Programming Large Language Models with Azure Open AI

Obra técnica de referencia publicada por Microsoft Press en la que Francesco Esposito aborda el desarrollo de aplicaciones empresariales impulsadas por modelos de lenguaje masivo mediante Azure OpenAI Service (trabajando con modelos como GPT-4 y GPT-3.5 Turbo). El libro está concebido para ingenieros de software, arquitectos de soluciones y desarrolladores de backend de nivel intermedio que cuenten con experiencia previa en programación orientada a objetos (especialmente C#/.NET o Python) y deseen dar el salto desde la ingeniería de software clásica hacia la programación conversacional y la integración de inteligencia artificial generativa en sistemas corporativos.

El recorrido formativo profundiza en el diseño y refinamiento de prompts —desde técnicas básicas de few-shot y chain-of-thought hasta patrones avanzados de in-context learning— y su orquestación mediante frameworks líderes como Microsoft Semantic Kernel y LangChain. El autor enseña a conectar los modelos con fuentes de datos externas y APIs mediante function calling y tool calling, a implementar arquitecturas RAG (Retrieval-Augmented Generation) respaldadas por embeddings y búsqueda vectorial con Azure AI Search, y a estructurar interfaces conversacionales interactivas empleando ASP.NET Core y Streamlit. Asimismo, dedica un bloque sustancial a la seguridad corporativa, los filtros de contenido de Azure AI Content Safety, la privacidad de datos empresariales y las directrices de IA responsable.

A nivel práctico, el libro guía la creación de un asistente conversacional de soporte al cliente desarrollado en ASP.NET Core y un sistema de consulta documental ("Chat with your data") con interfaz en Streamlit capaz de responder preguntas sobre repositorios internos de la empresa. Su principal valor radica en mostrar cómo ensamblar una arquitectura empresarial robusta en el ecosistema .NET/Azure sin quedarse en scripts experimentales de Python. Como contrapartida, no profundiza en el preentrenamiento ni en el ajuste fino intensivo de pesos de modelos, ya que asume el consumo de modelos fundacionales como servicio en la nube, y exige soltura previa con Azure y la inyección de dependencias en C#.