<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/animate.css/4.1.1/animate.min.css"/> <link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/boxicons@2.0.5/css/boxicons.min.css"/> <link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/github-markdown-css/5.1.0/github-markdown.min.css"/>
Días
0

:

Horas
23

:

Minutos
57

:

Segundos
5
Días
0

:

Horas
23

:

Minutos
57

:

Segundos
5

AI Engineer en la era de los agentes No compra inteligencia: construye productos confiables con ella.

Un AI Engineer construye agentes que consultan los datos de la empresa, usan herramientas y ejecutan tareas, con calidad, seguridad y costos bajo control.

  • Programa de Especialización AI Engineer
  • En vivo online
  • 5.5 meses | 228 Hrs. Académicas.
¿No sabes cuál elegir? Compara los 6 perfiles

2021

Chatbots con respuestas fijas
Entrenar un modelo propio para cada caso
Probar con un par de ejemplos

2026 con agentes

Agentes que usan herramientas y ejecutan tareas
Construir sobre modelos fundacionales con RAG
Evaluaciones automáticas antes y después de producción
Próximo inicioPor confirmar
HorarioMartes y Jueves - 19h. a 22h. (LIM, BOG)
Duración5.5 meses | 228 Hrs. Académicas.
InversiónS/ 5,005 S/ 2,002

Nuestra comunidad trabaja en distintos sectores

  • Retail
  • Banca
  • Educación
  • Salud
  • Otros

Empresas donde trabajan nuestros alumnos

Sueldo referencial en Perú

¿Cuánto gana un AI Engineer en Perú?

De Junior a Senior, el sueldo de referencia crece hasta x2.3.

S/3,000–4,000Junior
S/5,000–7,000Semi Senior
S/7,000 a másSenior

Fuente: consulta de DSRP a profesionales que trabajan en empresas peruanas, actualizada a octubre de 2026. Montos mensuales en soles.

Referencia oficial: la mediana de «Profesionales TIC y estadísticos» en Perú es S/3,525 al mes (S/2,523 a S/4,997 en la mitad central). INEI — ENAHO 2024 (módulo 500).

Ver el rango salarial por país y sus fuentes

¿Es para ti?

Tres pasos para saber si este es tu siguiente rol y por dónde empezar.

  1. 1

    ¿De dónde vienes?

    Perfiles que suelen dar el salto a AI Engineer:

    • Desarrollo de software
    • Ingeniería de sistemas
    • Data Scientist
    • Data Engineer
    • Ingeniería con experiencia programando
  2. 2

    Qué necesitas para empezar

    Conocimientos básicos de programación, nociones de Python y SQL, y familiaridad con bases de datos y APIs. Incluye nivelación asíncrona en Python, machine learning y deep learning.

    Si nunca programaste, empieza por la especialización Analista de Datos o por un curso de fundamentos de Python antes de este programa.

  3. 3

    Tu camino

    1. Programación (o nivelación incluida)
    2. Especialización AI Engineer
    3. Agentes en producción

Un día del AI Engineer con agentes

El agente se encarga de lo repetitivo; tú decides qué preguntar, qué aprobar y qué recomendar.

Ilustración: la jornada de un AI Engineer trabajando junto a agentes de IA
  1. 108:30

    El agente en producción

    Agente: Resume las conversaciones fallidas, los costos y los tiempos de respuesta de la noche.

    Tú: Decides qué error corregir primero y si hay que limitar alguna acción del agente.

    Observabilidad de LLM

  2. 210:00

    Diseño de un nuevo flujo

    Agente: El asistente de código arma el esqueleto del agente y sus herramientas.

    Tú: Defines qué puede hacer solo y qué necesita aprobación humana.

    LangGraph · Copiloto de código

  3. 312:00

    Conocimiento de la empresa

    Agente: Indexa los documentos nuevos en la base vectorial.

    Tú: Decides qué fuentes son confiables y quién puede consultar cada una.

    RAG · base vectorial

  4. 415:00

    Evaluación

    Agente: Genera casos de prueba y corre las evaluaciones.

    Tú: Revisas los fallos, ajustas prompts o herramientas y fijas el umbral para salir.

    Evals

  5. 517:00

    Pase a producción

    Agente: Prepara el despliegue y las alertas.

