Generative AI System Design Interview

Guía de preparación técnica especializada en entrevistas de diseño de sistemas de inteligencia artificial generativa y modelos masivos de lenguaje (LLMs), concebida para superar las rondas de arquitectura más exigentes de la industria tecnológica actual. Centrada en el ecosistema contemporáneo de modelos de lenguaje y difusión (Transformers, GPT, RAG, Stable Diffusion), la obra está orientada a ingenieros de software senior, ingenieros de machine learning, científicos de datos y arquitectos de soluciones que ya poseen bases sólidas de sistemas distribuidos y aprendizaje automático.

La obra articula su aprendizaje mediante un marco metodológico estructurado de 7 pasos, diseñado para abordar cualquier problema abierto de diseño en entrevistas. Detalla minuciosamente la arquitectura de servicios a gran escala, integrando bases de datos vectoriales (como Pinecone, Milvus o FAISS), pipelines de Retrieval-Augmented Generation (RAG), embeddings, modelos de difusión, cálculo de presupuestos de tokens, optimización de latencia y costes de inferencia (cuantización, KV cache, PagedAttention), junto con componentes de orquestación, balanceo de carga para GPUs y mecanismos de seguridad con guardrails.

El libro instruye a través de 10 casos de diseño de sistemas reales ilustrados con más de 280 diagramas de arquitectura detallados, resolviendo problemas como Gmail Smart Compose, Google Translate, un chatbot asistente conversacional estilo ChatGPT, generación de pies de foto, sistemas RAG corporativos, generación de rostros fotorrealistas, síntesis de imágenes en alta resolución, generación de texto a imagen, avatares personalizados y generación de texto a vídeo. Su gran ventaja es sistematizar el razonamiento arquitectónico y los trade-offs de ingeniería necesarios para llevar la IA generativa a producción masiva; como contrapartida, no incluye código fuente ejecutable, ya que su foco exclusivo es el diseño de alto y bajo nivel. Resulta indispensable comprender los fundamentos del deep learning y sistemas escalables antes de leerlo.