La noche antes de un examen es un momento que muchos estudiantes recuerdan con demasiada claridad: notas por todas partes, pánico que sube y la sensación de que hace falta alguien que realmente entienda y ayude a ordenar las ideas. No otro bot que suelte respuestas genéricas, sino un compañero que entienda la urgencia y ayude a pensar con calma. Esa fue la inspiración detrás de mi proyecto final en el curso intensivo de Google y Kaggle sobre agentes de IA: Convirtiendo el estrés del examen en un copiloto de aprendizaje de último minuto.

Antes del curso me enfrentaba a retos comunes al construir agentes: pérdida de tiempo en configuraciones repetitivas, confusión entre memoria y sesión, miedo al despliegue por problemas de entorno y facturación, y la frustración de trabajar con herramientas que no parecían diseñadas para flujos reales de trabajo. Además, como estudiante sin ingresos estables, la preocupación por facturas inesperadas y claves de pago hacía la experimentación más estresante. Al ver ADK en el temario pensé que sería otra capa de complejidad, pero resultó ser todo lo contrario.

Los primeros días con ADK fueron reveladores: muchas tareas de cableado desaparecieron, el enrutamiento y la gestión de memoria se simplificaron y pude concentrarme en la lógica y no en la infraestructura. Por primera vez construir agentes dejó de sentirse como una pelea contra la herramienta y empezó a parecer un proceso natural.

El tercer día fue el desafío mayor: entender la diferencia entre estado de sesión y memoria persistente. Al principio todo se mezclaba, herramientas que cambiaban el contexto, sesiones que olvidaban y reglas que no quedaban claras. Repetí laboratorios, revisé discusiones y usé run_debug hasta dominar el patrón mental. Ese momento fue clave: la comprensión de memoria y sesiones convirtió la confusión en diseño intencional.

Con esa base el resto del curso fluyó. El enrutador empezó a tener sentido, las llamadas a herramientas se volvieron predecibles, y montar sistemas multiagente dejó de dar miedo. Aprendí a delegar tareas a agentes especializados en lugar de forzar una única IA a hacerlo todo.

El proyecto final nació de una necesidad real: un copiloto que actúe como mentor, no solo como respuesta. El Last-Minute Learning Copilot detecta confusión, percibe urgencia, calma el estrés, explica conceptos con claridad, diseña planes de estudio realistas y usa herramientas externas solo cuando aportan valor. La arquitectura principal quedó así: un RouterAgent que decide qué componente tomar, un StudyPlannerAgent que crea horarios realistas, un StressAgent y un WeakTopicAgent que detectan carga emocional y agujeros conceptuales, un ExplanationAgent que da explicaciones estructuradas y consulta información con guardrails, y un OrchestratorAgent que integra las salidas en un mensaje comprensible y empático.

Además quise transmitir la historia humana del proyecto, así que produje un video con voz en off, bocetos en estilo cartoon y música adecuada para mostrar no solo la tecnología, sino la experiencia del estudiante bajo presión. El primer run perfecto donde todo encajó —el enrutador escogiendo correctamente, el planner proponiendo un horario plausible, el agente de estrés calmando la interacción y el orquestador entregando una respuesta coherente— fue la confirmación de que había construido un sistema vivo, no piezas pegadas a la fuerza.

El curso cambió mi percepción: los agentes no son solo chatbots con responsabilidades añadidas. Son sistemas de toma de decisiones, modularidad, delegación y memoria que integran herramientas para resolver problemas que un modelo aislado no puede. Pasé de pensar en prompt engineering a diseñar arquitecturas inteligentes y mantenibles.

De esta experiencia saco lecciones prácticas: ADK reduce mucha fricción, diseñar memoria y sesión es crítico, los sistemas multiagente resuelven problemas complejos, run_debug es una herramienta indispensable y contar la historia del proyecto añade valor real. En lo personal gané confianza como ingeniero de IA, una mentalidad de diseño más clara y la capacidad de combinar creatividad con técnica.

En Q2BSTUDIO transformamos experiencias como esta en soluciones empresariales. Somos especialistas en desarrollo de aplicaciones a medida y software a medida, ofrecemos servicios de inteligencia artificial e ia para empresas, ciberseguridad, servicios cloud aws y azure y servicios de inteligencia de negocio incluidos implementaciones con power bi. Si buscas desarrollar una solución que integre agentes IA en tus procesos de aprendizaje o soporte, podemos ayudarte a diseñarla y desplegarla con rapidez y seguridad. Conoce nuestras capacidades en inteligencia artificial en Servicios de inteligencia artificial en Q2BSTUDIO y explora cómo convertimos ideas en aplicaciones reales en desarrollo de aplicaciones y software a medida.

Si quieres revisar el código del proyecto, lo documenté en un cuaderno de trabajo que muestra desde las pruebas de enrutamiento hasta el flujo final multiagente. Estoy abierto a sugerencias sobre mejoras en enrutamiento, manejo de memoria o configuración de herramientas. Gracias a Google y Kaggle por el curso intensivo que integró teoría, práctica e intuición y por enseñarme a pensar como un agente más que como un simple programador.

Palabras clave para posicionamiento: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA, power bi.