Los Large Language Models (LLM) están transformando la forma en que desarrollamos aplicaciones, pero integrarlos en los sistemas empresariales y convertirlos en sistemas de agentes de IA puede resultar complicado. En la Codemotion Madrid 2026 prendimos, de manos de profesionales, cómo diseñar, desplegar y escalar soluciones basadas en LLMs dentro de entornos reales de producción.
En la charla «AI isn’t a Python-only diet Agentic AI with Spring joins the menu», que corrió a cargo de Raffaele Auriemma, Principal Software Architect en ERNI, explicó cómo Spring AI simplifica la integración de los LLM, facilitando, entre muchas otras funcionalidades, la conexión con diferentes proveedores con un esfuerzo mínimo y el cambio de modelos sin reescribir la lógica de negocio.
Contexto de la charla
Desde la explosión de ChatGPT en 2022, el ecosistema de la inteligencia artificial generativa ha crecido a una velocidad vertiginosa, y con él, la demanda de herramientas que permitan a los equipos de desarrollo incorporar estas capacidades sin abandonar sus stacks tecnológicos.
Porque sí, utilizar LLM para tareas básicas o de forma experimental está relativamente al alcance de cualquier equipo con acceso a una API y algo de Python. Pero convertir esos experimentos en sistemas robustos, mantenibles y escalables dentro de arquitecturas empresariales es otra historia.
A la mínima que se intenta construir algo con cara y ojos, empiezan a aflorar retos de todo tipo: integración, gobernanza, ciclo de vida del software, observabilidad, testing o compatibilidad con los sistemas legacy que ya llevan años en producción.
Y todo ello sin mencionar la presión de los equipos de negocios, que suelen pedir resultados “para ayer”, ni las restricciones de los departamentos de seguridad, que miran con lupa cualquier dato que salga hacia una API externa.
Y si hablamos de los propios LLM, la variedad de proveedores, modelos y versiones disponibles añade otra capa de complejidad nada desdeñable: hoy apuestas por un modelo, mañana aparece uno mejor, y pasado tienes que justificar por qué tu arquitectura no puede adaptarse sin reescribir código. Sin olvidarnos de las alucinaciones o las respuestas poco eficientes.
Y ahora empieza la era de los agentes de IA
Sin apenas tiempo para asimilar todo lo anterior, la industria ya está girando hacia un paradigma todavía más ambicioso: el de los agentes de IA.
Sistemas que no se limitan a responder preguntas o generar código, sino que razonan, planifican, toman decisiones y ejecutan acciones de forma autónoma.
Encadenan tareas complejas en flujos de trabajo que pueden extenderse durante minutos, horas o incluso días, interactuando con herramientas externas, bases de datos, APIs y otros agentes sin intervención humana constante.
Y aquí es precisamente donde el ecosistema Java, y Spring en particular, tiene mucho que decir. Décadas construyendo software empresarial, patrones de integración, inyección de dependencias, gestión del ciclo de vida de los componentes, seguridad, observabilidad… todo ese bagaje se convierte en la base sobre la que construir algo nuevo, más capaz y, sobre todo, más fiable.
Hablamos de Spring AI, una apuesta decidida por llevar la IA agentica al territorio donde Java lleva décadas siendo imbatible: sistemas de misión crítica, integraciones complejas y arquitecturas donde no hay lugar para el error.
La charla
Es en ese contexto donde la charla de Raffaele Auriemma, Principal Software Architect en ERNI, cobraba todo su sentido: no se trataba de una demostración de laboratorio ni de un caso de uso simplificado para la ocasión, sino de una exploración honesta de cómo construir sistemas agénticos reales con Spring AI, capaces de emplear diferentes LLM sin necesidad de cambiar la lógica de negocio.
Los asistentes aprendieron, durante la sesión del lunes 20 de abril de 2026, en la Room 5, a crear agentes inteligentes capaces de razonar, actuar e interactuar utilizando herramientas y flujos de trabajo. También se abordó la Retrieval-Augmented Generation (RAG) para enriquecer las respuestas de los modelos y reducir las alucinaciones al basar los resultados en datos propios, y se vio cómo el Model Context Protocol (MCP) permitía una interoperabilidad fluida entre los servicios de IA y los sistemas existentes.
A través de ejemplos prácticos, se mostró cómo diseñar e implementar aplicaciones listas para producción, sensibles al contexto e impulsadas por agentes utilizando Spring AI.
Para poner estas ideas en contexto, se presentó un asistente de reservas de hotel. Este caso de uso se ha implementado como una prueba de concepto y su código fuente está disponible como demostración en el repositorio de ERNI Academy:
https://github.com/ERNI-Academy/spring-ai-hotel-booking
Este sistema combina múltiples capacidades:
- Interacción conversacional
- Memoria contextual
- RAG para la recuperación de conocimiento
- Integración de herramientas para la ejecución de acciones
- Mecanismos de seguridad (guardrails)
Esto demuestra cómo Spring AI puede utilizarse para construir soluciones completas, más allá de experimentos aislados.
El ponente: Raffaele Auriemma, Principal Software Architect at ERNI
Raffaele Auriemma vive en Barcelona y es Principal Software Architect en ERNI. Cuenta con más de 20 años de experiencia en el diseño y la implementación de soluciones de nivel empresarial en los sectores de la tecnología médica, el comercio minorista, la banca y las telecomunicaciones. Está especializado en tecnologías Java, arquitecturas modernas de microservicios y el cumplimiento de la normativa sobre productos sanitarios. Apasionado por el uso de la tecnología para mejorar la eficiencia y la innovación en el ámbito sanitario, se desenvuelve a la perfección en entornos colaborativos que valoran la calidad, la creatividad y el impacto.
