IA++: inteligencia artificial para programadores

Episodes

• 
  Episodio 0: Bienvenida a IA++: inteligencia artificial para programadores 12.05.2025 3m

  En el episodio 0 del podcast "IA más más: inteligencia artificial para programadores", Sebastián Barría se presenta como el anfitrión y comparte su entusiasmo por iniciar esta nueva aventura. Con una sólida experiencia como programador y CTO en el ámbito de la tecnología e innovación, busca ofrecer un enfoque práctico y accesible sobre la inteligencia artificial, evitando el lenguaje técnico que puede resultar abrumador. El objetivo es ayudar a los oyentes a aplicar herramientas de IA en sus proyectos, facilitando así su trabajo y mejorando la eficiencia. Sebastián anuncia que la primera temporada constará de 50 episodios, donde se explorarán diversos temas relacionados con la inteligencia artificial, desde el funcionamiento de modelos de lenguaje hasta su integración en sistemas reales. Invita a los oyentes a participar enviando preguntas y sugerencias, enfatizando la importancia de construir una comunidad activa y colaborativa en torno al aprendizaje de la IA. Con un compromiso de responder dudas y crear contenido relevante, el podcast promete ser un recurso valioso para programadores interesados en este fascinante campo.
• 
  Episodio 1: Qué es la inteligencia artificial y cómo puede ayudarte como programador 13.05.2025 9m

  En el primer episodio del podcast "IA++: inteligencia artificial para programadores", se explora cómo la inteligencia artificial (IA) puede revolucionar la forma en que los programadores trabajan. El anfitrión destaca que la IA no solo ayuda a automatizar tareas repetitivas, como depurar código y generar datos de prueba, sino que también permite a los desarrolladores enfocarse en aspectos más creativos y desafiantes de sus proyectos. Se discuten ejemplos concretos de herramientas de IA que facilitan el análisis de datos y sugieren mejoras en el código, lo que transforma significativamente el flujo de desarrollo. Además, se aborda la diferencia entre la programación tradicional y el trabajo con IA, enfatizando que mientras en la programación convencional se escriben instrucciones específicas, en la IA se proporciona información para que el sistema aprenda y se adapte por sí mismo. El episodio también menciona recursos disponibles, como TensorFlow y PyTorch, que permiten a los programadores integrar funcionalidades inteligentes sin necesidad de ser expertos en IA. En resumen, se invita a los oyentes a explorar las oportunidades que la inteligencia artificial ofrece para mejorar su trabajo diario y a participar activamente en la comunidad de desarrollo.
• 
  Episodio 2: Qué tipos de inteligencia artificial existen y cómo se usan en la práctica 15.05.2025 11m

  En el episodio 2 del podcast "IA++: inteligencia artificial para programadores", titulado "Qué tipos de inteligencia artificial existen y cómo se usan en la práctica", se exploran las diversas categorías de inteligencia artificial (IA) y sus aplicaciones en el mundo real. El anfitrión destaca la diferencia entre IA supervisada y no supervisada, explicando cómo la primera utiliza datos etiquetados para entrenar modelos, mientras que la segunda busca patrones en datos sin etiquetas. También se introduce la distinción entre IA generativa, que crea contenido nuevo, e IA discriminativa, que se enfoca en clasificar información. Además, se discuten los conceptos de IA débil e IA fuerte. La IA débil está diseñada para tareas específicas, como asistentes virtuales o sistemas de recomendación, mientras que la IA fuerte es un concepto teórico que implica una comprensión profunda similar a la humana. El episodio también menciona los enfoques simbólico y estadístico en el desarrollo de la IA, resaltando cómo estos paradigmas están transformando industrias y mejorando nuestra vida cotidiana a través de aplicaciones como vehículos autónomos y monitoreo agrícola. En resumen, el episodio ofrece una visión integral sobre los tipos de IA y su impacto en diferentes sectores.
• 
  Episodio 3: Qué es el aprendizaje automático y por qué es clave para automatizar 20.05.2025 13h 18m