    Tú: Apruebas la salida y vigilas costos, seguridad y tiempos de respuesta.

    Docker · nube · alertas

Charla gratuita: el AI Engineer con IA

AI Engineer Challenge, día 2: haz que la IA actúe. Una sesión completa de DSRP para ver cómo se trabaja el rol con IA antes de decidir.

Qué automatiza la IA y qué no

Lo que delegas al agente

  • Escribir código repetitivo, pruebas e integraciones.
  • Generar casos de prueba para evaluar la IA.
  • Revisar registros y proponer la causa de un error.
  • Probar rápido varias versiones de un agente.

Lo que sigue siendo tuyo

  • Diseñar el agente y sus límites.
  • Definir qué puede hacer solo y qué requiere aprobación humana.
  • Medir la calidad y decidir cuándo sale a producción.
  • Controlar seguridad, costos y riesgos.

Tu diferencial: saber medir si un agente funciona. Es lo que separa una demo que impresiona de un producto en el que la empresa puede confiar.

Claude · Codex · APIs de modelos

Cómo aprendes a ser AI Engineer con agentes de IA

El agente acelera la práctica, pero no hace la tarea por ti. Así lo usas para aprender más rápido sin dejar de entender lo que haces.

El método en 4 pasos

  1. 1Pide que te expliqueAntes de pedir código, pide el concepto con un ejemplo de tu área.
  2. 2Deja que propongaEl agente escribe el primer borrador: la consulta, el script o el diagrama.
  3. 3Verifica túLo corres, lo comparas con la fuente y buscas el error. Ahí es donde aprendes.
  4. 4Explícalo de vueltaSi no puedes explicar por qué funciona, todavía no lo aprendiste.

Ejemplo: Le pides a Claude que te explique cómo un agente decide qué herramienta usar. Claude Code arma el esqueleto del agente con dos herramientas: consultar pedidos y crear un ticket. Tú corres 20 casos de prueba y descubres que crea tickets duplicados cuando el usuario repite la pregunta. Agregas la validación y explicas por qué fallaba.

Herramientas y tecnologías del AI Engineer

Programación

  • Python
  • TypeScript
  • FastAPI
  • Git

Modelos

  • OpenAI API
  • Claude
  • Gemini
  • Modelos open source

Conocimiento y datos

  • RAG
  • Bases vectoriales
  • LlamaIndex
  • PostgreSQL

Evaluación y operación

  • Evals
  • Observabilidad de LLM
  • Docker
  • AWS / Azure / GCP

Agentes

  • LangGraph
  • LangChain
  • MCP
  • SDKs de agentes

Logos de las librerías abiertas devicon y Simple Icons. Las marcas pertenecen a sus dueños.

Sin jerga

Glosario en simple

Los 10 términos que vas a escuchar en este rol, explicados como se los contarías a un colega.

LLM y modelo fundacional
Un modelo de lenguaje grande ya entrenado (ChatGPT, Claude, Gemini) sobre el que se construyen productos sin entrenarlo desde cero.
Agente de IA
Un LLM con herramientas: puede consultar datos, llamar a otros sistemas y completar una tarea por pasos.
RAG
Antes de responder, el sistema busca en los documentos de la empresa y se los da al LLM, para que conteste con información propia y no invente.
RAG agéntico
Un RAG donde el agente decide qué buscar, dónde y cuántas veces, en lugar de hacer una sola búsqueda fija.
Base vectorial
La "memoria" donde se guardan los documentos convertidos en números que representan su significado, para encontrarlos por tema.
API
La "ventanilla" por la que un sistema le pide datos o acciones a otro. Los agentes usan APIs para consultar el CRM, el ERP o enviar un correo.
Pasar a producción
Dejar el agente funcionando para usuarios reales, ya no como prueba, con monitoreo y control de costos.
MCP
Un estándar para conectar agentes con herramientas y datos de forma controlada, como un enchufe universal.
Evals
Pruebas automáticas que miden si el agente responde bien, inventa datos o hace algo indebido. Son el control de calidad de la IA.
LLMOps y observabilidad
Vigilar al agente en producción: errores, costos, tiempos de respuesta y conversaciones que salieron mal.

