Durante los últimos años, los chatbots impulsados por LLMs han transformado la forma en que interactuamos con la IA. Sin embargo, muchas aplicaciones reales requieren ir más allá del texto y combinar múltiples tipos de información como imágenes, audio, documentos y video. En este contexto surge un nuevo paradigma: sistemas capaces de integrar diferentes modalidades de datos para comprender mejor su entorno.

En esta charla exploraremos cómo diseñar arquitecturas multi-agente basadas en IA multimodal, donde distintos agentes especializados colaboran entre sí para procesar diferentes tipos de información y resolver tareas complejas de manera coordinada. Analizaremos buenas prácticas de diseño, patrones de arquitectura, estrategias de orquestación entre agentes y cómo estructurar sistemas que integren modelos multimodales dentro de aplicaciones reales.

También revisaremos casos de uso reales basados en mi experiencia en el sector profesional de TI y en investigación universitaria, junto con consideraciones prácticas para construir este tipo de soluciones en entornos modernos de desarrollo, mostrando cómo evolucionar desde simples chatbots hacia sistemas capaces de interpretar múltiples fuentes de información y entender el mundo de manera más completa.