Deep learning, LLM y agentes

Respuesta: en 2012 se entrenaron redes profundas en GPU sobre un dataset enorme (ImageNet, 1,2 M imágenes); la idea de red neuronal ya existía.

1. Fecha de la idea: el perceptrón es de los años 40 (clase y lámina 51), así que «se inventó en 2012» queda descartado.
2. Qué dijo el profesor que pasó: se aplicó deep learning de forma significativa y los autores usaron GPU para ajustar la red muy rápido.
3. Qué datos tenía: 1,2 M imágenes de entrenamiento (lámina 6).

Error típico: creer que 2012 fue el invento de las redes. Es error porque confunde la idea (antigua) con las condiciones que la hicieron funcionar (GPU y datos).

[FUENTE · Repo: 05_CLASES/transcripciones/2026-08-21T22_13_35Z_Fundamentos_en_Ciencia_de_Datos.md · 1:43:38–1:44:12] [FUENTE · Repo: 05_CLASES/11_PRESENTACIÓN/_markdown/FCD-2026-2_08_DL_LLMs_Agents.md · láminas 6 y 51]

Respuesta: porque la ventaja del deep learning aparece con muchos datos y con señal cruda de la que extraer características, y Melbourne es lo contrario: 6.336 filas de entrenamiento en una tabla cuyas columnas ya eligió un humano; en ese régimen un modelo clásico de árboles suele ganar, aunque en tu repositorio no está medido.

1. Cantidad de datos (lámina 8): con pocos datos los algoritmos clásicos funcionan mejor; con muchos, deep learning. 6.336 filas no se parecen a 1,2 M imágenes, aunque el cruce no tenga un número fijo (Clase del 7-ago).
2. Tipo de dato: la gracia de deep learning es extraer características desde el dato crudo (píxeles, texto). En Melbourne las características ya estaban calculadas: esa ventaja no tiene dónde operar.
3. Evidencia del profesor: un random forest supera a una red muy compleja «mucho más seguido» de lo que uno cree (cita del 7-ago).
4. Límite honesto: es una expectativa bien fundada, no una medición: no hay red entrenada sobre Melbourne en el repositorio.

Error típico: responder «porque el boosting es mejor que las redes». Es error porque convierte una dependencia del régimen de datos (lámina 8) en una jerarquía fija de métodos; en ImageNet la relación es la inversa.

[FUENTE · Repo: 05_CLASES/11_PRESENTACIÓN/_markdown/FCD-2026-2_08_DL_LLMs_Agents.md · lámina 8] [FUENTE · Repo: 05_CLASES/transcripciones/2026-08-07T22_14_16Z_Fundamentos_en_Ciencia_de_Datos.md · 1:36:15–1:36:34] [FUENTE · Repo: 05_CLASES/transcripciones/2026-08-21T22_13_35Z_Fundamentos_en_Ciencia_de_Datos.md · 1:50:41–1:50:57] [FUENTE · Repo: 09_RESULTADOS/resultados_temporal.json] · la aplicación a Melbourne es [INFERENCIA]

Respuesta: avances mediante redes son 1, 2 y 5; factores habilitantes son 3 y 4; la nube (6) no es avance mediante redes (a lo más habilitante); las bases relacionales (7) no son ninguna de las dos.

1. Lee la cláusula: ¿la pregunta es por avances mediante redes o por los factores del boom?
2. De cada ítem pregunta: ¿es un área donde las redes produjeron un salto, o algo que las hizo posibles, o nada de eso?
3. Marca solo lo que responde a la cláusula.

Error típico: marcar la nube o la GPU porque «fueron clave». Es error porque son verdaderas como historia y falsas como respuesta a una pregunta acotada a «mediante el uso de redes neuronales».

[FUENTE · Repo: 05_CLASES/11_PRESENTACIÓN/_markdown/FCD-2026-2_08_DL_LLMs_Agents.md · láminas 6–8, 33–34, 42–43 y 65] [FUENTE · Repo: 05_CLASES/transcripciones/2026-08-21T22_13_35Z_Fundamentos_en_Ciencia_de_Datos.md · 1:43:50–1:44:12 y 2:36:49–2:37:37] [FUENTE · Repo: 07_DATITO/04_EJERCICIOS/certamen_2.html · ficha P6] · marco «habilitante» [DATITO]

Respuesta: (a) 9 puntos porcentuales; (b) desapareció el 36 % de los errores; (c) 9.000 imágenes mal clasificadas menos.