  En el episodio 3 del podcast "IA++: inteligencia artificial para programadores", se explora el concepto de aprendizaje automático (machine learning) y su importancia en la automatización de tareas y procesos. Se define el aprendizaje automático como una rama de la inteligencia artificial que permite a las máquinas aprender de datos y mejorar su rendimiento sin necesidad de programación explícita. A través de ejemplos prácticos, como el filtrado de correos electrónicos, se ilustra cómo estos modelos pueden automatizar decisiones y optimizar tareas repetitivas, lo que resulta en un uso más eficiente del tiempo y recursos. Además, se discuten los enfoques de aprendizaje supervisado y no supervisado, destacando cómo cada uno puede aplicarse en diferentes contextos para mejorar la automatización. El episodio enfatiza la capacidad de la inteligencia artificial para diseñar flujos automáticos que integren múltiples aplicaciones, lo que minimiza errores humanos y permite un enfoque más estratégico en el trabajo. En resumen, el aprendizaje automático se presenta como una herramienta poderosa que transforma la forma en que trabajamos, facilitando la automatización y mejorando la eficiencia operativa en diversas industrias.
• 
  Episodio 4: Qué es un modelo de lenguaje y cómo funciona 22.05.2025 10m

  En el episodio 4 de "IA++: inteligencia artificial para programadores", profundizamos en el fascinante mundo de los modelos de lenguaje, herramientas esenciales que permiten a las máquinas entender y generar texto en lenguaje humano. Comenzamos explicando qué son estos modelos y cómo funcionan, destacando conceptos clave como la predicción de palabras, tokens y prompts. Hicimos hincapié en cómo estos modelos son la base detrás de asistentes virtuales como Siri y Google Assistant, que utilizan el procesamiento del lenguaje natural para interactuar con los usuarios de manera efectiva. A lo largo del episodio, exploramos algunos de los modelos más conocidos, como ChatGPT, Claude y Bard, cada uno con sus particularidades y aplicaciones específicas. Discutimos cómo elegir el modelo adecuado según el proyecto que se desee desarrollar, ya sea un chatbot para atención al cliente o un tutor virtual para aprender idiomas. También abordamos los desafíos asociados a su uso, como los sesgos en los datos. En resumen, este episodio ofrece una introducción sólida a los modelos de lenguaje y su impacto en nuestra interacción con la tecnología.
• 
  Episodio 5: Cómo se entrena un modelo de lenguaje desde cero 27.05.2025 8m

  En el episodio 5 del podcast "IA++: inteligencia artificial para programadores", se explora el proceso de entrenamiento de un modelo de lenguaje desde cero, comenzando con el concepto de preentrenamiento. Durante esta fase, el modelo se expone a grandes volúmenes de texto para aprender patrones y estructuras del lenguaje, lo que le permite generar respuestas coherentes. Posteriormente, se introduce el fine-tuning, donde el modelo se ajusta para tareas específicas utilizando datos más relevantes, como foros de programación si el objetivo es responder preguntas técnicas. Además, se discuten las etapas clave del entrenamiento: recolección y preprocesamiento de datos, y el entrenamiento real del modelo. Se enfatiza la importancia de contar con datos de calidad y una buena infraestructura computacional. El episodio también aborda cuándo es conveniente entrenar un modelo propio en lugar de utilizar uno preentrenado, sugiriendo que esto es útil en áreas muy especializadas o cuando se dispone de conjuntos de datos únicos. Finalmente, se ofrecen consejos prácticos para llevar a cabo este proceso de manera efectiva.
• 
  Episodio 6: Cómo se evalúa si un modelo de lenguaje es bueno 29.05.2025 10m

  En el episodio 6 de "IA++: inteligencia artificial para programadores", exploramos un aspecto crucial en el desarrollo de modelos de lenguaje: cómo evaluar su rendimiento. Hablamos sobre métricas clave como la precisión y el recall, que nos ayudan a entender no solo cuántas respuestas son correctas, sino también cuántas de las respuestas relevantes el modelo logra capturar. Además, enfatizamos la importancia de analizar la calidad de las respuestas más allá de su corrección técnica, ya que la utilidad y la coherencia son esenciales para una buena experiencia del usuario. También discutimos la necesidad de reajustar los modelos basándonos en el feedback y el contexto en el que se utilizan. Un modelo puede funcionar bien en un entorno específico pero fallar en otro si no se adapta adecuadamente. Por último, subrayamos la relevancia de seleccionar las métricas adecuadas desde el principio y mantener un ciclo continuo de evaluación y mejora, asegurando así que nuestros modelos evolucionen y se mantengan efectivos a lo largo del tiempo. ¡Espero que encuentren útiles estos conceptos para sus propios proyectos!
• 
  Episodio 7: Qué problemas puede resolver un modelo de lenguaje 03.06.2025 11m

