PyDay Valparaíso

11:30 - 12:30

Taller

Lo que nadie te dice sobre la IA generativa: límites, técnicas y lo que viene.

Francisco Alfaro

Valeska Canales

Salón A2 - undefined

Hay mucho ruido alrededor de la IA generativa: promesas exageradas, demos impresionantes y también miedos poco fundamentados. Esta charla no es ninguna de esas cosas. Es un recorrido técnico y honesto por lo que los modelos de lenguaje realmente pueden hacer, dónde están sus límites estructurales y qué herramientas tiene hoy un desarrollador Python para construir sistemas útiles y responsables sobre ellos.

Partimos desde los fundamentos: un LLM no razona, predice. Eso tiene consecuencias concretas que todo el que trabaja con estas herramientas debería entender antes de desplegar algo en producción. Las alucinaciones no son bugs que se van a arreglar en la próxima versión, son una consecuencia de cómo están diseñados estos sistemas. La ventana de contexto, el sesgo en los datos de entrenamiento y la falta de acceso al mundo real son limitaciones igualmente reales.

Desde ahí avanzamos hacia las técnicas que más importan hoy. El prompt engineering tiene más profundidad de lo que parece: zero-shot, few-shot, chain-of-thought y role prompting no son trucos, son formas distintas de comunicarse con precisión con un sistema que toma las palabras literalmente. RAG (Retrieval-Augmented Generation) resuelve uno de los problemas más frecuentes en aplicaciones reales: cómo hacer que el modelo use tu información sin exponer tus datos ni inventar respuestas. Y fine-tuning, cuando tiene sentido usarlo y cuándo no.

Después entramos en el territorio que más está cambiando ahora mismo: los agentes. La diferencia entre un chatbot y un agente es la diferencia entre responder y actuar. Un agente con acceso a herramientas puede ejecutar tareas, consultar bases de datos, enviar mensajes y tomar decisiones en múltiples pasos. MCP (Model Context Protocol), el estándar abierto desarrollado por Anthropic y adoptado por la industria, es lo que hace posible conectar todo eso de manera consistente. También hablamos de vibe coding: qué significa programar describiendo lo que quieres en lenguaje natural, qué se democratiza con eso y qué responsabilidades no desaparecen.

Un bloque importante de la charla está dedicado a seguridad. Prompt injection, jailbreaking y data poisoning no son amenazas teóricas: ya ocurrieron en sistemas reales. Cuando integras un LLM en tu aplicación, el perímetro de seguridad cambia, y eso tiene implicancias directas en cómo diseñas los permisos, el logging y la validación de outputs. Especialmente si estás construyendo agentes con acceso a herramientas que pueden actuar sobre el mundo.

Cerramos con proyecciones concretas para los próximos años: la commoditización de los modelos grandes, el ascenso de modelos pequeños y especializados que corren localmente, las mejoras en razonamiento formal, la memoria persistente como solución al problema del contexto y el avance de marcos regulatorios activos en distintas jurisdicciones.

El objetivo no es predecir el futuro, sino entender qué tendencias ya están en marcha y cómo afectan las decisiones que tomamos hoy cuando construimos con Python sobre estos sistemas.

14:30 - 15:00

Taller

"Vibe Coding" Profesional: De la Idea al MVP en Minutos.

Lesly Zerna

Salón A2 - undefined

Una sesión dinámica sobre cómo utilizar agentes de IA y Python para prototipar ideas a "velocidad de la luz" en herramientas como AI Studio y Antigravity. Veremos cómo la combinación de un buen entorno de desarrollo y modelos como Gemini pueden generar código funcional, tests y documentación casi instantáneamente, permitiendo que el foco vuelva a ser la resolución del problema y no la sintaxis.