La mayoría de guías de IA te enseñan a hacer un chatbot y ahí se quedan. Pero en el mundo real, las empresas no quieren un chatbot — quieren automatizar procesos: que un bot les lea los albaranes por foto y les actualice el inventario, que la IA les clasifique los emails de clientes, o que un sistema detecte anomalías en sus sensores sin que un humano tenga que mirar una pantalla 24 horas. El problema es que no sabes por dónde empezar, ni qué nivel de complejidad necesitas para cada caso.

Este plan de estudios es mi hoja de ruta personal para pasar de hacer scripts básicos a construir sistemas de automatización reales con IA. Cada nivel es un proyecto concreto que resuelve un problema de negocio, y cada uno se construye sobre el anterior. No es teoría — es el camino que yo estoy siguiendo, con las tecnologías que estoy usando y los problemas que voy encontrando en el camino.

🚀 PLAN DE ESTUDIOS: DE PROGRAMADOR A INGENIERO DE INTEGRACIÓN DE IA

Estudiante: Jorge Beneyto Castelló
Perfil: Desarrollador backend (Python, Asyncio, Scraping)
Objetivo: Dominar la integración de Inteligencia Artificial Aplicada (LLMs, Visión, RAG) y protocolos en tiempo real (MQTT) aplicados a la automatización de procesos empresariales.

La escalera de proyectos: de menos a más

🪜 Nivel 1: El Bot Interactivo

• Objetivo: Pasar de scripts síncronos/cron a servicios que escuchan eventos en tiempo real.
• El Proyecto: Un Bot de Telegram interactivo. Al enviarle una URL de una noticia, el backend de Python la escanea (Scraping), llama a Gemini de forma asíncrona para resumirla y la devuelve formateada por el chat.
• Tecnologías clave: python-telegram-bot, google-genai, beautifulsoup4, asyncio.
• Habilidad ganada: Arquitectura dirigida por eventos de usuario y Webhooks básicos.

🪜 Nivel 2: El Extractor Multimodal

• Objetivo: Dejar de procesar solo texto y empezar a usar visión por computador con IA.
• El Proyecto: Ampliación del bot de Telegram. Al enviarle una foto de un documento físico (un ticket de bar, una factura), el bot envía la imagen a Gemini y le exige una respuesta en un formato JSON estricto con los datos limpios.
• Tecnologías clave: gemini-2.5-flash (Structured Outputs / Pydantic schemas).
• Habilidad ganada: Extracción de datos estructurados de fuentes analógicas.

🪜 Nivel 2.5: IoT + MQTT + IA (El Analista de Entornos Físicos)

• Objetivo: Conectar la telemetría industrial/domótica en tiempo real con la toma de decisiones por IA.
• El Proyecto: Un sistema que simula sensores de una instalación. Un script publica eventos (datos de temperatura o capturas de cámara) a un Broker MQTT. Otro servicio asíncrono se suscribe al topic, recibe el flujo de datos al instante y usa Gemini como motor lógico para evaluar si hay una anomalía, disparando alertas críticas.
• Tecnologías clave: paho-mqtt, Broker Mosquitto (Local), asyncio.
• Habilidad ganada: Arquitectura Pub/Sub, procesamiento de flujos de mensajes en tiempo real.

🪜 Nivel 3: El Asistente con Memoria de Contexto

• Objetivo: Romper la limitación “stateless” de las APIs de LLM y simular hilos de conversación reales.
• El Proyecto: Una interfaz web o de terminal donde la IA recuerda los inputs anteriores del usuario gestionando de forma dinámica el histórico de la conversación.
• Tecnologías clave: Streamlit, Gemini Chat Sessions API, gestión manual de tokens de contexto.
• Habilidad ganada: Orquestación de memoria a corto plazo en sistemas conversacionales.

🪜 Nivel 4: Buscador Inteligente / RAG Local (Retrieval-Augmented Generation)

• Objetivo: Evitar las alucinaciones de la IA acotando sus respuestas exclusivamente a un set de datos propio.
• El Proyecto: Un buscador documental al que le subes PDFs de normativas o libros. El script los trocea (chunking), los convierte en vectores matemáticos (embeddings) y los almacena localmente. Al preguntar, el sistema recupera los fragmentos correctos de la base de datos y se los inyecta a Gemini como único contexto válido.
• Tecnologías clave: ChromaDB o Qdrant (Local), Embeddings API, LangChain / LlamaIndex.
• Habilidad ganada: Ingeniería de bases de datos vectoriales y semánticas.

🪜 Nivel 5: El Orquestador Autónomo (Tool Calling)

• Objetivo: Darle “manos” a la IA para que ejecute acciones reales en servidores y software de terceros.
• El Proyecto: Un bot que recibe órdenes en lenguaje natural (ej: “Ponme una reunión con mi jefe mañana a las 5”) y, en lugar de responder texto, detecta la intención y ejecuta una función de Python real que inserta el evento en una base de datos o en Google Calendar.
• Tecnologías clave: Gemini Function Calling, Google Calendar API / REST APIs.
• Habilidad ganada: Creación de agentes de IA autónomos y seguros.

Cómo se conectan ambos mundos

Cuando una empresa te pida “automatizar albaranes por foto en WhatsApp”, ya no verás una montaña imposible. Ahora mirarás este documento y dirás:

1. El Canal: El usuario usa WhatsApp (equivalente a tu Nivel 1: Bot de Telegram).
2. La Entrada: Envía una foto de un Albarán (Punto 9 de la tabla de negocio).
3. El Procesamiento: Tu código de Python recoge la foto y usa capacidades de visión (como en tu Nivel 2: Extractor Multimodal) para convertir ese papel arrugado en un JSON limpio con los artículos y cantidades.
4. La Acción: Tu script usa funciones de integración (como en tu Nivel 5: Tool Calling) para subir esos datos al software de almacén del cliente, actualizando el stock (Punto 11 y 15) automáticamente y sin errores humanos.

