{"schemaVersion":1,"id":"https://lucioduran.com/es/speaking","url":"https://lucioduran.com/es/speaking","title":"Charlas y formación en inteligencia artificial","description":"Propuestas de charlas y talleres de Lucio Durán, Uruguay: agentes de IA, evaluación de LLM, RAG e inferencia, con proyectos abiertos y evidencia reproducible.","language":"es","datePublished":"2026-11-10","dateModified":"2026-11-10","contentFormat":"text/markdown","content":"# Charlas y formación en inteligencia artificial\n\nComparto trabajo técnico sobre inteligencia artificial desde Uruguay. Estas propuestas están dirigidas a comunidades, universidades, organizaciones y equipos que quieren entender cómo diseñar y evaluar sistemas de IA con código y evidencia.\n\nEl punto de partida son mis proyectos públicos: decisiones de arquitectura, experimentos, resultados negativos y límites. Cada tema puede plantearse como una charla para discutir criterios o como un taller para recorrer una implementación y examinar sus resultados.\n\n[Invitar a una charla o proponer una formación]()\n\n## Temas propuestos\n\n### Agentes de IA que actúan: permisos, fallos y recuperación\n\n**Para quién:** Equipos de software e IA, comunidades de desarrollo y estudiantes con bases de programación.\n\n**Qué trabajamos**\n\n- Separar la propuesta del modelo de la autorización y la ejecución de una herramienta.\n- Analizar un timeout sin asumir que la operación falló ni repetir su efecto.\n- Recorrer trazas, permisos y pruebas de recuperación de los proyectos de referencia.\n\n**Material público de referencia:**\n\n- [Agent Replay Runtime]() · [Código fuente]()\n- [Agent Tool Capabilities]() · [Código fuente]()\n\n[Arquitectura de agentes de inteligencia artificial]()\n\n### Evaluar modelos y agentes antes de aceptar una mejora\n\n**Para quién:** Equipos de IA y datos, responsables de calidad y líderes de tecnología o producto.\n\n**Qué trabajamos**\n\n- Definir una tarea, un criterio de aceptación y un conjunto de evaluación versionado.\n- Distinguir éxito de tarea, cumplimiento de restricciones y regresiones por segmento.\n- Interpretar resultados, fallos y casos que requieren revisión en lugar de una aprobación automática.\n\n**Material público de referencia:**\n\n- [Model Regression Gate]() · [Código fuente]()\n- [Agent Injection Evals]() · [Código fuente]()\n\n[Evaluación de LLM y agentes de IA]()\n\n### RAG con evidencia: recuperación, idiomas y respuestas\n\n**Para quién:** Equipos que construyen búsqueda o asistentes sobre documentos; estudiantes de ingeniería y ciencia de datos.\n\n**Qué trabajamos**\n\n- Separar la calidad de recuperación de la calidad de la respuesta.\n- Comparar enfoques léxicos, densos e híbridos sobre un corpus y consultas definidos.\n- Examinar errores de ranking y diferencias entre consultas y documentos en español e inglés.\n\n**Material público de referencia:**\n\n- [RAG Evaluation Workbench]() · [Código fuente]()\n- [Bilingual Retrieval Evals]() · [Código fuente]()\n\n[RAG: recuperación, búsqueda y evaluación]()\n\n### Inferencia de IA: medir latencia, memoria y calidad\n\n**Para quién:** Ingeniería de plataformas, equipos de IA y responsables de decisiones de infraestructura.\n\n**Qué trabajamos**\n\n- Distinguir espera del primer token, generación y duración total.\n- Medir almacenamiento de pesos y memoria del proceso como variables distintas.\n- Leer un experimento de cuantización sin extrapolar sus resultados a otro modelo o hardware.\n\n**Material público de referencia:**\n\n- [LLM Serving Bench]() · [Código fuente]()\n- [Quantization Quality Lab]() · [Código fuente]()\n\n[Inferencia de IA: latencia, memoria y calidad]()\n\n## Formatos para acordar\n\nCharla técnica\n\nUna exposición centrada en un problema, las decisiones que lo condicionan y la evidencia disponible, con espacio para preguntas.\n\nTaller con código\n\nRecorrido de un repositorio público, su configuración y sus pruebas. El alcance se define según el nivel del grupo, el tiempo y el entorno disponible.\n\nSesión para líderes de tecnología\n\nDiscusión de criterios para evaluar una propuesta de IA: qué comprobar, qué riesgos controlar y qué evidencia pedir antes de decidir.\n\n## Cómo se prepara la sesión\n\n1. Acordamos el público, su experiencia previa y la decisión o habilidad que la sesión debe ayudar a desarrollar.