Fundamentos: entender la IA que asiste al código.
Diferencias reales entre copilotos de código, IA generativa y agentes. Qué hacen bien, dónde fallan y cómo cambia el rol del desarrollador.
- Copilotos vs IA generativa de código.
- Cómo funcionan los LLMs aplicados al software.
- Prompt engineering para desarrollo.
IDEs inteligentes y ecosistema de herramientas.
Mapa práctico de herramientas reales: copilotos clásicos, IDEs agénticos y extensiones para VS Code. La clave no es probarlo todo, es saber qué elegir.
- GitHub Copilot, Tabnine, Codeium y similares.
- Cursor, Windsurf, Antigravity y Zed.
- Criterios: privacidad, latencia, precio y stack.
Calidad, seguridad y automatización.
Cómo usar IA para mejorar tests, auditoría, documentación, revisión de PRs y pipelines de CI/CD sin meter ruido en el flujo de trabajo.
- Tests unitarios, integración y E2E.
- Snyk, Semgrep, CodeQL y análisis de seguridad.
- Documentación, changelogs y PRs asistidas.
APIs, agentes y futuro del desarrollo.
La capa avanzada: APIs de modelos, control de costes, frameworks de orquestación, agentes de código, MCP y estrategia de adopción en equipos reales.
- OpenAI, Anthropic, Gemini y modelos locales.
- LangChain, Vercel AI SDK y frameworks de agentes.
- MCP, sistemas internos y adopción en equipos.