Formación
14 IA
Descripción
Convocatoria: Curso de IA Estratégica que combina gobernanza, preparación organizativa y alfabetización en inteligencia artificial. Aprende a implementar IA de forma responsable, ética y con impacto real en tu organización.
Temática de la actividad
Administrativa || Ofimática || Gestión de proyectos y tareas || IASkills que se desarrollarán en el curso
Aplicar una estrategia eficaz para el uso responsable de la inteligencia artificial || Establecer políticas roles y estructuras para gobernar la IA dentro de una organización || Detectar y mitigar riesgos técnicos éticos sociales y regulatorios asociados al uso de IA || Diseñar pilotos de IA realistas escalables y alineados con los objetivos empresariales || Evaluar el nivel de madurez de una organización en cuanto a adopción de IA || Promover una cultura organizativa abierta al cambio la innovación y el pensamiento crítico || Analizar el impacto real de la IA en procesos equipos y decisiones || Dominar conceptos clave como trazabilidad explicabilidad y supervisión humana || Implementar marcos regulatorios como el AI Act y adaptar prácticas según el contexto || Convertirse en un referente en el uso consciente ético y estratégico de la IA en el entorno profesional
Precio
260,00 €
Duración Teórica
35 horas
Disponibilidad horaria
Sin restricciones horarias
Observaciones
IA Estratégica: visión, adopción y control responsable
El curso de IA Estratégica es una formación integral diseñada para ayudarte a entender, aplicar y controlar el uso de la inteligencia artificial en organizaciones reales. Combina tres pilares esenciales, Gobernanza, Preparación Organizativa y Alfabetización Crítica, para ofrecer una visión 360º del uso responsable, ético y operativo de la IA y alinearla con los objetivos del negocio.
Gobernanza y regulación en proyectos de IA Estratégica
Aprenderás a diseñar marcos de gobierno adaptados a cada tipo de sistema, con políticas claras, estructuras organizativas eficaces y controles que se aplican desde el diseño hasta la supervisión de modelos. Estudiarás cómo afecta la IA a distintos sectores, cómo evaluar su impacto y cómo alinear su uso con la estrategia de negocio. Todo ello teniendo en cuenta la regulación vigente, como el Reglamento Europeo de IA (AI Act), la GDPR y los marcos regulatorios internacionales.
Preparación organizativa y adopción estratégica de la inteligencia artificial
Además, el curso te enseña a evaluar si tu organización está realmente preparada para adoptar IA. Verás cómo identificar frenos, alinear equipos, generar cultura, gestionar los datos necesarios y escalar iniciativas de manera controlada. Aprenderás a usar modelos de madurez organizativa, medir el retorno de proyectos de IA y gestionar el cambio de forma sostenible, explorarás herramientasw de diagnóstico y casos reales que ilustran tanto el éxito como los errores comunes en este proceso.
Alfabetización crítica y control humano en sistemas de IA
También desarrollarás una mirada crítica sobre la inteligencia artificial, aprenderás a identificar errores de los modelos, comprender los límites del aprendizaje automático y establecer prácticas para mantener el control humano en la toma de decisiones automatizadas. Todo ello con un enfoque claro, práctico y actualizado.
Aprende a transformar la IA en una ventaja competitiva real, con responsabilidad, estrategia y criterio profesional.
Curso bonificable por FUNDAE para empresas.
El curso de IA Estratégica es una formación integral diseñada para ayudarte a entender, aplicar y controlar el uso de la inteligencia artificial en organizaciones reales. Combina tres pilares esenciales, Gobernanza, Preparación Organizativa y Alfabetización Crítica, para ofrecer una visión 360º del uso responsable, ético y operativo de la IA y alinearla con los objetivos del negocio.
Gobernanza y regulación en proyectos de IA Estratégica
Aprenderás a diseñar marcos de gobierno adaptados a cada tipo de sistema, con políticas claras, estructuras organizativas eficaces y controles que se aplican desde el diseño hasta la supervisión de modelos. Estudiarás cómo afecta la IA a distintos sectores, cómo evaluar su impacto y cómo alinear su uso con la estrategia de negocio. Todo ello teniendo en cuenta la regulación vigente, como el Reglamento Europeo de IA (AI Act), la GDPR y los marcos regulatorios internacionales.
