AIAI Opportunity Landscape00 · Field map

00 · Field mapMapa del campo

Field map

A broad map of AI capabilities, roles, markets, and routes.

Mapa del campo

Un mapa amplio de capacidades, roles, mercados y rutas de IA.

#

A field map for learning, building, applying, operating, governing, and commercializing AI

See the whole AI field.
Choose a tractable next move.

AI is not one job, one model, or one product category. It is a stack of sciences, engineering disciplines, interfaces, operating controls, creative practices, business functions, and emerging markets. Use this landscape to explore broadly, shortlist deliberately, and build evidence.

Explore opportunitiesOpen the tackle board
32 opportunity domains8 participation modes66 concrete actions51 sources
Scan wideUnderstand the field before prematurely selecting a tool or title.
Practice verticallyBuild complete slices across data, model, interface, evaluation, and operations.
Specialize laterUse real projects to reveal which branch deserves depth.
Keep optionalityDurable concepts transfer across vendors, frameworks, and model generations.

Un mapa para aprender, construir, aplicar, operar, gobernar y comercializar IA

Observa todo el campo de IA.
Elige un siguiente paso manejable.

La IA no es un solo empleo, modelo o categoría de producto. Es una combinación de ciencias, disciplinas de ingeniería, interfaces, controles operativos, prácticas creativas, funciones empresariales y mercados emergentes. Usa este panorama para explorar con amplitud, seleccionar con criterio y construir evidencia.

Explorar oportunidadesAbrir lista de trabajo
32 dominios de oportunidad8 formas de participar66 acciones concretas51 fuentes
Explora ampliamenteComprende el campo antes de escoger prematuramente una herramienta o cargo.
Practica verticalmenteConstruye cortes completos de datos, modelo, interfaz, evaluación y operación.
Especialízate despuésDeja que los proyectos reales revelen qué rama merece profundidad.
Mantén opcionesLos conceptos duraderos se transfieren entre proveedores y generaciones.

01 · Choose an entry positionElige una posición de entrada

Choose an entry position

Start from your strengths, then sample adjacent branches.

Elige una posición de entrada

Empieza desde tus fortalezas y prueba ramas adyacentes.

#
START

Enter from your current position—not from a universal curriculum.

The field supports nontechnical operators, software builders, researchers, product designers, security leaders, domain experts, educators, creators, and founders. Pick one primary entry position and one adjacent position to learn across boundaries.

01

AI user & operator

Improve personal and team workflows before writing code.

Start with prompting, verification, task decomposition, data hygiene, and repeatable playbooks.
02

Builder & integrator

Compose models, data, tools, APIs, and interfaces.

Start with structured output, tool calls, RAG, evals, auth, and one production deployment.
03

Data & model practitioner

Work on prediction, adaptation, experimentation, and model quality.

Start with statistics, ML baselines, datasets, embeddings, fine-tuning, and reproducible experiments.
04

Product & experience designer

Shape useful, legible, trustworthy AI interactions.

Start with user research, uncertainty, progressive disclosure, multimodal UX, and feedback loops.
05

Operator, security & governance

Make AI systems observable, controlled, compliant, and recoverable.

Start with risk tiers, threat models, identity, audit, eval gates, incident response, and cost controls.
06

Commercial & domain specialist

Turn domain knowledge and distribution into products or services.

Start with workflow interviews, outcome design, a bounded demo, proof, pricing, and support.

Use a three-pass selection method

PASS 1

Survey

Scan every opportunity cluster. Mark what is interesting, valuable, and realistically accessible.

PASS 2

Sample

Run three small experiments in different branches. Keep each to one day or one weekend.

PASS 3

Commit

Select one 12-week practice lane. Preserve a secondary lane for cross-pollination.

Generate a route

INICIO

Entra desde tu posición actual, no desde un currículo universal.

El campo incluye operadores no técnicos, desarrolladores, investigadores, diseñadores, líderes de seguridad, expertos de dominio, educadores, creadores y fundadores. Elige una posición principal y una adyacente para aprender entre fronteras.

01

Usuario y operador de IA

Mejora flujos personales y de equipo antes de programar.

Empieza con prompts, verificación, descomposición, higiene de datos y playbooks repetibles.
02

Constructor e integrador

Combina modelos, datos, herramientas, APIs e interfaces.

Empieza con salida estructurada, herramientas, RAG, evals, autenticación y un despliegue.
03

Profesional de datos y modelos

Trabaja en predicción, adaptación, experimentación y calidad.

Empieza con estadística, bases ML, datasets, embeddings, fine-tuning y experimentos reproducibles.
04

Diseñador de producto y experiencia

Diseña interacciones útiles, legibles y confiables.

Empieza con investigación, incertidumbre, divulgación progresiva, UX multimodal y feedback.
05

Operador, seguridad y gobierno

Haz que los sistemas sean observables, controlados, conformes y recuperables.

Empieza con niveles de riesgo, amenazas, identidad, auditoría, gates, incidentes y costos.
06

Especialista comercial y de dominio

Convierte conocimiento de dominio y distribución en productos o servicios.

Empieza con entrevistas, resultados, demo acotada, evidencia, precio y soporte.

Usa un método de selección en tres pasadas

PASO 1

Explorar

Revisa cada grupo. Marca lo interesante, valioso y realmente accesible.

PASO 2

Probar

Ejecuta tres experimentos pequeños en ramas distintas. Limita cada uno a un día o fin de semana.

PASO 3

Comprometerse

Selecciona una ruta de práctica de 12 semanas. Conserva otra como ruta adyacente.

Genera una ruta

02 · Navigable mind mapMapa mental navegable

Navigable mind map

Pan, zoom, filter, focus, and inspect the landscape.

Mapa mental navegable

Desplaza, amplía, filtra, enfoca e inspecciona el panorama.

#
MAP

Navigate from foundations to applications, operations, markets, and frontier work.

The branches are not isolated careers. They are connected layers and participation modes. Explore across the field, then build depth where interest, access, evidence, and value converge.

CoreSystem layerPractice areaTap to inspectDouble-click to focus
MAPA

Navega desde fundamentos hacia aplicaciones, operaciones, mercados y trabajo de frontera.

Las ramas no son carreras aisladas. Son capas y formas de participación conectadas. Explora el campo y profundiza donde converjan interés, acceso, evidencia y valor.

NúcleoCapa del sistemaÁrea prácticaToca para inspeccionarDoble clic para enfocar

03 · The system landscapeEl panorama del sistema

The system landscape

Eight layers from model capability to commercial delivery.

El panorama del sistema

Ocho capas desde capacidad del modelo hasta entrega comercial.

#
8×

The modern AI product is a layered control system.

Most failures happen at the seams: context that is stale, a tool with excessive privilege, an unmeasured workflow, or an interface that hides uncertainty.

1

Experience surfaces

Chat, copilot, voice, embedded widgets, command palettes, APIs, background automation, and physical/edge interfaces.

The surface determines trust, interruption cost, and adoption.
2

Orchestration

Workflows, agents, routers, planners, state machines, queues, retries, approvals, and human handoff.

Explicit control is usually the production default; autonomy is allocated selectively.
3

Tools + protocols

Functions, APIs, MCP servers, A2A peers, browser/computer tools, event buses, payment rails, and identity.

Protocols reduce custom glue but do not remove authorization or trust design.
4

Context + knowledge

RAG, hybrid search, embeddings, reranking, memory, knowledge graphs, SQL, files, and enterprise systems.

Context engineering turns generic intelligence into situational capability.
5

Models + inference

Reasoning, language, vision, audio, video, embeddings, rerankers, open weights, local models, routing, and serving.

Choose by measured task fit, not leaderboard prestige.
6

Evaluation + observability

Golden sets, simulations, traces, quality metrics, safety tests, cost, latency, drift, and user feedback.

Without evals, iteration is anecdotal and regressions are invisible.
7

Security + governance

Identity, least privilege, data controls, threat modeling, policy, audit, provenance, red teaming, and incident response.

Agency expands the blast radius; control planes must expand with it.
8

Commercial system

Problem selection, offer, pricing, distribution, contracts, support, outcomes, and defensibility.

A useful model call is not yet a business.
Where value is moving. As foundation-model capability becomes easier to access, differentiation shifts toward proprietary workflow knowledge, context quality, evaluation assets, integration depth, security, user experience, and distribution. This is a synthesis, not a claim that models no longer matter. S01S02S30S32
8×

El producto moderno de IA es un sistema de control por capas.

La mayoría de fallas ocurre en las uniones: contexto desactualizado, herramientas con privilegios excesivos, flujos sin medir o interfaces que ocultan incertidumbre.

1

Superficies de experiencia

Chat, copiloto, voz, widgets embebidos, paletas de comandos, APIs, automatización en segundo plano e interfaces físicas/edge.

