El código ya lo escribe la IA. Dale a tu equipo el sistema para dirigirla.
Formación práctica para que tu equipo aprenda a montar su harness de desarrollo con IA: el sistema que hace fiable el trabajo con agentes y que podrá llevar a sus proyectos cuando la formación termine.
Con ejemplos y ejercicios adaptados a vuestras tecnologías
De prompts sueltos a un sistema de trabajo
La misma petición, dos destinos muy distintos. La diferencia no está en el modelo ni en pedir mejor: está en el entorno que rodea al agente.
Ese entorno tiene nombre: harness engineering. Montarlo con tu equipo es exactamente lo que hacemos en esta formación.
Un programa para montar el sistema de desarrollo con IA de tu equipo
No es un curso de teoría sobre modelos ni una demo de herramientas de moda. Es una formación para construir el harness de desarrollo con IA de tu equipo: el entorno que permite trabajar con agentes de forma fiable, con estándares de calidad y sin caja negra.
Lo montamos sesión a sesión sobre casos prácticos adaptados a vuestras tecnologías: del contexto del proyecto a las specs, de ahí a los agentes con verificación y de ahí a la integración de IA en producto.
El arnés es portable entre herramientas —Codex, Claude Code, Cursor, lo que uséis— y transferible entre personas: vive en el repo, así que el conocimiento queda en la empresa, no en la cabeza de un developer que un día cambia de proyecto.
lo pone el proveedor · caduca
AGENTS.md · specs
skills · verificación
lo construyes tú · no caduca
El arnés es lo que hace posible el equipo
Un desarrollador con buenos prompts mejora su día. Pero eso no escala: vive en su cabeza y desaparece cuando cambia de proyecto. Un arnés vive en el repo, y por eso es la base sobre la que un equipo entero puede trabajar con IA sin que la velocidad se coma la calidad.
Por eso decimos que esto son las bases del desarrollo en equipo con IA: no porque lo digamos nosotros, sino porque es la única forma de que varios humanos y varios agentes construyan sobre el mismo código con criterio.
Qué consigue tu equipo con esta formación
- ✓
Entrega más rápida sin degradar la mantenibilidad: specs y Definition of Done antes de ejecutar.
- ✓
Workflows de IA estandarizados que viven en el repo, no improvisación individual de cada developer.
- ✓
Menos tiempo en tareas repetibles: tests, documentación, refactors y migraciones con agentes supervisados.
- ✓
Criterio compartido para revisar código generado por IA: seguridad, fiabilidad y evidencias antes del merge.
Seis capas, un sistema
Cada bloque de la formación suma una capa del arnés. La herramienta concreta puede cambiar; el arnés se queda contigo.
Qué verá tu equipo en cada bloque
La base para que el equipo trabaje con IA sabiendo qué hay debajo: cómo funcionan los modelos, qué pueden hacer con fiabilidad y cómo usarlos para investigar y decidir más rápido.
- Fundamentos LLM: tokens, contexto, coste, límites y fiabilidad.
- Research técnico asistido: flujos de investigación sobre documentación, repos y dominios nuevos.
- Validación cruzada: reducir errores y alucinaciones en decisiones técnicas.
- Prototipado rápido: ver una idea antes de invertir en construirla.
La habilidad central de trabajar con agentes ya no es escribir prompts: es gestionar el contexto. Aquí montamos la capa de contexto de un proyecto y el flujo de specs que el equipo podrá adoptar.
- Context engineering:
AGENTS.md, arquitectura, reglas y convenciones del proyecto. - Spec-Driven Development: de idea a feature verificable, con alcance y criterios de aceptación.
- Specs como contrato: lo que se acuerda es lo que se construye, para humanos y agentes.
- Continuidad: memoria y handoff entre sesiones y entre personas.
El mapa de herramientas para elegir con criterio —IDEs, CLIs y agentes— y la operativa segura para que ejecuten sin convertir el proyecto en una caja negra.
- Tipos de entorno: Cursor, Claude Code, Codex, Copilot… con costes y privacidad sobre la mesa.
- Capas de control: rules, hooks, permisos, modo plan y modos de trabajo.
- Subagentes con roles: implementación y validación separadas.
- Operativa segura: puntos de restauración y revisión antes de integrar.
De usar IA a orquestarla en el flujo real del equipo: loops que los agentes repiten —planificar, implementar, verificar, corregir— y varios agentes avanzando a la vez.
- Flujo completo: spec → issues → implementación → PRs listos para revisión.
- Paralelismo seguro: worktrees y workflows de GitHub sin pisarse.
- Skills reutilizables: estandarizar los procesos repetibles del equipo.
- MCPs y Definition of Done: herramientas externas y cierre con evidencias (build, lint, tests).
Llevar la IA dentro del producto con control técnico: desde la prueba rápida hasta la integración robusta.
- APIs de IA: proveedores, SDKs, tokens, streaming y control de costes.
- Capacidades avanzadas: structured output, function calling, RAG, embeddings y evals.
- Modelos locales: privacidad, latencia y límites reales.
- Integración real: observabilidad y validación en producción.
El cierre: el arnés montado durante la formación funcionando de principio a fin, y las claves para que el equipo lo adopte en sus proyectos y lo haga crecer.
