre Teams y el agente está ahí. 00:08:59.840 --> 00:09:02.580 Para los responsables de TI, la toma de decisiones empresariales es aún más importante. 00:09:02.580 --> 00:09:05.300 El marco proporciona controles empresariales que realmente importan. 00:09:06.280 --> 00:09:10.880 Obtienes gestión de identidades a través de EntraID, controles de acceso para que los agentes solo vean lo que deben, 00:09:11.080 --> 00:09:16.700 registros de auditoría para saber qué hizo cada agente y cuándo y gobernanza de datos para que la información sensible permanezca protegida. 00:09:17.760 --> 00:09:19.220 Aquí hay un problema en el que quizá no hayas pensado. 00:09:19.820 --> 00:09:20.780 La IA en la sombra es real. 00:09:21.140 --> 00:09:25.560 Los empleados usan herramientas de IA no autorizadas a diario, pegando datos de la empresa en chatbots públicos, 00:09:25.660 --> 00:09:28.900 subiendo documentos sensibles a servidores desconocidos y esperando que todo salga bien. 00:09:28.900 --> 00:09:33.020 Los equipos de TI saben que esto ocurre, pero no pueden detenerlo simplemente prohibiendo herramientas. 00:09:33.420 --> 00:09:34.240 La gente encontrará manera. 00:09:35.240 --> 00:09:39.600 Este marco le da a TI una forma de ofrecer agentes aprobados y seguros que siguen siendo modernos. 00:09:40.620 --> 00:09:44.420 En lugar de decirles a los empleados, no usen IA, puedes decir, usen a estos agentes en su lugar. 00:09:45.260 --> 00:09:47.560 Son seguros, están bajo control, trabajan con sus datos. 00:09:48.500 --> 00:09:50.960 También existe el problema de la proliferación de agentes y esto ocurrió. 00:09:51.220 --> 00:09:53.600 Los equipos están creando agentes más rápido de lo que alguien puede rastrear. 00:09:53.980 --> 00:09:57.120 El marco te ofrece un lugar único para gestionar, supervisar y gobernar a todos ellos. 00:09:57.120 --> 00:10:01.540 Puedes ver qué agentes están utilizando, cuáles están acumulando polvo y cuáles necesitan atención. 00:10:02.060 --> 00:10:03.220 La visibilidad de costos es de otro factante. 00:10:04.140 --> 00:10:09.520 Puedes ver exactamente cuánto cuesta ejecutar cada agente, cuáles son costosos, cuáles son eficientes y dónde optimizar. 00:10:10.340 --> 00:10:13.120 Eso no es algo que obtengas con una colección de herramientas y scripts aleatorios. 00:10:13.720 --> 00:10:18.980 En conclusión, este marco hace que los agentes de IA sean prácticos, seguros y manejables para organizaciones reales. 00:10:19.440 --> 00:10:21.260 No se trata solo de crear tecnología avanzada, 00:10:21.260 --> 00:10:26.960 sino de construir algo que funcione en un negocio real con restricciones reales, seguridad, cumplimiento presupuesto y gobernanza. 00:10:27.520 --> 00:10:30.680 Si eres responsable de alguno de estos aspectos, este marco de trabajo es importante para ti. 00:10:31.200 --> 00:10:32.260 ¿Cómo encaja en el panorama general? 00:10:32.920 --> 00:10:34.920 Entonces, ¿dónde encaja realmente el marco de trabajo para gente? 00:10:35.240 --> 00:10:38.060 No es un producto independiente, es una pieza de un rompecabezas mucho mayor. 00:10:38.580 --> 00:10:39.420 Veamos cómo se conecta. 00:10:39.940 --> 00:10:41.260 Empecemos con Azure y Foundry. 00:10:42.080 --> 00:10:42.920 Piénsalo de esta manera. 00:10:43.300 --> 00:10:45.560 El marco de trabajo es cómo construyes tus agentes y Foundry. 00:10:45.940 --> 00:10:47.140 Es donde viven y se ejecutan. 00:10:47.140 --> 00:10:48.880 ¿Encaldía todo el trabajo pesado? 00:10:49.360 --> 00:10:51.480 ¿Infraestructura, escalabilidad, monitoreo y seguridad? 00:10:52.280 --> 00:10:56.920 Construyes localmente e implementas en Foundry y tus agentes se ejecutan en un entorno de producción con controles empresariales. 00:10:57.120 --> 00:11:01.360 Ahora, si no eres desarrollador, tienes otra opción, Copilot Studio. 00:11:02.240 --> 00:11:03.340 Este es el camino de bajo código. 00:11:03.720 --> 00:11:08.300 Utilizas una interfaz visual para definir qué hace tu agente, conectarlo a fuentes de datos y publicarlo en Teams. 00:11:08.880 --> 00:11:09.640 No se requiere código. 