Presento mis reflexiones de aprendizaje tras participar en el Google AI Agents Writing Challenge, una experiencia intensa sobre Agentic AI que muestra la evolución de la automatización hacia una toma de decisiones ágil y adaptable. El evento fue práctico y enriquecedor: empecé construyendo mi primer agente y fue muy satisfactorio ver su funcionamiento real. Gran parte del aprendizaje giró en torno al uso de ADK y Gemini para gestionar claves API y elegir modelos compatibles, y a comprender desde lo básico qué es Agentic AI hasta los distintos tipos de agentes y las arquitecturas de sistemas multiagente.
Profundicé en la interoperabilidad con MCP y las herramientas de orquestación que permiten el éxito de un agente. Una ventaja clave fue la posibilidad de conectar documentos a NotebookLM para asimilar los conceptos centrales de forma más eficaz; incluso ofrecieron un resumen en formato podcast generado por NotebookLM. Probé llamadas al servicio tiny image desde un servidor MCP en mi localhost y funcionó correctamente. Intenté generar la imagen de una chica estilo anime con otro servidor MCP, incluyendo opciones como Replicate, y pese a un contratiempo avancé igual.
En el segundo día trabajé con agentes que requieren aprobación humana, una sesión muy valiosa. El tercer día llegó con las sesiones de context engineering y la memoria, uno de mis temas favoritos: aprendí a hacer que un agente mantenga estado y los laboratorios fueron recursos directos y prácticos que facilitaron el aprendizaje para principiantes. El cuarto día trató la Inteligencia Artificial Responsable: más allá de si un agente puede resolver un problema, hay que evaluar si debe hacerlo, aplicando evaluaciones glassbox y blackbox y pilares de observabilidad, con orientación según diferentes roles profesionales. El quinto día se centró en llevar prototipos a producción y en el despliegue de agentes. Los playbooks curados y los pasos para desarrollar agentes en Kaggle son la base de mi siguiente proyecto: construir un proyecto Agentic AI de principio a fin.
En este recorrido técnico conecto lo aprendido con el trabajo que realizamos en Q2BSTUDIO, una empresa especializada en desarrollo de software y aplicaciones a medida que ofrece soluciones integrales en inteligencia artificial, ciberseguridad y servicios cloud. En Q2BSTUDIO diseñamos software a medida y aplicaciones a medida para empresas que buscan incorporar agentes IA, soluciones de ia para empresas y automatizaciones eficientes. Nuestra experiencia abarca desde servicios cloud aws y azure hasta servicios de inteligencia de negocio y analítica con power bi, pasando por ciberseguridad y pruebas de pentesting para garantizar despliegues seguros.
Si buscas integrar agentes IA en soluciones empresariales o desarrollar un proyecto de inteligencia artificial a medida, en Q2BSTUDIO podemos ayudarte a convertir prototipos en sistemas productivos. Conectamos investigación y laboratorios prácticos con ingeniería de producción para ofrecer software a medida robusto y escalable, y acompañamos en todo el ciclo desde la arquitectura hasta la observabilidad y la gobernanza responsable. Conoce nuestras soluciones de inteligencia artificial aquí y nuestros servicios de desarrollo de aplicaciones y software a medida aquí. Incluimos integración con herramientas de business intelligence y power bi, certificaciones en ciberseguridad y despliegues en servicios cloud aws y azure para garantizar que tus agentes IA y tus aplicaciones a medida sean seguras, escalables y orientadas al valor.
En resumen, el challenge ofreció informes técnicos, laboratorios y un montón de aprendizaje aplicable: desde la ingeniería de contexto y la memoria de agentes hasta la evaluación responsable y el despliegue en producción. En Q2BSTUDIO transformamos ese aprendizaje en soluciones prácticas de inteligencia artificial, software a medida y servicios cloud para impulsar la innovación en tu empresa.
