Architecting Generative AI Applications

Obra sobre arquitectura de sistemas de software e infraestructura para IA generativa escrita por Leonid Kuligin, Staff AI Engineer en Google, y publicada por Packt en 2026. El libro ataca la brecha crítica que existe entre los prototipos rápidos ("vibe-coding" o scripts interactivos en cuadernos de notas) y los sistemas empresariales de producción que deben operar a escala bajo rigurosos acuerdos de nivel de servicio (SLAs). Está pensado para arquitectos de software, ingenieros de IA, directores técnicos y profesionales de SRE o MLOps de nivel intermedio y avanzado con sólidos fundamentos de desarrollo en Python y sistemas distribuidos.

El núcleo del texto expone las arquitecturas y herramientas necesarias para gobernar el ciclo de vida de los LLMs (LLMOps). Explica la construcción de arquitecturas RAG avanzadas (Retrieval-Augmented Generation) combinando bases de datos vectoriales, indexación invertida, búsqueda híbrida, reordenación con modelos de re-ranking (cross-encoders), expansión de consultas y procesamiento MapReduce para documentos extensos. Aborda la transición de DevOps/MLOps a LLMOps mediante canalizaciones de integración y entrega continua (CI/CD), orquestación de servicios en contenedores con Kubernetes, marcos de evaluación cuantitativa (con métricas estadísticas y evaluadores LLM-as-a-judge), validación humana (HITL) y experimentación online con pruebas A/B. Asimismo, dedica secciones críticas a la fiabilidad (Site Reliability Engineering aplicado a LLMs, telemetría, trazabilidad y cachés semánticas) y a la seguridad, cubriendo el Top 10 de riesgos de OWASP para LLMs, inyecciones de prompts y privacidad de datos.

A nivel práctico, el libro proporciona planos arquitectónicos para llevar una prueba de concepto hasta una plataforma RAG empresarial empaquetada en contenedores, lista para desplegarse en Kubernetes con observabilidad completa y mecanismos de degradación elegante. Destaca por su enfoque de ingeniería pragmática a gran escala, alejándose de las modas pasajeras para centrarse en los costes computacionales, la latencia y la estabilidad del sistema. No enseña sintaxis básica de Python ni matemáticas de redes neuronales, ya que presupone dichos conocimientos. Resulta indispensable contar con experiencia previa en contenedores (Docker/Kubernetes), diseño de APIs y gestión de infraestructura en la nube.