The Value Vector

Publicado por Apress a finales de 2025, este libro de Jaydeep Chakrabarty y Harinee Muralinath aborda los retos reales de ingeniería, seguridad y estrategia de producto a los que se enfrentan las empresas al construir aplicaciones basadas en inteligencia artificial generativa. Los autores, con amplia trayectoria en Thoughtworks y en el sector fintech, diseñaron la obra para resolver el recurrente problema del «cementerio de pruebas de concepto» (POCs que nunca llegan a desplegarse o no generan valor de negocio). El texto está orientado a desarrolladores de software, arquitectos de soluciones, jefes de producto técnico e ingenieros de datos de nivel intermedio que ya conocen las bases de las APIs de modelos de lenguaje y la arquitectura cloud, y necesitan llevar prototipos a entornos de producción auditables y escalables.

A través del marco metodológico «The AI Value Compass» y un hilo conductor narrativo que sigue los retos técnicos de un caso empresarial ficticio (la Dra. Anya), el libro profundiza en las prácticas de ingeniería para IA generativa. Enseña a diseñar canalizaciones de Generación Aumentada por Recuperación (RAG), a configurar e indexar almacenes vectoriales (vector databases/stores) y a gestionar el ciclo de inferencia mediante frameworks como LangChain. Aborda también técnicas de ajuste fino (fine-tuning) frente a ingeniería de prompts avanzada, mitigación de alucinaciones, diseño de barreras de seguridad (guardrails), observabilidad con LLMOps y la transición hacia agentes autónomos y multiagente capaces de interactuar con herramientas externas.

El libro combina la visión estratégica de negocio con directrices detalladas de arquitectura y ciberseguridad, enseñando a formular criterios de aceptación, calcular costes de inferencia y mitigar riesgos de inyección de prompts, filtración de datos y sesgo algorítmico. Su mayor aportación es la rigurosidad con la que aborda la madurez de ingeniería de software requerida para que un sistema con LLMs sea seguro, fiable y económicamente sostenible en una corporación. No incluye un repositorio de mini-aplicaciones aisladas de código paso a paso, sino que examina exhaustivamente la arquitectura end-to-end de una solución productiva. Conviene tener familiaridad previa con servicios cloud, APIs REST y conceptos generales de aprendizaje automático para aprovechar al máximo sus patrones arquitectónicos.