00:11:10.260 --> 00:11:12.720 El marco de trabajo para agentes es para desarrolladores que desean control top. 00:11:12.720 --> 00:11:13.760 Se complementa de sí. 00:11:14.320 --> 00:11:15.060 Necesitas finalización. 00:11:15.540 --> 00:11:16.160 Usa el marco de trabajo. 00:11:16.580 --> 00:11:17.240 Necesitas avanzar. 00:11:17.680 --> 00:11:18.580 Usa Copilot Studio. 00:11:19.600 --> 00:11:22.900 Luego está Microsoft 365 Copilot, el lado orientado al usuario. 00:11:23.500 --> 00:11:26.580 Los agentes creados con el marco de trabajo pueden aparecer directamente dentro de Copilot. 00:11:26.780 --> 00:11:31.380 Así, los usuarios interactúan con ellos a través de una interfaz familiar y el mismo Copilot que ya usan para trabajar. 00:11:31.960 --> 00:11:34.340 No hay herramientas nuevas que aprender ni flujos de trabajo nuevos que no. 00:11:34.720 --> 00:11:37.040 Pero aquí es donde brilla el valor real, la capa de inteligencia. 00:11:37.520 --> 00:11:38.080 Tiene entre partes. 00:11:38.680 --> 00:11:40.700 WorkIQ se conecta a tus datos personales. 00:11:40.920 --> 00:11:41.980 Correo, calendario y chats. 00:11:42.660 --> 00:11:46.760 FoundryIQ se conecta al conocimiento organizacional, documentos, políticas y recursos compartidos. 00:11:47.280 --> 00:11:51.700 Y FabricIQ se conecta a datos de negocio, cifras de venta, registros de clientes y métricas operativas. 00:11:52.380 --> 00:11:53.880 Sus agentes pueden obtener información de los tres. 00:11:54.140 --> 00:11:55.380 Eso es lo que los hace verdaderamente uno. 00:11:55.760 --> 00:11:58.040 No solo responden preguntas generales, tienen contexto. 00:11:58.380 --> 00:12:01.760 Saben quién eres, en qué estás trabajando y qué datos son importantes para tu negocio. 00:12:02.420 --> 00:12:05.680 Cuando un agente prepara un documento informativo para una reunión de ventas, no está adivinando. 00:12:05.680 --> 00:12:11.400 Estás extrayendo datos de tu calendario, tus CRM, tus materiales de marketing y la base de conocimientos de tu empresa, todo en una sola solicitud. 00:12:11.860 --> 00:12:13.580 Todo funciona con el modelo de seguridad de Microsoft. 00:12:14.060 --> 00:12:17.780 Entra ID para identidad, Intune para gestión de dispositivos y Defender para protección contra amenazas. 00:12:18.320 --> 00:12:21.620 Si tu organización ya usa estas herramientas, el marco de trabajo encaja perfectamente. 00:12:22.160 --> 00:12:23.740 No es necesario crear una capa de seguridad independiente. 00:12:24.080 --> 00:12:29.240 Para las organizaciones que ya utilizan Microsoft 365, Azure y Power Platform, este marco de trabajo es el siguiente paso natural. 00:12:29.680 --> 00:12:30.760 No estás empezando desde cero. 00:12:31.100 --> 00:12:32.300 Estás extendiendo lo que ya tienes. 00:12:32.660 --> 00:12:33.420 ¿La visión a largo plazo? 00:12:33.720 --> 00:12:34.000 Siempre. 00:12:34.000 --> 00:12:35.960 Si agentes serán tan comunes como las aplicaciones. 00:12:36.420 --> 00:12:43.080 Cada proceso empresarial tendrá una capa de agentes, no para reemplazar a las personas, sino para ayudarlas a trabajar más rápido con mejor información y menos tareas repetitivas. 00:12:43.560 --> 00:12:45.180 Este marco de trabajo es cómo construyes esa capa. 00:12:45.960 --> 00:12:47.240 Para empezar, tu primer paso. 00:12:47.960 --> 00:12:48.740 ¿Qué tiene la buena noticia? 00:12:49.040 --> 00:12:50.940 No necesitas ser un experto en IA para comenzar. 00:12:51.360 --> 00:12:51.980 Hay dos caminos. 00:12:52.420 --> 00:12:54.080 El camino no-code es Copilot Studio. 00:12:54.480 --> 00:12:57.220 Interfaz visual, arrastrar, soltar, configurar sin necesidad de código. 00:12:57.660 --> 00:12:59.340 Puedes tener algo funcionando en horas, no en días. 00:12:59.860 --> 00:13:03.120 Si tu objetivo es resolver un problema de negocio específico rápido, este es tu camino. 00:13:03.120 --> 00:13:05.160 El camino con código es el marco de trabajo para agentes. 00:13:05.640 --> 00:13:09.280 Instalas los paquetes para Python o Python.net y usas la extensión de VS Code. 00:13:09.580 --> 00:13:12.680 Y vale la pena hablar de la extensión porque incluye habilidades potenciadas por IA. 00:13:13.480 --> 00:13:14.280 Le dice lo que quieres. 