Como diseñar agentes inteligentes

En esta charla de Henry Live, Chino, Director de GNI en Mercado Libre, explica paso a paso cómo crear agentes inteligentes y cómo esta tecnología está transformando la forma en que las empresas diseñan productos, automatizan procesos y mejoran la experiencia del cliente.
Aprende cómo Mercado Libre pasó de chatbots rígidos a agentes con IA generativa, qué tecnologías usa (LLMs, RAG, MCP, N8N) y cómo puedes construir tus propios agentes desde cero.
Una charla imprescindible para profesionales de tecnología, producto, data y automatización, y para quienes quieren entender el futuro del trabajo con IA.

Temas destacados:
-Qué diferencia a un chatbot de un agente inteligente
-Casos reales de Mercado Libre y Mercado Pago
-Cómo diseñar prompts, contextos y herramientas para agentes
-Tecnologías clave: RAG, MCP, context engineering
-Consejos prácticos para prototipar y escalar agentes

00:00 Presentación del Chino (Director de GNI en Mercado Libre) y contexto de la charla
01:00 De los chatbots tradicionales a los agentes inteligentes: evolución y aprendizajes
04:00 Cómo Mercado Libre rediseñó su atención al cliente con IA
08:00 NLP, LLMs y detección de intenciones: el salto hacia la automatización real
12:00 Qué diferencia a un bot de un agente inteligente (percepción, razonamiento y acción)
16:00 Diseño de agentes: objetivos, herramientas y recursos necesarios
21:00 Cómo usar RAG, MCP y context engineering para mejorar la toma de decisiones
26:00 Prompts y contextos: el cerebro de los agentes
31:00 Colaboración entre equipos técnicos y de negocio en el desarrollo de agentes
36:00 Casos reales: agente de Mercado Pago y flujos de atención automatizados
41:00 Recomendaciones para prototipar agentes en N8N, Make o plataformas low-code
46:00 Capacidades avanzadas: memoria, reasoning loops y gobernanza
50:00 El futuro de los multiagentes y la colaboración entre sistemas
55:00 Consejos finales: cómo empezar a construir agentes inteligentes desde cero

🤖 Agente inteligente
Programa que percibe su entorno, razona con datos y actúa de forma autónoma para cumplir un objetivo.
💬 Chatbot
Sistema conversacional tradicional basado en reglas o flujos fijos, sin razonamiento adaptativo.
🧠 LLM (Large Language Model)
Modelo de lenguaje de gran escala que comprende y genera texto humano (como GPT o Gemini).
🗣️ NLP (Natural Language Processing)
Tecnología que permite a las computadoras entender, interpretar y procesar lenguaje natural.
📚 RAG (Retrieval-Augmented Generation)
Técnica que combina búsqueda de información con generación de texto para mejorar la precisión.
🔗 MCP (Model Context Protocol)
Estándar que define cómo los agentes acceden a datos, herramientas y contexto de manera segura y estructurada.
⚙️ Prompt
Instrucción o conjunto de instrucciones que orientan cómo debe pensar o responder un modelo de IA.
🌐 Context Engineering
Diseño del entorno informativo de un agente: define qué sabe, qué ignora y cómo toma decisiones.
🔁 Reasoning Loop
Proceso de razonamiento iterativo que permite a un agente revisar sus pasos antes de ejecutar una acción.
🧍‍♂️ Human-in-the-loop
Metodología que mantiene al humano dentro del ciclo de decisión para validar o corregir resultados de IA.
🤝 Multiagente
Ecosistema donde varios agentes inteligentes colaboran o se comunican para resolver tareas complejas.
🧩 Low-code / No-code
Herramientas que permiten crear automatizaciones o agentes sin programar o con mínima programación.
📈 Workflow
Secuencia estructurada de pasos que sigue un proceso automatizado dentro de una empresa o sistema.
🧾 Memory Manager
Sistema que guarda el historial de conversaciones o decisiones de un agente para mantener coherencia y contexto.