# Comprueba y mejora tus agentes y flujos con IA · guía de aula
Versión 1.0 · 13/10/2026 · 8 h, 4 sesiones de 2 h. Programa generalista: plataforma y modelo del cliente, acordados por edición.

## Qué vas a hacer
Compararás dos versiones preparadas de un asistente de solicitudes internas. Primero lees case.md y cases.csv; después defines expectativas y contrastas expectations.csv. Usa outputs.json y comparison-blank.csv. Consulta los ejemplos resueltos después de tu intento.

## Agenda dentro de las 8 horas
1. Acordar criterios y casos · 120 min. Delimitamos tarea, fuentes, acciones y fallos importantes. Preparamos el banco antes de valorar. Evidencia: Banco versionado y criterios que otra persona puede aplicar.
2. Comparar dos versiones · 120 min. Revisamos las mismas entradas y salidas de A y B, discrepancias y un retroceso oculto por el total. Evidencia: Comparación por caso con evidencia y prioridad de corrección.
3. Cambiar y repetir · 120 min. Investigamos EV-11, proponemos una corrección acotada y repetimos las comprobaciones. Distinguimos material simulado y ejecución del entorno. Evidencia: Registro de cambio y revisión completa del banco.
4. Decidir con evidencia propia · 120 min. Cada participante resuelve una variación y explica qué mantener, corregir o detener. Feedback dentro de la sesión. Evidencia: Decisión individual con límites, responsable y siguiente revisión.

## Condiciones del ejercicio
Doce casos ficticios, las mismas fuentes vigentes y un resultado preparado por caso y versión. No se ejecutó un agente para generar los archivos. No son datos de rendimiento, pruebas de seguridad ni una muestra de producción. EV-01/EV-11 y EV-02/EV-12 son paráfrasis deliberadas. Cada alumno resuelve su variación propia en individual.md.

Si la edición incluye ejecución, acordamos entorno aislado, funciones, registros y consumo; registra modelo, versión, entradas, intento y resultados reales por separado. Los intentos repetidos ayudan a observar variación, pero no convierten un banco pequeño en una garantía. Ninguna herramienta concreta está predeterminada ni sus funciones se presuponen equivalentes.

## Entrega
Banco, comparación con evidencia, registro de cambio, decisión y variación individual. Feedback dentro de las sesiones. El docente aplica evaluation.md: apto o por revisar; una recuperación adicional se acuerda por edición. La revisión y ensayo del contenido docente siguen pendientes.

## Archivos
- guide.md — Guía de práctica y tiempos
- case.md — Caso y fuentes de aula
- cases.csv — Banco de doce casos ficticios
- expectations.csv — Expectativas y criterios
- outputs.json — Salidas y registros simulados de A y B
- comparison-blank.csv — Comparación vacía
- comparison-worked-example.csv — Comparación resuelta
- decision-blank.md — Registro de decisión vacío
- decision-worked-example.md — Ejemplo resuelto de decisión
- individual.md — Variación individual
- evaluation.md — Rúbrica de evaluación
- expected.md — Comprobaciones de la solución

## Comprobación antes de la edición
Nivel de automatización con IA; responsable del proceso; herramienta elegida; acceso al flujo de prueba y registros; datos ficticios; consumo y funciones; forma de exportar evidencia. No hace falta conectar cuentas productivas para el material.

## Fuentes para preparar el método
Anthropic: https://www.anthropic.com/engineering/demystifying-evals-for-ai-agents
Microsoft: https://learn.microsoft.com/en-us/microsoft-copilot-studio/analytics-agent-evaluation-intro
Estas referencias técnicas no obligan a utilizar esos productos ni acreditan demanda o una ejecución.

[Descargar paquete ZIP](evaluation-es-v1.zip)