Juan Carlos González-Avella
Ph.D. en Física por La UIB y Arquitecto de IA generativa con más de 10 años de experiencia en el diseño e implementación de soluciones de IA y aprendizaje automático de punta a punta. Experiencia en IA generativa, grandes modelos de lenguaje (LLMs) y prácticas de IA responsable, complementada por una sólida base en ciencia de datos, sistemas complejos y gobernanza de la IA empresarial. Es experto en alinear innovaciones impulsadas por IA con objetivos estratégicos de negocio, fomentar la colaboración multifuncional y liderar equipos de alto rendimiento. Juan ha demostrado su capacidad para ofrecer soluciones de IA impactantes en diversos sectores, utilizando OpenAI API, la plataforma de Bedrock AWS y frameworks modernos.
Juan Carlos también tiene conocimientos en arquitectura de datos, procesos ETL y análisis de datos, y cuenta con un historial probado de ofrecer soluciones de investigación basadas en IA y ML. Además, Juan Carlos cuenta con una sólida experiencia en la prestación de servicios de consultoría a uno de los "Big 3", integrando técnicas y herramientas de IA y ML en múltiples plataformas para mejorar procesos de toma de decisiones eficientes.
Investigador Asociado al IFISC-CSIC UIB.
Session
El desarrollo de sistemas agenticos impulsados por Modelos Fundacionales ha transformado el software, pero la inmensa mayoría de los agentes actuales en producción padecen de un grave problema: son estáticos y dependen de la intervención humana constante para corregir errores debido a sus arquitecturas rígidas. Esta propuesta introduce a la comunidad el paradigma de los Agentes Autodidactas (Self-Improving Agents), explicando cómo diseñar sistemas que se adaptan a partir de su propia experiencia. Desglosaremos dos vías principales de mejora continua: Mejora del Andamiaje (Scaffolding Improvement): Modificación autónoma del contexto de ejecución, incluyendo la optimización dinámica de prompts, la evolución de la memoria a largo plazo y la creación de herramientas sobre la marcha. Mejora del Modelo Fundacional (Foundation Model Improvement): Configuración de bucles donde el agente sintetiza datos de entrenamiento y retroalimentación evaluativa para consolidar nuevas habilidades. Los asistentes se llevarán patrones arquitectónicos claros aplicables para dotar a sus aplicaciones de la capacidad de evolucionar de manera autónoma.