AI Engineering: la carrera de Henry se actualiza para el mercado de IA
La inteligencia artificial está transformando la forma en que se construyen productos, servicios y soluciones digitales. Y con esa transformación también cambian las habilidades que las empresas necesitan.
En Henry creemos que una formación en tecnología tiene que evolucionar al mismo ritmo que la industria. Por eso, actualizamos nuestra carrera de AI Engineering para adaptarnos a las demandas reales del mercado y preparar a nuestros estudiantes para construir soluciones de inteligencia artificial aplicadas a entornos reales.
La necesidad de estos perfiles ya es una tendencia concreta. En su reporte Jobs on the Rise 2025, LinkedIn identificó a Artificial Intelligence Engineer como uno de los puestos de mayor crecimiento: apareció entre los roles de crecimiento más acelerado en 15 de los 21 países analizados y ocupó el primer lugar en Estados Unidos, Reino Unido, Países Bajos y Singapur. El mercado está cambiando. Y la formación también tiene que hacerlo.
¿Por qué actualizamos nuestra carrera?
El desarrollo de inteligencia artificial pasó rápidamente de la experimentación a la implementación. Hoy, las empresas no solo buscan profesionales que conozcan modelos de IA. Necesitan personas capaces de integrar esos modelos en productos, conectarlos con datos propios, desarrollar agentes, trabajar con APIs y construir sistemas que puedan funcionar de manera confiable en producción.
Por eso, en Henry revisamos nuestra propuesta de AI Engineering, junto con los insights del experto en el área, Alexander "Chino" Vicondoa, con quién armamos un plan para enfocarnos en las habilidades y tecnologías que los profesionales necesitan para enfrentar estos desafíos. La carrera está diseñada para perfiles con experiencia previa en programación que quieren dar el salto hacia la inteligencia artificial y aplicarla en entornos reales.
De la IA experimental a soluciones reales
Ser AI Engineer no significa solamente saber utilizar un modelo de lenguaje. Significa poder transformar una necesidad concreta en una solución tecnológica: elegir los modelos y herramientas adecuados, conectarlos con información propia, construir una arquitectura, integrar APIs y desarrollar sistemas capaces de resolver problemas reales.
Por eso, nuestra actualización pone el foco en AI aplicada, Machine Learning, modelos de lenguaje, RAG, agentes autónomos, soluciones multimodales y arquitecturas end-to-end.
En este video, nuestra Founder Luz Borchardt y Alexander Vicondoa, Head of Deployment en ElevenLabs, cuentan por qué actualizamos AI Engineering y qué significa dar el salto de Software Development a AI Engineering.
👉 Mira el video completo y conoce la carrera actualizada de AI Engineer.
Qué vas a aprender en AI Engineering
Actualizamos el programa para que puedas desarrollar las habilidades técnicas necesarias para construir aplicaciones de inteligencia artificial de punta a punta. Por eso, nuestra carrera de AI Engineering profundiza en:
🟡 AI-Assisted Development
El desarrollo de software está cambiando con la incorporación de herramientas de inteligencia artificial que permiten programar, revisar código, detectar errores y acelerar distintas etapas del desarrollo. En AI Engineering, aprender a trabajar con estas herramientas no significa simplemente “usar IA para programar”, sino entender cómo integrarla de manera estratégica al proceso de desarrollo.
A lo largo de la formación, se aprende a utilizar la IA como asistente para resolver problemas reales, generar y mejorar código, explorar soluciones y optimizar workflows de desarrollo. El objetivo es combinar las capacidades de estas herramientas con criterio técnico para construir soluciones más eficientes y confiables.
🟡 LLMs y Context Engineering
Los Large Language Models (LLMs) son la base de muchas de las aplicaciones actuales de inteligencia artificial generativa. Sin embargo, trabajar con estos modelos va mucho más allá de escribir prompts.
El Context Engineering permite aprender a diseñar y estructurar el contexto que recibe un modelo para que pueda producir respuestas más relevantes y útiles. Esto implica trabajar con instrucciones, información, herramientas y datos que ayudan al modelo a interpretar correctamente una tarea y resolverla de acuerdo con el objetivo de la aplicación.
En la carrera de AI Engineering, este conocimiento permite comprender cómo funcionan las aplicaciones basadas en LLMs y cómo diseñar interacciones más robustas, controladas y orientadas a casos de uso concretos.
