Volver a todos los recursos
Descarga // Checklist de producción•Actualizado el 22 oct 2026•Formato: Markdown y PDF (en inglés)•Versión: 2.4

Checklist de discovery y arquitectura para proyectos de IA

Un framework de arquitectura probado en batalla para evaluar la factibilidad de la IA, definir los límites del modelo, calcular la economía de tokens y reducir el riesgo de los despliegues empresariales antes de escribir código de producción.

Portada de la checklist de discovery y arquitectura para proyectos de IA
Kit de discovery de arquitectura de IA (v2.4)
Entregable de producción • Listo para implementar
GRATIS
📄 ai-project-discovery-architecture-checklist.md Especificación Markdown • 12 KB
📋 ai-discovery-questionnaire-framework.pdf PDF ejecutivo • 12 páginas
⚡ claude-code-prompt-caching-calc.xlsx Planilla de costos • 45 KB
Descargar paquete de especificación (Markdown, en inglés)

Por qué importa un discovery guiado por especificaciones

Construir funcionalidades de IA sin un discovery técnico previo termina, inevitablemente, en fallas de arquitectura: costos de tokens impredecibles, errores de API no deterministas e incumplimientos regulatorios.

Esta checklist guía a equipos de ingeniería y líderes de producto por las cinco fases críticas de validación arquitectónica antes de comprometer recursos de ingeniería.

Las 5 fases de discovery de la checklist

1. Factibilidad de negocio y alcance

  • Definir el flujo automatizado con límites exactos de entrada y salida.
  • Establecer presupuestos de latencia (< 1500 ms) y topes de gasto en tokens por transacción.
  • Definir los disparadores de escalamiento human-in-the-loop y los límites de aprobación.

2. Jerarquía de modelos y arquitectura de proveedores

  • Elegir el nivel de modelo óptimo (Haiku para enrutar, Sonnet para ejecutar herramientas, Opus para síntesis complejas).
  • Diseñar estrategias de ventana de contexto deslizante para evitar la degradación del estado.
  • Definir breakpoints de prompt caching en las instrucciones de sistema y las definiciones de herramientas.

3. Definición de herramientas y riesgo de custodia cero

  • Especificar JSON Schemas tipados para cada argumento de herramienta.
  • Exigir idempotencia para evitar operaciones financieras o cambios de estado duplicados.
  • Delegar la ejecución de transacciones a APIs de socios certificados.

4. Ingeniería de prompts y especificaciones del sistema

  • Mantener los prompts de sistema como artefactos markdown versionados.
  • Proveer ejemplos few-shot que cubran casos negativos y límite.
  • Implementar alternativas de validación de esquema al parsear salidas no estructuradas.

5. Observabilidad y evaluación continua

  • Configurar suites de pruebas de regresión automatizadas en CI/CD antes de publicar cambios de prompts.
  • Registrar el conteo de tokens, la tasa de aciertos de caché, la latencia de las herramientas y las señales de feedback de usuarios.
Consultoría empresarial

¿Necesitas ayuda para llevar adelante un discovery de IA formal con tu equipo? Sebastián Larrauri realiza Discovery Sprints estructurados de 1 a 2 semanas para auditar la arquitectura, validar la factibilidad y definir hojas de ruta hacia producción.

Perfil de Sebastián Larrauri

Creado por Sebastián Larrauri

Claude Forward Deployed Engineer y arquitecto de sistemas de IA. Claude Certified Developer – Foundations (CCDV-F), Claude Certified Associate – Foundations (CCAO-F) y titular del Claude Code Partner Badge, con las certificaciones Architect en progreso.