La superficie determina confianza, costo de interrupción y adopción.
2

Orquestación

Flujos, agentes, routers, planificadores, máquinas de estado, colas, reintentos, aprobaciones y transferencia humana.

El control explícito suele ser la base productiva; la autonomía se asigna selectivamente.
3

Herramientas + protocolos

Funciones, APIs, servidores MCP, pares A2A, herramientas de navegador/computador, buses de eventos, pagos e identidad.

Los protocolos reducen pegamento personalizado, pero no eliminan autorización ni confianza.
4

Contexto + conocimiento

RAG, búsqueda híbrida, embeddings, reranking, memoria, grafos, SQL, archivos y sistemas empresariales.

La ingeniería de contexto convierte inteligencia genérica en capacidad situacional.
5

Modelos + inferencia

Razonamiento, lenguaje, visión, audio, video, embeddings, rerankers, pesos abiertos, modelos locales, routing y serving.

Elige según ajuste medido a la tarea, no por prestigio del ranking.
6

Evaluación + observabilidad

Conjuntos dorados, simulaciones, trazas, métricas de calidad, pruebas de seguridad, costo, latencia, deriva y feedback.

Sin evals, la iteración es anecdótica y las regresiones son invisibles.
7

Seguridad + gobierno

Identidad, mínimo privilegio, controles de datos, amenazas, políticas, auditoría, procedencia, red team e incidentes.

La agencia amplía el radio de impacto; el plano de control debe crecer también.
8

Sistema comercial

Selección del problema, oferta, precio, distribución, contratos, soporte, resultados y defensibilidad.

Una llamada útil al modelo todavía no es un negocio.
Hacia dónde se mueve el valor. A medida que la capacidad de modelos base se vuelve más accesible, la diferenciación pasa al conocimiento del flujo, calidad de contexto, activos de evaluación, integración, seguridad, experiencia y distribución. Es una síntesis; no significa que los modelos dejen de importar. S01S02S30S32

04 · Timeless foundationsFundamentos duraderos

Timeless foundations

Concepts that remain useful across model and framework cycles.

Fundamentos duraderos

Conceptos que siguen siendo útiles entre ciclos de modelos y frameworks.

#
CORE

Learn the invariants before the frameworks.

Framework APIs change quickly. The durable mental model is how probabilistic generation interacts with deterministic software, external evidence, state, and risk.

Tokens

Discrete units processed by a model. They affect context limits, cost, and latency.

Embeddings

Vectors that represent semantic relationships. Useful for search, clustering, recommendation, and matching.

Transformer

Attention-based architecture that relates elements in a sequence; the foundation of many modern models.

Inference

Running a trained model to produce output, optimized across quality, latency, cost, throughput, and hardware.

Structured output

A response validated against JSON Schema or another contract. It reduces ambiguity between model and software.

Tool calling

The model selects a function and arguments; the application validates, executes, and returns the result.

RAG

Retrieves external evidence and adds it to context before generation. It supports freshness, grounding, and provenance.

Reranking

Reorders retrieved candidates with a more precise model before context assembly.

Fine-tuning

Adapts weights to patterns, format, or style. It does not replace a dynamic source of truth.

Evals

Repeatable tests of quality, safety, cost, and behavior—the analogue of tests for probabilistic systems.

Agent

A runtime that uses a model to select steps and tools under policies, state, and stop conditions.

Workflow

An explicit controlled sequence. Often more reliable than open-ended agency when the process is known.

RAG is a system, not “put documents in a vector database.”
  • Ingest and preserve source identity
  • Chunk by semantic and task boundaries
  • Use lexical + vector retrieval where useful
  • Filter by permissions and metadata
  • Rerank candidates
  • Assemble context deliberately
  • Require citations or abstention
  • Evaluate retrieval and answer separately
RAG, ReAct, tool learning, and long-context limitations remain useful conceptual anchors. S11S12S13S14
BASE

Aprende los invariantes antes que los frameworks.

Las APIs cambian rápido. El modelo mental duradero es cómo la generación probabilística interactúa con software determinista, evidencia externa, estado y riesgo.

Tokens

Unidades discretas procesadas por el modelo. Afectan contexto, costo y latencia.

Embeddings

Vectores que representan relaciones semánticas. Sirven para búsqueda, agrupación, recomendación y matching.

Transformer

Arquitectura basada en atención que relaciona elementos de una secuencia; base de muchos modelos modernos.

Inferencia

Ejecución de un modelo entrenado para producir salida, optimizada por calidad, latencia, costo, volumen y hardware.

Salida estructurada

Respuesta validada contra JSON Schema u otro contrato. Reduce ambigüedad entre modelo y software.

Llamado de herramientas

El modelo elige función y argumentos; la aplicación valida, ejecuta y devuelve el resultado.

RAG

Recupera evidencia externa y la agrega al contexto antes de generar. Favorece frescura, grounding y procedencia.

Reranking

Reordena candidatos recuperados con un modelo más preciso antes de ensamblar el contexto.

Fine-tuning

Adapta pesos a patrones, formatos o estilo. No reemplaza una fuente dinámica de verdad.

Evals

Pruebas repetibles de calidad, seguridad, costo y conducta: el equivalente a tests para sistemas probabilísticos.

Agente

Runtime que usa un modelo para elegir pasos y herramientas bajo políticas, estado y condiciones de parada.

Flujo

Secuencia explícita y controlada. Suele ser más confiable que agencia abierta cuando el proceso es conocido.

RAG es un sistema, no “meter documentos en una base vectorial”.
  • Ingiere y conserva identidad de fuente
  • Segmenta por límites semánticos y de tarea
  • Combina búsqueda léxica y vectorial cuando convenga
  • Filtra por permisos y metadatos
  • Reordena candidatos
  • Ensambla contexto deliberadamente
  • Exige citas o abstención
  • Evalúa recuperación y respuesta por separado
RAG, ReAct, aprendizaje de herramientas y límites del contexto largo siguen siendo anclas conceptuales útiles. S11S12S13S14

05 · Models, tools, and inferenceModelos, herramientas e inferencia

Models, tools, and inference

Build a measured portfolio instead of betting on one vendor.

Modelos, herramientas e inferencia

Construye un portafolio medido en lugar de apostar por un proveedor.

#
FIT

Choose a portfolio, not a favorite model.

Use routing: cheap and fast for classification; stronger reasoning for ambiguity; specialist models for speech, vision, embeddings, reranking, or media; local models where privacy, cost, or offline operation justify them.

Capability families

  • General language + reasoning
  • Code generation and repository work
  • Vision and document understanding
  • Speech recognition and synthesis
  • Realtime voice and multimodal
  • Image and video generation
  • Embeddings and reranking
  • Computer and browser use

Selection dimensions

  • Measured task quality
  • Latency to first token/action
  • Total cost per successful outcome
  • Context and tool reliability
  • Structured-output adherence
  • Privacy and residency
  • Rate limits and availability
  • Open-weight/local deployment

Engineering tools

  • Model APIs and SDKs
  • Prompt/version registry
  • Vector + lexical search
  • Agent/workflow runtime
  • Tracing and evaluation
  • Guardrails and policy engine
  • Queues, caches and databases
  • CI/CD and infrastructure
Closed frontier APIsFast access to leading capability and managed operations.Trade-offs: vendor dependency, variable cost, data-policy constraints.
Open-weight modelsControl, customization, local inference, and inspectable deployment.Trade-offs: serving expertise, hardware, evaluation, lifecycle operations.
Small/local modelsLow latency, privacy, offline use, deterministic narrow tasks.Trade-offs: lower ceiling and tighter task design.
The relevant capability surface now spans language, reasoning, code, vision, audio, realtime interaction, media generation, embeddings, reranking, and computer use. S15S16S17S19S20S21S22S23S24
AJUSTE

Elige un portafolio, no un modelo favorito.

Usa routing: barato y rápido para clasificación; razonamiento más fuerte para ambigüedad; especialistas para voz, visión, embeddings, reranking o medios; modelos locales cuando privacidad, costo u operación offline lo justifiquen.

