Fundamentos de IA

Tres personas dicen "inteligencia artificial" en la misma reunión. Ninguna habla de lo mismo.

Una piensa en un asistente que conversa. Otra, en un sistema que anticipa fallas. La tercera, en un gasto. Las tres tienen razón, y por eso el proyecto va a costar el triple de lo previsto.

Este libro existe para deshacer esa confusión. No te convertirá en científico de datos: te dará algo más útil, que es distinguir qué te están vendiendo, qué necesitas realmente y qué preguntas hacer antes de firmar un presupuesto.

Qué vas a encontrar

• Ochenta años de historia de la IA, de Turing a los transformadores, en pocas páginas.
• El mapa de conceptos: IA, machine learning, deep learning, PLN y generativa, y cómo se contienen unos a otros.
• La diferencia entre predecir y generar, y por qué confundirlas es el error más caro de esta materia.
• Los modelos que conviene conocer de nombre: regresión, árboles de decisión, random forest, gradient boosting, clustering.
• Cómo funciona realmente un modelo de lenguaje: tokens, embeddings, atención y ventana de contexto.
• Por qué alucina, y por qué no es una avería.
• Prompting como especificación de requisitos, no como conversación.
• RAG completo: indexación, recuperación, chunking, bases vectoriales y búsqueda híbrida.
• Herramientas, MCP y agentes, con sus límites reales.
• Cómo evaluar un sistema que responde distinto cada vez.
• Coste, latencia y las restricciones que deciden si el proyecto vive o muere.
• Gobierno, sesgo, AI Act y preparación del dato.

Con un caso real que atraviesa todo el libro

Una comercializadora de vehículos que opera con SAP quiere anticipar demanda de repuestos, predecir fallas y dar respuesta técnica inmediata a sus asesores. Solo una de esas tres cosas es IA generativa. Descubrir cuál, y por qué, es probablemente lo más valioso que este libro puede darte.

Sin código. Sin matemáticas. Con tres rutas de lectura según vengas del negocio, de la técnica o sin base previa. Glosario y bibliografía incluidos.

Sobre el autor

Walter E. Calcagno Lucares es arquitecto de datos, Microsoft MVP en Data Platform desde 2019 y Microsoft Certified Trainer. Es autor de Arquitectura e Ingeniería de Datos (Anaya Multimedia, 2024) y de Guía introductoria a las bases de datos, primer volumen de esta serie. Ejerce la docencia en la Universidad ICESI de Colombia, en Platzi y en NamasData de Barcelona.

Segundo volumen de la serie Fundamentos de datos. Puede leerse de forma independiente.