Lección 0: ¿Por qué una capa de IA dedicada?

Un proyecto de IA empieza pequeño: un componente llama directamente al LLM API, y funciona de maravilla. Luego se agrega una segunda función —un chatbot de soporte, por ejemplo— y esta vuelve a llamar a la misma API, desde un lugar completamente distinto del código. Después una tercera función. Ahor

Como una sola estación de cocina que prepara todos los platos de un restaurante, en vez de tres cocineros improvisando cada uno en su rincón — cuando cambia un ingrediente, lo cambias en un solo lugar, no en tres rincones distintos.

Capa de IA: Un único módulo dedicado que centraliza todas las llamadas al LLM, el retrieval y la construcción del prompt, de modo que el resto de la aplicación lo llama sin saber qué detalles internos podrían cambiar.
Guardrails: Mecanismos de protección que evitan que un usuario manipule el prompt para filtrar instrucciones de sistema o llevar al modelo a un comportamiento no deseado.
Fallback y Retry: Lógica que reintenta o cambia a un proveedor alternativo cuando una llamada al modelo falla o devuelve un error temporal.
Observability: La capacidad de ver exactamente qué se envió al modelo y qué volvió — esencial para depurar y para monitorear costo y calidad.