Preparación organizativa y adopción estratégica de la inteligencia artificial
Además, el curso te enseña a evaluar si tu organización está realmente preparada para adoptar IA. Verás cómo identificar frenos, alinear equipos, generar cultura, gestionar los datos necesarios y escalar iniciativas de manera controlada. Aprenderás a usar modelos de madurez organizativa, medir el retorno de proyectos de IA y gestionar el cambio de forma sostenible, explorarás herramientasw de diagnóstico y casos reales que ilustran tanto el éxito como los errores comunes en este proceso.
Alfabetización crítica y control humano en sistemas de IA
También desarrollarás una mirada crítica sobre la inteligencia artificial, aprenderás a identificar errores de los modelos, comprender los límites del aprendizaje automático y establecer prácticas para mantener el control humano en la toma de decisiones automatizadas. Todo ello con un enfoque claro, práctico y actualizado.
Aprende a transformar la IA en una ventaja competitiva real, con responsabilidad, estrategia y criterio profesional.
Curso bonificable por FUNDAE para empresas.
Programa
I.
AI Governance: fundamentos para el gobierno de la IA
1.
Introducción al Gobierno de la IA
1.1
¿Qué podemos considerar Inteligencia Artificial?
1.2
¿Qué es gobernar la IA?
1.3
IA generativa vs IA clásica
1.4
Papel de la IA en el negocio y las operaciones
1.5
IA en operaciones reales y por qué es diferente a otros sistemas
1.6
Consejo práctico: No toda IA necesita lo mismo; ajusta la gobernanza según el nivel de riesgo
2.
Ciclo de Vida de IA: Gobernanza paso a paso
2.1
Diseño responsable desde la fase inicial
2.2
Desarrollo y validación técnica y ética
2.3
Despliegue controlado y supervisión
2.4
Mantenimiento, actualización y retirada de modelos
2.5
Controles y validaciones en cada etapa
2.6
Consejo práctico: Define checkpoints obligatorios entre fases
3.
Gobierno de los Datos de IA
3.1
Origen y licencias de los datos de entrenamiento
3.2
Sesgo en los datos y técnicas de mitigación
3.3
Consentimiento, protección de datos y trazabilidad
3.4
Validación y supervisión del modelo desde los datos
3.5
Consejo práctico: Exige justificación documentada de los conjuntos de entrenamiento
4
Riesgos inherentes a la IA
4.1
Riesgos para la seguridad y el control operacional
4.2
Riesgos éticos, sociales y legales
4.3
Discriminación algorítmica y falta de explicabilidad
4.4
Riesgos reputacionales y de cumplimiento normativo
4.5
Estrategias para detectar y gestionar sesgos
4.6
Consejo práctico: Define criterios éticos simples que se apliquen desde el inicio.
5.
Regulación y cumplimiento
5.1
Normativas existentes que afectan a la IA (GDPR, etc.)
5.2
Reglamento Europeo de IA (AI Act): categorías de riesgo y obligaciones
5.3
Regulaciones en Estados Unidos: enfoque descentralizado
5.4
Regulación en China: requisitos técnicos y control estatal
5.5
Cómo cumplir sin frenar la innovación
5.6
Consejo práctico: Documentar bien es el primer paso hacia el cumplimiento
6.
Estructura organizativa y stakeholders
6.1
Roles clave en el gobierno de la IA: AI Officer, TI, negocio, legal
6.2
Integración con estructuras existentes de gobernanza de datos y TI
6.3
Stakeholders internos clave: DPO, ciberseguridad, ESG, compliance, compras
6.4
Flujo de decisiones, conflictos y coordinación transversal
6.5
Consejo práctico: Fomenta revisiones cruzadas; los modelos no son solo técnicos
7.
Guía de implementación rápida
7.1
Cómo redactar políticas, requisitos y guías internas de IA
7.2
Control de versiones, registros y decisiones justificadas
7.3
Uso de plantillas, registros mínimos y checklist operativo
7.4
Consejo práctico: Usa plantillas estándar para evitar depender de expertos externos.
8.
Casos de uso por dominio
8.1
Sector financiero: IA en scoring y cumplimiento normativo
8.2
Sector salud: explicabilidad y seguridad en modelos de diagnóstico
8.3
IA generativa: control de contenido, riesgos legales y reputación
8.4
Sector público: transparencia y trazabilidad algorítmica en decisiones automatizadas
II.
AI Readines
1.
Introducción
1.1
¿Por qué importa estar preparado para la IA?
