Preguntas frecuentes
Ingeniería de IA y nube
17 preguntas y respuestas sobre Ingeniería de IA y nube, de Muhammad Shahid, ingeniero de software de IA sénior y desarrollador backend.
Ingeniería de IA y nube
1. ¿Creas sistemas con LLM y GenAI para producción?
Sí. Desarrollo funciones basadas en LLM y flujos agénticos que funcionan en producción, también en Joni (joni.ai), una plataforma de productos de IA donde desarrollo los servicios backend, los flujos de agentes y las integraciones.
2. ¿Creas sistemas RAG con embeddings?
Sí. He creado pipelines RAG (generación aumentada por recuperación) en producción con embeddings y búsqueda vectorial: divido el contenido en fragmentos, creo embeddings, los guardo para búsqueda vectorial y recupero el contexto adecuado para el LLM, de modo que sus respuestas se basen en tus propios datos.
3. ¿Qué es un flujo agéntico y los creas?
Un flujo agéntico es un sistema de IA que planifica y ejecuta varios pasos por sí mismo: llama a herramientas, lee datos y decide qué hacer después. Los creo con LangGraph y n8n, conservando el estado entre pasos y pasando los resultados al resto del sistema.
4. ¿Cómo evalúas y monitorizas las funciones con LLM?
Registro prompts, respuestas y llamadas a herramientas, evalúo los cambios con conjuntos de prueba antes de publicarlos y monitorizo la calidad de las respuestas, la latencia y el coste en producción. Es la misma disciplina que aprendí en QA, aplicada a la IA.
5. ¿Usas Python?
Sí. Uso Python para trabajo de IA y scripts, junto con JavaScript y TypeScript para backends y apps web.
6. ¿Usas TypeScript?
Sí. Escribo TypeScript y JavaScript para backends en Node.js y frontends web.
7. ¿Trabajas con AWS y Docker?
Sí. Empaqueto servicios en contenedores Docker y los despliego y ejecuto en AWS, además de Heroku, servidores VPS y Netlify.
8. ¿Configuras pipelines de CI/CD?
Sí. Configuro pipelines que compilan, prueban y despliegan automáticamente, para que cada cambio se compruebe antes de llegar a producción. Este sitio, por ejemplo, se despliega con cada push y después envía su sitemap a IndexNow.
9. ¿Diseñas microservicios y sistemas orientados a eventos?
Sí. Divido los backends en servicios que se comunican mediante APIs, eventos y colas, y he trabajado con streaming de datos. Para Tomi creé servicios orientados a eventos que indexan eventos on-chain y mantienen sincronizado el estado off-chain.
10. ¿Encajas en un puesto de Senior AI Software Engineer?
Combino experiencia backend en producción a gran escala (DOP con más de 300 millones de usuarios, CV Maker con más de 1 millón), ingeniería práctica de GenAI (LLM, RAG, flujos agénticos y evaluación), nube y DevOps con AWS, Docker y CI/CD, y experiencia en QA. Estoy abierto a puestos en remoto e híbridos.
11. ¿Trabajas con LangChain o LlamaIndex?
Sí. Desarrollo con LangChain y LlamaIndex para cargadores, recuperadores y cadenas, y con LangGraph, en el que estoy certificado, para agentes de IA con estado.
12. ¿Puedes integrar las APIs de OpenAI y Anthropic en producción?
Sí. Llamo a las APIs de OpenAI y Anthropic (Claude) desde backends en producción con reintentos, timeouts, streaming, control de límites de uso y registro del consumo, para que las funciones de IA sean fiables y su coste esté a la vista.
13. ¿Optimizas el coste y la latencia de los LLM?
Sí. Cacheo respuestas repetidas, uso modelos más pequeños cuando la calidad lo permite, recorto prompts y contexto, transmito las respuestas en streaming y agrupo el trabajo en segundo plano, y mido el coste y la latencia de cada función.
14. ¿Has creado sistemas multiagente?
Sí. He creado sistemas multiagente en los que agentes de IA especializados se reparten una tarea, se pasan resultados y se delegan trabajo, coordinados con LangGraph.
15. ¿Haces ingeniería de prompts?
Sí. Diseño prompts con instrucciones claras y salidas estructuradas, los mantengo versionados y pruebo cada cambio con conjuntos de evaluación antes de publicarlo.
16. ¿Usas tool calling y function calling con LLM?
Sí. Permito que los LLM llamen a APIs y herramientas mediante esquemas definidos, y valido los argumentos antes de ejecutar nada, para que los agentes actúen sobre sistemas reales con seguridad.
17. ¿Has hecho fine-tuning de LLM?
Sí. He hecho fine-tuning de modelos, también con LoRA, en casos en los que los prompts y RAG no bastan, y evalúo el modelo ajustado frente al modelo base antes de usarlo.