- El arnés como motor: agentes usando contexto, specs y skills en trabajo real.
- Supervisión humana: revisión donde importa, automatización donde aporta.
- Adopción: cómo llevar el sistema a vuestros proyectos y equipos.
- Siguientes pasos: por dónde seguir mejorando el arnés tras la formación.
Investigación y fundamentos con criterio
La base para que el equipo trabaje con IA sabiendo qué hay debajo: cómo funcionan los modelos, qué pueden hacer con fiabilidad y cómo usarlos para investigar y decidir más rápido.
- Fundamentos LLM: tokens, contexto, coste, límites y fiabilidad.
- Research técnico asistido: flujos de investigación sobre documentación, repos y dominios nuevos.
- Validación cruzada: reducir errores y alucinaciones en decisiones técnicas.
- Prototipado rápido: ver una idea antes de invertir en construirla.
Así trabaja tu arnés cuando lo terminas
Esto es lo que verás funcionando al final de la formación: features avanzando solas de la spec al merge, en paralelo, con tu revisión justo donde importa.
El chip 👀 PR es tuyo: nada se integra sin pasar por tu revisión.
Pensada para encajar en la agenda de un equipo
24 horas de formación
6 sesiones de 4 horas, en directo con vuestro equipo.
Remoto o in-company
Adaptamos temario, ejemplos y nivel a vuestro stack y contexto.
Para equipos que ya desarrollan
Requisito: experiencia previa en desarrollo de software (junior avanzado en adelante).
¿Otro formato? Ajustamos duración y foco a vuestro contexto: cuéntanos qué necesita tu equipo.
Desarrolladores que ya aplican IA con criterio
6 testimonios · ★★★★★ · equipos técnicos
Santiago Pérez Barber
Bytacora Soluciones Informáticas SL
Empiezas sabiendo "cacharrear" con herramientas de IA y terminas dominado una batería de recursos que te sirven para el día a día y que aumentan exponencialmente tu rendimiento.
Al final de curso sientes que has pasado al siguiente nivel ;)
experiencia con IA aplicada
Daniel Benítez de Haro
Ahora entiendo cómo integrar la IA para que haga el trabajo pesado, mientras yo adopto un papel más estratégico, guiándola como un director de orquesta.
Si buscas transformar tu forma de programar y multiplicar tu productividad, esta formación es el camino.
experiencia con IA aplicada
Juan Gabriel Pérez Leo
CapGemini
El orden de las lecciones me parece muy acertado, permitiendo ir de menos a más, la calidad de las clases ha sido muy buena, con un trato inmejorable y además, han conseguido abarcar mucha información en muy poco tiempo.
También me gustaría señalar lo rápido que han ido adaptando el contenido según iban cambiando las cosas, que en este sector es cada 10 minutos.
experiencia con IA aplicada
Iván Yael García Pérez
Si bien, ya tenia algo de experiencia utilizando herramientas de IA, no estaba del todo seguro como utilizarlas de manera correcta para evitar caer en Vibe Coding directamente y llegar a una orquestacion correcta de las herramientas.
experiencia con IA aplicada
Miguel Zaragoza
Gracias a Antonio y Nino, he pasado de un uso superficial de la IA a ser capaz de desarrollar código en lenguajes nuevos para mí.
experiencia con IA aplicada
Claudia Luque Fernández
M-KOPA
La verdad es que yo tenia algo de experiencia con prompts y Claude Code, pero me faltaba enriquecerlo con los fundamentos básicos, MCPs, skills, y las diferentes metodologías que están surgiendo para acelerar y mejorar el resultado obtenido por parte de los agentes. Sin duda, muy util para ponerse al día, mejorar habilidades y seguir informado sin tener que buscar información en multitud de fuentes.
experiencia con IA aplicada
Aprovecha la Bonificación FUNDAE
Tu empresa puede recuperar parte del importe con sus créditos de FUNDAE (antigua Fundación Tripartita). El proceso, en tres pasos:
Tu empresa contrata el curso
La formación se factura a nombre de la empresa.
La gestora tramita con FUNDAE
Colaboramos con una gestora especializada que acompaña en todo el papeleo, antes y después de la formación.
Devolución en los seguros sociales
Tu empresa recibe la bonificación aplicando el crédito de formación disponible.
¿Dudas con la bonificación? Escríbenos por WhatsApp y te ponemos en contacto con la gestora.
Profesores que aplican IA en proyectos reales
La formación está co-impartida por dos profesionales que no solo enseñan sobre IA: la usan profesionalmente para crear productos, automatizar flujos y acompañar a equipos técnicos.
Antonio Leiva
Fundador DevExpert · Google Developer Expert
Más de 15 años en desarrollo de software y más de 10.000 developers formados. Early adopter de IA desde 2022, usuario avanzado de agentes de coding, context engineering y flujos verificables.
Nino Ruano
Formador DevExpert · Especialista IA y Big Data
14+ años en desarrollo multiplataforma y 8+ como formador, con más de 40 proyectos supervisados. Enfoca su enseñanza en la aplicación práctica: automatización, integración de IA y proyectos con impacto real.
El arnés de tu equipo empieza con una conversación
propuesta adaptada · sin compromiso · bonificable FUNDAE