Lo que te llevas

Proyecto final

Un sistema de IA funcionando en producción

Proyecto final: un backend API tipado, validado y testeado, con un componente de LLM o machine learning, RAG o acceso controlado a datos, CI/CD y despliegue en la nube.

Demo y defensa técnica del sistema y de sus decisiones.

Certificación
  • Certificación avalada por Data Science Research Perú y el Colegio de Estadísticos del Perú (Región Piura).
  • 5 certificaciones parciales (una por curso) + 1 certificación final.
Empleabilidad
  • Bolsa de trabajo y pasantías con empresas aliadas.
  • Talleres de CV, LinkedIn y entrevistas.
Ver la bolsa de trabajo

Según el brochure vigente del programa.

Empleabilidad

Del programa al primer empleo como AI Engineer

¿Hay demanda? Lo que dicen los estudios de 2026

84 %

de los empleadores del sector tecnológico en Perú pide modelado de IA y desarrollo de aplicaciones: es la habilidad técnica más demandada.

Experis, 2026
13 %

de los jóvenes de la Generación Z en Lima se siente muy preparado para trabajar con IA, aunque el 75 % ya la usa.

USIL, 2026

Tareas que ganan peso

  • Diseñar agentes con límites claros y aprobación humana.
  • Medir la calidad con evals antes y después de producción.
  • Elegir modelos según calidad, costo y dónde quedan los datos.
  • Operar agentes en producción: seguridad, costos y tiempos de respuesta.

Tareas que pasan al agente

  • Escribir a mano código repetitivo, integraciones y pruebas básicas.
  • Entrenar un modelo propio para cada caso.
  • Probar prompts uno por uno sin una batería de evaluación.

Tu portafolio: 3 proyectos que te abren entrevistas

1

RAG sobre documentos de una empresa

Demuestra: que das conocimiento correcto al modelo y mides si cita bien y cuándo no sabe.

2

Agente con herramientas y aprobación humana

Demuestra: que diseñas límites: qué hace solo, qué pide permiso y cómo se registra cada acción.

3

Router de modelos con evals y observabilidad

Demuestra: que decides con datos entre proveedores y controlas costo y calidad en producción.

Publícalos en GitHub con un README que diga qué hizo el agente y qué verificaste tú: es lo primero que preguntan.

Preguntas de entrevista para un AI Engineer

Tu agente funcionaba bien y desde ayer responde peor. ¿Cómo lo investigas?

Qué buscan: Un proceso: revisar las evals, los registros, cambios de prompt, de datos o de versión del modelo, y comparar con la línea base.

¿Cuándo usarías RAG, fine-tuning o solo un buen prompt?

Qué buscan: Criterio según el caso: conocimiento que cambia, formato o estilo, costo y esfuerzo de mantenimiento.

¿Qué acciones dejarías que un agente haga sin aprobación humana?

Qué buscan: Que distingas acciones de solo lectura de las que cambian datos o llegan a un cliente, y que definas límites y registros.

¿Cómo eliges entre Claude, GPT, DeepSeek o Kimi para un proyecto?

Qué buscan: Que midas con evals propias calidad, costo y tiempo de respuesta, y consideres dónde se procesan los datos.

¿Cómo evitas que el agente invente datos?

Qué buscan: RAG con citas, respuestas de "no sé" cuando falta información y evals que midan alucinaciones.

Certificaciones oficiales que se alinean con el rol

Revisadas en octubre de 2026. Los exámenes se actualizan y se retiran: confírmalos en la página oficial antes de inscribirte.

Tu ruta de aprendizaje

De la nivelación en Python y machine learning a un agente en producción.

  1. Fundamentos de ingeniería IA
  2. Prompt engineering y RAG
  3. Agentes, MCP y RAG agéntico
  4. Agentes multimodales
  5. Evaluación y LLMOps
  6. Proyecto final

Beneficios de la especialización

  • Clases grabadas ilimitadas
  • Proyectos aplicados con data real
  • Bolsa de trabajo, pasantías y talleres de empleabilidad
  • Certificación avalada por el Colegio de Estadísticos del Perú

Libros recomendados para un AI Engineer

Cuatro lecturas para construir productos con LLM y agentes que funcionen en producción.