Familias de capacidad

  • Lenguaje general + razonamiento
  • Código y trabajo en repositorios
  • Visión y comprensión documental
  • Reconocimiento y síntesis de voz
  • Voz y multimodal en tiempo real
  • Generación de imagen y video
  • Embeddings y reranking
  • Uso de computador y navegador

Dimensiones de selección

  • Calidad medida en la tarea
  • Latencia hasta primer token/acción
  • Costo por resultado exitoso
  • Confiabilidad de contexto y herramientas
  • Adherencia a salida estructurada
  • Privacidad y residencia
  • Límites y disponibilidad
  • Despliegue local/pesos abiertos

Herramientas de ingeniería

  • APIs y SDKs de modelos
  • Registro de prompts/versiones
  • Búsqueda vectorial + léxica
  • Runtime de agentes/flujos
  • Trazas y evaluación
  • Guardrails y motor de políticas
  • Colas, cachés y bases de datos
  • CI/CD e infraestructura
APIs frontier cerradasAcceso rápido a capacidad líder y operación administrada.Costos: dependencia, precio variable y políticas de datos.
Modelos de pesos abiertosControl, personalización, inferencia local y despliegue inspeccionable.Costos: serving, hardware, evaluación y ciclo de vida.
Modelos pequeños/localesBaja latencia, privacidad, offline y tareas estrechas.Costos: menor techo y diseño más preciso.
La superficie actual abarca lenguaje, razonamiento, código, visión, audio, interacción en tiempo real, medios, embeddings, reranking y uso del computador. S15S16S17S19S20S21S22S23S24

06 · Agents, protocols, and transactionsAgentes, protocolos y transacciones

Agents, protocols, and transactions

How tools, MCP, A2A, and payment protocols fit together.

Agentes, protocolos y transacciones

Cómo encajan herramientas, MCP, A2A y protocolos de pago.

#
ACT

Agency is controlled delegation, not magic autonomy.

An agent becomes useful when it has bounded capabilities, trustworthy context, explicit state, observable actions, budgets, stop conditions, and recovery.

Runtime

The production loop

  • Observe: user intent, state, events, context
  • Decide: policy, route, plan, next tool
  • Act: call a bounded tool with validated arguments
  • Verify: inspect tool result and constraints
  • Stop or escalate: success, budget, uncertainty, risk, or human handoff
Control

Workflow before autonomy

Start with deterministic steps. Let the model handle interpretation, ranking, transformation, and exceptions. Expand autonomy only where evaluation shows a benefit.

  • Typed inputs and outputs
  • Idempotent tools
  • Timeouts and retries
  • Human approval for consequential actions
  • Trace every decision and tool result

Protocol landscape

MCPApplication ↔ tools and context

A host connects to servers that expose tools, resources, and prompts. Treat every server as a privileged integration boundary.

Use for reusable connectors, enterprise data access, IDE tools, and app extensions.
S03S04S05S08S18
A2AAgent ↔ agent collaboration

Agents advertise capabilities and exchange tasks, messages, status, and artifacts.

Use when independently operated agents need delegation or long-running collaboration.
S06S07
x402HTTP ↔ machine payment

A server can require a payment in an HTTP-native flow before serving a resource or capability.

Use for metered APIs, data, inference, or agent services where tiny transactions make economic sense.
S27
AP2Agent ↔ delegated commerce

A trust and mandate layer for agent-mediated purchases and payments.

Use for commerce scenarios requiring user intent, merchant trust, and verifiable authorization.
S28S29
Protocol support is not a security boundary. MCP and A2A improve interoperability. They do not establish that a server, agent, tool, artifact, or payment request is trustworthy. Apply identity, authorization, least privilege, signing/attestation where available, sandboxing, data-loss controls, audit, inventory, and patch discipline. S08S09S10
ACTÚA

La agencia es delegación controlada, no autonomía mágica.

Un agente es útil cuando tiene capacidades limitadas, contexto confiable, estado explícito, acciones observables, presupuestos, condiciones de parada y recuperación.

Runtime

El ciclo productivo

  • Observa: intención, estado, eventos y contexto
  • Decide: política, ruta, plan y próxima herramienta
  • Actúa: llama una herramienta limitada con argumentos validados
  • Verifica: inspecciona resultado y restricciones
  • Detén o escala: éxito, presupuesto, incertidumbre, riesgo o transferencia humana
Control

Flujo antes que autonomía

Empieza con pasos deterministas. Deja al modelo interpretación, ranking, transformación y excepciones. Amplía autonomía solo donde las evaluaciones demuestren beneficio.

  • Entradas y salidas tipadas
  • Herramientas idempotentes
  • Timeouts y reintentos
  • Aprobación humana para acciones relevantes
  • Traza decisiones y resultados

Panorama de protocolos

MCPAplicación ↔ herramientas y contexto

Un host se conecta a servidores que exponen herramientas, recursos y prompts. Trata cada servidor como límite privilegiado.

Úsalo para conectores reutilizables, datos empresariales, IDEs y extensiones de apps.
S03S04S05S08S18
A2AAgente ↔ colaboración entre agentes

Los agentes publican capacidades e intercambian tareas, mensajes, estados y artefactos.

Úsalo cuando agentes operados de forma independiente necesiten delegación o colaboración larga.
S06S07
x402HTTP ↔ pago máquina a máquina

Un servidor puede exigir pago mediante un flujo HTTP antes de entregar un recurso o capacidad.

Úsalo para APIs, datos, inferencia o servicios medidos cuando las microtransacciones tengan sentido.
S27
AP2Agente ↔ comercio delegado

Capa de confianza y mandato para compras y pagos mediados por agentes.

Úsalo cuando se requieran intención del usuario, confianza del comercio y autorización verificable.
S28S29
Soportar un protocolo no crea un límite de seguridad. MCP y A2A mejoran interoperabilidad. No demuestran que un servidor, agente, herramienta, artefacto o pago sea confiable. Aplica identidad, autorización, mínimo privilegio, firma/atestación, sandboxing, controles de fuga, auditoría, inventario y parches. S08S09S10

07 · Modalities and surfacesModalidades y superficies

Modalities and surfaces

Where multimodal capability becomes useful interaction.

Modalidades y superficies

Dónde la capacidad multimodal se vuelve interacción útil.

#
6D

Multimodal value comes from combining perception, reasoning, and action.

The gap is rarely “support another media type.” The opportunity is a complete loop—for example, hear a Spanish call, retrieve policy, coach in English, update CRM, and preserve an auditable summary.

Text + structured data

Chat, extraction, classification, transformation, planning, SQL and JSON contracts.

Best first modality: cheap to test, easy to evaluate, broad demand.

Voice + realtime

Speech recognition, synthesis, interruption, turn-taking, translation, call summaries and live coaching.

Strong bilingual opportunity in sales, hospitality, healthcare administration, and field operations.

Vision + documents

OCR, layout, tables, forms, images, screenshots, quality inspection and visual grounding.

High-value when documents or visual evidence currently require manual review.

Image + video

Creative generation, localization, storyboards, editing, avatars, product media and synthetic data.

Commercially active but quality control, rights, brand consistency, and disclosure matter.

Code + computer use

Repository edits, tests, browser operation, desktop workflows, command execution and UI automation.

Treat as privileged automation. Prefer APIs; constrain computer use to isolated environments.

Sensors + edge

Cameras, microphones, telemetry, devices and local models.

Useful for privacy, latency, intermittent connectivity, and physical workflows.

Surfaces are where capability becomes behavior

Conversation

Chat, voice, messaging, email

Good for ambiguous intent and progressive clarification.

Embedded copilot

Inside CRM, IDE, support desk, browser, document, or operations console

Best when context and action are already present.

Generated UI

Model selects or composes cards, forms, tables, charts, and controls

Useful for dynamic tasks; must preserve accessibility and action clarity.

Background agent

Event-triggered or scheduled process

High leverage, but requires observability, approvals, and exception queues.

API / capability

A reusable machine-consumable service

Best path toward repeatable products and agent-to-agent markets.

Modal UI

Dialog, sheet, drawer, popover

A presentation pattern—not an AI modality. Use for bounded decisions, confirmation, or focused detail.
Terminology check. Modalities are input/output forms such as text, audio, image, and video. Modals are interface containers such as dialogs and sheets. A multimodal agent may appear inside a modal, but the concepts are different. S16S17S18S19S21
6D

El valor multimodal surge al combinar percepción, razonamiento y acción.

La brecha rara vez es “soportar otro medio”. La oportunidad es cerrar el ciclo: escuchar una llamada en español, recuperar políticas, orientar en inglés, actualizar CRM y guardar un resumen auditable.

Texto + datos estructurados

Chat, extracción, clasificación, transformación, planeación, SQL y contratos JSON.

La mejor primera modalidad: barata de probar, fácil de evaluar y con demanda amplia.

Voz + tiempo real

Reconocimiento, síntesis, interrupción, turnos, traducción, resúmenes y coaching en vivo.

Gran oportunidad bilingüe en ventas, hotelería, administración de salud y operaciones de campo.

Visión + documentos

OCR, layout, tablas, formularios, imágenes, capturas, inspección y grounding visual.

Alto valor cuando documentos o evidencia visual requieren revisión manual.

Imagen + video

Generación creativa, localización, storyboards, edición, avatares, medios de producto y datos sintéticos.

Mercado activo, pero importan calidad, derechos, marca y divulgación.

Código + uso del computador

Cambios en repositorios, pruebas, navegador, escritorio, comandos y automatización UI.