  En el episodio 7 de "IA++: inteligencia artificial para programadores", profundizamos en los diversos problemas que un modelo de lenguaje puede resolver. Comenzamos explorando cómo estos modelos pueden mejorar la eficiencia en tareas de programación, desde la generación automática de código hasta la depuración y el análisis de errores. Hablamos sobre ejemplos concretos donde la IA puede asistir a los desarrolladores, permitiéndoles centrarse en aspectos más creativos y estratégicos del desarrollo de software. Además, discutimos las limitaciones y desafíos que enfrentan estos modelos, como la comprensión contextual y la generación de respuestas coherentes en situaciones complejas. También tocamos el tema de la ética en el uso de modelos de lenguaje, planteando preguntas sobre su impacto en la industria y la necesidad de un uso responsable. En resumen, este episodio ofrece una visión clara sobre cómo los modelos de lenguaje están transformando el panorama del desarrollo de software y qué podemos esperar en el futuro.
• 
  Episodio 8: Qué datos necesita un modelo para ser útil 10.06.2025 9m

  En el episodio 8 de "IA++: inteligencia artificial para programadores", exploramos la crucial importancia de los datos en el desarrollo de modelos de inteligencia artificial. Discutimos cómo la calidad y la cantidad de datos pueden influir directamente en la efectividad de un modelo. Analizamos diferentes tipos de datos, desde datos estructurados hasta no estructurados, y cómo cada uno puede ser utilizado para entrenar modelos que resuelvan problemas específicos. Además, tocamos el tema de la limpieza y preprocesamiento de datos, enfatizando que un modelo solo será tan bueno como los datos que lo alimentan. Compartimos ejemplos prácticos y estrategias sobre cómo recolectar, seleccionar y preparar los datos adecuados para maximizar el rendimiento del modelo. Al final del episodio, quedó claro que entender qué datos necesita un modelo es fundamental para cualquier programador que desee implementar soluciones efectivas basadas en inteligencia artificial.
• 
  Episodio 9: Qué es un prompt y cómo interactuar con un modelo de lenguaje 13.06.2025 11m

  En el episodio 9 de "IA++: inteligencia artificial para programadores", nos sumergimos en el fascinante mundo de los prompts y cómo interactuar eficazmente con modelos de lenguaje. Hablamos sobre qué es un prompt, su importancia en la comunicación con la inteligencia artificial y cómo una buena formulación puede mejorar significativamente la calidad de las respuestas que obtenemos. Compartimos ejemplos prácticos y consejos para crear prompts más efectivos, resaltando la necesidad de ser claros y específicos en nuestras instrucciones. Además, discutimos las diferentes estrategias que se pueden emplear al diseñar prompts, como el uso de contexto, la estructura de las preguntas y la experimentación con diferentes enfoques. También abordamos algunos errores comunes que los programadores suelen cometer y cómo evitarlos para optimizar la interacción con estos modelos. Al final del episodio, quedó claro que dominar el arte de crear prompts es esencial para aprovechar al máximo las capacidades de la inteligencia artificial en nuestros proyectos.
• 
  Episodio 10: Qué es LangChain y cómo usarlo en tu app 17.06.2025 14m

  En el episodio 10 de "IA++: inteligencia artificial para programadores" hablamos sobre LangChain, una librería que está revolucionando la forma en que integramos modelos de lenguaje en nuestras aplicaciones. Explicamos qué es LangChain, cómo facilita la creación de flujos de trabajo complejos combinando diferentes componentes como prompts, modelos y bases de datos, y por qué es una herramienta clave para quienes queremos sacar el máximo provecho a la IA en proyectos reales. Además, hicimos un recorrido práctico mostrando cómo empezar a usar LangChain en tu app, desde la instalación hasta un ejemplo básico de integración con un modelo de lenguaje. También discutimos casos de uso interesantes y consejos para evitar errores comunes al trabajar con esta librería. En resumen, este episodio es una guía rápida pero completa para entender y comenzar a aplicar LangChain en tus desarrollos con IA.
• 
  Episodio 11: Cómo funcionan los function calling en OpenAI y qué puedes hacer con ellos 20.06.2025 13m