Portada de AI Engineering
Era de agentes

AI Engineering

Chip Huyen · 2025

Cuándo usar prompting, RAG, agentes o fine-tuning, y por qué la evaluación es el problema central.

Ver el libro
Portada de Building Applications with AI Agents
Era de agentes

Building Applications with AI Agents

Michael Albada · 2025

Cómo diseñar e implementar sistemas multiagente, de las herramientas a la coordinación.

Ver el libro
Portada de Hands-On Large Language Models
Era de agentes

Hands-On Large Language Models

Jay Alammar y Maarten Grootendorst · 2024

Cómo funcionan los LLM por dentro, explicado con diagramas y código que se puede correr.

Ver el libro
Portada de Prompt Engineering for Generative AI
Era de agentes

Prompt Engineering for Generative AI

James Phoenix y Mike Taylor · 2024

Técnicas para obtener respuestas confiables y repetibles de un modelo, la base de todo agente.

Ver el libro

Lo que cuentan nuestros alumnos

La malla curricular fue integral y se enfocó en la práctica, lo que me permitió aplicar mis conocimientos de inmediato. Gracias a la formación en DSRP, he podido liderar proyectos en mi empresa, desarrollando dashboards y aplicando Python.
AndreaAlumna de la especialización Data AnalystAlumno/a de AI Data Analyst
Elegí la especialización en DSRP para profundizar en automatización, cloud y herramientas como Airflow y Databricks. Lo que más destaco es el enfoque práctico y la experiencia de los instructores. Esta formación fue clave para destacar en entrevistas y conseguir mi nuevo trabajo.
MateoPasó de Analista de Datos a Data EngineerAlumno/a de AI Data Engineer
Antes trabajaba como Analista BI, pero necesitaba aprender sobre migración de datos a la nube y herramientas como Databricks y Azure. El temario de DSRP me ofreció un enfoque práctico y profundo. Gracias a esta formación logré un nuevo puesto.
RenzoEspecialista de Inteligencia Comercial en Compartamos FinancieraAlumno/a de AI Data Engineer

¿Aprender solo con IA o con un programa?

Una comparación honesta. Lo ideal es combinar ambos: practicar con agentes todos los días y apoyarte en un programa para la ruta, la revisión y la red.

ExplicacionesSolo con IA: Inmediatas, a cualquier hora.Con un programa: Un docente corrige tu razonamiento, no solo el resultado.
ErroresSolo con IA: Dependen de que notes que la IA se equivocó.Con un programa: Especialistas revisan tus proyectos.
RutaSolo con IA: La armas tú; es fácil saltarse fundamentos.Con un programa: Secuencia de los fundamentos a la nube.
ProyectosSolo con IA: Por tu cuenta, sin quien los evalúe.Con un programa: Proyecto integrador y Demo Day.
Red y empleoSolo con IA: La construyes solo.Con un programa: Comunidad, bolsa de trabajo y talleres de CV y entrevistas.
CertificadoSolo con IA: No.Con un programa: Certificación avalada.
CostoSolo con IA: Bajo: planes gratuitos y créditos de API.Con un programa: Una inversión, con cuotas.

Preguntas Frecuentes

¿Qué hace un AI Engineer?

Construye productos con IA: asistentes que atienden clientes, sistemas que leen documentos o agentes que realizan tareas en otros sistemas. Su foco es que funcionen en el mundo real, con seguridad, costos y tiempos de respuesta bajo control.

¿En qué se diferencia de un Data Scientist?

El Data Scientist crea y evalúa modelos para responder preguntas de negocio. El AI Engineer se enfoca en convertir modelos en productos: los conecta con los datos y las aplicaciones de la empresa, les da herramientas y los opera en producción. También puede entrenar o ajustar modelos cuando el caso lo pide.

¿Necesito saber programar?

Sí. Es un rol de ingeniería de software: se trabaja con Python o TypeScript, APIs y buenas prácticas de desarrollo. La especialización incluye cursos de nivelación en Python, machine learning y deep learning.

¿Tengo que entrenar modelos desde cero?

No siempre. En proyectos de IA generativa lo habitual es partir de modelos fundacionales y trabajar con prompts, RAG y agentes; entrenar o ajustar un modelo se reserva para cuando hace falta. Lo que más pesa es diseñar el sistema, darle el conocimiento correcto y medir si responde bien.