1. (a) Diferencia directa: 25 − 16 = 9 puntos. Es el «10%» redondeado de la cita.
2. (b) Proporción sobre el punto de partida: 9 / 25 = 0,36 = 36 %.
3. (c) 25 % de 100.000 = 25.000 errores; 16 % = 16.000; diferencia 9.000.

Error típico: decir que el error «bajó 9 %» o que bajó «un 10 % de los errores». Es error porque mezcla puntos porcentuales (resta) con cambio relativo (división): «bajó 9 puntos» y «bajó 36 %» describen el mismo salto.

Cifras dictadas: [FUENTE · Repo: 05_CLASES/transcripciones/2026-08-21T22_13_35Z_Fundamentos_en_Ciencia_de_Datos.md · 1:42:46–1:43:08] ⚠ · 100.000 imágenes [DATITO]

Respuesta: los números muestran que el uso de GPU se difundió después del resultado de 2012; por sí solos no prueban que la GPU causara la caída del error.

1. Mira el orden temporal: 4 soluciones con GPU en 2012 y 60 y 110 en los dos años siguientes. El aumento viene después del salto.
2. Busca la explicación del profesor: al ver el resultado, los investigadores fueron a mirar cómo se hizo, vieron que usaban GPU y todos empezaron a usarlas [FUENTE · Repo: 05_CLASES/transcripciones/2026-08-21T22_13_35Z_Fundamentos_en_Ciencia_de_Datos.md · 1:44:33–1:44:49].
3. Pregunta qué aísla el conteo: nada. No separa el aporte de la GPU del de la red o del de los datos; la lámina 65 los presenta juntos.
4. Tradúcelo a la P6: la GPU habilitó entrenar redes grandes; no es un «avance mediante redes».

Error típico: leer un conteo de adopción como prueba causal («como después todos usaron GPU, la GPU explicó el salto»). Es error porque la adopción es una consecuencia del resultado, y un conteo no separa causas que actuaron juntas.

[FUENTE · Repo: 05_CLASES/transcripciones/2026-08-21T22_13_35Z_Fundamentos_en_Ciencia_de_Datos.md · 1:44:15–1:44:49] ⚠ · [FUENTE · Repo: 05_CLASES/11_PRESENTACIÓN/_markdown/FCD-2026-2_08_DL_LLMs_Agents.md · lámina 65] · lectura causal [INFERENCIA]

Respuesta: la lámina 8 pide mirar la cantidad de datos; para las fichas (a) conviene partir con un modelo clásico, y en las fotos (b) la red haría por ti la extracción de características que en (a) ya hicieron los técnicos.

1. Lámina 8: mira la cantidad de datos, sabiendo que el cruce no tiene un número fijo: depende del problema (Clase del 7-ago). Nada de esto se decide sin validar.
2. (a) 3.000 filas y 15 variables ya elegidas por humanos: régimen de pocos datos y flujo clásico. Empieza por árboles, random forest o boosting; prueba una red solo si la validación lo justifica.
3. (b) Es señal cruda, píxeles. Ahí la red haría la extracción de características que en (a) hicieron los técnicos (clase 1:50:41–1:50:57).
4. Cuántos datos tiene (b) de verdad: para aprendizaje supervisado cuentan los etiquetados (20.000), no los 2 millones [INFERENCIA]. Las fotos sin etiqueta sirven con otra idea, el autoaprendizaje (sección 2).

Error típico: decir «(b) tiene 2 millones de datos, así que deep learning gana seguro». Es error por dos lados: solo 20.000 tienen etiqueta, y la lámina 8 es un dibujo sin umbral; la decisión final la toma la validación.

[FUENTE · Repo: 05_CLASES/11_PRESENTACIÓN/_markdown/FCD-2026-2_08_DL_LLMs_Agents.md · lámina 8] [FUENTE · Repo: 05_CLASES/transcripciones/2026-08-07T22_14_16Z_Fundamentos_en_Ciencia_de_Datos.md · 1:36:15–1:36:22] [FUENTE · Repo: 05_CLASES/transcripciones/2026-08-21T22_13_35Z_Fundamentos_en_Ciencia_de_Datos.md · 1:50:41–1:50:57] · caso forestal [DATITO]

Respuesta: que una red haya ganado ImageNet no dice nada sobre una tabla de 12 columnas: la ventaja del deep learning depende de tener muchos datos y señal cruda, así que hay que comparar modelos con validación antes de exigir una red.

