IA generativa se refiere a algoritmos y modelos de inteligencia artificial capaces de generar nuevos datos o contenido similar a los datos existentes. Estos modelos se forman sobre la base de grandes conjuntos de datos y aprenden a generar nuevos ejemplos que imitan los patrones y las características de los datos originales.
Durante el último año ha habido varios artículos en DC que ofrecen servidores MCP diseñados para conectarse a IRIS y ayudar a que las funciones de IA de VS Code y sus derivados funcionen mejor. Por ejemplo:
10:47 AM — Los resultados de creatinina de José García llegan al servidor FHIR del hospital.
2.1 mg/dL — un aumento del 35% frente al mes pasado.
¿Qué pasa después?
En un sistema típico: ❌ El resultado queda en una cola hasta que un clínico lo revise manualmente, horas o días después.
Este sistema de ejemplo: 👍 Un agente de IA evalúa la tendencia, consulta guías clínicas y genera recomendaciones basadas en evidencia, en segundos y de forma automática.
Sin chatbot. Sin prompts manuales. Sin razonamiento de caja negra.
Esto es soporte a la decisión clínica impulsado por eventos con trazabilidad completa:
✅ Activado automáticamente por eventos FHIR
✅ Razonamiento multiagente (contexto, guías, recomendaciones)
✅ Trazabilidad completa en SQL (cada decisión, cada fuente de evidencia)
✅ Salidas nativas FHIR (DiagnosticReport publicado en el servidor)
Construido con:
InterSystems IRIS for Health — Orquestación, FHIR, persistencia, búsqueda vectorial
CrewAI — Framework multiagente para razonamiento estructurado
Aprenderás: 🖋️ Cómo orquestar flujos de IA agéntica dentro de sistemas de interoperabilidad listos para producción, y por qué la explicabilidad importa más que la precisión por sí sola.
Este tutorial práctico os guía en la creación de un chatbot de IA con Recuperación Aumentada por Generación (RAG) impulsado por la búsqueda vectorial de InterSystems IRIS. Veréis cómo se puede aprovechar la búsqueda vectorial para ofrecer respuestas actualizadas y precisas, combinando las fortalezas de IRIS con la IA generativa.
En el artículo anterior vimos cómo construir un agente de IA de atención al cliente con smolagents e InterSystems IRIS, combinando SQL, RAG con búsquedas vectoriales e interoperabilidad.
En ese caso, utilizamos modelos en la nube (OpenAI) para el LLM y los embeddings.
En esta ocasión daremos un paso más: ejecutar el mismo agente, pero con modelos locales gracias a Ollama.
Si alguna vez habéis observado a un verdadero artesano—ya sea un alfarero que convierte barro en una obra maestra o un luthier que transforma madera en una guitarra maravillosa—sabéis que la magia no está en los materiales, sino en el cuidado, el oficio y el proceso. Lo sé por experiencia propia: mi guitarra eléctrica hecha a mano es una fuente diaria de inspiración, pero lo admito—crear algo así es un talento que no poseo.
Sin embargo, en el mundo digital, veo a menudo gente que espera “magia” de la IA generativa escribiendo prompts vagos y sin contexto como “crea una app”.
☤Brújula 🧭 de Cuidados 🩺 - Prueba de concepto - Participación para el Concurso
Presentación de Brújula de Cuidados: Priorización de casos impulsada por IA para Servicios Humanos
En el panorama actual de la atención sanitaria y los servicios sociales, los trabajadores sociales se enfrentan a desafíos abrumadores. Altas cargas de trabajo, sistemas fragmentados y datos desconectados suelen dar lugar a oportunidades perdidas para intervenir de forma temprana y eficaz. Esto provoca agotamiento en el personal y visitas evitables a urgencias, lo que genera costes elevados y podría haberse prevenido.
Aquellos interesados en explorar nuevos casos de uso de GenerativeAI.
Comparte ideas y razones al entrenar inteligencia artificial generativa para el reconocimiento de patrones.
Desafío 1 – Simple pero no más simple
Un desarrollador aspira a concebir una solución elegante para ciertos requerimientos. Los patrones de coincidencia (como las expresiones regulares) pueden resolverse de muchas maneras. ¿Cuál es la mejor solución en código? ¿Puede una IA postular una solución elegante de coincidencia de patrones para un rango de ejemplos que van de simples a complejos?
Hace trece años, obtuve una doble titulación de grado en ingeniería eléctrica y matemáticas, y enseguida empecé a trabajar a tiempo completo en InterSystems sin utilizar ninguna de las dos. Una de mis experiencias académicas más memorables —y que más me revolvió el estómago— fue en Estadística II. En un examen, estaba resolviendo un problema de intervalo de confianza de dificultad moderada.
Este será un artículo muy corto ya que en abril de 2025, con Lovable y otras herramientas de Prompt-to-UI, se vuelve posible crear el frontend mediante indicaciones. Incluso para vosotros, que como yo, no estáis familiarizados en absoluto con las técnicas modernas de UI.
Bueno, al menos conozco las palabras javascript, typescript y ReactJS, así que en este artículo muy corto construiremos la interfaz de usuario en ReactJS para un servidor InterSystems FHIR con Lovable.ai.
Si queréis saber por ejemplo si ya está implementada una clase sobre un tema en concreto, ahora es posible haciendo una simple pregunta en lenguaje natural. Descargad y ejecutad la aplicación https://openexchange.intersystems.com/package/langchain-iris-tool para conocer todo sobre vuestras clases de proyecto en un chat.
