Big Data e Inteligencia Artificial

Todo el mundo habla de agentes de inteligencia artificial pero muchos no sabrían identificar uno si lo tuvieran delante.
🎧 Episodio completo

En este episodio os explico qué es un agente de IA, en qué se diferencia de un modelo del lenguaje como ChatGPT y cómo hemos llegado hasta aquí en apenas 3 años: desde la era del prompt engineering y las alucinaciones, pasando por las técnicas de RAG y los modelos razonadores, hasta los agentes que no solo piensan sino que actúan.
En la versión completa (disponible en la Comunidad Ninja) entro en los niveles de complejidad de los sistemas agénticos, la ingeniería de contexto, MCP, Skills, el debate MCP vs CLI, tres incidentes de seguridad reales y 5 hipótesis sobre el futuro de los agentes de IA.

🔗 Enlaces mencionados en el episodio:
📌 Episodio 28: La revolución de ChatGPT
📌 Episodio 22 (Podcast Premium): Qué es un LLM (Explicado para que lo entiendas)
📌 Episodio 23 (Podcast Premium): Qué son los embeddings y la tokenización
📌 Episodio 24 (Podcast Premium): La explicación definitiva de la arquitectura transformer
📌 Episodio 26 (Podcast Premium): Fine-Tuning de LLMs
📌 Vídeo sobre MCP (Model Context Protocol) en YouTube
📌 Comunidad Ninja (episodio completo, club de lectura, sesiones en directo, proyectos y más):https://datos.ninja/comunidad
📌 Libro "Agentic Design Patterns" de Antonio Gullì disponible en la Sala de Lectura de la Comunidad

Descubre qué rol de datos encaja mejor contigo:
👉 Haz el test aquí: ⁠⁠⁠⁠https://datos.kit.com/roadmap⁠⁠⁠⁠

Sígueme en RRSS:
📺 YouTube: ⁠⁠@martarroyo⁠⁠
📸 Instagram: ⁠⁠@datos.ninja⁠⁠
🤳 TikTok: ⁠⁠@datos.ninja ⁠⁠
🐦 X: ⁠⁠⁠@martarroyo⁠⁠⁠

📝 Puedes encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠⁠⁠ completas en https://datos.ninja/podcast-premium/30-agentes/

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la ⁠Comunidad Ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠
🥷Accede a todo el contenido para convertirte en un ninja de los datos:
🎥 ⁠⁠Sesiones en directo⁠⁠
⚡️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠
📚 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠
🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠

Segunda parte del análisis anual del estado de la Inteligencia Artificial en 2025 basándonos en el informe State of AI Report de Air Street Capital 📊
Si la semana pasada hablábamos de avances tecnológicos, hoy toca industria y política.
Y es que en este 2025:
📈 NVIDIA supera a Apple y Microsoft en bolsa pero su reinado se ha convertido en un juego de equilibrios
Restricciones cambiantes de exportación a China
Contrabando de GPUs
Google, Amazon, Meta... desarrollando chips para reducir su dependencia con NVIDIA.
🚀 El megaproyecto Stargate de 500.000 millones de dólares con centros de datos de 1 gigavatio que consumen como plantas nucleares.
⚖️ En cuanto a regulación, Trump se ha dedicado a revocar las órdenes de Biden.
La IA ha dejado de ser tecnología para convertirse en geopolítica, crisis energética y transformación laboral. Da para pensar... y para un par de episodios de Black Mirror 🪞

Recuerda que si tienes cualquier duda, pregunta o comentario puedes contactar conmigo a través del ⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠ o en ⁠⁠⁠⁠LinkedIn⁠⁠.

Descubre qué rol de datos encaja mejor contigo:
👉 Haz el test aquí: ⁠⁠⁠https://datos.kit.com/roadmap⁠⁠⁠

Sígueme en RRSS:
📺 YouTube: ⁠@martarroyo⁠
📸 Instagram: ⁠@datos.ninja⁠
🤳 TikTok: ⁠@datos.ninja ⁠
🐦 X: ⁠⁠@martarroyo⁠⁠

📝 Puedes encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠⁠⁠ completas en ⁠https://datos.ninja/podcast/107-estado-inteligencia-artificial-industria-2025/

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la Comunidad Ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷Accede a todo el contenido para convertirte en un ninja de los datos:
🎥 ⁠Sesiones en directo⁠
⚡️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠
📚 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠
🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠
En el episodio de hoy repasamos el estado de la Inteligencia Artificial en 2025 basándonos en el informe State of AI Report de Air Street Capital.

🚀 2025: El año de los modelos de razonamiento. De o1 de OpenAI al revolucionario DeepSeek R1 que lo superó en solo dos meses.
🚀 Las cuatro etapas de entrenamiento de DeepSeek R1 y cómo las recompensas verificables cambiaron el juego del RL.
🚀 La revolución china en open source: Qwen destrona a Llama y Kimi K2 entra en el top 20 con ¡un billón de parámetros!
🚀 OpenAI vuelve al open source con gpt-oss después de años en silencio. ¿Será suficiente?
🚀 Razonamiento paralelo: los modelos ahora piensan en múltiples caminos simultáneamente.
🚀 Modelos del mundo vs generación de vídeo: de películas pasivas a videojuegos interactivos con Genie 3 y Veo 3.1.
🚀 El ecosistema de agentes explota: MCP se convierte en el estándar universal adoptado por todos los grandes.
🚀 Y sí... las conferencias de IA están colapsando con 29.000 papers. Si pestañeas, te lo pierdes.