Respuesta modelo (cinco líneas):

«Jefe, ImageNet eran 1,2 millones de fotos, y la red ganó porque aprendió sola qué mirar en los píxeles. Nuestro caso es otro: una tabla de 12 columnas que ya elegimos nosotros, con bastantes menos filas. La lámina que vimos en el curso muestra que con pocos datos los modelos clásicos rinden mejor, y el profesor advirtió que un random forest le gana a una red compleja más seguido de lo que uno cree. Propongo entrenar un boosting y una red, validarlos con datos de otro período y quedarnos con el que se equivoque menos en litros.»

1. Separa el tipo de dato: señal cruda (fotos) frente a tabla con columnas elegidas.
2. Usa la lámina 8 sin inventarle un umbral.
3. Cierra con un criterio verificable (validación fuera de muestra), no con prestigio.

Criterios con que Datito lo revisa: distingue los tipos de dato; usa la lámina 8 sin umbral inventado; propone validar; no afirma que «la red va a perder», porque tampoco está medido.

Error típico: contestar «las redes no sirven para tablas». Es error porque cambia un dogma por otro: la lámina 8 describe un régimen, no una prohibición.

[FUENTE · Repo: 05_CLASES/11_PRESENTACIÓN/_markdown/FCD-2026-2_08_DL_LLMs_Agents.md · láminas 6 y 8] [FUENTE · Repo: 05_CLASES/transcripciones/2026-08-07T22_14_16Z_Fundamentos_en_Ciencia_de_Datos.md · 1:36:29–1:36:34] · caso minero y redacción [DATITO]

Respuesta: sí: el juguete puede escribir oraciones completas que no están en su corpus, porque encadena pares de palabras que sí vio; lo que no puede es usar una palabra que nunca vio.

1. Cada paso solo exige que la pareja (palabra anterior → siguiente) exista en el corpus.
2. «perro» aparece en dos frases distintas, así que desde «hola» se puede saltar de una frase a la otra: hola → perro → se → puso → muy → bien → y → tú.
3. Esa oración completa no está en ninguna de las cuatro frases: el indicador del panel lo confirma.
4. Pero una palabra ausente del corpus («ratón») no está en ninguna fila de la tabla: nunca puede salir.

Error típico: creer que un modelo de siguiente palabra solo «repite frases memorizadas». Es error porque lo que guarda son probabilidades de continuación, no frases, y combinarlas produce secuencias nuevas.

Juguete [DATITO] · que un modelo no aprende lo que no está en sus datos: [FUENTE · Repo: 05_CLASES/transcripciones/06Clase_Fundamentos_en_Ciencia_de_Datos_31_de_julio.md · 0:04:26–0:04:42]

Respuesta: porque no guarda preguntas y respuestas, sino regularidades de cómo continúa el texto dado todo el contexto; al recibir una pregunta nueva, genera palabra por palabra la continuación más plausible según esas regularidades, igual que el juguete arma oraciones que no estaban en su corpus, pero a una escala enorme.

1. Qué aprende: probabilidades de la palabra siguiente, no frases (lo mismo que viste en el juguete).
2. Con qué contexto: el juguete solo mira la palabra anterior; un LLM mira todo lo escrito antes mediante atención, así que capta patrones mucho más largos (formato de pregunta y respuesta, gramática, asociaciones entre conceptos).
3. Con cuántos datos: fue entrenado con prácticamente todo el texto disponible, así que casi cualquier pregunta nueva se parece en su estructura a muchas que sí vio.
4. Por qué a veces falla: «plausible» no es «verdadero». Si la pregunta exige un hecho que no está en sus datos, continúa igual y alucina (lámina 45).

Error típico: responder «porque busca la respuesta en internet» o «porque entiende como una persona». Lo primero describe a un agente con herramienta, no a un LLM solo; lo segundo no explica el mecanismo que vio la clase.

[INFERENCIA] a partir de: [FUENTE · Repo: 05_CLASES/transcripciones/2026-08-21T22_13_35Z_Fundamentos_en_Ciencia_de_Datos.md · 2:22:30–2:22:44 y 2:46:42–2:46:54] [FUENTE · Repo: 05_CLASES/transcripciones/06Clase_Fundamentos_en_Ciencia_de_Datos_31_de_julio.md · 0:06:04–0:06:34] [FUENTE · Repo: 05_CLASES/11_PRESENTACIÓN/_markdown/FCD-2026-2_08_DL_LLMs_Agents.md · lámina 45]

Respuesta: (a) vale 1/4 = 0,25 y (b) vale 1/16 = 0,0625; la corta es cuatro veces más probable.