¿Qué significa que un agente "use herramientas"?

Que además de responder puede consultar una base de datos, llamar a una API o ejecutar una acción. Por eso el AI Engineer define límites: qué puede hacer solo y qué necesita aprobación humana.

¿Necesito pagar Claude o ChatGPT para aprender?

No para empezar. Los planes gratuitos de Claude, ChatGPT o Gemini bastan para entender conceptos. Para construir agentes necesitas créditos de API y, si usas Claude Code o Codex, suelen pedir un plan de pago: empieza con un modelo de costo bajo y fija un límite de gasto en la consola del proveedor.

¿Puedo usar Claude Code o Codex si no sé programar?

Te ayudan a avanzar más rápido, pero este rol exige leer y depurar el código que generan. Un agente en producción falla de formas que solo detectas si entiendes el código, las APIs y los registros. Por eso la especialización incluye nivelación en Python.

¿Cómo gano experiencia práctica?

Con proyectos propios publicados en un portafolio: un asistente con RAG sobre documentos públicos, un agente con dos o tres herramientas y sus casos de prueba, y una API desplegada en la nube. Muestra cómo mides la calidad y el costo, no solo la demo.

¿Cómo son las clases de la especialización?

Son clases en vivo y online, con las grabaciones disponibles para repasar, y un enfoque práctico: el programa cierra con un sistema de IA desplegado en la nube. La certificación está avalada por DSRP y el Colegio de Estadísticos del Perú (Región Piura).

¿Puedo usar DeepSeek o Kimi con datos de mi empresa?

Sus APIs oficiales procesan los datos en China, así que no conviene enviarles información de clientes ni datos confidenciales. Como sus modelos son de pesos abiertos, una alternativa es desplegarlos en infraestructura propia; para practicar con datos públicos, sus APIs son una opción de bajo costo.

Compara los perfiles de datos e IA

¿Aún dudas entre perfiles? Haz el test vocacional y recibe una recomendación.

Seis perfiles, seis preguntas distintas. Compáralos y elige por dónde empezar.

  • AI Data Analyst

    ¿Qué pasó y qué decidimos?

    Convierte datos en decisiones de negocio y valida lo que calcula la IA.

    Empiezas con: Sin programar

    Conocer el perfil
  • AI Data Scientist

    ¿Qué va a pasar?

    Crea modelos que predicen y mide si un modelo o un LLM acierta de verdad.

    Empiezas con: Programación y SQL básicos

    Conocer el perfil
  • AI Data Engineer

    ¿Los datos llegan completos y confiables?

    Construye los pipelines que alimentan dashboards y agentes.

    Empiezas con: Python, SQL y Git básicos

    Conocer el perfil
  • AI Data Architect

    ¿Cómo se organiza todo de forma segura?

    Diseña la plataforma de datos e IA: gobernanza, permisos y costos.

    Empiezas con: SQL y Python básicos

    Conocer el perfil
  • AI Engineer

    Estás aquí

    ¿Cómo lo convertimos en un producto con IA?

    Construye agentes que usan herramientas, los evalúa y los opera en producción.

    Empiezas con: Python y SQL básicos

  • Automatizador con IA

    ¿Qué tarea repetitiva dejamos de hacer a mano?

    Conecta apps con flujos low-code y no-code y suma agentes de IA, sin programar.

    Empiezas con: Sin programar

    Conocer el perfil
Para empresas

¿Formas a tu equipo como AI Engineer?

Lo que gana tu empresa:

  • Agentes que atienden clientes, leen documentos o automatizan procesos, conectados a los sistemas de la empresa.
  • Productos de IA evaluados antes y después de salir a producción, con límites y aprobación humana.
  • Control de seguridad, costos y tiempos de respuesta de cada agente.

Programas para equipos: grupos cerrados, in-house o a medida, con seguimiento del avance de cada colaborador.

Cotizar para mi equipo

Empresas que confían en DSRP

  • bcp
  • interbank
  • bbva
  • scotiabank
  • sunat
  • entel
  • backus
  • globant

Construye agentes en los que tu empresa pueda confiar

Programa de Especialización AI Engineer

Contenido revisado en octubre de 2026.