Trátalo como automatización privilegiada. Prefiere APIs y aísla el uso del computador.

Sensores + edge

Cámaras, micrófonos, telemetría, dispositivos y modelos locales.

Útil para privacidad, latencia, conectividad intermitente y flujos físicos.

Las superficies convierten capacidad en conducta

Conversación

Chat, voz, mensajería y correo

Buena para intención ambigua y aclaración progresiva.

Copiloto embebido

Dentro de CRM, IDE, soporte, navegador, documento o consola

Mejor cuando contexto y acción ya están presentes.

UI generada

El modelo elige o compone tarjetas, formularios, tablas, gráficos y controles

Útil en tareas dinámicas; debe conservar accesibilidad y claridad.

Agente en segundo plano

Proceso por evento o programación

Gran apalancamiento, pero requiere observabilidad, aprobaciones y colas de excepción.

API / capacidad

Servicio reutilizable consumido por máquinas

Camino fuerte hacia productos repetibles y mercados agente-a-agente.

UI modal

Diálogo, hoja, drawer o popover

Patrón de presentación, no modalidad de IA. Úsalo para decisiones acotadas, confirmación o detalle.
Aclaración de términos. Las modalidades son formas de entrada/salida como texto, audio, imagen y video. Los modales son contenedores UI como diálogos y hojas. Un agente multimodal puede estar dentro de un modal, pero son conceptos distintos. S16S17S18S19S21

08 · Opportunity domainsDominios de oportunidad

Opportunity domains

Thirty-two ways to learn, build, apply, operate, govern, or commercialize AI.

Dominios de oportunidad

Treinta y dos formas de aprender, construir, aplicar, operar, gobernar o comercializar IA.

#
32

A wide field of opportunities—not a single ladder.

These domains overlap. A voice product needs data, UX, evaluation, security, and operations. A governance practice needs technical literacy. A robotics team needs simulation, models, sensors, safety, and product design. Filter the map, then sample several branches.

Understand01

AI literacy & fluency

Teach people to frame tasks, verify outputs, protect data, and integrate AI into daily work.

First proof: Workshop + workflow playbook
Understand02

Prompt & interaction design

Design instructions, examples, schemas, context, guardrails, and conversational flows.

First proof: Prompt suite + eval set
Understand03

AI education & curriculum

Create courses, labs, coaching, assessments, and role-specific enablement.

First proof: Bilingual mini-course
Understand04

AI product strategy

Find valuable workflows, capability boundaries, adoption risks, and product wedges.

First proof: Opportunity brief + prototype
Build05

Data engineering for AI

Prepare ingestion, quality, lineage, labeling, metadata, permissions, and feedback data.

First proof: Traceable data pipeline
Build06

Classical ML & predictive systems

Forecast, rank, detect anomalies, segment, optimize, and make decisions from structured data.

First proof: Baseline model + monitoring
Build07

Foundation-model applications

Build reliable text and reasoning applications with structured outputs and tools.

First proof: Task API + UI + evals
Build08

Model adaptation

Fine-tune, distill, quantize, prompt-tune, or train adapters for specialized behavior.

First proof: Measured before/after benchmark
Build09

RAG, search & knowledge systems

Retrieve, rerank, cite, abstain, manage freshness, and combine search with graphs or SQL.

First proof: Cited answer system
Build10

Agents & workflow orchestration

Coordinate tools, state, plans, queues, approvals, retries, and human handoffs.

First proof: Bounded agent workflow
Build11

Protocols & capability integration

Expose and consume tools through APIs, MCP, A2A, events, identity, and capability catalogs.

First proof: Secure capability server
Build12

Developer tools & coding agents

Improve code discovery, generation, review, testing, migration, documentation, and operations.

First proof: Repository agent harness
Experience13

Voice & conversational AI

Build realtime speech, translation, turn-taking, coaching, intake, and call automation.

First proof: Realtime voice prototype
Experience14

Vision & document intelligence

Understand images, screens, forms, tables, video, diagrams, and physical evidence.

First proof: Reviewable extraction workflow
Experience15

Generative media

Create and edit images, video, audio, music, 3D, avatars, and localized content.

First proof: Controlled media pipeline
Experience16

AI UX & generated interfaces

Design chat, copilots, ambient assistance, adaptive UI, uncertainty, and approval experiences.

First proof: Usability-tested interaction
Operate17

Evaluation & quality engineering

Build datasets, rubrics, judges, simulations, regression gates, red-team suites, and human review.

First proof: Reusable evaluation harness
Operate18

AI observability & operations

Trace prompts, context, tools, costs, latency, failures, drift, and user feedback.

First proof: Operational dashboard + runbook
Operate19

Inference & AI platform engineering

Serve, route, cache, batch, scale, benchmark, and govern access to models and capabilities.

First proof: Multi-model gateway benchmark
Operate20

AI FinOps & economics

Control token, compute, storage, review, support, and failure costs against business value.

First proof: Unit-economics model
Govern21

AI security & red teaming

Defend against prompt injection, data exfiltration, tool abuse, supply-chain risk, and unsafe autonomy.

First proof: Threat model + attack suite
Govern22

Governance, risk & compliance

Create policies, inventories, risk tiers, impact assessments, controls, audits, and accountability.

First proof: Control matrix + evidence
Govern23

Privacy, local & edge AI

Keep sensitive processing on-device or within controlled boundaries for latency, privacy, and resilience.

First proof: Private local deployment
Discover24

AEO/GEO & AI discovery

Make trusted information understandable, attributable, current, and retrievable by answer engines and agents.

First proof: Entity/content evidence map
Apply25

AI-enabled analytics & decisions

Combine language interfaces with BI, forecasting, simulation, and decision support.

First proof: Decision cockpit
Apply26

Business-process automation

Transform email, documents, CRM, ERP, tickets, approvals, and back-office workflows.

First proof: Before/after workflow proof
Apply27

Vertical AI products

Build domain-specific systems for health administration, legal, finance, insurance, logistics, education, retail, and more.

First proof: Domain workflow MVP
Commercialize28

AI consulting & managed services

Assess, prototype, integrate, secure, evaluate, and operate AI for organizations.

First proof: Diagnostic + fixed pilot
Commercialize29

AI products, APIs & platforms

Package repeatable capability into SaaS, APIs, plugins, internal platforms, or marketplaces.

First proof: Metered capability product
Commercialize30

Agentic commerce & microtransactions

Let software discover, authorize, purchase, and account for data, tools, compute, or services.

First proof: Auditable paid capability
Frontier31

Scientific AI & discovery

Apply models to biology, chemistry, materials, climate, engineering, simulation, and research workflows.

First proof: Reproducible research assistant
Frontier32

Robotics & physical AI

Connect perception, planning, control, simulation, sensors, and embodied systems.

First proof: Simulated embodied task
How to read the field. “Build” domains create capability. “Experience” domains shape interaction. “Operate” and “Govern” make capability dependable. “Apply” connects it to work. “Commercialize” defines how value is exchanged. “Frontier” areas have higher prerequisites but can create disproportionate impact.
32

Un campo amplio de oportunidades, no una sola escalera.

Estos dominios se superponen. Un producto de voz requiere datos, UX, evaluación, seguridad y operación. Una práctica de gobierno necesita alfabetización técnica. Un equipo de robótica necesita simulación, modelos, sensores, seguridad y producto. Filtra el mapa y prueba varias ramas.

Entender01

Alfabetización y fluidez en IA

Enseña a plantear tareas, verificar resultados, proteger datos e integrar IA al trabajo diario.

Primera evidencia: Workshop + workflow playbook
Entender02

Diseño de prompts e interacción

Diseña instrucciones, ejemplos, esquemas, contexto, límites y flujos conversacionales.

Primera evidencia: Prompt suite + eval set
Entender03

Educación y currículo de IA

Crea cursos, laboratorios, coaching, evaluaciones y capacitación por rol.

Primera evidencia: Bilingual mini-course
Entender04

Estrategia de producto con IA

Encuentra flujos valiosos, límites, riesgos de adopción y oportunidades de producto.

Primera evidencia: Opportunity brief + prototype
Construir05

Ingeniería de datos para IA

Prepara ingestión, calidad, linaje, etiquetado, metadatos, permisos y feedback.

Primera evidencia: Traceable data pipeline
Construir06

ML clásico y sistemas predictivos

Pronostica, clasifica, detecta anomalías, segmenta, optimiza y decide con datos estructurados.

Primera evidencia: Baseline model + monitoring
Construir07

Aplicaciones con modelos fundacionales

Construye aplicaciones confiables de texto y razonamiento con salidas estructuradas y herramientas.

Primera evidencia: Task API + UI + evals
Construir08

Adaptación de modelos

Ajusta, destila, cuantiza o entrena adaptadores para comportamiento especializado.

