IA Literacy Avanzado

Curso de nivel avanzado dirigido a profesionales que ya operan con autonomía e integran IA con criterio en su trabajo y en su equipo, y necesitan dar el salto a la escala organizativa y estratégica. El punto de partida es el diseño de estrategias de prompting, la integración de IA en flujos existentes y la capacidad de evaluar implementaciones con principios de uso responsable; el objetivo es operar como líder de la adopción de IA a nivel de organización: optimizar sistemas de prompting para uso consistente a escala, arquitecturar soluciones de IA y marcos de evaluación y gobernanza, liderar la gestión del cambio con planes diferenciados por perfil de stakeholder, evaluar críticamente riesgos emergentes, automatizar flujos complejos multi-herramienta y comunicar la estrategia de IA con autoridad ante el comité directivo, el equipo operativo y los interlocutores regulatorios. Al finalizar, el participante será capaz de diseñar y operar el sistema institucional de adopción de IA de una organización, con marco de gobernanza, evaluación de riesgos, plan de gestión del cambio y comunicación estratégica adaptada a cada audiencia.

Al finalizar el curso, el participante será capaz de:

• Optimizar un sistema de prompting para uso consistente a escala en un equipo u organización, documentando una biblioteca de plantillas reutilizables con criterios de calidad por tipo de tarea, proceso de iteración y métricas de efectividad que permitan evaluar y mejorar el sistema con el tiempo
• Arquitecturar una solución de IA para un caso de uso organizativo complejo, definiendo los componentes del sistema, las integraciones, los puntos de supervisión humana obligatoria y los criterios de éxito medibles, con una decisión de build vs buy justificada en función del contexto de la organización
• Diseñar un marco de evaluación sistemática de sistemas de IA en producción para una organización, definiendo métricas de negocio y de calidad del sistema, umbrales de alerta, frecuencia de revisión y protocolo de respuesta ante degradación o incidente
• Arquitecturar un marco de gobernanza de IA para una organización, incluyendo la clasificación de los sistemas de IA por nivel de riesgo con referencia al AI Act europeo, la definición de roles y responsabilidades, el proceso de aprobación de nuevos usos de IA y el mecanismo de auditoría periódica
• Liderar la gestión del cambio en una transformación organizativa impulsada por IA, anticipando fuentes de resistencia por perfil de stakeholder, diseñando el plan de comunicación y formación diferenciado por audiencia y definiendo métricas de adopción con hitos temporales
• Evaluar críticamente los riesgos emergentes del uso de IA generativa avanzada en una organización —incluyendo agentes autónomos, deepfakes, dependencia de proveedores y concentración de poder—, proponiendo salvaguardas anticipatorias concretas y viables para cada riesgo identificado
• Automatizar un flujo de trabajo profesional complejo encadenando múltiples herramientas de IA, definiendo el diseño de la integración, los puntos de control de calidad en cada transición y el protocolo de fallo cuando algún componente produce un output inadecuado
• Comunicar la estrategia de adopción de IA de una organización adaptando el mensaje, el nivel técnico y los argumentos a tres audiencias distintas —comité directivo, equipo operativo e interlocutor regulatorio—, anticipando las objeciones específicas de cada audiencia

1. Prompting organizativo y arquitectura de soluciones Diferencia entre prompting individual y sistema de prompting a escala; estructura de una biblioteca de plantillas: organización, criterios de calidad de entrada y métricas de efectividad en el tiempo; proceso de propuesta, validación y actualización de plantillas con roles definidos; arquitectura de soluciones de IA no técnicas: componentes, integraciones y relaciones; puntos de supervisión humana obligatoria y criterios de activación; decisión build vs buy: factores determinantes y cómo justificar la elección según el contexto organizativo

2. Evaluación y monitorización de sistemas en producción Distinción entre métricas de negocio y métricas de calidad del sistema; definición operativa de métricas: qué medir, cómo calcularlo, con qué frecuencia; umbrales de alerta que activan revisión urgente; protocolo diferenciado para degradación gradual detectada en revisión ordinaria e incidente crítico detectado por usuarios; responsable de la revisión ordinaria y escalado; monitoreo proactivo frente a respuesta reactiva como pilares complementarios del marco de evaluación

