Libros de IA y agentes para investigadores y académicos

Introduce el uso de IA generativa para estudiar en la universidad con atención al pensamiento crítico y la integridad académica. Ayuda a orientar la exploración de ideas y el trabajo con borradores y retroalimentación, especialmente al iniciar una tesis.

Qué aprenderás

• Distinguir apoyo al aprendizaje de sustitución del trabajo propio
• Usar retroalimentación para revisar borradores
• Mantener integridad académica al utilizar herramientas generativas

Guía de lectura DSRP

1. Localiza en el índice los temas relacionados con: distinguir apoyo al aprendizaje de sustitución del trabajo propio.
2. Localiza en el índice los temas relacionados con: usar retroalimentación para revisar borradores.

Acceso y recursos oficiales

Edición en español: Cointeligencia: Vivir y trabajar con la IA

Presenta la IA generativa como una colaboradora para trabajar, aprender y explorar ideas. Explica por qué conviene experimentar con sus capacidades manteniendo el criterio y la participación humana.

Qué aprenderás

• Aprender mediante experimentación con tareas reales
• Reconocer capacidades desiguales y errores del modelo
• Mantener a la persona involucrada en el trabajo

Guía de lectura DSRP

1. Localiza en el índice los temas relacionados con: aprender mediante experimentación con tareas reales.
2. Localiza en el índice los temas relacionados con: reconocer capacidades desiguales y errores del modelo.

Acceso y recursos oficiales

Ficha contrastada con fuentes oficiales: 2026-10-21

Volumen editado por Susanne Friese y David Morgan sobre métodos y experiencias de análisis cualitativo con IA. Presenta trabajo analítico real, limitaciones de la codificación automática y ajustes metodológicos que requieren juicio investigador.

Qué aprenderás

• Subordinar el uso de IA a las decisiones metodológicas
• Contrastar propuestas de codificación con los datos
• Registrar límites y ajustes del análisis asistido

Guía de lectura DSRP

1. Localiza en el índice los temas relacionados con: subordinar el uso de ia a las decisiones metodológicas.
2. Localiza en el índice los temas relacionados con: contrastar propuestas de codificación con los datos.

Acceso y recursos oficiales

Propone un ciclo de análisis, medición y mejora de aplicaciones con LLM. Explica cómo construir conjuntos de evaluación, analizar trazas y combinar comprobaciones automáticas con juicio humano para detectar fallos y regresiones.

Qué aprenderás

• Clasificar fallos observados en trazas representativas
• Construir evaluadores contrastados con expertos
• Medir regresiones de calidad, coste y latencia

Guía de lectura DSRP

1. Empieza por el capítulo 3, Error Analysis, antes de elegir métricas.
2. Sigue con el capítulo 5, Implementing Automated Evaluators, y el 6, Evaluating Multi-Turn Conversations.

Acceso y recursos oficiales

Ficha contrastada con fuentes oficiales: 2026-10-21

La segunda edición enseña a desarrollar agentes con herramientas, memoria y recuperación de conocimiento. Incorpora MCP y A2A para conectar herramientas y agentes, y aborda flujos multiagente. Requiere Python intermedio; conviene comprobar las versiones de los ejemplos antes de implementarlos.

Qué aprenderás

• Conectar modelos con herramientas y documentos
• Diseñar memoria y mecanismos de retroalimentación
• Coordinar agentes que dividen un flujo de trabajo

Guía de lectura DSRP

1. Localiza en el índice los temas relacionados con: conectar modelos con herramientas y documentos.
2. Localiza en el índice los temas relacionados con: diseñar memoria y mecanismos de retroalimentación.

Acceso y recursos oficiales