16, 18 y 20 de noviembre 2026, de 9 a 14h

Imparte: Fernando Rodríguez

1. Sobre el curso
El objetivo de este curso orientado a perles no técnicos es que puedan implementar so-
luciones de IA en entornos locales así como congurar distintos agentes para realizar diversas
tareas sin consumir tokens en modelos “frontera”.
El objetivo es proporcionar las herramientas y conocimientos necesarios para instalar, con-
gurar y utilizar modelos de lenguaje propios, logrando una mayor privacidad y un ahorro
signicativo en costes de consumo de tokens.

2.Detalles del Curso
Duración total: 15 horas.
Distribución: 3 días (5 horas por jornada).
Metodología: Enfoque práctico.

3.Agenda general
El presente programa es una propuesta orientativa y podrá ser ajustado para adaptarse a las
necesidades específicas del grupo o a la rápida evolución de las herramientas tecnológicas.
Módulo 1: La IA Local vs. la IA en la Nube (2.5h)
• Conceptos básicos de LLMs (Large Language Models) para no técnicos.
• Análisis económico: El coste de los tokens frente a la infraestructura local.
• Ventajas estratégicas: Privacidad, seguridad y soberanía de datos.
Módulo 2: Instalación y Configuración Inicial (2.5h)
• Selección e instalación de la herramienta de despliegue base.
• Proceso de conguración paso a paso del entorno operativo.
• Descarga e implementación del primer modelo estándar (cuantización básica).
• Pruebas de funcionamiento y primera interacción con el modelo local.

Día 2: Optimización y Agentes Asistentes
Objetivo: Mejorar la eficiencia del sistema e implementar interfaces avanzadas que actúen
como asistentes inteligentes.
Módulo 3: Gestión de Modelos y Rendimiento (2.5h)
• Exploración de familias de modelos (Llama, Mistral, Phi, etc.)

• Relación entre parámetros, calidad de respuesta y velocidad de procesamiento.
• Ajustes técnicos para optimizar el uso de memoria en equipos sin GPU.
Módulo 4: Implementación de Interfaces y Agentes Asistentes (2.5h)
• Instalación de interfaces avanzadas de gestión y orquestación.
• Conguración de agentes asistentes para tareas especícas.
• Introducción a la conexión entre el motor de IA y capas de interacción externas.
• Laboratorio práctico: Comparativa de ujos de trabajo entre interfaz básica e interfaz
avanzada.

Día 3: Agentes Autónomos y Gestión de Conocimiento
Objetivo: Implementar sistemas de IA capaces de ejecutar tareas autónomamente y gestionar
bases de datos locales.
Módulo 5: Bases de Conocimiento Local y RAG (2.5h)
• Concepto de RAG (Retrieval Augmented Generation): Hacer que la IA lea tus ar-
chivos.
• Implementación de una base de conocimientos privada sin subir datos a la nube.
• Gestión de documentos sensibles y creación de asistentes especializados por carpe-
tas/temas.
Módulo 6: Agentes Completos y Autónomos (2.5h)
• Diferencia entre un chatbot y un agente autónomo (bucles de razonamiento).
• Modelos optimizados para agentes (estilo Hermes) y su importancia en la autonomía.
• Implementación de agentes capaces de interactuar con el sistema operativo o la web.