\n2. Elegimos un tema y materiales públicos acordes al alcance. Para un taller, definimos requisitos técnicos y qué parte se ejecutará o revisará.\n3. Separamos lo observado en los experimentos de lo que todavía requiere validación en otro entorno. Las referencias permiten continuar el trabajo después de la sesión.\n\n## Presentación breve para organizadores\n\nLucio Durán es C.T.O. en LOi y trabaja desde Uruguay. Su trabajo público combina arquitectura de software e inteligencia artificial aplicada, con proyectos abiertos sobre agentes, evaluación de modelos de lenguaje, RAG e inferencia. Publica código, métodos y resultados junto con el alcance y las limitaciones de cada experimento.\n\n[Experiencia y formación]() · [Todos los proyectos]()\n\n## Proponer una invitación\n\nEnviame el nombre de la organización o evento, el público, el tema de interés, las fechas tentativas, el formato presencial o remoto y el tiempo disponible. Con ese contexto podemos conversar sobre alcance, requisitos y condiciones.\n\n[Escribir una propuesta]() · [email@lucioduran.com]()\n\n[Otros medios de contacto]()","headings":[{"level":1,"text":"Charlas y formación en inteligencia artificial","url":"https://lucioduran.com/es/speaking#title"},{"level":2,"text":"Temas propuestos","url":"https://lucioduran.com/es/speaking#proposed-topics"},{"level":3,"text":"Agentes de IA que actúan: permisos, fallos y recuperación","url":"https://lucioduran.com/es/speaking#ai-agents"},{"level":3,"text":"Evaluar modelos y agentes antes de aceptar una mejora","url":"https://lucioduran.com/es/speaking#llm-evaluation"},{"level":3,"text":"RAG con evidencia: recuperación, idiomas y respuestas","url":"https://lucioduran.com/es/speaking#rag"},{"level":3,"text":"Inferencia de IA: medir latencia, memoria y calidad","url":"https://lucioduran.com/es/speaking#llm-inference"},{"level":2,"text":"Formatos para acordar","url":"https://lucioduran.com/es/speaking#formats"},{"level":2,"text":"Cómo se prepara la sesión","url":"https://lucioduran.com/es/speaking#preparation"},{"level":2,"text":"Presentación breve para organizadores","url":"https://lucioduran.com/es/speaking#speaker-bio"},{"level":2,"text":"Proponer una invitación","url":"https://lucioduran.com/es/speaking#invitation"}],"sections":[{"heading":"Charlas y formación en inteligencia artificial","level":1,"url":"https://lucioduran.com/es/speaking","content":""},{"heading":"Charlas y formación en inteligencia artificial","level":1,"url":"https://lucioduran.com/es/speaking#title","content":"Comparto trabajo técnico sobre inteligencia artificial desde Uruguay. Estas propuestas están dirigidas a comunidades, universidades, organizaciones y equipos que quieren entender cómo diseñar y evaluar sistemas de IA con código y evidencia.\n\nEl punto de partida son mis proyectos públicos: decisiones de arquitectura, experimentos, resultados negativos y límites. Cada tema puede plantearse como una charla para discutir criterios o como un taller para recorrer una implementación y examinar sus resultados.\n\n[Invitar a una charla o proponer una formación]()"},{"heading":"Temas propuestos","level":2,"url":"https://lucioduran.com/es/speaking#proposed-topics","content":""},{"heading":"Agentes de IA que actúan: permisos, fallos y recuperación","level":3,"url":"https://lucioduran.com/es/speaking#ai-agents","content":"**Para quién:** Equipos de software e IA, comunidades de desarrollo y estudiantes con bases de programación.\n\n**Qué trabajamos**\n\n- Separar la propuesta del modelo de la autorización y la ejecución de una herramienta.\n- Analizar un timeout sin asumir que la operación falló ni repetir su efecto.\n- Recorrer trazas, permisos y pruebas de recuperación de los proyectos de referencia.\n\n**Material público de referencia:**\n\n- [Agent Replay Runtime]() · [Código fuente]()\n- [Agent Tool Capabilities]() · [Código fuente]()\n\n[Arquitectura de agentes de inteligencia artificial]()"},{"heading":"Evaluar modelos y agentes antes de aceptar una mejora","level":3,"url":"https://lucioduran.com/es/speaking#llm-evaluation","content":"**Para quién:** Equipos de IA y datos, responsables de calidad y líderes de tecnología o producto.