Fase 2: Portafolio Técnico — RAG, Agentes y Evaluación (Semanas 5–12)
Objetivo: Construir la evidencia técnica central del perfil de AI Solution Architect. En 8 semanas produces 3 artefactos fuertes y reproducibles (un pipeline de datos con valor de negocio, un sistema RAG evaluado y una comparativa de agentes) que sostienen la narrativa de arquitectura en entrevistas.
🎯 Resultados Esperados
Al completar esta fase:
- Pipeline de datos que alimenta un caso de AI, con métrica de impacto documentada
- Sistema RAG implementado con evaluación reproducible (groundedness, relevance)
- Comparativa de agentes con trazas y criterios de selección
- 3 repos con README profesional listos para el Gate CP2 (Semana 12)
"Proof over study": cada semana cierra con evidencia publicada (repo, benchmark o write-up). Ver Metodología.
Bloque A — Datos que alimentan AI (Semanas 5–8)
Semana 5 — Proyecto de datos #1: ingesta y limpieza
Objetivo: construir un pipeline reproducible que transforme datos crudos en un dataset listo para AI (base de un RAG o de un dashboard).
| Recurso | Idioma | Tipo |
|---|---|---|
| Python: pandas | 🇬🇧 | Docs |
| Microsoft Learn: Power Query | 🇪🇸 | Learning Path |
| SQL — SQLBolt | 🇬🇧 | Interactivo |
Entregable: repo data-pipeline/ — script de ingesta + limpieza, dataset de salida versionado, README con diagrama de flujo y una métrica (registros procesados, % de errores corregidos).
Semana 6 — Proyecto de datos #2: métrica de impacto
Objetivo: enriquecer el pipeline con una segunda fuente y calcular una métrica de negocio (ahorro de tiempo, cobertura, calidad).
Entregable: notebook o script que produce la métrica antes/después + write-up corto de "por qué importa al negocio".
Semana 7 — Dashboard ejecutivo + write-up
Objetivo: comunicar el resultado a una audiencia ejecutiva.
| Recurso | Idioma | Tipo |
|---|---|---|
| Microsoft Learn: Power BI | 🇪🇸 | Learning Path |
| DAX Guide (SQLBI) | 🇬🇧 | Referencia |
Entregable: dashboard (Power BI o similar) con 3–5 KPIs + write-up de 1 página con la historia del dato.
Semana 8 — Automatización del workflow + README
Objetivo: eliminar los pasos manuales del pipeline.
| Recurso | Idioma | Tipo |
|---|---|---|
| Power Automate | 🇪🇸 | Learning Path |
| Python: scheduling / cron básico | 🇬🇧 | Docs |
Entregable: flujo automatizado documentado + README que cualquiera pueda ejecutar. Cierre del Bloque A: artefacto #1 publicable.
Bloque B — RAG y Agentes (Semanas 9–12)
Semana 9 — RAG lab prerequisito + benchmark base
Objetivo: entender la arquitectura RAG y establecer una línea base de calidad medible.
| Recurso | Idioma | Tipo |
|---|---|---|
| Microsoft Learn: RAG con Azure AI | 🇪🇸 | Docs |
| LangChain: RAG Tutorial | 🇬🇧 | Tutorial |
| Azure AI Search | 🇪🇸 | Docs |
Entregable: diagrama de arquitectura RAG + un set de 15–20 preguntas de evaluación (tu "benchmark base").
Semana 10 — Implementación RAG + evaluación
Objetivo: construir el RAG y medir su calidad (no solo que "funcione").
| Recurso | Idioma | Tipo |
|---|---|---|
| Azure AI Evaluation SDK | 🇪🇸 | Tutorial |
| Chunking strategies | 🇪🇸 | Docs |
Arquitectura de referencia: ingesta → chunking → embeddings → vector store (Azure AI Search / Chroma) → retrieval (híbrido + reranking) → generación con citas de fuente → evaluación (groundedness, relevance).
Entregable: repo rag-evaluado/ — RAG funcional + reporte de evaluación con métricas por pregunta. Artefacto #2 publicable.
Semana 11 — Agentes comparativos + trazas
Objetivo: comparar 2–3 enfoques de agentes sobre una misma tarea y justificar la selección.
| Recurso | Idioma | Tipo |
|---|---|---|
| Azure AI Agent Service | 🇪🇸 | Docs |
| Agent Framework: Your First Agent | 🇬🇧 | Lab |
| LangGraph (open, portable) | 🇬🇧 | Docs |
Entregable: repo con la misma tarea resuelta por 2–3 agentes, trazas de ejecución capturadas, y una tabla de trade-offs (latencia, costo, fiabilidad).
Semana 12 — Cierre CP2: 3 artefactos fuertes
Objetivo: dejar los tres artefactos hiring-ready y pasar el gate.
Checklist del Gate CP2:
- 3 repos con README profesional
- Al menos 1 benchmark reproducible (el RAG evaluado)
- Al menos 1 write-up técnico publicado
- Narrativa lista para whiteboard de arquitectura
📋 Checklist de Fase 2
- Pipeline de datos con métrica de impacto (artefacto #1)
- Sistema RAG con evaluación reproducible (artefacto #2)
- Comparativa de agentes con trazas (artefacto #3)
- Dashboard ejecutivo + write-up publicados
- 3 repos con README profesional
- Gate CP2 aprobado
Operacion v4
🔗 Valor para el CV
"Construí un sistema RAG empresarial con evaluación reproducible (groundedness/relevance), una comparativa de agentes con trazas y criterios de selección, y un pipeline de datos con impacto de negocio medible — todo publicado en GitHub."