00:13:14.840 --> 00:13:19.900 Crea un agente de preparación de ventas que revise mi calendario y obtenga datos del CRM y creará la estructura de todo el proyecto para ti. 00:13:20.500 --> 00:13:21.800 Código, archivos de configuración, todo. 00:13:22.200 --> 00:13:23.000 No es una página en blanco. 00:13:23.300 --> 00:13:24.020 Es una ventaja inicial. 00:13:24.020 --> 00:13:26.740 La extensión también incluye algo llamado inspector de agentes. 00:13:27.260 --> 00:13:30.400 Esta es una herramienta visual que te muestra lo que hace tu agente en tiempo real paso a paso a paso. 00:13:30.740 --> 00:13:31.420 Puedes verlo pensar. 00:13:31.880 --> 00:13:32.960 Puedes ver qué herramienta está llamando. 00:13:33.460 --> 00:13:34.600 Puedes ver dónde se está quedando atascado. 00:13:34.940 --> 00:13:36.800 Es como tener un depurador que habla en lenguaje sencillo. 00:13:37.220 --> 00:13:43.980 Si ya estás usando Semantic Kernel o Autogen, hay asistentes de migración que analizan tu código existente y generan un plan de migración paso a paso. 00:13:44.360 --> 00:13:45.400 No tienes que empezar desde cero. 00:13:45.980 --> 00:13:47.120 El marco de trabajo es de código bien. 00:13:47.120 --> 00:13:50.920 El repositorio de GitHub está en github.com de a la Microsoft Learning Framework. 00:13:51.260 --> 00:13:53.640 Ejemplos, documentación, foros de discusión, todo está ahí. 00:13:54.100 --> 00:13:55.060 La comunidad es activa. 00:13:55.420 --> 00:13:58.540 Hay sesiones de consultas semanales donde puedes hablar directamente con el equipo de ingeniería. 00:13:58.820 --> 00:14:00.540 Eso no es algo que obtengas con la mayoría de los marcos de trabajo. 00:14:00.860 --> 00:14:01.660 El mensaje clave es este. 00:14:02.040 --> 00:14:02.660 Piensa poco o poco. 00:14:03.220 --> 00:14:05.080 Construye un solo agente que haga una cosa útil. 00:14:05.400 --> 00:14:06.060 Tal vez revise tú. 00:14:06.620 --> 00:14:08.000 Tal vez resuma tus correos electrónicos. 00:14:08.380 --> 00:14:09.720 Tal vez busque información de cliente. 00:14:10.000 --> 00:14:10.520 Mira qué te parece. 00:14:10.860 --> 00:14:11.420 Luego escala. 00:14:11.420 --> 00:14:13.540 Lo más importante es entender los conceptos. 00:14:14.020 --> 00:14:15.000 Y de eso se trata de este episodio. 00:14:15.000 --> 00:14:17.700 Déjame concluir uniendo estas piezas. 00:14:18.300 --> 00:14:19.420 Un agente no es un chatbot. 00:14:19.980 --> 00:14:22.480 Es un sistema que piensa, decide y actúa por sí mismo. 00:14:23.120 --> 00:14:26.220 El marco de trabajo existe porque construir agentes a la antigua significaba lidiar con 00:14:26.220 --> 00:14:28.480 herramientas y marcos incompatibles que no se comunicaban entre sí. 00:14:28.880 --> 00:14:30.560 Esa fragmentación hacía que todo fuera confuso. 00:14:30.860 --> 00:14:34.120 Así que Microsoft construyó una forma de crear, una forma de implementar y una forma 00:14:34.120 --> 00:14:34.700 de administrar. 00:14:35.300 --> 00:14:38.580 Ya no más cambios entre marcos de trabajo ni unir piezas que no encajan. 00:14:39.200 --> 00:14:40.760 Para principiantes, esta es la idea clave. 00:14:41.240 --> 00:14:42.540 Los agentes de IA no son mágicos. 00:14:42.540 --> 00:14:45.860 Son sistemas estructurados que razonan, usan herramientas y recuerdan el contexto. 00:14:46.580 --> 00:14:49.840 Microsoft les dio un marco completo para construirlos y está listo para producción 00:14:49.840 --> 00:14:50.280 ahora mismo. 00:14:50.680 --> 00:14:51.300 Entonces, publicidad será. 00:14:51.720 --> 00:14:54.540 Los agentes se están convirtiendo en parte normal de cómo trabajamos, igual que las 00:14:54.540 --> 00:14:55.460 apps y las web hace años. 00:14:56.080 --> 00:14:59.600 Las herramientas están aquí, la comunidad es activa y tu primer agente está más cerca 00:14:59.600 --> 00:15:00.220 de lo que crees. 00:15:00.880 --> 00:15:04.120 Si quieres explorar más, comienza con el repositorio de GitHub y la extensión de 00:15:04.120 --> 00:15:04.480 Voice Code. 00:15:05.220 --> 00:15:08.840 Suscríbete en tu plataforma de podcast favorita y comparte esto con alguien que empiece su camino.