\n\n**Qué trabajamos**\n\n- Definir una tarea, un criterio de aceptación y un conjunto de evaluación versionado.\n- Distinguir éxito de tarea, cumplimiento de restricciones y regresiones por segmento.\n- Interpretar resultados, fallos y casos que requieren revisión en lugar de una aprobación automática.\n\n**Material público de referencia:**\n\n- [Model Regression Gate]() · [Código fuente]()\n- [Agent Injection Evals]() · [Código fuente]()\n\n[Evaluación de LLM y agentes de IA]()"},{"heading":"RAG con evidencia: recuperación, idiomas y respuestas","level":3,"url":"https://lucioduran.com/es/speaking#rag","content":"**Para quién:** Equipos que construyen búsqueda o asistentes sobre documentos; estudiantes de ingeniería y ciencia de datos.\n\n**Qué trabajamos**\n\n- Separar la calidad de recuperación de la calidad de la respuesta.\n- Comparar enfoques léxicos, densos e híbridos sobre un corpus y consultas definidos.\n- Examinar errores de ranking y diferencias entre consultas y documentos en español e inglés.\n\n**Material público de referencia:**\n\n- [RAG Evaluation Workbench]() · [Código fuente]()\n- [Bilingual Retrieval Evals]() · [Código fuente]()\n\n[RAG: recuperación, búsqueda y evaluación]()"},{"heading":"Inferencia de IA: medir latencia, memoria y calidad","level":3,"url":"https://lucioduran.com/es/speaking#llm-inference","content":"**Para quién:** Ingeniería de plataformas, equipos de IA y responsables de decisiones de infraestructura.\n\n**Qué trabajamos**\n\n- Distinguir espera del primer token, generación y duración total.\n- Medir almacenamiento de pesos y memoria del proceso como variables distintas.\n- Leer un experimento de cuantización sin extrapolar sus resultados a otro modelo o hardware.\n\n**Material público de referencia:**\n\n- [LLM Serving Bench]() · [Código fuente]()\n- [Quantization Quality Lab]() · [Código fuente]()\n\n[Inferencia de IA: latencia, memoria y calidad]()"},{"heading":"Formatos para acordar","level":2,"url":"https://lucioduran.com/es/speaking#formats","content":"Charla técnica\n\nUna exposición centrada en un problema, las decisiones que lo condicionan y la evidencia disponible, con espacio para preguntas.\n\nTaller con código\n\nRecorrido de un repositorio público, su configuración y sus pruebas. El alcance se define según el nivel del grupo, el tiempo y el entorno disponible.\n\nSesión para líderes de tecnología\n\nDiscusión de criterios para evaluar una propuesta de IA: qué comprobar, qué riesgos controlar y qué evidencia pedir antes de decidir."},{"heading":"Cómo se prepara la sesión","level":2,"url":"https://lucioduran.com/es/speaking#preparation","content":"1. Acordamos el público, su experiencia previa y la decisión o habilidad que la sesión debe ayudar a desarrollar.\n2. Elegimos un tema y materiales públicos acordes al alcance. Para un taller, definimos requisitos técnicos y qué parte se ejecutará o revisará.\n3. Separamos lo observado en los experimentos de lo que todavía requiere validación en otro entorno. Las referencias permiten continuar el trabajo después de la sesión."},{"heading":"Presentación breve para organizadores","level":2,"url":"https://lucioduran.com/es/speaking#speaker-bio","content":"Lucio Durán es C.T.O. en LOi y trabaja desde Uruguay. Su trabajo público combina arquitectura de software e inteligencia artificial aplicada, con proyectos abiertos sobre agentes, evaluación de modelos de lenguaje, RAG e inferencia. Publica código, métodos y resultados junto con el alcance y las limitaciones de cada experimento.\n\n[Experiencia y formación]() · [Todos los proyectos]()"},{"heading":"Proponer una invitación","level":2,"url":"https://lucioduran.com/es/speaking#invitation","content":"Enviame el nombre de la organización o evento, el público, el tema de interés, las fechas tentativas, el formato presencial o remoto y el tiempo disponible. Con ese contexto podemos conversar sobre alcance, requisitos y condiciones.