Niveles épicos: arquitectura empresarial con bot integrado

🪜 Nivel 6: El Hub de Microservicios con Bot y Persistencia (Docker + Mongo + Telegram/WhatsApp)

• Objetivo: Crear una infraestructura profesional y aislada en tu Ubuntu donde el bot es la interfaz y MongoDB el almacén de memoria.
• El Proyecto: Usando Docker Compose, levantas tres contenedores que trabajan en equipo:
  1. Contenedor A (El Backend del Bot): Tu servicio de Node.js/Python que mantiene el Bot de Telegram/WhatsApp encendido 24/7 de forma asíncrona.
  2. Contenedor B (La Base de Datos): Un contenedor de MongoDB.
  3. Contenedor C (Mensajería interna): Un Broker MQTT. Cada vez que un usuario interactúa con tu Bot (le manda un texto, un comando o un enlace), el Bot ya no solo responde con IA, sino que registra toda la conversación, los metadatos del usuario y los tokens consumidos en MongoDB en tiempo real.
• Tecnologías clave: Docker, Docker Compose, MongoDB (Mongoose/PyMongo), API del Bot.
• Habilidad ganada: Orquestación de contenedores y persistencia NoSQL para auditar las interacciones de los usuarios con la IA.

🪜 Nivel 7: La Tubería de Albaranes por Foto (Bot de Mensajería + Visión + MongoDB + Docker)

• Objetivo: Automatizar un proceso analógico pesado usando el móvil del usuario como escáner y la IA como administrativa.
• El Proyecto (Proyecto Grande #1): El flujo completo que querías entender:
  1. Un transportista le hace una foto a un Albarán arrugado y la envía por el Bot de WhatsApp o Telegram.
  2. El código de tu Bot (corriendo en su contenedor de Docker) recibe el archivo multimedia y se lo pasa a Gemini Vision de forma asíncrona.
  3. Gemini extrae los datos (Nº Albarán, cliente, productos, cantidades) y devuelve un JSON estructurado.
  4. Tu backend valida los datos. Si todo cuadra, guarda el JSON en MongoDB con el estado procesado y el Bot le responde al usuario automáticamente: ”✅ Albarán #4502 registrado correctamente. 12 cajas añadidas al inventario”.
  5. Si la foto está borrosa o los datos no cuadran, se guarda en Mongo como pendiente_revision y el Bot avisa: “⚠️ No he podido procesar el total correctamente. El albarán ha sido enviado al panel de revisión manual”.
• Tecnologías clave: Gemini Multimodal (Structured Outputs), Docker, MongoDB, Bot API.
• Habilidad ganada: Desarrollo de flujos de automatización “End-to-End” con interfaces accesibles para operarios reales.

🪜 Nivel 8: El Empleado Virtual de Odoo (Bot + IA + Odoo ERP + Docker)

• Objetivo: Conectar el canal de mensajería directo con el núcleo financiero y logístico de una empresa real.
• El Proyecto (Proyecto Grande #2): Levantas Odoo en tu máquina mediante un contenedor de Docker. Odoo tiene toda la lógica empresarial (gestión de stock, clientes, facturas).
  • Tu misión es conectar el Bot con Odoo. Cuando el proyecto del Nivel 7 procesa con éxito el albarán en MongoDB, tu backend hace una llamada automática a la API de Odoo (xmlrpc o REST) para:
    1. Buscar si el proveedor o cliente del albarán ya existe en Odoo.
    2. Generar el documento digital de “Albarán de Entrada” (Punto 9 y 11 del mapa de negocio) directamente dentro del inventario de Odoo.
    3. Actualizar el stock físico de la empresa en el ERP.
  • Bonus Conversacional: Si tú le escribes al Bot por Telegram: “/stock tornillos”, el backend consulta la API de Odoo, extrae cuántas existencias quedan en el almacén real y el Bot te responde en el acto por el chat.
• Tecnologías clave: Odoo (Docker), API de Odoo, Conector de Odoo para Python/Node.js, Bot API.
• Habilidad ganada: Integración de IA con sistemas ERP de gran calibre. Este flujo resuelve una necesidad crítica por la que las empresas pagan miles de euros de consultoría.

🪜 Nivel 9: El Consultor IA Total (La Plataforma Multicanal Completa)

• Objetivo: El sistema definitivo. Centralizar toda la lógica para una clínica o despacho legal.
• El Proyecto (Gran Plataforma SaaS):
  • Los clientes piden citas o envían contratos a través del Bot.
  • La IA (con acceso a un RAG en una base de datos vectorial para temas legales/médicos) procesa las peticiones desde el contenedor del backend.
  • Guarda el histórico de los chats y logs en MongoDB.
  • Si es una cita o una venta, impacta directamente los módulos correspondientes en Odoo.
  • Si ocurre una anomalía o una cancelación urgente, el sistema publica un mensaje por MQTT que actualiza instantáneamente un Dashboard interactivo (en Svelte) que tiene la secretaria en la recepción de la clínica.
• Tecnologías clave: Todo tu stack unificado en un entorno multi-contenedor de Docker.
• Habilidad ganada: Arquitectura de software e ingeniería de sistemas de nivel Senior.