3. Gobernanza de IA y cumplimiento del AI Act Diferencia entre política de uso, marco de gobernanza y cumplimiento regulatorio; clasificación de sistemas de IA por nivel de riesgo según el AI Act (prohibido, alto riesgo, riesgo limitado, mínimo riesgo) con ejemplos por sector; obligaciones del desplegador frente a las del desarrollador en el AI Act; matriz de roles y responsabilidades para la gobernanza de IA; proceso de aprobación de nuevos usos de IA; mecanismo de auditoría periódica: qué se audita, con qué frecuencia y quién lo hace

4. Riesgos emergentes de IA generativa Taxonomía de riesgos emergentes: agentes autónomos con capacidad de acción, deepfakes y contenido sintético, dependencia de proveedor, concentración de poder y asimetría de información; diferencia entre riesgos ya presentes y riesgos que emergen con la adopción avanzada; análisis de probabilidad e impacto para cada categoría de riesgo; salvaguardas preventivas frente a salvaguardas de respuesta; priorización de salvaguardas por urgencia e impacto; casos reales de materialización de riesgos emergentes y lecciones aplicables

5. Gestión del cambio en transformaciones con IA Fuentes de resistencia al cambio por perfil de stakeholder: directivos, mandos intermedios, perfiles técnicos y equipos operativos con larga experiencia; diferencia entre resistencia activa y resistencia pasiva; diseño del plan de comunicación diferenciado por audiencia: qué mensaje, en qué formato y con qué frecuencia; plan de formación adaptado a distintos niveles de experiencia digital; métricas de adopción con hitos temporales y criterios de éxito; mecanismos de feedback del equipo durante el despliegue y proceso de ajuste de la estrategia

6. Automatización multi-herramienta y comunicación estratégica Diseño de flujos automatizados complejos: identificación de herramientas, relaciones y dependencias; puntos de control de calidad en cada transición: qué verificar y con qué criterio; árbol de decisión ante fallos: reintentar, escalar a humano, fallback o detener; trazabilidad y auditoría del flujo automatizado; comunicación estratégica de la adopción de IA ante tres audiencias: comité directivo (impacto de negocio, riesgo, decisión), equipo operativo (impacto en el trabajo diario, supervisión humana) e interlocutor regulatorio (cumplimiento del AI Act, controles y documentación); anticipación y respuesta a objeciones específicas de cada audiencia

• Dispositivo con acceso a internet (ordenador o portátil)
• Acceso a un asistente de IA conversacional para los ejercicios prácticos (ChatGPT, Claude, Microsoft Copilot u otro indicado por el docente — cuenta gratuita suficiente)
• Herramienta de edición de documentos para los entregables (Google Docs, Word o equivalente)
• Acceso a una herramienta de automatización de flujos de trabajo para el bloque 6, como modo libre de n8n, Zapier o Make (cuenta gratuita suficiente para los ejercicios de diseño)

→ IAL02 — IA Literacy Intermedio (Intermedio, 8h)

• Diseñar estrategias de prompting estructuradas para tareas profesionales complejas, aplicando técnicas como few-shot, chain-of-thought o role prompting y justificando la elección según el tipo de tarea
• Comparar herramientas de IA para una misma tarea profesional usando criterios explícitos (capacidades, limitaciones, coste, privacidad, integración) y justificar la elección con argumentos concretos
• Integrar herramientas de IA en un flujo de trabajo profesional existente, identificando qué pasos se automatizan, qué pasos requieren supervisión humana y dónde aparecen puntos de fricción o riesgo
• Diseñar un proceso de verificación sistemático de outputs de IA para un caso de uso profesional concreto, especificando qué comprobar, en qué orden y bajo qué condición se rechaza el output
• Evaluar el riesgo de sesgo en un sistema de IA ya desplegado, identificando el tipo de sesgo, su origen probable y proponiendo medidas de mitigación concretas
• Diseñar una política de uso de herramientas de IA generativa para un equipo, clasificando los tipos de información según su sensibilidad y estableciendo qué se puede compartir y bajo qué condiciones
• Comparar el impacto de distintas estrategias de adopción de IA sobre los roles, las habilidades requeridas y los procesos de un departamento concreto
• Evaluar una implementación de IA aplicando principios de uso responsable (transparencia, explicabilidad, equidad, supervisión humana), señalando incumplimientos y proponiendo mejoras concretas