Curso individual
Inicio 21 sep 2026
21 de septiembre–14 de octubre de 2026
Lunes y miércoles, 20:00 a 21:20 hora de Chile
Inscripciones abiertasIA aplicada y productividadOnline en vivo
AI Power User: Agentes y Sistemas de Trabajo con IA
Diseño y Optimización de Workflows Profesionales
Aprende a elegir modelos y herramientas con criterio, administrar contexto, trabajar con agentes y diseñar workflows que equilibren calidad, tiempo, contexto y costo.
Codex · Claude Code · Cursor · Gemini · Agentes · Context Engineering
Inscribirme en este curso
Inversión
$179.990 CLP
US$215 para pagos internacionales
IVA incluido.
Primero completas los datos del estudiante y después eliges Mercado Pago, PayPal cuando esté disponible o transferencia.
De herramienta a sistema
01
Diagnosticar
Resultado, exigencia, contexto y límites reales.
02
Diseñar
Modelo, entorno, herramientas y arquitectura.
03
Verificar
Calidad, tiempo, costo, evidencia y control.
No necesitas más IA. Necesitas usar mejor la que ya tienes.
Fechas
21, 23, 28 y 30 de septiembre; 5, 7, 12 y 14 de octubre de 2026
Horario
Lunes y miércoles, 20:00 a 21:20 hora de Chile
Duración
18 horas y 40 minutos totales
Inversión
$179.990 CLP · US$215
Carga académica real
Las competencias requieren práctica entre clases.
18 horas y 40 minutos totales: 8 clases · 10 horas y 40 minutos online en vivo y 8 horas de práctica aplicada.
Conocimientos de entrada
Está pensado para personas que ya utilizan IA generativa de manera habitual. No exige programación profesional, pero sí comodidad con archivos, proyectos digitales y herramientas técnicas; los ejemplos más técnicos tendrán alternativas guiadas.
Entregable aplicado
El AI Efficiency Challenge: un workflow real medido, rediseñado con AI Workflow Canvas y comparado antes y después mediante evidencia.
Respaldo académico
Programa diseñado y operado por Academia Bayes. Operación comercial: NEXO LABS SPA · RUT 78.197.007-7.
Modalidad
Clases online en vivo con fechas y horario informados.
Aula y materiales
Acceso privado a enlaces, materiales y grabaciones cuando la edición las incluya.
Certificación
Certificado según las condiciones de participación de la edición.
Inscripción individual
Elige la fecha en que quieres tomar este curso.
La compra cubre solo este curso. Si una fecha también forma parte de una especialización, los estudiantes comparten la misma cohorte, clases, cupos y aula.
Máximo 25 estudiantes por cohorte
Criterio antes que herramientas
Este no es un curso de Prompt Engineering.
Los prompts son una parte del sistema. El foco está en combinar modelos, contexto, herramientas, agentes, validación y costos para construir workflows reproducibles que funcionen en trabajo real.
Cuatro ejes de decisión
Diseña workflows que equilibren lo que realmente importa.
Un sistema eficiente no es simplemente el más barato o el más potente: es el que alcanza la calidad requerida con una relación consciente entre tiempo, contexto y costo.
01
Calidad
Definir qué significa que un resultado cumpla realmente el objetivo y cómo comprobarlo antes de aceptar el trabajo de un agente.
02
Tiempo
Medir el tiempo humano y de ejecución que requiere un workflow, incluyendo coordinación, espera, revisión y correcciones.
03
Contexto
Entregar la información que el sistema necesita sin saturar sesiones, repetir instrucciones o contaminar el razonamiento.
04
Costo
Entender tokens, modelos, suscripciones y arquitectura para invertir más solo cuando la mejora de calidad lo justifique.
Casos de trabajo
Tres familias para trasladar el criterio a tareas reales.
Los ejemplos conectan herramientas y decisiones con trabajo técnico concreto, sin convertir el curso en un tutorial de una sola profesión o plataforma.
Software
Features, bugs, repositorios, tests, documentación y code review como tareas delegables y verificables.
Data & Analytics
Análisis, notebooks, SQL, código, datos, modelos y reportes trabajados con contexto y controles explícitos.
Knowledge Work
Investigación, documentos, análisis técnico, síntesis, planificación y entregables profesionales.
