IA Generativa — Iniciación

Este curso está dirigido a profesionales sin experiencia previa en inteligencia artificial que quieran comprender qué es la IA generativa, cómo funciona y cuándo tiene sentido aplicarla. A lo largo de seis horas, el alumno recorrerá los conceptos fundamentales del paradigma generativo —diferenciándolo del discriminativo—, conocerá las principales modalidades existentes (texto, imagen, audio, código y multimodal) y entenderá el mecanismo interno de los modelos de lenguaje de gran escala (LLM). También aprenderá a comparar las técnicas de adaptación más habituales, como RAG y fine-tuning, y a evaluar con criterio cuándo una solución de IA generativa está justificada frente a alternativas más simples. El curso cierra con un bloque dedicado a los riesgos éticos y de privacidad inherentes a estas tecnologías y a las medidas básicas para mitigarlos. Al finalizar, el alumno será capaz de orientar decisiones iniciales sobre el uso de IA generativa en su contexto profesional con fundamento técnico y responsabilidad.

1. Distinguir el paradigma de la IA generativa del de la IA discriminativa, explicando la diferencia de objetivo entre ambos y clasificando correctamente sistemas reales en uno u otro tipo.
2. Identificar las principales modalidades de IA generativa y seleccionar la más adecuada para un caso de uso concreto, argumentando la elección.
3. Explicar qué es un modelo de lenguaje de gran escala, describir cómo genera texto mediante la predicción del token siguiente y diferenciar los conceptos de token, contexto y temperatura en términos funcionales.
4. Distinguir entre RAG y fine-tuning como técnicas de adaptación de LLMs, identificar el tipo de problema que cada una resuelve y elegir la más apropiada ante un escenario dado.
5. Evaluar si un problema concreto justifica el uso de IA generativa o si puede resolverse con una solución más sencilla, reconociendo los indicadores que orientan esa decisión en un sentido u otro.
6. Identificar los principales riesgos éticos y de privacidad asociados a soluciones de IA generativa —alucinaciones, sesgos, exposición de datos, derechos de autor y uso malintencionado— y proponer medidas básicas de mitigación para cada uno.

Bloque 1 · El paradigma generativo El curso arranca estableciendo la distinción fundamental entre IA discriminativa e IA generativa: mientras la primera aprende a clasificar o etiquetar datos existentes, la segunda aprende a crear contenido nuevo. Se trabaja esta diferencia con ejemplos propios que permitan al alumno clasificar sistemas reales de forma autónoma. A continuación se presenta el mapa de modalidades generativas —texto, imagen, audio, código y sistemas multimodales—, con casos de uso representativos de cada una y criterios para seleccionar la modalidad más adecuada a un problema concreto.

Bloque 2 · Cómo funciona un modelo de lenguaje Este bloque abre el capó de los Large Language Models. Se explica qué es un LLM, cómo genera texto prediciendo el token más probable en cada paso y qué papel juegan conceptos clave como el token, la ventana de contexto y el parámetro de temperatura. El objetivo es que el alumno maneje estos términos en conversaciones técnicas y de negocio sin necesidad de conocimientos matemáticos previos.

Bloque 3 · Adaptar un LLM: RAG frente a fine-tuning Cuando un modelo de propósito general no basta, existen dos grandes estrategias de adaptación. En este bloque se comparan en profundidad la Generación Aumentada por Recuperación (RAG) y el ajuste fino (fine-tuning): qué problema resuelve cada una, en qué condiciones es preferible una sobre la otra y cómo reconocer el tipo de necesidad que determina la elección.

Bloque 4 · Criterio de uso y responsabilidad El curso cierra con dos capacidades de orden integrador. Primero, el alumno aprende a evaluar si un problema justifica realmente recurrir a IA generativa o si una búsqueda avanzada, un sistema de reglas o una automatización clásica serían suficientes y más eficientes. Segundo, se abordan los principales riesgos éticos y de privacidad de estas tecnologías —alucinaciones, sesgos algorítmicos, exposición de datos personales, conflictos de derechos de autor y posibles usos malintencionados— junto con las medidas de mitigación básicas que cualquier profesional debería conocer antes de desplegar o promover una solución generativa.

• Ordenador con acceso a internet y navegador web actualizado (Chrome, Firefox, Edge o Safari en versiones recientes).
• Acceso a una cuenta en al menos una plataforma de IA generativa de uso libre (por ejemplo, ChatGPT, Gemini o Claude) para las actividades prácticas guiadas.
• No se requiere instalación de software adicional ni entorno de programación.

Al tratarse de un curso de nivel Iniciación, no se requieren conocimientos previos en inteligencia artificial, programación ni estadística. Es recomendable un manejo básico de herramientas digitales y familiaridad con conceptos generales de tecnología en el entorno profesional.