\n\n[Escribir una propuesta]() · [email@lucioduran.com]()\n\n[Otros medios de contacto]()"}],"links":[{"text":"Invitar a una charla o proponer una formación","url":"https://lucioduran.com/es/speaking#invitation"},{"text":"Agent Replay Runtime","url":"https://lucioduran.com/es/projects/agent-replay-runtime"},{"text":"Código fuente","url":"https://github.com/lucioduran/agent-replay-runtime"},{"text":"Agent Tool Capabilities","url":"https://lucioduran.com/es/projects/agent-tool-capabilities"},{"text":"Código fuente","url":"https://github.com/lucioduran/agent-tool-capabilities"},{"text":"Arquitectura de agentes de inteligencia artificial","url":"https://lucioduran.com/es/topics/ai-agents"},{"text":"Model Regression Gate","url":"https://lucioduran.com/es/projects/model-regression-gate"},{"text":"Código fuente","url":"https://github.com/lucioduran/model-regression-gate"},{"text":"Agent Injection Evals","url":"https://lucioduran.com/es/projects/agent-injection-evals"},{"text":"Código fuente","url":"https://github.com/lucioduran/agent-injection-evals"},{"text":"Evaluación de LLM y agentes de IA","url":"https://lucioduran.com/es/topics/llm-evaluation"},{"text":"RAG Evaluation Workbench","url":"https://lucioduran.com/es/projects/rag-evaluation-workbench"},{"text":"Código fuente","url":"https://github.com/lucioduran/rag-evaluation-workbench"},{"text":"Bilingual Retrieval Evals","url":"https://lucioduran.com/es/projects/bilingual-retrieval-evals"},{"text":"Código fuente","url":"https://github.com/lucioduran/bilingual-retrieval-evals"},{"text":"RAG: recuperación, búsqueda y evaluación","url":"https://lucioduran.com/es/topics/rag"},{"text":"LLM Serving Bench","url":"https://lucioduran.com/es/projects/llm-serving-bench"},{"text":"Código fuente","url":"https://github.com/lucioduran/llm-serving-bench"},{"text":"Quantization Quality Lab","url":"https://lucioduran.com/es/projects/quantization-quality-lab"},{"text":"Código fuente","url":"https://github.com/lucioduran/quantization-quality-lab"},{"text":"Inferencia de IA: latencia, memoria y calidad","url":"https://lucioduran.com/es/topics/llm-inference"},{"text":"Experiencia y formación","url":"https://lucioduran.com/es/cv"},{"text":"Todos los proyectos","url":"https://lucioduran.com/es/projects"},{"text":"Escribir una propuesta","url":"mailto:email@lucioduran.com?subject=Invitaci%C3%B3n%3A%20charla%20o%20formaci%C3%B3n%20en%20inteligencia%20artificial&body=Organizaci%C3%B3n%20o%20evento%3A%0AP%C3%BAblico%20y%20experiencia%20previa%3A%0ATema%20de%20inter%C3%A9s%3A%0AFechas%20tentativas%3A%0AFormato%20y%20ubicaci%C3%B3n%3A%0ATiempo%20disponible%3A%0AObjetivo%20de%20la%20sesi%C3%B3n%3A%0A"},{"text":"email@lucioduran.com","url":"mailto:email@lucioduran.com"},{"text":"Otros medios de contacto","url":"https://lucioduran.com/es/contact"}],"structuredData":[{"@context":"https://schema.org","@graph":[{"@type":"Person","@id":"https://lucioduran.com/#person","name":"Lucio Durán","url":"https://lucioduran.com/"},{"@type":"WebSite","@id":"https://lucioduran.com/#website","url":"https://lucioduran.com/","name":"Lucio Durán","inLanguage":["en","es"],"publisher":{"@id":"https://lucioduran.com/#person"}},{"@type":"WebPage","@id":"https://lucioduran.com/es/speaking#page","url":"https://lucioduran.com/es/speaking","name":"Charlas y formación en inteligencia artificial","description":"Propuestas de charlas y talleres de Lucio Durán, Uruguay: agentes de IA, evaluación de LLM, RAG e inferencia, con proyectos abiertos y evidencia reproducible.","inLanguage":"es","author":{"@id":"https://lucioduran.com/#person"},"publisher":{"@id":"https://lucioduran.com/#person"},"isPartOf":{"@id":"https://lucioduran.com/#website"},"isAccessibleForFree":true,"datePublished":"2026-11-10","dateModified":"2026-11-10","about":[{"@type":"Thing","name":"Agentes de IA que actúan: permisos, fallos y recuperación","url":"https://lucioduran.com/es/topics/ai-agents"},{"@type":"Thing","name":"Evaluar modelos y agentes antes de aceptar una mejora","url":"https://lucioduran.com/es/topics/llm-evaluation"},{"@type":"Thing","name":"RAG con evidencia: recuperación, idiomas y respuestas","url":"https://lucioduran.com/es/topics/rag"},{"@type":"Thing","name":"Inferencia de IA: medir latencia, memoria y calidad","url":"https://lucioduran.com/es/topics/llm-inference"}]}]}],"contentHash":"4dfdd2a9c80f2546d3350090bea44acbe3256a2a7dc880fb8fa6803fe9488883","provenance":{"method":"Deterministic serialization of the server-rendered main element","source":"https://lucioduran.com/es/speaking","hashAlgorithm":"sha256","hashScope":"JSON document fields before contentHash and provenance","sourceHTMLBytes":44103,"contentBytes":6621}}