1.2
Un nuevo contexto competitivo impulsado por la IA
2.
El impacto real de la IA en las organizaciones
2.1
Cómo está transformando la IA los modelos de negocio
2.2
Casos de uso por sector
2.3
Beneficios, riesgos y retorno estratégico
3.
Evaluación inicial: ¿estás listo?
3.1
Diagnóstico de madurez organizativa
3.2
Factores habilitadores y frenos comunes
3.3
Cómo interpretar el resultado de una autoevaluación
4.
Fundamentos de AI Readiness y madurez
4.1
El modelo de madurez de Gartner para IA
4.2
Principios de una IA responsable
4.3
Claves para preparar la organización sin necesidad de hipertecnificación
4.4
Qué datos necesita la IA y qué riesgos existen si faltan o no son fiables
5.
Personas y cultura de adopción
5.1
Perfiles clave para escalar la IA
5.2
Equipos interdisciplinares: negocio, datos y tecnología
5.3
Cultura de prueba, aprendizaje y confianza
5.4
Gestión del cambio para una IA sostenible
6.
Preparar, probar, escalar y medir
6.1
Primeros pasos: pilotos y casos acotados
6.2
Iteración y evaluación de resultados
6.3
Cómo escalar sin perder el control
6.4
Medir el ROI de la IA: enfoque estratégico y sostenido
7.
Gobernanza de la IA: marcos y responsabilidades
7.1
Estructuras de decisión, comités éticos y auditorías
7.2
Alineamiento con los objetivos de negocio
8.
Casos prácticos y cierre
8.1
Checklist final de readiness
8.2
Caso 1: preparación progresiva en una pyme del sector retail
8.3
Caso 2: adopción estratégica en una gran empresa industrial
8.4
Caso 3: cómo no preparar una organización (error y aprendizaje)
8.5
Análisis comparativo: qué funcionó, qué no y por qué
III.
AI Literacy
1.
Comprender qué es la IA y por qué importa
1.1
Qué significa estar alfabetizado en IA: capacidades, límites y mitos
1.2
Cómo la IA transforma el trabajo, la sociedad y la toma de decisiones
1.3
IA generativa: qué aporta, qué riesgos introduce y cómo se diferencia de otras formas de IA
2.
Aplicaciones reales de IA en el trabajo y la vida cotidiana
2.1
Casos de uso actuales: salud, educación, administración, industria, cultura
2.2
Herramientas con IA que ya estás usando: asistentes, generación de texto, imagen y automatización
2.3
Cómo se integra la IA en el flujo de trabajo sin que te des cuenta
2.4
Qué competencias digitales y organizativas requiere la adopción de IA
3.
Cómo colaborar con sistemas de IA manteniendo el control humano
3.1
Qué tareas pueden automatizarse y cuáles deben seguir siendo humanas
3.2
Modelos de colaboración humano-IA: qué es y qué no es una decisión asistida
3.3
Cómo evitar la dependencia ciega: control significativo, supervisión y revisión crítica
3.4
Buenas prácticas para equipos que trabajan con herramientas de IA
4.
Riesgos reales del uso de IA y cómo evaluarlos
4.1
Cómo detectar sesgos, errores y alucinaciones en sistemas de IA
4.2
Privacidad, vigilancia y desinformación: riesgos éticos del uso cotidiano
4.3
Cuándo conviene no usar IA: ejemplos de usos inapropiados o inseguros
4.4
Introducción a la evaluación del impacto ético y social de un sistema de IA
5.
Principios de ética y responsabilidad en inteligencia artificial
5.1
Pilares de la IA responsable I: transparencia, explicabilidad y equidad
5.2
Pilares de la IA responsable II: diseño ético, consentimiento, trazabilidad y control humano
5.3
Cómo aplicar la ética de los datos en sistemas que recolectan o generan información
5.4
Casos concretos donde la falta de ética ha generado consecuencias legales o reputacionales
6.
Normativa vigente, gobernanza y cultura organizativa
6.1
Qué exige el AI Act europeo: principios, niveles de riesgo y obligaciones según el uso
6.2
Cómo crear una política de uso responsable de IA en tu organización
6.3
Roles y responsabilidades internas para garantizar el cumplimiento ético y legal
6.4
Cómo fomentar una cultura digital crítica: formación continua, transparencia y rendición de cuentas
7.