  En el episodio 11 de "IA++: inteligencia artificial para programadores" hablamos sobre cómo funcionan los function calling en OpenAI, una funcionalidad que permite a los modelos de lenguaje interactuar directamente con funciones definidas por el desarrollador. Explicamos en detalle cómo se configuran estas llamadas, cómo estructurar los esquemas JSON para definir los parámetros y la importancia de esta capacidad para crear aplicaciones más dinámicas e interactivas que integren IA de manera eficiente. Además, exploramos casos prácticos donde los function calling pueden simplificar tareas como la automatización de procesos, la integración con APIs externas o la generación de respuestas más precisas y contextuales. También discutimos algunas buenas prácticas y limitaciones actuales, para que puedas sacar el máximo provecho a esta herramienta en tus proyectos con OpenAI.
• 
  Episodio 12: Qué es el Model Context Protocol (MCP) y por qué importa 24.06.2025 12m

  En el episodio 12 de "IA++: inteligencia artificial para programadores" hablamos sobre el Model Context Protocol (MCP), explicando qué es y por qué es una pieza clave en la evolución de las aplicaciones basadas en IA. Desglosamos cómo el MCP permite una comunicación más eficiente y estructurada entre los modelos de lenguaje y las aplicaciones, facilitando la integración y mejorando la experiencia del usuario al manejar contextos complejos de manera dinámica. Además, discutimos casos prácticos donde el MCP puede marcar la diferencia, especialmente en sistemas que requieren mantener estados prolongados o manejar múltiples fuentes de información. También vimos cómo esta propuesta impacta en la arquitectura del software y abre nuevas posibilidades para desarrolladores que buscan aprovechar al máximo las capacidades de los modelos de IA actuales. En resumen, este episodio fue una guía para entender por qué el MCP es un estándar que podría transformar la forma en que diseñamos aplicaciones inteligentes.
• 
  Episodio 13: Generar documentación técnica automáticamente con IA 27.06.2025 11m

  En el episodio 13 de "IA++: inteligencia artificial para programadores" hablamos sobre cómo aprovechar la inteligencia artificial para generar documentación técnica de manera automática. Abordamos las principales herramientas y técnicas disponibles, desde modelos de lenguaje que pueden interpretar código y crear descripciones claras, hasta integraciones prácticas en flujos de trabajo de desarrollo. También discutimos los beneficios de automatizar esta tarea, como ahorrar tiempo y mejorar la consistencia en la documentación. Además, compartimos algunos consejos para maximizar la utilidad de la documentación generada por IA, incluyendo la revisión humana y la personalización según el proyecto. Finalmente, exploramos casos reales y ejemplos donde esta tecnología ya está siendo implementada, destacando el impacto positivo que puede tener en equipos de desarrollo y en la calidad del software entregado.
• 
  Episodio 14: IA en el backend: ideas útiles para automatizar procesos 19.07.2025 12m

  En el episodio 14 de "IA++: inteligencia artificial para programadores" hablamos sobre cómo integrar la inteligencia artificial en el backend para automatizar procesos y optimizar flujos de trabajo. Exploramos varias ideas prácticas, desde el uso de modelos de lenguaje para generar código automáticamente hasta la automatización de tareas repetitivas como la validación de datos y la gestión de logs. También discutimos cómo aprovechar APIs de IA para mejorar la eficiencia sin necesidad de construir modelos complejos desde cero. Además, comentamos casos reales donde la IA puede ayudar a detectar anomalías en sistemas backend y facilitar el mantenimiento predictivo, lo que reduce tiempos de inactividad y mejora la experiencia del usuario. Cerramos con recomendaciones sobre herramientas y buenas prácticas para empezar a implementar estas soluciones en proyectos actuales, siempre con un enfoque pragmático y escalable.
• 
  Episodio 15: Este podcast es 100% IA 27.10.2026 7m