¿Qué pasaría si pudierais hablar en un chat para comprobar qué sucede en Interoperabilidad, ver si hay errores e incluso resolver algunos tipos de problemas?
Con el servidor MCP, podéis conectar cualquiera de vuestros clientes MCP, por ejemplo, Claude, a IRIS y pedirle que revise la Interoperabilidad.
Como podéis ver, el nuevo tema del concurso de programación es Agentes de IA.
Recientemente, este tema ha sido muy mencionado en Internet y tiene diferentes significados. Es posible que tengáis curiosidad sobre qué queremos decir con Agentes de IA en el contexto del concurso de programación de InterSystems.
Nos han desbordado las previsiones. Así que, ante el éxito de asistencia y todos los comentarios recibidos, os anuncio una nueva convocatoria extraordinaria del curso: Desarrollo de asistentes virtuales con RAG. ¡Mantenemos el precio promocional reducido! (plazas limitadas).
Para quien se hubiera perdido el anuncio de la primera convocatoria, repito lo que os comentaba. Se trata de un curso abierto a todo el que quiera iniciarse en el desarrollo de asistentes virtuales utilizando IA generativa y el patrón común RAG (Retrieval Augmented Generation).
🌍 Inclusión e Innovación en la Educación 🌍 Nuestro proyecto reimagina el aprendizaje para todos los estudiantes, con un enfoque en la accesibilidad y experiencias interactivas. Diseñado con el objetivo de hacer que la educación sea atractiva e inclusiva, esta herramienta está creada para apoyar a estudiantes de todas las habilidades en el aprendizaje de material complejo de forma intuitiva.
Hoy os anuncio la incorporación de un nuevo curso en nuestro catálogo: Desarrollo de asistentes virtuales con RAG. ¡Recien salido del horno y con un precio promocional muy reducido! (plazas limitadas).
Se trata de un curso abierto a todo el que quiera iniciarse en el desarrollo de asistentes virtualesutilizando IA generativa y el patrón común RAG (Retrieval Augmented Generation). Utilizaréis Python, Jupyter Notebooks y Streamlit para el desarrollo de la solución que servirá de ejemplo y que iréis implementando paso a paso.
La inteligencia artificial generativa es una inteligencia artificial capaz de generar texto, imágenes u otros datos utilizando modelos generativos, a menudo en respuesta a indicaciones o "prompts". Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento y luego generan nuevos datos con características similares.
La IA generativa es capaz de crear texto, imágenes y otros tipos de contenido.
Continuamos con esta serie de artículos sobre LLM y aplicaciones RAG y en este artículo trataremos la parte recuadrada en rojo del siguiente diagrama:
En el proceso de creación de una aplicación RAG tan importante es la elección de un modelo de LLM adecuado a tus necesidades (entrenado en la temática correspondiente, costes del mismo, velocidad, etc) como el tener claro el contexto que queremos proporcionarle. Empecemos definiendo el término para tener claro a que nos referimos con contexto.
Seguramente hayáis oído en el último año hablar continuamente de los LLM (Large Language Model) y el desarrollo asociado a los mismos de las aplicaciones RAG (Retrieval Augmented Generation), pues bien, en esta serie de artículos desgranaremos los fundamentos de cada término utilizado y veremos como desarrollar una sencilla aplicación RAG.
¿Qué es un LLM?
Los modelos LLM forman parte de lo que conocemos como IA generativa y su fundamento es la vectorización de gigantescas cantidades de textos.
En este artículo, voy a presentar mi aplicación iris-RAG-Gen .
Iris-RAG-Gen es una aplicación generativa AI Retrieval-Augmented Generation (RAG) que aprovecha la funcionalidad de IRIS Vector Search para personalizar ChatGPT con la ayuda del framework web Streamlit, LangChain, y OpenAI. La aplicación utiliza IRIS como almacén de vectores.
Con el auge de la inteligencia artificial generativa (Gen AI), creemos que ahora los usuarios deberían poder acceder a datos no estructurados de una manera mucho más sencilla. La mayoría de las personas tienen muchos correos electrónicos que no pueden seguir de manera eficiente. Por ejemplo, en las estrategias para inversión/comercio, los profesionales dependen de tomar decisiones rápidas aprovechando la mayor cantidad de información posible.
¡Hola a todos! Aquí me gustaría compartir cómo utilizamos la búsqueda vectorial y la inteligencia artificial generativa (GenAI) con la tecnología de InterSystems. Como ejemplo, describiré el proyecto BG-AppealAI, que nuestra empresa presentó al concurso de Búsqueda Vectorial, GenAI y ML de InterSystems. La aplicación BG-AppealAI puede redactar una apelación si se sube un contrato de seguro y la carta de la compañía de seguros con la negativa a pagar los gastos médicos.
Os recordamos que mañana tendremos nuestro webinar en español: "Base de datos de Vectores y RAG: Aplicaciones IA generativa sobre tus datos", el jueves 6 de junio, a las 4:00 PM (CEST). Viene de la mano de @Alberto Fuentes, Sales Engineer en InterSystems.
Os invitamos a un nuevo webinar en español: "Base de datos de Vectores y RAG: Aplicaciones IA generativa sobre tus datos", el jueves 6 de junio, a las 4:00 PM (CEST).
El webinar está dirigido a desarrolladores, integradores y arquitectos de aplicaciones.
Durante el webinar, aprenderemos qué son y para qué sirven las bases de datos vectoriales y cómo podemos utilizarlas para construir aplicaciones de IA generativa sobre nuestros propios datos utilizando planteamientos RAG (Retrieval Augmented Generation).
.jpg)
.png)
.png)
.png)
