ICADE · Seminarios de método para estudiantes que investigan. Cómo usar un agente de inteligencia artificial en el trabajo real de un TFG, un TFM o un paper, sin delegar el criterio.
Fundamentos
Modelo, agente, harness
Un modelo de lenguaje es una función sin memoria. Un agente es ese mismo modelo dentro de un bucle y con herramientas. El harness es la maquinaria que lo rodea, y la ventana de contexto es su mesa de trabajo.
Control
Esfuerzo, modo automático y plan
El razonamiento se regula y tiene rendimientos decrecientes. El modo automático reparte ese esfuerzo paso a paso. Planificar antes de ejecutar es donde se corrige barato.
Leer
Survey, triaje y curva de dificultad
De una carpeta de PDFs a un estado del arte con tabla comparativa. Decidir qué leer entero y qué descartar. Reconstruir la escalera de prerrequisitos de un tema que se te resiste.
Datos
Fuentes abiertas y calidad del cruce
Cosechar series del Banco Mundial, Eurostat o el INE y unirlas en un panel, con la licencia documentada y el informe de filas que no casan.
Experimentar
Experimentos que convencen
Afirmación escrita antes del resultado, baselines bien implementados, semillas, ablación y estadística pareada. Tests contra soluciones conocidas y figuras con incertidumbre.
Comunicar
Paper, slides y referencias
La estructura como cadena de afirmaciones con evidencia enganchada, el mismo resultado en tres envases, y por qué la bibliografía se verifica con un script y nunca de memoria.
Automatizar
Skills, pipelines y loop engineering
Encapsular tu método en una carpeta de texto, encadenar etapas con una puerta de calidad en cada junta, y cerrar bucles de crítica con un criterio de parada explícito.
Criterio
Dónde está la línea
Se delega la ejecución, nunca el juicio. Riesgos reales, integridad académica y los cuatro pasos para empezar mañana.
Eduardo C. Garrido-Merchán · ecgarrido@comillas.edu · Universidad Pontificia Comillas (ICADE) · Research Community 2026