Primera evidencia: Measured before/after benchmark
Construir09

RAG, búsqueda y conocimiento

Recupera, reordena, cita, abstiene, gestiona vigencia y combina búsqueda con grafos o SQL.

Primera evidencia: Cited answer system
Construir10

Agentes y orquestación de flujos

Coordina herramientas, estado, planes, colas, aprobaciones, reintentos y transferencia humana.

Primera evidencia: Bounded agent workflow
Construir11

Protocolos e integración de capacidades

Expone y consume herramientas mediante APIs, MCP, A2A, eventos, identidad y catálogos.

Primera evidencia: Secure capability server
Construir12

Herramientas para desarrolladores y agentes de código

Mejora descubrimiento, generación, revisión, pruebas, migración, documentación y operación de código.

Primera evidencia: Repository agent harness
Experiencia13

Voz e IA conversacional

Construye voz en tiempo real, traducción, turnos, coaching, recepción y automatización de llamadas.

Primera evidencia: Realtime voice prototype
Experiencia14

Visión e inteligencia documental

Comprende imágenes, pantallas, formularios, tablas, video, diagramas y evidencia física.

Primera evidencia: Reviewable extraction workflow
Experiencia15

Medios generativos

Crea y edita imágenes, video, audio, música, 3D, avatares y contenido localizado.

Primera evidencia: Controlled media pipeline
Experiencia16

UX de IA e interfaces generadas

Diseña chat, copilotos, asistencia ambiental, UI adaptativa, incertidumbre y aprobaciones.

Primera evidencia: Usability-tested interaction
Operar17

Evaluación e ingeniería de calidad

Crea datasets, rúbricas, jueces, simulaciones, gates, red team y revisión humana.

Primera evidencia: Reusable evaluation harness
Operar18

Observabilidad y operaciones de IA

Traza prompts, contexto, herramientas, costos, latencia, fallas, deriva y feedback.

Primera evidencia: Operational dashboard + runbook
Operar19

Inferencia y plataformas de IA

Sirve, enruta, cachea, agrupa, escala, compara y gobierna acceso a modelos y capacidades.

Primera evidencia: Multi-model gateway benchmark
Operar20

FinOps y economía de IA

Controla costos de tokens, cómputo, almacenamiento, revisión, soporte y fallas.

Primera evidencia: Unit-economics model
Gobernar21

Seguridad y red team de IA

Defiende contra inyección, exfiltración, abuso de herramientas, cadena de suministro y autonomía insegura.

Primera evidencia: Threat model + attack suite
Gobernar22

Gobierno, riesgo y cumplimiento

Crea políticas, inventarios, niveles de riesgo, evaluaciones, controles, auditorías y responsabilidad.

Primera evidencia: Control matrix + evidence
Gobernar23

Privacidad, IA local y edge

Mantén procesamiento sensible en dispositivo o límites controlados por latencia, privacidad y resiliencia.

Primera evidencia: Private local deployment
Descubrir24

AEO/GEO y descubrimiento por IA

Haz información confiable comprensible, atribuible, vigente y recuperable por motores y agentes.

Primera evidencia: Entity/content evidence map
Aplicar25

Analítica y decisiones con IA

Combina interfaces de lenguaje con BI, pronóstico, simulación y apoyo a decisiones.

Primera evidencia: Decision cockpit
Aplicar26

Automatización de procesos empresariales

Transforma correo, documentos, CRM, ERP, tickets, aprobaciones y back office.

Primera evidencia: Before/after workflow proof
Aplicar27

Productos verticales de IA

Construye sistemas específicos para salud administrativa, legal, finanzas, seguros, logística, educación, retail y más.

Primera evidencia: Domain workflow MVP
Comercializar28

Consultoría y servicios administrados

Evalúa, prototipa, integra, protege y opera IA para organizaciones.

Primera evidencia: Diagnostic + fixed pilot
Comercializar29

Productos, APIs y plataformas de IA

Empaqueta capacidades repetibles en SaaS, APIs, plugins, plataformas o mercados.

Primera evidencia: Metered capability product
Comercializar30

Comercio agéntico y microtransacciones

Permite que software descubra, autorice, compre y contabilice datos, herramientas, cómputo o servicios.

Primera evidencia: Auditable paid capability
Frontera31

IA científica y descubrimiento

Aplica modelos a biología, química, materiales, clima, ingeniería, simulación e investigación.

Primera evidencia: Reproducible research assistant
Frontera32

Robótica e IA física

Conecta percepción, planificación, control, simulación, sensores y sistemas físicos.

Primera evidencia: Simulated embodied task
Cómo leer el campo. Los dominios de “Construir” crean capacidad. “Experiencia” define la interacción. “Operar” y “Gobernar” la hacen confiable. “Aplicar” la conecta con el trabajo. “Comercializar” define el intercambio de valor. “Frontera” exige más preparación, pero puede generar impacto desproporcionado.

09 · Roles, markets, and business modelsRoles, mercados y modelos de negocio

Roles, markets, and business models

Ways to participate and exchange value across the AI economy.

Roles, mercados y modelos de negocio

Formas de participar e intercambiar valor en la economía de IA.

#
8×12

Separate the work you do from the way you capture value.

A person can participate as a domain expert, builder, operator, designer, researcher, or educator. The same expertise can be delivered through employment, consulting, a managed service, a product, an API, a course, open source, or transactions.

Participation modes

Operator

Uses AI to improve work without owning the underlying platform.

Domain expert

Supplies workflow knowledge, judgment, constraints, and quality standards.

Builder

Composes applications from models, data, tools, and interfaces.

Model/data practitioner

Builds datasets, experiments, adaptations, and predictive systems.

Product/designer

Shapes value, adoption, interaction, trust, and human control.

Platform/operator

Provides scalable, observable, economical, reusable foundations.

Security/governance

Defines controls, risk, policy, assurance, and accountability.

Founder/consultant/educator

Packages capability, domain insight, distribution, and support.

Business and delivery models

01

Employment / embedded role

Join a product, data, platform, research, operations, or domain team.

02

Fractional specialist

Provide evaluation, architecture, security, data, content, or enablement part-time.

03

Productized service

Sell a bounded outcome with fixed scope, evidence, and support.

04

Consulting & transformation

Discover workflows, design operating models, pilot, and scale.

05

Managed AI operations

Monitor quality, cost, content, incidents, vendors, and controls monthly.

06

SaaS or vertical application

Package a repeatable workflow for a narrow user or industry.

07

API / capability provider

Expose a specialized model, dataset, tool, connector, or evaluation service.

08

Marketplace / plugin / agent skill

Distribute capabilities inside ecosystems where users or agents already work.

09

Education & media

Teach, explain, benchmark, curate, localize, or create trusted content.

10

Data & evaluation asset

License or operate datasets, synthetic data, rubrics, benchmarks, or human review.

11

Open source + support

Build adoption publicly and monetize hosting, enterprise features, or expertise.

12

Transaction / outcome model

Charge by verified action, successful task, usage, or agent-mediated purchase.

Markets where these capabilities combine

Software & developer toolsCybersecurityFinancial services & insuranceHealth administration & life sciencesLegal & complianceManufacturing & industrialLogistics, mobility & supply chainRetail, ecommerce & consumerMarketing, sales & customer successMedia, entertainment & gamingEducation & workforceEnergy, climate & agricultureReal estate & constructionPublic sector & civic servicesProfessional services & back officeRobotics, devices & edge
Combination creates differentiation. “RAG developer” is easy to compare. “Insurance claims knowledge engineer with document extraction, retrieval evaluation, privacy controls, and managed operations” is a defensible profile. Combine one capability cluster, one domain, one delivery model, and one proof asset.
8×12

Separa el trabajo que haces de la forma en que capturas valor.

Una persona puede participar como experta de dominio, constructora, operadora, diseñadora, investigadora o educadora. La misma experiencia puede entregarse mediante empleo, consultoría, servicio administrado, producto, API, curso, código abierto o transacciones.

Formas de participación

Operador

Usa IA para mejorar el trabajo sin operar la plataforma.

Experto de dominio

Aporta conocimiento del flujo, juicio, restricciones y calidad.

Constructor

Compone aplicaciones con modelos, datos, herramientas e interfaces.

Profesional de modelos/datos

Construye datasets, experimentos, adaptaciones y sistemas predictivos.

Producto/diseño

Define valor, adopción, interacción, confianza y control humano.

Plataforma/operación

Proporciona bases escalables, observables, económicas y reutilizables.

Seguridad/gobierno

Define controles, riesgo, política, aseguramiento y responsabilidad.

Fundador/consultor/educador

Empaqueta capacidad, conocimiento, distribución y soporte.

Modelos de negocio y entrega

01

Empleo / rol integrado

Join a product, data, platform, research, operations, or domain team.

