Proyectos resueltos de Agentic AI con enlaces a GitHub

Introducción

En los últimos años la atención estuvo sobre modelos generativos. La evolución natural ahora apunta a sistemas que no solo generan texto, sino que razonan en pasos, usan herramientas externas y ejecutan decisiones con objetivos claros: los llamados agentes o agentic AI. Para quienes lideran equipos o toman decisiones en América Latina, pasar de experimentos basados únicamente en prompts a agentes que planifican y actúan es un salto clave para automatizar procesos complejos y escalar valor.

En este artículo reúno más de una docena de proyectos resueltos, cada uno con su repositorio en GitHub, que muestran cómo construir agentes aplicados a finanzas, comercio, salud, educación, ciberseguridad y más. No se trata solo de ideas: encontrarán implementaciones que pueden servir de base para pilotos y pruebas de concepto en la región.

Cómo leer esta guía

Para cada proyecto indico la idea central, qué lo hace “agentic” (es decir, su capacidad de razonar y ejecutar), el nivel de complejidad y el enlace al código. Los proyectos van desde prototipos para aprender hasta desarrollos listos para experimentar en entornos controlados.

Finanzas, negocios y comercio electrónico

Automated Trading Bot

Idea: Análisis de mercado en tiempo real y ejecución autónoma de operaciones.
Qué lo hace agentic: toma decisiones buy/sell basadas en un bucle de lógica autocorrectiva y análisis de sentimiento en tiempo real.
Nivel: Avanzado
Código: https://github.com/MingyuJ666/Stockagent

Product Recommendation Agent

Idea: Recomendar productos según comportamiento y preferencias del usuario.
Qué lo hace agentic: usa aprendizaje activo para preguntar o explorar nuevas categorías cuando detecta cambios en la intención del usuario, en lugar de depender solo de históricos.
Nivel: Intermedio
Código: https://github.com/microsoft/RecAI

E-commerce Personal Shopper Agent

Idea: Ayudar a descubrir y elegir productos, comparando precios y evaluando reseñas.
Qué lo hace agentic: actúa como negociador conversacional, razona y prioriza opciones según el valor para un usuario específico.
Nivel: Intermedio
Código: https://github.com/Hoanganhvu123/ShoppingGPT

Recruitment Recommendation Agent

Idea: Emparejar candidatos con vacantes usando análisis de perfil y habilidades.
Qué lo hace agentic: escanea ofertas y perfiles de manera proactiva, ordena coincidencias y genera explicaciones sobre por qué encajan.
Nivel: Intermedio
Código: https://github.com/sentient-engineering/jobber

Property Pricing Agent

Idea: Analizar tendencias inmobiliarias y ajustar precios dinámicamente.
Qué lo hace agentic: observa el mercado y actualiza recomendaciones frente a factores externos como cambios en tasas o ventas locales.
Nivel: Intermedio
Código: https://github.com/AleksNeStu/ai-real-estate-assistant

Salud y sistemas médicos

AI Health Assistant

Idea: Diagnosticar y monitorear enfermedades usando datos del paciente.
Qué lo hace agentic: implementa un bucle diagnóstico que monitorea signos vitales y dispara alertas cuando los datos cruzan umbrales médicos.
Nivel: Avanzado
Código: https://github.com/ahmadvh/AI-Agents-for-Medical-Diagnostics

Nota sobre implementación en América Latina: los pilotos en salud requieren atención a regulaciones locales, privacidad de datos y validación clínica. Estos repositorios sirven como punto de partida técnico, pero no sustituyen evaluaciones regulatorias o médicas.

Experiencia de cliente y contenido

Content Personalization Agent

Idea: Recomendar medios personalizados según interacciones del usuario.
Qué lo hace agentic: construye una “persona” dinámica del usuario en tiempo real y adapta la estrategia de contenido cuando cambian intereses o estado de ánimo.
Nivel: Principiante
Código: https://github.com/crosleythomas/MirrorGPT

Educación, viajes y estilo de vida

Virtual AI Tutor

Idea: Entrega educación personalizada siguiendo patrones de aprendizaje.
Qué lo hace agentic: identifica brechas de conocimiento y genera planes de estudio personalizados para cerrarlas.
Nivel: Intermedio
Código: https://github.com/hqanhh/EduGPT

AI Travel Assistant

Idea: Planificar itinerarios completos según restricciones y preferencias.
Qué lo hace agentic: actúa como planificador logístico, cruzando disponibilidad de vuelos, hoteles y clima para proponer itinerarios viables.
Nivel: Principiante
Código: https://github.com/nirbar1985/ai-travel-agent

AI Game Companion Agent

Idea: Brindar asistencia en tiempo real para juegos.
Qué lo hace agentic: analiza el estado actual del juego (vía API o visión) y recomienda movimientos estratégicos.
Nivel: Avanzado
Código: https://github.com/onjas-buidl/LLM-agent-game

Ciberseguridad y herramientas para desarrolladores

Vibe Hacking Agent

Idea: Pruebas automatizadas de red team usando sistemas multiagente.
Qué lo hace agentic: coordina varios agentes (explorador, explotador, reportero) para simular ataques y documentar vulnerabilidades.
Nivel: Avanzado
Código: https://github.com/PurpleAILAB/Decepticon

Además, el repositorio de GenAI Agents compila agentes generativos destacados que pueden inspirar implementaciones específicas: https://github.com/NirDiamant/GenAI_Agents

Cómo usar estos proyectos en su organización

Empiecen con un piloto: seleccione un caso de uso con impacto medible y datos disponibles. Muchos repositorios incluyen instrucciones para correr versiones locales.
Valoren la gobernanza: definan límites de acción del agente, políticas de seguridad y criterios de escalado manual.
Adapten a contexto local: en América Latina, los datos, idiomas y patrones de uso pueden diferir; es clave adaptar vocabularios, fuentes de datos y flujos regulatorios.
Prueben en entornos controlados: para proyectos en salud o finanzas, realicen validaciones y revisiones legales antes de desplegar.

Limitaciones y consideraciones éticas

Los agentes pueden automatizar tareas complejas, pero también amplifican riesgos si actúan sin supervisión: decisiones erróneas, sesgos en datos o fallas de seguridad. Antes de producción, implementen mecanismos de explicabilidad, auditoría y control humano.

El camino por delante

Los repositorios aquí presentados ofrecen una base práctica para pasar de experimentos con prompts a agentes capaces de razonar, planificar y ejecutar. Para la región, esto significa oportunidades concretas para mejorar servicios de atención al cliente, operaciones comerciales, salud y educación, siempre que se acompañe de gobernanza, adaptaciones locales y pruebas rigurosas.

Si su equipo quiere priorizar, empiecen por un caso de alto impacto y baja complejidad técnica (por ejemplo, personalización de contenido o asistentes de viajes) y avancen hacia implementaciones críticas (trading, salud) cuando tengan controles y validaciones adecuados.

Preguntas frecuentes (breve)

¿Son estos proyectos listos para producción? Muchos son prototipos o pruebas de concepto; requieren adaptación, pruebas y cumplimiento regulatorio antes de un despliegue productivo.
¿Dónde comenzar si el equipo es pequeño? Elegir un caso de uso con datos ya disponibles y métricas claras acelera la demostración de valor.
¿Qué deben priorizar los líderes? Gobernanza, seguridad y la capacidad de auditar acciones del agente.

Con los enlaces a los repositorios incluidos, pueden clonar, experimentar y diseñar pilotos que conviertan ideas en sistemas que actúen con autonomía responsable.