The AI Pocket Book

Guía concisa de referencia técnica publicada por Manning en 2025, diseñada para ayudar a programadores, arquitectos y profesionales del sector tecnológico a orientarse en el vertiginoso ecosistema de la inteligencia artificial generativa sin perderse en fórmulas teóricas complejas ni en la retórica comercial de la industria. Su autor, Emmanuel Maggiori (ingeniero de software y doctor especializado en aprendizaje automático), analiza el panorama tecnológico contemporáneo dominado por modelos fundacionales como la familia GPT de OpenAI, Claude de Anthropic y Gemini de Google. La obra está calibrada para un nivel intermedio: parte de la premisa de que el lector tiene experiencia en desarrollo de software o gestión de infraestructura web, pero no exige conocimientos previos en ciencia de datos ni en estadística avanzada.

El autor desmitifica el funcionamiento interno de los Modelos de Lenguaje Grande (LLMs) explicando de forma transparente conceptos clave como la arquitectura Transformer, el proceso de tokenización, los vectores de incrustación (embeddings) y la gestión de la ventana de contexto (context window). Explica la naturaleza probabilística de estos modelos, el origen de las alucinaciones y el impacto de parámetros como la temperatura, detallando técnicas prácticas de mitigación como la Generación Aumentada por Recuperación (RAG) y la invocación de herramientas externas (function calling). Asimismo, ofrece criterios objetivos de ingeniería para comparar proveedores de modelos y APIs, evalúa herramientas de programación asistida (como GitHub Copilot y Cursor) y analiza con rigor aspectos críticos como las licencias de propiedad intelectual, la privacidad del código corporativo y los costes de inferencia.

El libro adopta un formato de bolsillo que prescinde de proyectos guiados de codificación y de colecciones de ejercicios, apostando en su lugar por listas de comprobación de idoneidad técnica, marcos de toma de decisiones y un catálogo estructurado de herramientas y modelos de IA generativa. Su gran fortaleza es su estilo honesto, pragmático y crítico, que expone con nitidez las limitaciones de la IA y los escenarios donde fracasa, proporcionando a los desarrolladores argumentos sólidos para proteger sus proyectos y sus carreras de expectativas infladas. Quien busque construir un pipeline RAG con LangChain o realizar fine-tuning con bibliotecas como Hugging Face Transformers necesitará acudir a manuales especializados de programación. Es un compendio sumamente útil para adquirir criterio técnico rápido y certero en la era de la IA generativa.