02

Especialista fraccional

Provide evaluation, architecture, security, data, content, or enablement part-time.

03

Servicio paquetizado

Sell a bounded outcome with fixed scope, evidence, and support.

04

Consultoría y transformación

Discover workflows, design operating models, pilot, and scale.

05

Operaciones administradas de IA

Monitor quality, cost, content, incidents, vendors, and controls monthly.

06

SaaS o aplicación vertical

Package a repeatable workflow for a narrow user or industry.

07

Proveedor de API / capacidad

Expose a specialized model, dataset, tool, connector, or evaluation service.

08

Mercado / plugin / habilidad de agente

Distribute capabilities inside ecosystems where users or agents already work.

09

Educación y medios

Teach, explain, benchmark, curate, localize, or create trusted content.

10

Activo de datos y evaluación

License or operate datasets, synthetic data, rubrics, benchmarks, or human review.

11

Código abierto + soporte

Build adoption publicly and monetize hosting, enterprise features, or expertise.

12

Modelo por transacción / resultado

Charge by verified action, successful task, usage, or agent-mediated purchase.

Mercados donde se combinan estas capacidades

Software y herramientas de desarrolloCiberseguridadServicios financieros y segurosAdministración de salud y ciencias de vidaLegal y cumplimientoManufactura e industriaLogística, movilidad y cadena de suministroRetail, ecommerce y consumoMarketing, ventas y éxito del clienteMedios, entretenimiento y videojuegosEducación y trabajoEnergía, clima y agriculturaInmobiliario y construcciónSector público y servicios cívicosServicios profesionales y back officeRobótica, dispositivos y edge
La combinación crea diferenciación. “Desarrollador RAG” es fácil de comparar. “Ingeniero de conocimiento para reclamaciones de seguros con extracción documental, evaluación, privacidad y operación administrada” es un perfil más defendible. Combina un grupo de capacidades, un dominio, un modelo de entrega y una evidencia.

10 · Learning routesRutas de aprendizaje

Learning routes

Free and low-cost paths spanning concepts, engineering, operations, and trust.

Rutas de aprendizaje

Rutas gratuitas y económicas sobre conceptos, ingeniería, operación y confianza.

#
LEARN

Use learning as scaffolding for experiments.

Do not attempt to complete the internet. Build a T-shaped plan: broad literacy across the whole system, working competence in two adjacent branches, and depth in one branch. Every learning block should produce a note, benchmark, diagram, dataset, evaluation, or working artifact.

Orientation

Elements of AI

Conceptual, nontechnical introduction to AI and its societal implications.

Free
Foundation

Google ML Crash Course

ML vocabulary, data, loss, generalization, embeddings, neural networks.

Free
Foundation

fast.ai Practical Deep Learning

Code-first deep learning with practical projects.

Free
Systems

Full Stack Deep Learning

Production framing from data and training to deployment and product.

Free
Applied GenAI

OpenAI Academy

Model capabilities, prompting, APIs, and applied learning.

Free/public
Agents

Microsoft AI Agents for Beginners

Code-first patterns for tools, orchestration, and multi-agent systems.

Free
Agents

Hugging Face Agents Course

Open-source agents, tools, frameworks, and exercises.

Free
Agents

LangChain Academy

LangGraph, agent patterns, tracing, and framework implementation.

Free
RAG

DeepLearning.AI RAG

Retrieval, indexing, evaluation, and production trade-offs.

Free/paid varies
Broad catalog

DeepLearning.AI

Short applied courses and deeper programs across the stack.

Free/paid varies
Cloud

AWS Skill Builder

Cloud AI architecture, services, operations, and certifications.

Free/paid varies
Governance

NIST AI RMF resources

A practical vocabulary for govern, map, measure, and manage.

Free
Security

OWASP GenAI Security

Risk taxonomies, threats, and mitigation guidance.

Free
Standards

MCP and A2A specifications

Learn interoperability directly from specifications and examples.

Free
Local access

SENA / MinTIC / local communities

Spanish-language public cohorts and practitioner communities where available.

Usually free

A durable learning loop

01

Learn

Read or watch only enough to explain the concept and its trade-offs.

02

Reproduce

Implement a small reference example without hiding behind a large framework.

03

Vary

Change data, model, prompt, constraints, or interface. Observe failure.

04

Evaluate

Create expected cases, metrics, adversarial tests, and a baseline.

05

Explain

Write a concise architecture note and record a bilingual walkthrough.

06

Apply

Connect the concept to one domain workflow and one user outcome.

APRENDER

Usa el aprendizaje como andamiaje para experimentar.

No intentes completar internet. Construye un plan en T: alfabetización amplia del sistema, competencia funcional en dos ramas adyacentes y profundidad en una. Cada bloque debe producir una nota, benchmark, diagrama, dataset, evaluación o artefacto funcional.

Orientation

Elements of AI

Conceptos introductorios de IA y sus implicaciones sociales.

Free
Foundation

Google ML Crash Course

Vocabulario ML, datos, pérdida, generalización, embeddings y redes.

Free
Foundation

fast.ai Practical Deep Learning

Deep learning práctico orientado a código y proyectos.

Free
Systems

Full Stack Deep Learning

Visión de producción desde datos y entrenamiento hasta despliegue y producto.

Free
Applied GenAI

OpenAI Academy

Capacidades, prompting, APIs y aprendizaje aplicado.

Free/public
Agents

Microsoft AI Agents for Beginners

Patrones de código para herramientas, orquestación y multiagente.

Free
Agents

Hugging Face Agents Course

Agentes abiertos, herramientas, frameworks y ejercicios.

Free
Agents

LangChain Academy

LangGraph, patrones, trazas e implementación.

Free
RAG

DeepLearning.AI RAG

Recuperación, indexación, evaluación y trade-offs productivos.

Free/paid varies
Broad catalog

DeepLearning.AI

Cursos cortos y programas profundos en todo el stack.

Free/paid varies
Cloud

AWS Skill Builder

Arquitectura, servicios, operación y certificaciones cloud.

Free/paid varies
Governance

NIST AI RMF resources

Vocabulario práctico para gobernar, mapear, medir y gestionar.

Free
Security

OWASP GenAI Security

Taxonomías de riesgo, amenazas y mitigaciones.

Free
Standards

MCP and A2A specifications

Aprende interoperabilidad desde especificaciones y ejemplos.

Free
Local access

SENA / MinTIC / local communities

Cohortes públicas en español y comunidades cuando estén disponibles.

Usually free

Un ciclo de aprendizaje duradero

01

Aprender

Lee o mira lo suficiente para explicar el concepto y sus trade-offs.

02

Reproducir

Implementa un ejemplo pequeño sin esconder todo dentro de un framework.

03

Variar

Cambia datos, modelo, prompt, restricciones o interfaz. Observa fallas.

04

Evaluar

Crea casos esperados, métricas, pruebas adversariales y una base.

05

Explicar

Escribe una nota de arquitectura y graba un recorrido bilingüe.

06

Aplicar

Conecta el concepto con un flujo de dominio y un resultado de usuario.

11 · Tackle boardLista para abordar

Tackle board

A persistent, filterable backlog from orientation to operation.

Lista para abordar

Un backlog persistente y filtrable desde orientación hasta operación.

#
66

Turn exploration into a visible operating backlog.

This board moves from orientation to foundations, branch sampling, a complete build, trust controls, published proof, market connection, and sustained operation. Progress is stored only in this browser. Filter without losing completed work.

0/ 66 complete
08

Orient

Map the field and your leverage.

08

Foundations

Learn durable concepts and basic instrumentation.

08

Sample branches

Run small experiments before committing.

10

Build a vertical slice

Create one complete and useful system.

08

Evaluate & control

Make quality, risk, and recovery explicit.

08

Publish evidence

Make the work inspectable and credible.

08

Connect to value

Choose users, delivery, economics, and distribution.

08

Operate & deepen

Sustain the system and select the next depth.

66

Convierte la exploración en un backlog operativo visible.

Este tablero avanza desde orientación y fundamentos hasta pruebas de ramas, una construcción completa, controles de confianza, evidencia publicada, conexión con mercado y operación sostenida. El progreso se guarda solo en este navegador.

0/ 66 completadas
08

Orientar

Mapea el campo y tu ventaja.

08

Fundamentos

Aprende conceptos duraderos e instrumentación.

08

Probar ramas

Ejecuta experimentos antes de comprometerte.

10

Construir un corte vertical

Crea un sistema completo y útil.

08

Evaluar y controlar

Haz explícitos calidad, riesgo y recuperación.

08

Publicar evidencia

Haz el trabajo verificable y creíble.

08

Conectar con valor

Elige usuarios, entrega, economía y distribución.

08

Operar y profundizar

Sostén el sistema y elige la siguiente profundidad.