🟡 RAG y sistemas de conocimiento
Una de las principales limitaciones de los modelos de lenguaje es que no necesariamente cuentan con acceso directo a la información específica que necesita una aplicación. Los sistemas RAG (Retrieval-Augmented Generation) permiten solucionar parte de este problema conectando los modelos con fuentes externas de conocimiento.
En AI Engineering se aprende a construir sistemas capaces de recuperar información relevante desde documentos, bases de datos u otras fuentes y utilizarla como contexto para generar respuestas. Esto permite desarrollar aplicaciones de IA que trabajan con información específica de una empresa, producto o dominio.
Así, conceptos como recuperación de información, embeddings, bases de datos vectoriales y generación aumentada pasan a formar parte del toolkit de un AI Engineer.
🟡 Agentes y orquestación
Los sistemas de IA también están evolucionando desde aplicaciones que simplemente responden preguntas hacia agentes capaces de ejecutar tareas y utilizar diferentes herramientas.
La formación aborda cómo diseñar estos sistemas, definiendo qué acciones pueden realizar, qué herramientas pueden utilizar y cómo coordinar diferentes pasos para alcanzar un objetivo. La orquestación es clave para conectar modelos, APIs, bases de datos y otras herramientas dentro de un mismo flujo.
Esto permite pasar de una interacción aislada con un modelo de IA a sistemas capaces de ejecutar procesos más complejos de forma estructurada.
🟡 Deploy y arquitecturas de IA
Construir una aplicación de inteligencia artificial es solo una parte del trabajo de un AI Engineer. Para que una solución pueda utilizarse en un entorno real, también es necesario saber cómo desplegarla, conectarla con otros servicios y diseñar una arquitectura que pueda funcionar de manera estable.
Por eso, la formación incorpora conceptos de deploy y arquitecturas de IA, abordando cómo llevar las aplicaciones desde un entorno de desarrollo hacia sistemas funcionales y utilizables. Esto incluye comprender cómo se integran los distintos componentes de una solución de IA y cómo tomar decisiones técnicas relacionadas con escalabilidad, costos, rendimiento y mantenimiento.
El objetivo es que el estudiante no solo pueda experimentar con modelos de inteligencia artificial, sino también construir y llevar a producción aplicaciones de IA funcionales.
Tecnologías que ya forman parte del ecosistema AI
Durante la carrera vas a trabajar con herramientas como:
Python · OpenAI · LangChain · Pinecone · RAG · Ollama · Hugging Face · FastAPI · MCP
Todo aplicado a proyectos técnicos que puedes incorporar a tu portfolio.
¿Para quién está pensada la carrera?
AI Engineering está dirigida a profesionales con background técnico que quieren incorporar inteligencia artificial a su perfil.
La carrera es para ti si:
- Programás hace más de dos años y querés empezar a trabajar con inteligencia artificial.
- Tenés experiencia con APIs, backend o data y querés integrar modelos de IA en productos reales.
- Trabajás en Data o Machine Learning y querés llevar soluciones a producción.
- Ves cómo la IA está transformando tu industria y querés incorporar estas nuevas habilidades a tu perfil profesional.
👉 Conoce el programa completo de AI Engineering en Henry y descubre cómo prepararte para construir soluciones de IA aplicadas.
Una carrera diseñada para lo que viene
En Henry creemos que la empleabilidad se construye con habilidades relevantes, práctica y contacto con los desafíos reales de la industria.
Por eso, nuestra carrera de AI Engineering tiene una duración de 2 meses, modalidad part-time y una dedicación estimada de 10 horas semanales. El programa está diseñado para profesionales técnicos y combina clases online en vivo con proyectos aplicados.
Al finalizar, los estudiantes estarán preparados para desempeñarse en roles como:
AI Engineer: diseña, desarrolla y despliega soluciones de inteligencia artificial.
AI Developer: construye aplicaciones impulsadas por IA integrando modelos, APIs y frameworks.
AI Integrator: conecta modelos, agentes y sistemas para implementar soluciones de IA.
La actualización de AI Engineering nace de una idea simple: si el mercado cambia, las habilidades que enseñamos también tienen que cambiar.
La inteligencia artificial ya está transformando la industria. En Henry queremos acompañar a los profesionales que buscan formar parte de esa transformación con las herramientas necesarias para construir, integrar y llevar soluciones de IA a la práctica.
Conoce la carrera de AI Engineering de Henry, explora el programa actualizado y empieza a desarrollar las habilidades que hoy demanda el ecosistema de inteligencia artificial.
👉 Conoce AI Engineering y aplica ahora 🚀