1. La probabilidad de una secuencia es el producto de las probabilidades de cada paso.
2. (a) hola→cómo ½ · cómo→estás 1 · estás→⟨detente⟩ ½ = ¼ = 0,25.
3. (b) hola→cómo ½ · cómo→estás 1 · estás→muy ½ · muy→bien ½ · bien→y 1 · y→tú ½ · tú→⟨detente⟩ 1 = 1/16 = 0,0625.
4. Cociente: 0,25 / 0,0625 = 4.

Qué te dice: cada paso multiplica por un número ≤ 1, así que las secuencias largas tienden a ser menos probables, aunque (b) sea la frase completa del corpus. Por eso el momento en que sale «detente» importa tanto como las palabras: decide dónde termina la respuesta.

Error típico: sumar las probabilidades en vez de multiplicarlas, o creer que la frase del corpus tiene que ser la más probable. Sumar da números mayores que 1 y no representa «esto y después esto»; y el corpus no garantiza nada sobre la probabilidad de la frase completa.

[DATITO] tabla del juguete, contada desde su corpus

Respuesta: (a) el 30 % de la representación de «ladró» se arma mirando a «perro»; (b) suman 1 porque se normalizan como porcentajes; (c) no puedes concluir que sean los pesos de un modelo real ni que la red «entienda»: son ilustrativos.

Correspondencia palabra→peso: sigue el orden de la frase dicho en clase (El, perro, café, se, puso, feliz, y, me, ladró); el texto extraído de la lámina desordena las palabras, así que la correspondencia es [INFERENCIA], coherente con lo que el profesor dictó.

1. (a) «perro» es el contexto que le dice a «ladró» quién ladró: por eso recibe peso.
2. (b) Se calculan correlaciones y se normalizan para que sean porcentajes: 0,3 + 0,1 + 0,3 + 0,3 = 1.
3. (c) El profesor dijo que los números los puso él para ilustrar; en un modelo real los calcula una red. Y un peso dice cuánto aporta una palabra a un vector, no que haya comprensión.

Error típico: leer el 0,3 como «probabilidad de que la palabra sea perro», o creer que el programador fija esos pesos. Lo primero confunde atención con predicción; lo segundo contradice lo que se explicó en clase.

[FUENTE · Repo: 05_CLASES/11_PRESENTACIÓN/_markdown/FCD-2026-2_08_DL_LLMs_Agents.md · lámina 35] [FUENTE · Repo: 05_CLASES/transcripciones/2026-08-21T22_13_35Z_Fundamentos_en_Ciencia_de_Datos.md · 2:17:53–2:18:09 y 2:26:23–2:28:44]

Respuesta: «hacer lo de BERT» sería tapar lecturas conocidas y entrenar un modelo que las reconstruya desde el resto; la etiqueta es la propia lectura tapada, y como la temperatura es un número continuo el problema es de regresión, no de clasificación.

1. Tapa al azar una parte de las lecturas que sí conoces y entrena un modelo para reconstruirlas desde las otras horas y las otras estaciones.
2. La etiqueta es el dato tapado: autoaprendizaje, como el in-painting de la Clase del 31-jul. Nadie tiene que etiquetar nada.
3. BERT es clasificación porque elige entre las palabras de un vocabulario; una temperatura es continua: regresión. Mismo principio, otro tipo de problema.
4. Valida con lecturas tapadas que el modelo nunca vio; si no, mides memoria y no reconstrucción (limpieza_preparacion.html).

Error típico: decir «es clasificación, como BERT». Es error porque el tipo de problema lo define el tipo de etiqueta, no el truco de enmascarar.

[FUENTE · Repo: 05_CLASES/transcripciones/2026-08-21T22_13_35Z_Fundamentos_en_Ciencia_de_Datos.md · 2:20:15–2:21:09] [FUENTE · Repo: 05_CLASES/transcripciones/06Clase_Fundamentos_en_Ciencia_de_Datos_31_de_julio.md · 1:17:14–1:17:56] · caso de estaciones [DATITO]

Respuesta: ChatGPT puede inventar con seguridad porque su modelo está hecho para continuar texto de forma plausible, palabra por palabra, y nada en ese mecanismo verifica si lo que escribe es cierto.