12 · Governance, security, and trustGobierno, seguridad y confianza

Governance, security, and trust

The control plane required for production AI.

Gobierno, seguridad y confianza

El plano de control necesario para IA productiva.

#
TRUST

Every new capability creates a new control obligation.

A chatbot that only drafts text has a limited blast radius. An agent that reads customer data, executes code, sends messages, or initiates payment needs a materially stronger control plane.

Identity

Authenticate users, services, agents, and tool servers. Preserve actor and delegation chains.

Authorization

Default deny. Scope every tool and data source. Recheck permissions at execution time.

Data protection

Classify input/output, minimize retention, redact secrets/PII, control residency, and prevent cross-tenant leakage.

Tool safety

Validate arguments, constrain destinations, make writes idempotent, isolate computer use, and require approvals.

Supply chain

Pin and scan dependencies, verify MCP/agent servers, inventory capabilities, sign releases, and patch quickly.

Prompt injection defense

Treat retrieved content and tool output as untrusted data. Separate instructions, apply policies, and constrain tools.

Observability

Trace prompts, context, model decisions, tools, results, approvals, cost, and errors without logging prohibited data.

Evaluation

Test normal, boundary, adversarial, multilingual, and degraded cases before and after every material change.

Governance

Name owners, risk tiers, acceptable uses, review gates, exception processes, and retirement criteria.

Incident response

Provide kill switches, token revocation, rollback, containment, investigation evidence, and user notification paths.

1SuggestHuman copies result
2PrepareHuman reviews structured action
3Execute reversibleLogged, scoped, rollback available
4Execute consequentialStrong approval and policy
5Autonomous loopContinuous monitoring and hard budgets
Use NIST AI RMF as a governance frame, OWASP for agentic risk categories, and current MCP security guidance for protocol-specific controls. S08S09S10
CONFIANZA

Cada capacidad nueva crea una obligación de control.

Un chatbot que solo redacta tiene impacto limitado. Un agente que lee datos, ejecuta código, envía mensajes o inicia pagos exige un plano de control mucho más fuerte.

Identidad

Autentica usuarios, servicios, agentes y servidores. Conserva cadenas de actor y delegación.

Autorización

Niega por defecto. Limita herramientas y datos. Revalida permisos al ejecutar.

Protección de datos

Clasifica entradas/salidas, minimiza retención, redacta secretos/PII, controla residencia y tenants.

Seguridad de herramientas

Valida argumentos, limita destinos, hace escrituras idempotentes, aísla uso del computador y exige aprobación.

Cadena de suministro

Fija y escanea dependencias, verifica servidores, inventaría capacidades, firma releases y parchea.

Defensa ante prompt injection

Trata contenido recuperado y resultados como datos no confiables. Separa instrucciones y limita herramientas.

Observabilidad

Traza prompts, contexto, decisiones, herramientas, resultados, aprobaciones, costo y errores sin registrar datos prohibidos.

Evaluación

Prueba casos normales, límites, adversariales, multilingües y degradados antes y después de cambios.

Gobierno

Define dueños, niveles de riesgo, usos aceptables, gates, excepciones y retiro.

Respuesta a incidentes

Incluye kill switches, revocación, rollback, contención, evidencia y comunicación a usuarios.

1SugerirHumano copia el resultado
2PrepararHumano revisa acción estructurada
3Ejecutar reversibleRegistrado, limitado y con rollback
4Ejecutar relevanteAprobación y política fuertes
5Ciclo autónomoMonitoreo continuo y presupuestos rígidos
Usa NIST AI RMF como marco, OWASP para riesgos agénticos y la guía MCP actual para controles específicos. S08S09S10

13 · Where the industry is headingHacia dónde va la industria

Where the industry is heading

Directional signals, durable bets, and emerging protocols.

Hacia dónde va la industria

Señales, apuestas duraderas y protocolos emergentes.

#
→

The industry is moving from model demos to capability systems.

The 2026 AI Engineer World’s Fair program is a useful directional sample: harness and context engineering, AI-native enterprise, inference, local AI, generative media, agentic commerce, graphs, security, and software factories all appear as distinct practice areas. Conference programming is a signal, not a forecast. S01S02

Now → 2 years

Harness engineering

The agent runtime, repository context, tools, checkpoints, and feedback loop become a product surface of their own.

Now → durable

Context engineering

Attention shifts from bigger prompts to deliberate context selection, compression, permissions, memory, and provenance.

Emerging

Agent interoperability

MCP standardizes application-to-capability connections; A2A targets agent collaboration; identity and trust remain active design areas.

Accelerating

AI-native enterprise

Teams redesign workflows around model capability rather than attaching chat to old processes.

Accelerating

Inference economics

Routing, caching, batching, smaller models, local inference, and hardware-aware serving become core engineering skills.

Accelerating

Multimodal realtime

Voice, vision, screen context, and generated interfaces make AI less like a separate chat box.

Early

Agentic commerce

Capabilities, data, and services become discoverable and payable by software agents; mandates and audit become differentiators.

Now

Evaluation as infrastructure

Task suites, simulations, judges, trace analytics, and release gates become normal software-delivery assets.

Now

Security becomes architectural

Prompt injection, tool abuse, identity delegation, supply-chain risk, and data leakage move into mainstream architecture.

Durable

Open and local AI

Open-weight and small models expand deployment choices for privacy, cost, customization, and edge use.

Accelerating

Generated software and UI

Agents increasingly create code, workflows, reports, and situational interfaces; review and provenance become essential.

Durable

Distribution over novelty

As capabilities diffuse, trusted brands, communities, proprietary workflows, and embedded channels matter more.

Best career hedge. Become excellent at one valuable workflow and competent at the entire system around it. Model names will rotate. The ability to frame, integrate, evaluate, secure, and operate capability compounds.
→

La industria pasa de demos de modelos a sistemas de capacidades.

El programa 2026 de AI Engineer World’s Fair sirve como señal: ingeniería de harness y contexto, empresa nativa, inferencia, IA local, medios generativos, comercio agéntico, grafos, seguridad y fábricas de software aparecen como prácticas separadas. Es una señal, no un pronóstico. S01S02

Ahora → 2 años

Ingeniería del harness

El runtime del agente, contexto del repositorio, herramientas, checkpoints y feedback se vuelven una superficie propia.

Ahora → duradero

Ingeniería de contexto

El foco pasa de prompts grandes a selección, compresión, permisos, memoria y procedencia deliberadas.

Emergente

Interoperabilidad de agentes

MCP estandariza conexiones aplicación-capacidad; A2A colaboración; identidad y confianza siguen en diseño.

Acelerando

Empresa nativa en IA

Los equipos rediseñan flujos alrededor de capacidades del modelo, no agregan chat a procesos antiguos.

Acelerando

Economía de inferencia

Routing, caché, batching, modelos pequeños, inferencia local y serving consciente de hardware se vuelven centrales.

Acelerando

Multimodal en tiempo real

Voz, visión, pantalla e interfaces generadas hacen que IA deje de ser una caja de chat separada.

Temprano

Comercio agéntico

Capacidades, datos y servicios se vuelven descubribles y pagables por agentes; mandatos y auditoría diferencian.

Ahora

Evaluación como infraestructura

Suites, simulaciones, jueces, trazas y gates se vuelven activos normales de entrega.

Ahora

Seguridad arquitectónica

Prompt injection, abuso de herramientas, delegación, supply chain y fuga de datos entran a la arquitectura principal.

Duradero

IA abierta y local

Modelos de pesos abiertos y pequeños amplían opciones por privacidad, costo, personalización y edge.

Acelerando

Software y UI generados

Agentes crean código, flujos, reportes e interfaces situacionales; revisión y procedencia son esenciales.

Duradero

Distribución sobre novedad

Al difundirse capacidades, marca, comunidad, flujos propietarios y canales embebidos importan más.

La mejor cobertura profesional. Domina un flujo valioso y sé competente en todo el sistema. Los nombres de modelos rotarán. Enmarcar, integrar, evaluar, proteger y operar capacidades acumula valor.

14 · GlossaryGlosario

Glossary

Operational definitions for the most useful terms.

Glosario

Definiciones operativas de los términos más útiles.

#
A–Z

A working vocabulary for modern AI systems.

Terms are defined operationally. Vendor terminology varies, and emerging standards may evolve.

AEO

Answer Engine Optimization

Optimizing trustworthy content and structure so answer systems can understand, retrieve, and cite it.

GEO

Generative Engine Optimization

A proposed practice for visibility in generative answers. Evidence and measurement remain less mature than conventional SEO.

Agent

Agent

A controlled runtime in which a model can choose steps or tools under state, policy, budgets, and stop conditions.

Agentic workflow

Agentic workflow

A workflow that delegates selected decisions to a model while retaining explicit controls.

