Automatización de procesos e inteligencia artificial agéntica

La automatización de procesos con soporte de inteligencia artificial está transformando la manera en que trabajamos, organizamos datos y ofrecemos servicios. Este curso ofrece una visión práctica y aplicada sobre cómo utilizar MAKE para diseñar flujos inteligentes capaces de ejecutar tareas automáticamente, comunicarse con modelos de lenguaje (como OpenAI o Gemini) y generar resultados contextualizados en tiempo real.

A lo largo de las sesiones, el alumnado aprenderá a construir sistemas que integren bases de conocimiento dinámicas (RAGs y CAGs), realicen scraping de datos web con Apify e incorporen conceptos de IA agéntica para desarrollar asistentes y agentes autónomos capaces de aprender y adaptarse.

El enfoque es totalmente práctico, con ejemplos reales y proyectos integrados, dirigido a perfiles que ya poseen una base técnica y desean avanzar hacia la automatización inteligente y el despliegue de asistentes autónomos en entornos profesionales o educativos.

• Dominar el uso de MAKE para crear, gestionar y optimizar flujos de automatización inteligentes que integren IA generativa, bases de conocimiento dinámicas y agentes autónomos, aplicados a casos de uso reales.
• Comprender los principios de la automatización y su aplicación en procesos cotidianos o empresariales.
• Configurar integraciones con OpenAI para incorporar capacidades de lenguaje natural en los flujos de trabajo.
• Diseñar escenarios complejos en MAKE, con gestión de variables, subescenarios y orquestación de procesos.
• Crear chatbots e interfaces propias conectados a LLMs y bases de datos externas.
• Construir y mantener RAGs (Retrieval-Augmented Generation) y CAGs (Context-Augmented Generation) para dotar a los sistemas de conocimiento actualizable y contextual.
• Implementar procesos de scraping con Apify para extraer información de fuentes web y alimentar automáticamente los RAGs.
• Entender el funcionamiento de la IA agéntica y cómo configurar agentes en MAKE (con referencia conceptual a n8n y Model Context Protocol).
• Desarrollar un proyecto completo que combine automatización, IA generativa y gestión dinámica del conocimiento.
• Aprender a diseñar y desplegar flujos de automatización inteligentes con MAKE, integrando IA generativa (OpenAI, Gemini), RAGs/CAGs y conceptos de IA agéntica, para construir sistemas que recopilen, actualicen y apliquen conocimiento de forma autónoma.

• Profesionales con conocimientos técnicos previos interesados en automatización inteligente.
• Desarrolladores y técnicos que quieran integrar IA generativa, RAGs/CAGs y agentes autónomos en flujos de trabajo.
• Personas que buscan diseñar chatbots e interfaces interactivas conectadas a modelos de lenguaje.
• Profesionales que desean implementar scraping web y gestión dinámica de bases de conocimiento para procesos automatizados.

1. Introducción a la automatización
   • Qué es la automatización y por qué es clave en los entornos actuales.
   • Ejemplos prácticos de automatización en procesos reales.
   • Recorrido por la interfaz de MAKE: escenarios, triggers y acciones.
   • Creación de un primer escenario sencillo sin IA.
   • Introducción conceptual a los LLMs y al papel de la IA dentro de la automatización.
2. Conexión con OpenAI y flujos básicos
   • Configuración de la conexión con OpenAI (API key, modelos, parámetros).
   • Primeras pruebas de integración con LLMs: prompts simples y variables dinámicas.
   • Variables, funciones y buenas prácticas de diseño (naming, logging, gestión de errores).
   • Caso práctico: flujo que recibe texto, lo procesa con IA y devuelve una respuesta automática.
3. Conexiones externas y webhooks
   • Mailhooks y webhooks: principio de funcionamiento y aplicaciones prácticas.
   • Creación de flujos que reciben y procesan datos externos.
   • Envío automático de respuestas o notificaciones.
   • Caso práctico: webhook que recibe datos de un formulario y genera un registro o respuesta inteligente.
4. Enriquecimiento con LLMs y flujos inteligentes
   1. Diseño de prompts contextuales y uso de variables avanzadas.
   2. Procesamiento de texto con IA: resumen, clasificación y extracción de información.
   3. Cómo utilizar los LLMs dentro de un flujo para tomar decisiones o generar resultados contextuales.
   4. Caso práctico: flujo que analiza textos y genera respuestas personalizadas.
5. Diseño de interfaces y chatbots
   • Arquitectura básica de chatbots: intenciones, entidades, diálogos y contexto.
   • Diseño de interfaces HTML/CSS sencillas para asistentes o formularios.
   • Integración con servicios web internos o formularios propios.
   • Caso práctico: chatbot conectado a OpenAI con interfaz web propia.
6. Bases de datos y RAGs dinámicos
   • Conexión con Airtable o Google Sheets como base de conocimiento.
   • Operaciones CRUD (Create, Read, Update, Delete).
   • Introducción a RAG (Retrieval-Augmented Generation) y CAG (Context-Augmented Generation).
   • Creación de bases de conocimiento dinámicas para dar contexto a los LLMs.
   • Automatización de la actualización del RAG con nuevos datos (RAGs dinámicos).
   • Caso práctico: flujo que extrae información de documentos y la incorpora automáticamente a un RAG.
7. Web scraping con Apify
   • Introducción al web scraping y sus aplicaciones en automatización.
   • Configuración y uso de Apify como herramienta de scraping.
   • Extracción de datos de páginas web para alimentar procesos automáticos.
   • Procesamiento y limpieza de la información obtenida.
   • Caso práctico: flujo que obtiene datos de un sitio web con Apify y los añade a un RAG dinámico.
8. IA agéntica y Model Context Protocol
   • Qué es la IA agéntica y diferencias con la automatización tradicional.
   • Componentes de un agente: objetivos, contexto, acciones, memoria y razonamiento.
   • Agentes en MAKE: cómo configurar flujos autónomos con LLMs y contexto.
   • Referencia conceptual con n8n: cómo implementar un agente equivalente (sin práctica).
   • Uso de RAGs/CAGs como memoria persistente para agentes.
   • Introducción al Model Context Protocol (MCP) y flujos multiagente.
   • Caso práctico: agente autónomo que consulta un RAG dinámico y toma decisiones dentro de MAKE.
9. Laboratorio final y proyectos integrados
   • Sesión práctica intensiva: desarrollo de un proyecto completo de automatización con IA y agentes.
   • Ejemplos:
     • Asistentes internos con base de conocimiento dinámica.
     • Flujo completo con agentes, scraping con Apify, RAG actualizable e interfaz web.
   • Revisión colectiva y buenas prácticas finales.
   • Cierre y hoja de ruta de aprendizaje continuo.

Todos nuestros cursos son bonificables por empresas (excepto autónomos) a través de la Fundación Estatal para la Formación en la Ocupación (FUNDAE).

Consultar descuentos especiales para estudiantes, personas en situación de paro, y empresas que realicen dos o más inscripciones en un mismo curso.