Respuesta modelo:

«Por dentro, ChatGPT tiene un programa que hace una sola cosa: adivinar la palabra que viene, una tras otra, según cómo suele seguir el texto que leyó durante su entrenamiento. Siempre hay una palabra siguiente que “suena bien”, sepa o no la respuesta. Si le preguntas algo que no estaba en lo que leyó, como el clima de mañana, igual arma una respuesta que suena correcta. Suena segura porque imita cómo escribimos las personas, no porque haya comprobado nada.»

1. Idea 1: el mecanismo es continuar texto palabra por palabra.
2. Idea 2: ese mecanismo no verifica hechos; imita la forma del texto (lámina 45).

Criterios con que Datito lo revisa: dice qué hace el modelo; explica por qué eso no incluye verificar; si nombra ChatGPT, lo separa del modelo que tiene dentro; no promete que «con más datos deja de alucinar».

Error típico: explicarlo como «se equivoca porque le falta información». Es incompleto: aunque le falte, el mecanismo no tiene cómo decir «no sé», y por eso la respuesta sale igual de segura.

[FUENTE · Repo: 05_CLASES/11_PRESENTACIÓN/_markdown/FCD-2026-2_08_DL_LLMs_Agents.md · lámina 45] [FUENTE · Repo: 05_CLASES/transcripciones/2026-08-21T22_13_35Z_Fundamentos_en_Ciencia_de_Datos.md · 2:46:15–2:46:54] · redacción [DATITO]

Respuesta: las dos son falsas: la lámina 45 dice que los LLM son malos para hechos, para información posterior a su entrenamiento y para planificar, y que necesitan muchos datos y cómputo.

1. Alternativa 1 («excelentes para hechos recientes y planificar»): la lámina 45 dice lo contrario en los tres puntos.
2. Alternativa 4 («no requieren grandes cantidades de datos ni cómputo»): la lámina 45 dice que, por tener miles de millones de parámetros, necesitan muchos datos y poder de cómputo.

Error típico: marcar la 1 porque «ChatGPT me responde cosas recientes». Es error porque eso lo hace el sistema con herramientas (un agente), no el LLM solo, y el enunciado pide contrastar con la descripción de clase.

[FUENTE · Repo: 05_CLASES/11_PRESENTACIÓN/_markdown/FCD-2026-2_08_DL_LLMs_Agents.md · lámina 45] [FUENTE · Repo: 07_DATITO/04_EJERCICIOS/certamen_2.html · ficha P5]

Respuesta: el LLM solo inventa un pronóstico con o sin falla, porque no tiene herramienta ni observación; el agente recibe el error como observación y puede avisar o reintentar, aunque eso no garantiza que no alucine.

1. LLM solo: no hay herramienta, así que «la herramienta falla» no cambia nada; genera palabras plausibles e inventa (el ejemplo del clima del profesor).
2. Agente: emite el token de herramienta, el sistema la ejecuta, y el resultado —aquí, el error— vuelve a su contexto.
3. Con el error en el contexto, la continuación más razonable es avisar o reintentar.
4. Pero si el LLM ignora la observación, alucina igual dentro del sistema.

Error típico: «el agente nunca inventa porque tiene herramientas». Es error: el bucle hace que el resultado entre al contexto, no obliga al LLM a usarlo bien.

[FUENTE · Repo: 05_CLASES/transcripciones/2026-08-21T22_13_35Z_Fundamentos_en_Ciencia_de_Datos.md · 2:46:15–2:46:27, 2:50:44–2:51:08 y 2:53:37–2:54:19] · simulación [DATITO]

Respuesta: solo la 2 es correcta.

1. (1) Falsa: la lámina 45 dice que los LLM son malos para hechos, para información posterior a su entrenamiento y para razonar y planificar.
2. (2) Correcta: la lámina 46 atribuye al agente herramientas, memoria y acción autónoma, y deja al LLM el procesamiento de información.
3. (3) Falsa: la lámina 46 cierra con «pueden colaborar con otros agentes o con humanos».
4. (4) Falsa: la lámina 45 dice que necesitan muchos datos y poder de cómputo.

Error típico: dudar de la 2 porque «el agente también genera texto». Es cierto que genera texto, pero la alternativa dice que el LLM se limita a eso, y el agente agrega herramientas, memoria y acción: la afirmación sigue siendo correcta.

