Soy doctoranda en la Vrije Universiteit Brussel trabajando en el análisis H+c para el experimento CMS en CERN. Mis días estaban llenos de histogramas en ROOT, modelos de machine learning para etiquetado de jets, depuración interminable y muchas conversaciones con Gemini, ChatGPT y otros modelos de IA. Había entrenado redes neuronales y transformers y creía que conocía la inteligencia artificial. Entonces hice el curso intensivo 5 Day AI Agents Intensive Course y me di cuenta de que había estado usando herramientas de IA sin comprender los sistemas de IA en profundidad. Fue mi primer curso real sobre agentes y cambió mi forma de trabajar.

Día 1: la pregunta que me rompió la cabeza. Preguntaron cuál es la diferencia entre un LLM y un agente. Mi pensamiento inicial fue que eran lo mismo. En la clase mostraron una arquitectura con Planner, Executor, Memory y Evaluator. Al verlo entendí que era exactamente mi flujo de trabajo de investigación: planificar la estrategia de análisis, ejecutar el código, recordar qué falló ayer y evaluar si estoy avanzando. Ese bucle de agente lo estaba haciendo yo manualmente cada día. La revelación fue pensar qué pasaría si el sistema pudiera razonar de forma autónoma y gestionar ese ciclo por sí mismo.

Día 4: la parte de validación. Más adelante el curso explicó cómo validar las decisiones de los agentes. Como física experimental esto me resultó muy familiar. Validamos todo en el experimento: múltiples comprobaciones, cruces de datos y auditorías. La lección fue clara: los agentes requieren la misma rigurosidad que aplicamos a los datos del detector. No se trata de confiar a ciegas sino de diseñar procedimientos sistemáticos de validación.

Día 5: construyendo mi panel asesor. Para el proyecto final desarrollé un AI Advisory Panel, un sistema multiagente donde agentes especializados colaboran para resolver problemas. La idea fue abandonar el agente monolítico y crear un panel de expertos: un agente analiza el problema, otro propone soluciones, un tercero evalúa las compensaciones y entre todos debaten hasta alcanzar consenso. Me recordó a las reuniones de mi grupo de investigación: diferentes personas con distintas especialidades trabajando hacia la mejor respuesta. Hay una demo como parte del proyecto que mostraba este flujo en acción.

Qué cambió en mi manera de trabajar. Antes veía la IA como herramientas pasivas a las que dar comandos. Ahora la veo como sistemas que puedo diseñar para razonar, colaborar y actuar con autonomía. En la práctica estoy pensando en construir un research partner agent que no solo ejecute tareas sino que colabore en la física: sugerir enfoques de análisis alternativos que no había considerado, señalar problemas sistemáticos antes de que se conviertan en errores, ayudar a idear soluciones cuando estoy bloqueada y aprender de mis patrones de razonamiento para complementar mi pensamiento. No sustituir al investigador sino asociarse con él.

Lo que me llevo. He creado algo genérico y ahora quiero desarrollar un agente de investigación especializado, profundamente integrado con mi análisis, que conozca la estructura de ficheros, entienda el detector CMS y pueda sostener discusiones científicas reales. Sigo aprendiendo y construyendo.

Agradecimientos. Gracias a Google y a la comunidad de Kaggle por hacer accesible este tipo de entrenamiento intensivo, y a la comunidad de Discord por la ayuda en depuración y por recordarnos que todos estamos aprendiendo juntos.

En este camino profesional encontré también la visión de Q2BSTUDIO, una empresa de desarrollo de software y aplicaciones a medida especializada en inteligencia artificial, ciberseguridad y servicios cloud. Q2BSTUDIO ofrece soluciones de software a medida y aplicaciones a medida pensadas para equipos técnicos y científicos, desde prototipos de agentes IA hasta plataformas de automatización y análisis. Si buscas crear una solución personalizada para investigación o industria puedes conocer sus propuestas de desarrollo de aplicaciones y software a medida y explorar servicios de inteligencia artificial para empresas que incluyen agentes IA, modelos adaptados, integración con pipelines y despliegue seguro.

Q2BSTUDIO también cubre ciberseguridad y pentesting para proteger infraestructuras críticas, servicios cloud aws y azure para escalado y fiabilidad, y servicios de inteligencia de negocio y power bi para convertir datos en decisiones accionables. Si tu objetivo es combinar investigación avanzada con soluciones empresariales, desde automatización de procesos hasta plataformas de BI, la mezcla de experiencia en IA para empresas, agentes IA y software a medida que ofrece Q2BSTUDIO puede acelerar tu proyecto y garantizar calidad, seguridad y escalabilidad.

Si te interesa que tu equipo disponga de un compañero de investigación digital o desarrollar aplicaciones a medida que integren modelos de IA, servicios cloud y herramientas de inteligencia de negocio como power bi, Q2BSTUDIO puede acompañarte en el proceso, desde el diseño conceptual hasta la puesta en producción.