¡Dale al play y entérate de todo!

Recuerda que si tienes cualquier duda, pregunta o comentario puedes contactar conmigo a través del ⁠⁠⁠formulario de contacto⁠⁠⁠ o en ⁠⁠⁠LinkedIn⁠.

Descubre qué rol de datos encaja mejor contigo:
👉 Haz el test aquí: ⁠⁠https://datos.kit.com/roadmap⁠⁠
Episodios anteriores relacionados:
⭕️ Premium 22. Qué es un LLM (Explicado para que lo entiendas)
⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Premium 23. Qué son los embeddings y la tokenización
⭕️ Premium 24. La explicación definitiva de la arquitectura transformer
⭕️ Premium 26. Fine-Tuning de LLMs

Sígueme en RRSS:
📺 YouTube: @martarroyo
📸 Instagram: @datos.ninja
🤳 TikTok: @datos.ninja
🐦 X: ⁠@martarroyo⁠

📝 Puedes encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠⁠ completas en https://datos.ninja/podcast/106-estado-inteligencia-artificial-2025/

🥷 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Apúntate aquí a la membresía ninja⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 🥷
Accede a todo el contenido para convertirte en un ninja de los datos:
⚡️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Podcast premium⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠
🛠️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Tutoriales⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠
📚 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Resúmenes de libros top⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠
🎥 ⁠⁠Sesiones de formación⁠⁠
👥 Comunidad ninja
En el episodio de hoy descubrimos cómo LinkedIn actualiza sus modelos de IA cada hora sin morir en el intento.
Spoiler: entrenar un modelo una vez está bien... pero mantenerlo actualizado 24/7 con millones de usuarios es el verdadero reto.
✅ Por qué el entrenamiento tradicional "cold start" no funciona a escala (es caro, lento y frágil).
✅ Qué es el entrenamiento incremental y cómo LinkedIn ahorra 9 veces en costes.
✅ El desafío de generar datos en tiempo real con Apache Flink y Kafka.
✅ Cómo manejar 30,000-35,000 eventos por segundo con menos de 5ms de latencia.
✅ Por qué los grafos estáticos de TensorFlow/PyTorch son clave en producción.
✅ La importancia de los checkpoints y la tolerancia a fallos.
✅ Resultados reales: +2% en aplicaciones cualificadas, +4% en clicks de anuncios...
Y mucho más💥
Después de este episodio entenderás por qué llevar Machine Learning a producción es MUY diferente a entrenar en un notebook de Jupyter.
📰 Suscríbete a la newsletter donde profundizaré en las herramientas concretas que usa LinkedIn: https://datos.kit.com/roadmap
Episodios anteriores relacionados:
⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 94⁠.⁠ Buenas prácticas para científicos de datos
⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 80⁠.⁠ Machine Learning 101
⭕️ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Episodio 83⁠.⁠ Una neurona
Recuerda que si tienes cualquier duda, pregunta o comentario puedes contactar conmigo a través del ⁠⁠⁠⁠formulario de contacto⁠⁠⁠⁠ o en ⁠⁠⁠Linkedin⁠⁠.
📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠⁠ completas en ⁠https://datos.ninja/podcast/105-linkedin-y-el-entrenamiento-incremental-ml

En el episodio de hoy desciframos qué significa REALMENTE ser data-driven y por qué el 76% de las empresas fracasa en el intento.
Descubre cómo diseñar una estrategia de datos que funcione de verdad, no solo que quede bonita en un PowerPoint.
✅ El gran error: pensar que ser data-driven es un proyecto tecnológico (spoiler: es una transformación cultural).
✅ Por qué tener un data warehouse y dashboards no te hace data-driven.
✅ La relación real entre estrategia de negocio y estrategia de datos: primero defines cómo ganar, luego qué capacidades de datos necesitas.
✅ Los 3 pilares fundamentales: cultura organizacional, democratización del dato y alineación con el negocio.
✅ Ejemplos concretos: de la empresa de seguros que ignora sus modelos predictivos al retail de moda que detecta microtendencias.
✅ Cómo medir el éxito con métricas de negocio reales, no técnicas.
Y mucho más💥
🎯 Evento SAP - 30 de octubre en Barcelona
SAP presenta su nueva visión para la gestión empresarial que combina IA, datos y aplicaciones para liberar todo el potencial de un negocio verdaderamente data-driven.
📍 Llotja de Mar, Barcelona
📅 30 de octubre 2025
Descubre cómo conectar toda la cadena de valor empresarial con capacidades de IA incorporadas y datos contextualizados.
Disfruta de paneles con expertos, casos de éxito de clientes, demos en directo y networking del bueno en un lugar incomparable 🤩.
👉 Toda la información y registro: https://go4.events.sap.com/es-sap-business-suite-innovation-day-barcelona/es_es/registration.html?source=marta-arroyo

📝 Podéis encontrar las⁠ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠notas del programa⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ ⁠⁠⁠ completas en ⁠⁠https://datos.ninja/podcast/104-que-significa-realmente-data-driven/