[FUENTE · Repo: 05_CLASES/11_PRESENTACIÓN/_markdown/FCD-2026-2_08_DL_LLMs_Agents.md · láminas 45–46] [FUENTE · Repo: 07_DATITO/04_EJERCICIOS/certamen_2.html · ficha P5, enunciado textual de Canvas]

Respuesta: (a) las líneas 2, 3, 5 y 6; (b) la línea 4 la ejecuta el sistema que rodea al LLM; (c) el bucle se cierra entre la 4 y la 5; (d) no, la línea 5 no garantiza que no haya alucinación.

1. (a) Incluye la 3 y la 6: la llamada a la herramienta y el «detente» también son tokens que genera el LLM.
2. (b) El LLM no ejecuta nada; solo emite el token que pide la herramienta.
3. (c) El resultado de la acción (línea 4) vuelve al contexto y la línea 5 depende de él. Sin la 4, la 5 sería una invención.
4. (d) El LLM pudo leer mal u omitir algo de la observación; por eso existen revisores y supervisión humana.

Error típico: atribuir la línea 4 al LLM («el LLM consultó el inventario»). Es error porque confunde pedir la acción (un token) con ejecutarla.

[FUENTE · Repo: 05_CLASES/transcripciones/2026-08-21T22_13_35Z_Fundamentos_en_Ciencia_de_Datos.md · 2:50:44–2:51:08 y 2:53:37–2:54:19] · traza [DATITO]

Respuesta: B es un agente y A no: A es un LLM usado como asistente de escritura, mientras que B percibe, usa herramientas, actúa y observa el resultado de su acción.

1. A procesa el texto que le das y genera texto (lámina 45, asistente de escritura). No percibe el entorno por sí mismo, no usa herramientas, no actúa.
2. B percibe el entorno (sensores), usa herramientas (la API de sensores y el sistema de mantenimiento), actúa (abre la orden) y observa el resultado (consulta si quedó abierta).
3. El bucle de B: abrir la orden → consultar → la respuesta condiciona lo siguiente (lámina 47). Es casi literal el «agente de monitoreo y mantenimiento» de la lámina 48.
4. Queda por decidir en B si hay un humano en el proceso (la lámina 46 lo permite) y quién responde si la orden sale mal.

Error típico: llamar agente a A «porque usa IA». Es error porque la definición exige atributos concretos (herramientas, percepción, acción), no el uso de un LLM.

[FUENTE · Repo: 05_CLASES/11_PRESENTACIÓN/_markdown/FCD-2026-2_08_DL_LLMs_Agents.md · láminas 45–48] · caso de la planta [DATITO]

Respuesta: lo que hace de Datito un agente y no un chatbot con documentos es que usa herramientas para actuar sobre su entorno (lee y escribe archivos, consulta NotebookLM), guarda memoria entre sesiones y cierra un bucle: lo que escribe (tu progreso) vuelve a leerse y condiciona la sesión siguiente [INFERENCIA].

Respuesta modelo (cinco líneas):

«Un chatbot con documentos adjuntos solo genera texto a partir de lo que le pegaste: no hace nada fuera de la conversación y no se entera de nada que pase después. Datito tiene un LLM adentro, pero además herramientas (leer y escribir archivos, consultar NotebookLM), memoria que dura entre sesiones (progreso.yaml y la bitácora) y objetivos fijados en sus instrucciones. Actúa sobre su entorno —registra mi progreso— y en la sesión siguiente lee ese resultado y decide qué preguntarme. Ese bucle acción → observación es lo que la lámina 47 llama agente. Igual tiene límites: depende de sus herramientas y puede equivocarse.»

Criterios con que Datito lo revisa: cada atributo con evidencia concreta (un archivo); nombra el bucle (qué acción, qué resultado vuelve, qué cambia después); reconoce lo que no puedes verificar; no confunde «tiene documentos» con «usa herramientas».

Error típico: «es un agente porque tiene mucha información». Es error: tener documentos es contexto, no herramientas ni acción; un chatbot con adjuntos también lo tiene.

[INFERENCIA] sobre .claude/skills/datito/SKILL.md, CLAUDE.md, .mcp.json y 07_DATITO/ · [FUENTE · Repo: 05_CLASES/11_PRESENTACIÓN/_markdown/FCD-2026-2_08_DL_LLMs_Agents.md · láminas 46–47]