Metodología propia · AI Workflow Canvas
Nueve decisiones antes de agregar otra herramienta.
Un marco para analizar cualquier tarea, diseñar la arquitectura adecuada y justificarla según sus exigencias reales.
01
Resultado
Qué necesitas producir exactamente.
02
Exigencia
Qué precisión, velocidad, creatividad o trazabilidad requiere.
03
Entorno
Chat, IDE, CLI, cloud agent, notebook o script.
04
Modelo
Qué nivel de capacidad y razonamiento necesita la tarea.
05
Contexto
Qué debe conocer el agente y qué información sobra.
06
Herramientas
Archivos, web, terminal, APIs, MCP u otras capacidades.
07
Arquitectura
Un agente, subagentes, ejecución secuencial o paralela, Skill o script.
08
Control
Cómo verificamos que la tarea terminó correctamente.
09
Economía
Cuánto tiempo, contexto, tokens y dinero estamos dispuestos a utilizar.
Optimizar no significa simplemente gastar menos. Significa maximizar la relación entre calidad, tiempo, contexto y costo para el problema concreto.
Contenido previsto
Ocho clases: de utilizar herramientas a diseñar sistemas de trabajo con IA
Cada clase combina criterios, comparación de alternativas y una aplicación concreta que alimenta el proyecto final.
Pensado para
Developers, Data Scientists, analistas, ingenieros y perfiles técnicos que ya utilizan IA en su trabajo.
Profesionales de producto, investigación, consultoría o emprendimiento que trabajan con código, datos, documentos o proyectos complejos.
Usuarios habituales de ChatGPT, Claude o Gemini que quieren avanzar hacia workflows reproducibles, incluso si todavía no utilizan coding agents.
Personas que quieren incorporar Codex, Claude Code, Cursor u otros agentes con criterios transferibles y no por prueba y error.
Baseline y diagnóstico del workflow
Medición del flujo actual, resultado esperado, calidad, tiempo, contexto y costo. Resultado: un baseline y oportunidades reales de optimización.
Selección de modelos y economía de IA
Capacidad, razonamiento, velocidad, latencia, tokens, caching, suscripción y API. Compararemos una misma tarea con distintas configuraciones para decidir cuándo subir, bajar o no cambiar de modelo.
Context Engineering
Context window, contaminación, compaction, sesiones nuevas, memoria, documentación e instrucciones persistentes como README, AGENTS.md, CLAUDE.md o equivalentes. Resultado: lograr igual o mejor rendimiento con contexto más limpio.
Entornos y estructura de proyectos
Chat, IDE, CLI, cloud agents, archivos, estructura de carpetas, especificaciones, planificación, Git, sandbox, permisos e información persistente.
Herramientas, Skills, MCP, Hooks y subagentes
Criterios para elegir herramientas, Skills, scripts, MCP, APIs, Hooks, automatización y subagentes sin agregar complejidad innecesaria.
Evaluación, seguridad y confiabilidad
Tests, evals, checklists, schemas, revisión automática y humana, secretos, permisos, prompt injection, dependencias y trazabilidad.
Clínica de construcción
Construcción guiada del workflow elegido: estructura, contexto, herramientas, controles y alternativas para los ejemplos más técnicos.
Comparación y defensa del workflow
Ejecución final del AI Efficiency Challenge, comparación antes y después y defensa de las decisiones sobre modelo, contexto, arquitectura y costo.
Proyecto final
AI Efficiency Challenge
Escoge un workflow real de tu trabajo —o un caso proporcionado—, rediseña el sistema y defiende cada decisión con evidencia.
El objetivo no es necesariamente gastar menos: es conseguir la arquitectura adecuada para el problema y justificarla con evidencia.
- 01
Medir un baseline del workflow actual.
- 02
Identificar los problemas de modelo, contexto, herramientas o arquitectura.
- 03
Completar AI Workflow Canvas.
- 04
Rediseñar el sistema de trabajo.
- 05
Ejecutar nuevamente la tarea.
- 06
Comparar resultados antes y después.
- 07
Defender las decisiones adoptadas y sus trade-offs.