Capability

Capability

A bounded action or service an application or agent can discover and invoke.

Context engineering

Context engineering

Designing what information, instructions, state, tools, and evidence reach the model at each step.

Embedding

Embedding

A numeric representation useful for semantic similarity and retrieval.

Eval

Evaluation

A repeatable test or measurement of system behavior.

Foundation model

Foundation model

A broadly trained model adapted to many downstream tasks.

Guardrail

Guardrail

A control that constrains input, output, data, tools, or action. It is one layer, not a complete safety system.

Hallucination

Hallucination

Fluent output that is unsupported, incorrect, or inconsistent with required evidence.

Harness

Harness

The runtime and surrounding infrastructure that provides context, tools, state, feedback, and control to an agent.

Inference

Inference

Running a trained model to produce a result.

MCP

Model Context Protocol

Protocol for exposing tools, resources, and prompts to AI hosts.

A2A

Agent2Agent Protocol

Protocol for agents to discover capabilities and exchange tasks, status, messages, and artifacts.

Modality

Modality

A form of input or output: text, audio, image, video, code, action, sensor data.

Modal

Modal UI

A dialog-like interface layer that temporarily focuses attention. Not the same as modality.

Multimodal

Multimodal

A system that understands or produces more than one modality.

Prompt injection

Prompt injection

Untrusted content attempts to redirect model behavior or exploit connected tools/data.

RAG

Retrieval-Augmented Generation

Retrieving external evidence before generation.

Reranker

Reranker

A model that reorders retrieved candidates by relevance.

Structured output

Structured output

Model output constrained and validated against a schema or grammar.

Tool calling

Tool calling

A model proposes a function and arguments; application code validates and executes it.

x402

x402

HTTP-native machine payment pattern using the 402 status family.

AP2

Agent Payments Protocol

Protocol concepts for verifiable user mandates and agent-mediated commerce.

For AEO/GEO, keep the distinction between practical search fundamentals and still-emerging claims about generative visibility. S25S26
A–Z

Vocabulario operativo para sistemas modernos de IA.

Las definiciones son prácticas. La terminología de proveedores varía y los estándares emergentes pueden cambiar.

AEO

Answer Engine Optimization

Optimización de contenido y estructura confiables para que sistemas de respuesta puedan comprenderlos, recuperarlos y citarlos.

GEO

Generative Engine Optimization

Práctica propuesta para visibilidad en respuestas generativas. La evidencia y medición son menos maduras que SEO.

Agent

Agent

Runtime controlado donde un modelo elige pasos o herramientas bajo estado, políticas, presupuestos y parada.

Agentic workflow

Agentic workflow

Flujo que delega decisiones seleccionadas a un modelo y conserva controles explícitos.

Capability

Capability

Acción o servicio limitado que una aplicación o agente puede descubrir e invocar.

Context engineering

Context engineering

Diseño de información, instrucciones, estado, herramientas y evidencia que llegan al modelo en cada paso.

Embedding

Embedding

Representación numérica útil para similitud semántica y recuperación.

Eval

Evaluation

Prueba o medición repetible de la conducta del sistema.

Foundation model

Foundation model

Modelo ampliamente entrenado que se adapta a muchas tareas posteriores.

Guardrail

Guardrail

Control que limita entrada, salida, datos, herramientas o acciones. Es una capa, no un sistema completo.

Hallucination

Hallucination

Salida fluida sin soporte, incorrecta o inconsistente con la evidencia requerida.

Harness

Harness

Runtime e infraestructura que entrega contexto, herramientas, estado, feedback y control a un agente.

Inference

Inference

Ejecución de un modelo entrenado para producir un resultado.

MCP

Model Context Protocol

Protocolo para exponer herramientas, recursos y prompts a hosts de IA.

A2A

Agent2Agent Protocol

Protocolo para que agentes descubran capacidades e intercambien tareas, estados, mensajes y artefactos.

Modality

Modality

Forma de entrada o salida: texto, audio, imagen, video, código, acción o sensores.

Modal

Modal UI

Capa UI tipo diálogo que enfoca temporalmente la atención. No es lo mismo que modalidad.

Multimodal

Multimodal

Sistema que entiende o produce más de una modalidad.

Prompt injection

Prompt injection

Contenido no confiable intenta redirigir al modelo o explotar herramientas/datos conectados.

RAG

Retrieval-Augmented Generation

Recuperación de evidencia externa antes de generar.

Reranker

Reranker

Modelo que reordena candidatos recuperados por relevancia.

Structured output

Structured output

Salida del modelo limitada y validada contra esquema o gramática.

Tool calling

Tool calling

El modelo propone función y argumentos; la aplicación valida y ejecuta.

x402

x402

Patrón de pago máquina-a-máquina nativo de HTTP usando la familia 402.

AP2

Agent Payments Protocol

Conceptos de protocolo para mandatos verificables y comercio mediado por agentes.

Para AEO/GEO, distingue fundamentos prácticos de búsqueda de afirmaciones todavía emergentes sobre visibilidad generativa. S25S26

15 · Sources and methodologyFuentes y metodología

Sources and methodology

Traceability, limitations, and update-sensitive evidence.

Fuentes y metodología

Trazabilidad, límites y evidencia sensible al tiempo.

#

Research method

Primary sources were preferred for protocols, APIs, standards, security guidance, courses, and public programs. Marketplaces and conference agendas are treated as directional signals rather than universal forecasts.

Claim discipline

Durable concepts are separated from time-sensitive availability. Inferences are labeled as synthesis. Course prices, cohorts, model portfolios, specifications, and market conditions should be rechecked.

Geographic lens

The landscape is globally applicable. Local language, time-zone overlap, domain access, regulation, infrastructure, and distribution determine which opportunities are practical in a given place.

Artifact provenance

Generated 2026-07-18. Version 2.1. Self-contained HTML. No external scripts, fonts, analytics, or runtime network requests. Source IDs connect claims to the registry below.

Source registry

S01

AI Engineer World’s Fair 2026

Official conference and schedule: tracks across harness/context engineering, AI-native enterprise, inference, local AI, generative media, security, commerce, and software factories.

https://www.ai.engineer/worldsfair/2026
S06

Agent2Agent Protocol

Open protocol for discovery, task delegation, messaging, artifacts, and long-running agent collaboration.

https://a2a-protocol.org/latest/
S51

fast.ai — Practical Deep Learning for Coders

Free, code-first deep-learning course and learning materials.

https://course.fast.ai/

Método de investigación

Se priorizaron fuentes primarias para protocolos, APIs, estándares, seguridad, cursos y programas públicos. Mercados freelance y agendas se tratan como señales, no pronósticos universales.

Disciplina de afirmaciones

Los conceptos duraderos se separan de disponibilidad temporal. Las inferencias se marcan como síntesis. Precios, cohortes, portafolios, especificaciones y mercado deben verificarse.

Lente geográfico

El panorama es aplicable globalmente. Idioma, zona horaria, acceso al dominio, regulación, infraestructura y distribución determinan qué oportunidades son prácticas en cada lugar.

Procedencia del artefacto

Generado 2026-07-18. Versión 2.1. HTML autónomo. Sin scripts externos, fuentes, analítica ni solicitudes de red. Los IDs conectan afirmaciones con el registro.

Registro de fuentes

S01

AI Engineer World’s Fair 2026

Official conference and schedule: tracks across harness/context engineering, AI-native enterprise, inference, local AI, generative media, security, commerce, and software factories.

https://www.ai.engineer/worldsfair/2026
S06

Agent2Agent Protocol

Open protocol for discovery, task delegation, messaging, artifacts, and long-running agent collaboration.

https://a2a-protocol.org/latest/
S51

fast.ai — Practical Deep Learning for Coders

Curso y materiales gratuitos de deep learning práctico orientado a código.

https://course.fast.ai/

Saved items

Your browser-local interest and learning memory.

Save with a comment

Search / Buscar
00 · Field map01 · Choose an entry position02 · Navigable mind map03 · The AI system stack04 · Timeless foundations05 · Models, tools, and inference06 · Agents, protocols, and transactions07 · Modalities and surfaces08 · Opportunity domains09 · Roles, markets, and business models10 · Learning routes11 · Tackle board12 · Governance, security, and trust13 · Where the industry is heading14 · Glossary15 · Sources and methodology
00 · Mapa del campo01 · Elige una posición de entrada02 · Mapa mental navegable03 · El stack del sistema de IA04 · Fundamentos duraderos05 · Modelos, herramientas e inferencia06 · Agentes, protocolos y transacciones07 · Modalidades y superficies08 · Dominios de oportunidad09 · Roles, mercados y modelos de negocio10 · Rutas de aprendizaje11 · Lista para abordar12 · Gobierno, seguridad y confianza13 · Hacia dónde va la industria14 · Glosario15 · Fuentes y metodología