7 proyectos de IA para armar tu portafolio

Siete ejercicios con IA para practicar y mostrar en tu portafolio: búsqueda con tus documentos, automatización, evaluación de modelos y más.

Para conseguir un primer trabajo con IA, un portafolio con proyectos chicos y terminados pesa más que una lista de cursos. Estas siete ideas son ejercicios para practicar: no son encargos ni ofertas de empleo, no tienen presupuesto y no los contrata nadie. Sirven para aprender haciendo y para tener algo concreto que mostrar.

Cada idea dice qué practicas, qué tendrías que entregar y cómo saber si quedó bien. Los criterios son sugerencias nuestras para que mejores: no son un estándar de la industria. Si quieres saber qué aprender primero, mira antes qué perfiles de IA se buscan en 2026.

Cómo elegir y cómo mostrarlo

• Uno solo, terminado, vale más que cinco a medias. Elige el que se parezca al rol que quieres.
• Con tus propios datos: documentos tuyos, apuntes, recetas, lo que sea que puedas compartir. No uses datos de otras personas ni información confidencial.
• Muéstralo bien: repositorio ordenado, un README que explique en lenguaje simple qué hace, cómo se prueba y qué límites tiene. Si puedes, suma una demo en video. La guía del primer trabajo en IT explica cómo presentarlo.

1. Un buscador sobre tus propios documentos (RAG)

Qué practicas: guardar texto como vectores y buscar por significado, y no únicamente por palabras. pgvector es una extensión de código abierto que agrega búsqueda de vectores a Postgres, con índices como HNSW e IVFFlat.

• Entregable: una app que responde preguntas sobre 20 o 30 documentos tuyos y muestra de qué documento sacó cada respuesta.
• Cómo saber si quedó bien: arma 20 preguntas con la respuesta correcta conocida y cuenta cuántas acierta. Anota cuáles falla y por qué.

2. Un flujo que clasifica mensajes con n8n

Qué practicas: automatizar un proceso real. n8n es una herramienta de automatización que se puede instalar en tu propio servidor y combina flujos con funciones de IA.

• Entregable: un flujo que recibe mensajes, los clasifica con un modelo (consulta, reclamo, venta) y los guarda en una planilla o base de datos, con una regla que mande a una persona lo que el modelo no sabe clasificar.
• Cómo saber si quedó bien: pruébalo con 50 mensajes inventados por ti y anota cuántos clasificó bien y qué hace cuando duda.

Si todavía no elegiste herramienta, mira la comparativa de Make, n8n y Zapier.

3. Medir cuánto se equivoca un modelo

Qué practicas: evaluar en vez de “probar a ojo”. Ragas es una librería para pasar de las “pruebas a ojo” a evaluaciones sistemáticas de aplicaciones con modelos de lenguaje.

• Entregable: un conjunto de 30 a 50 preguntas con casos difíciles (preguntas trampa, datos que no están en los documentos) y un script que las corra y guarde los resultados.
• Cómo saber si quedó bien: que puedas cambiar un prompt y ver, con números, si mejoró o empeoró. Si vienes de testing, es una salida natural: mira QA manual vs QA automation.

4. De un PDF a datos ordenados

Qué practicas: programación de servicios web y salida estructurada: tomar un documento desordenado (una factura, un recibo, un contrato) y devolver los datos en un formato fijo.

• Entregable: una API que recibe un PDF o una imagen y devuelve un JSON con campos como fecha, monto y proveedor, con reintentos si el servicio del modelo falla y una documentación clara.
• Cómo saber si quedó bien: usa 20 documentos de ejemplo (de tu propia vida o inventados), revisa a mano los campos y calcula el porcentaje de aciertos por campo.

5. Un tablero del consumo de tu app con IA

Qué practicas: frontend, gráficos y costos. Los modelos cobran por uso; ver cuánto gastas por día es una necesidad real de cualquier equipo.

• Entregable: un panel con gráficos de uso por día, costo acumulado y filtros por modelo, que funcione en celular y en computadora, con tema claro y oscuro.
• Cómo saber si quedó bien: que se vea bien sin scroll horizontal, que se entienda sin explicación y que cumpla con los contrastes de accesibilidad (el sitio usa WCAG AA como referencia).

6. Tu propio servidor de modelos

Qué practicas: poner un modelo a funcionar fuera de una página web. vLLM es una librería para servir modelos y trae un servidor compatible con la API de OpenAI, así que puedes usarlo con las mismas herramientas.

• Entregable: un modelo abierto corriendo en un contenedor, con una clave de acceso y un límite de pedidos, y un README con cómo instalarlo.
• Cómo saber si quedó bien: que otra persona lo levante siguiendo tu README sin preguntarte nada. Para ver qué equipo necesitas, lee qué PC sirve para correr IA local.

7. Pruebas automáticas para un chatbot

Qué practicas: calidad y automatización. Playwright es un framework de pruebas de extremo a extremo que funciona con Node.js (TypeScript o JavaScript), Python, Java y .NET.

• Entregable: una suite que abra un chatbot (el tuyo o uno de práctica), converse con él y verifique que las respuestas sean razonables, en computadora y en celular.
• Cómo saber si quedó bien: que corra sola en cada cambio del código y que no falle al azar. Es un buen proyecto para sumar a la guía de QA.

Si todavía estás aprendiendo lo básico, empieza por la ruta gratis para aprender Python o por aprender a programar con IA, y vuelve aquí cuando tengas la base.

Preguntas frecuentes

¿Estos proyectos son ofertas de trabajo? No. Son ejercicios para practicar y mostrar en tu portafolio. Para ofertas reales, mira la bolsa de oportunidades.

¿Cuánto tarda cada uno? Depende de tu nivel y de cuánto tiempo le dediques. Un proyecto chico y terminado vale más que uno grande que nunca se termina; empieza por la versión más simple.

¿Necesito pagar algo para hacerlos? Muchas de estas herramientas se pueden usar gratis para practicar o instalar en tu computadora, pero los servicios de modelos en la nube suelen cobrar por uso. Revisa los precios vigentes antes de empezar.

¿Qué lenguaje uso? Python sirve para casi todos. El proyecto 5 es de frontend (JavaScript o TypeScript) y el 7 funciona con varios lenguajes.

¿Puedo usar IA para escribir el código? Sí, es una práctica común. Lo importante es que entiendas lo que subes a tu portafolio y puedas explicarlo en una entrevista.

¿Cómo sé que mi portafolio está listo? Si una persona que no te conoce puede entender qué hace cada proyecto y probarlo en pocos minutos, está listo.