CalidadTiempoContextoCostoComplejidadReproducibilidadVerificabilidad
Recursos del programa
Herramientas para aplicar el método después de clases.
Materiales de trabajo incluidos como parte del programa, sin depender de una marca o suscripción específica.
AI Workflow Canvas
Matriz de selección de modelos
Árbol de decisión Chat vs IDE vs CLI vs Cloud Agent
Calculadora de costos de IA
Template de estructura de proyectos AI-native
Template AGENTS.md e instrucciones persistentes
Template de Skill
Checklist para evaluar MCP y herramientas
Checklist de seguridad
Framework de evaluación
Repositorio de ejercicios y casos
Material de apoyo y proyecto AI Efficiency Challenge
Certificado sujeto a los criterios de Academia Bayes
Enfoque profesional
Más herramientas no significan un mejor sistema
Incorpora modelos frontier, Skills, MCP o subagentes cuando agreguen valor verificable; elimínalos cuando solo agreguen coordinación y costo.
Criterio antes que herramientas: aprender a decidir, no a memorizar botones.
Más complejo no significa mejor: cada Skill, MCP o subagente debe resolver un problema real.
Calidad, tiempo, contexto y costo se evalúan como un sistema, no de forma aislada.
Todo workflow incorpora control, evidencia y una definición verificable de término.
Resultado esperado
Elegir modelos y entornos según las exigencias reales de cada tarea.
Diseñar contexto limpio, persistente y útil para humanos y agentes.
Estructurar proyectos AI-native y seleccionar herramientas sin complejidad innecesaria.
Medir y comparar workflows mediante calidad, tiempo, contexto y costo.
Inscripciones abiertas
Reserva tu cupo en esta edición.
Completa tus datos, elige tu forma de pago y conserva el código de inscripción. El acceso al aula se habilita cuando el pago queda confirmado.
Inversión
$179.990 CLP
US$215 para pagos internacionales. El medio exacto disponible se mostrará antes de salir de Academia Bayes.
IVA incluido.
Preguntas frecuentes
Antes de inscribirte
La fecha, el horario y el valor están definidos. Antes de pagar verás el resumen completo de tu inscripción.
¿Necesito saber utilizar Codex o Claude Code antes de comenzar?
No. El curso parte desde el uso habitual de herramientas de IA y desarrolla progresivamente el trabajo con agentes, entornos de desarrollo y sistemas más avanzados.
¿Es un curso de Prompt Engineering?
No. Los prompts son parte del trabajo con IA, pero el foco está en modelos, contexto, herramientas, agentes, evaluación y costos.
¿Necesito saber programar?
No exige programación profesional. Sí necesitas comodidad con archivos, proyectos digitales y herramientas técnicas. Los ejemplos más técnicos tendrán alternativas guiadas para que puedas practicar el mismo criterio sin depender de escribir código desde cero.
¿Qué herramientas se utilizarán?
Podremos comparar ChatGPT, Codex, Claude, Claude Code, Cursor y Gemini. El objetivo no es depender de una marca específica, sino aprender criterios transferibles entre herramientas y entornos.
¿Necesito pagar todas esas herramientas?
No. Precisamente aprenderás a decidir qué herramientas aportan valor según cada caso. Antes de la primera clase recibirás las condiciones técnicas y alternativas disponibles para los ejercicios.
¿Las clases quedan grabadas?
La disponibilidad de grabaciones se confirma para cada edición. Escríbenos por WhatsApp antes de inscribirte y te informaremos las condiciones vigentes.
¿Cuánto dura el curso?
18 horas y 40 minutos: ocho clases online en vivo de 80 minutos, equivalentes a 10 horas y 40 minutos, más 8 horas de práctica aplicada en el AI Efficiency Challenge.
¿Cuál es el proyecto final?
El AI Efficiency Challenge: medir un workflow, rediseñarlo mediante AI Workflow Canvas y comparar calidad, tiempo, contexto, costo y complejidad antes y después.
¿Cuál es el valor?
El valor es $179.990 CLP o US$215 para pagos internacionales. IVA incluido.
¿Cuándo son las clases?
La primera clase es el lunes 21 de septiembre de 2026. Las ocho sesiones se realizan los lunes y miércoles, de 20:00 a 21:20 hora de Chile, hasta el 14 de octubre.