  Arrancamos la segunda temporada mirando cómo se hace este podcast por dentro: todo el audio, incluida mi voz, se genera con IA. Yo defino los temas y un script pide a OpenAI el guion por secciones. Después, ElevenLabs convierte cada párrafo en audio con mi voz clonada; un diccionario ayuda a mantener la pronunciación, y FFmpeg une la voz con la música. La síntesis de voz también mejoró respecto de la temporada anterior. Un cron job deja listo un episodio de prueba, pero el archivo no se publica automáticamente: el Sebastián real lo escucha y lo valida. Él también agrega los temas a una cola mediante su MCP, a partir de cosas que le pasan en el mundo real. Además, cuento cómo este flujo podría servir para preparar informes hablados sobre cambios de una aplicación o explicaciones técnicas para soporte, siempre con una revisión antes de entregarlos.
• 
  Episodio 16: Tu primer MCP en 15 minutos 30.10.2026 9m

  En este episodio construimos el primer servidor MCP para conectar un blog con un agente de IA. Explico cómo el servidor presenta sus *tools*, cómo la IA elige una operación y cómo viajan la petición y el resultado entre el chat y la API. Para hacerlo, le pido a un agente de código un servidor remoto por HTTP con dos operaciones de lectura: listar entradas y obtener una entrada. También revisamos cómo comprobar las tools y sus resultados con el inspector de MCP antes de conectarlas a Claude, y por qué hay que limitar los permisos y autenticar un servidor publicado en internet. El mismo recorrido sirve para consultar otros sistemas, como un catálogo de productos o un gestor de incidencias.
• 
  Episodio 17: Los MCP que instalaría hoy 03.11.2026 8m

  En este episodio cuento qué MCP instalaría hoy para un agente de código y por qué prefiero conectar pocos: cada servidor ocupa espacio en el contexto del agente. Si una tarea ya se resuelve bien con git, SSH o la terminal, no hace falta añadir un MCP. Los que sí consideraría son Chrome DevTools para investigar y comprobar lo que ocurre en el navegador, Context7 para consultar documentación de librerías y una conexión a la herramienta donde el equipo guarda el conocimiento del proyecto, como Notion, Obsidian o mem4dev. Recorro ejemplos en los que el agente combina código, logs, reglas de negocio y verificaciones en Chrome sin que tengamos que copiar datos entre ventanas. También hablo de limitar permisos con accesos de solo lectura y tokens de alcance mínimo, probar cambios fuera de producción y mantener credenciales fuera de git. Para evaluar una conexión, propongo probarla con un problema real y quitarla si el agente no la usa.
• 
  Episodio 18: Skills 06.11.2026 10m

  En este episodio de IA++ hablo de las *skills*: instrucciones que permiten a un agente de código repetir un proceso sin investigarlo desde cero. A diferencia de los MCP, que le dan acceso a herramientas, las skills le indican cómo usarlas para una tarea concreta. Explico cómo se guardan en un archivo `SKILL.md` y cómo el agente las carga cuando corresponde. También cuento casos de uso: documentar lo aprendido al investigar un servidor, conservar el orden de cambios en un repositorio y definir el proceso para preparar nuestros episodios o guardar contenido en mem4dev. Por último, hablo de cómo actualizar una skill con nuevos hallazgos y de revisar sus instrucciones y scripts antes de usarla, sin guardar secretos en el archivo.
• 
  Episodio 19: Hooks 10.11.2026 9m

  En este episodio hablamos de los *hooks*: scripts que se ejecutan automáticamente en momentos definidos del trabajo de un agente de código. A diferencia de una instrucción en un prompt, el agente no decide si cumplir la regla. Vimos cómo configurarlos antes o después de usar una herramienta, qué datos reciben en JSON y cómo sus códigos de salida permiten continuar, bloquear una operación o informar de un fallo. Recorrimos ejemplos: validar la sintaxis de un archivo después de cada edición, bloquear comandos peligrosos, proteger archivos sensibles tanto en las herramientas de archivos como en la terminal y ejecutar tests cuando el agente intenta terminar. También hablamos de hooks que hacen peticiones HTTP o consultan un modelo y de revisar los scripts compartidos en un repositorio. Además presentamos el servidor MCP de la comunidad de IA++: te permite buscar episodios, leer sus guiones y dejar comentarios, preguntas o ideas de temas. Conéctalo con esta dirección: https://ia.sebastianbarria.com/mcp