Casos prácticos, simulaciones y herramientas aplicables
7.1
Estudio de casos reales de éxito y fracaso en la implementación de IA
7.2
Simulación guiada: toma de decisiones frente a un dilema ético con IA generativa
7.3
Cómo diseñar una plantilla de política interna de uso de IA adaptada a tu entorno
7.4
Checklist para evaluar la madurez ética, organizativa y normativa del uso de IA
AI Governance: fundamentos para el gobierno de la IA
1.
Introducción al Gobierno de la IA
1.1
¿Qué podemos considerar Inteligencia Artificial?
1.2
¿Qué es gobernar la IA?
1.3
IA generativa vs IA clásica
1.4
Papel de la IA en el negocio y las operaciones
1.5
IA en operaciones reales y por qué es diferente a otros sistemas
1.6
Consejo práctico: No toda IA necesita lo mismo; ajusta la gobernanza según el nivel de riesgo
2.
Ciclo de Vida de IA: Gobernanza paso a paso
2.1
Diseño responsable desde la fase inicial
2.2
Desarrollo y validación técnica y ética
2.3
Despliegue controlado y supervisión
2.4
Mantenimiento, actualización y retirada de modelos
2.5
Controles y validaciones en cada etapa
2.6
Consejo práctico: Define checkpoints obligatorios entre fases
3.
Gobierno de los Datos de IA
3.1
Origen y licencias de los datos de entrenamiento
3.2
Sesgo en los datos y técnicas de mitigación
3.3
Consentimiento, protección de datos y trazabilidad
3.4
Validación y supervisión del modelo desde los datos
3.5
Consejo práctico: Exige justificación documentada de los conjuntos de entrenamiento
4
Riesgos inherentes a la IA
4.1
Riesgos para la seguridad y el control operacional
4.2
Riesgos éticos, sociales y legales
4.3
Discriminación algorítmica y falta de explicabilidad
4.4
Riesgos reputacionales y de cumplimiento normativo
4.5
Estrategias para detectar y gestionar sesgos
4.6
Consejo práctico: Define criterios éticos simples que se apliquen desde el inicio.
5.
Regulación y cumplimiento
5.1
Normativas existentes que afectan a la IA (GDPR, etc.)
5.2
Reglamento Europeo de IA (AI Act): categorías de riesgo y obligaciones
5.3
Regulaciones en Estados Unidos: enfoque descentralizado
5.4
Regulación en China: requisitos técnicos y control estatal
5.5
Cómo cumplir sin frenar la innovación
5.6
Consejo práctico: Documentar bien es el primer paso hacia el cumplimiento
6.
Estructura organizativa y stakeholders
6.1
Roles clave en el gobierno de la IA: AI Officer, TI, negocio, legal
6.2
Integración con estructuras existentes de gobernanza de datos y TI
6.3
Stakeholders internos clave: DPO, ciberseguridad, ESG, compliance, compras
6.4
Flujo de decisiones, conflictos y coordinación transversal
6.5
Consejo práctico: Fomenta revisiones cruzadas; los modelos no son solo técnicos
7.
Guía de implementación rápida
7.1
Cómo redactar políticas, requisitos y guías internas de IA
7.2
Control de versiones, registros y decisiones justificadas
7.3
Uso de plantillas, registros mínimos y checklist operativo
7.4
Consejo práctico: Usa plantillas estándar para evitar depender de expertos externos.
8.
Casos de uso por dominio
8.1
Sector financiero: IA en scoring y cumplimiento normativo
8.2
Sector salud: explicabilidad y seguridad en modelos de diagnóstico
8.3
IA generativa: control de contenido, riesgos legales y reputación
8.4
Sector público: transparencia y trazabilidad algorítmica en decisiones automatizadas
II.
AI Readines
1.
Introducción
1.1
¿Por qué importa estar preparado para la IA?
1.2
Un nuevo contexto competitivo impulsado por la IA
2.
El impacto real de la IA en las organizaciones
2.1
Cómo está transformando la IA los modelos de negocio
2.2
Casos de uso por sector
2.3
Beneficios, riesgos y retorno estratégico
3.
Evaluación inicial: ¿estás listo?
3.1
Diagnóstico de madurez organizativa
3.2
Factores habilitadores y frenos comunes
3.3
Cómo interpretar el resultado de una autoevaluación
4.
Fundamentos de AI Readiness y madurez
4.1
El modelo de madurez de Gartner para IA
4.2
Principios de una IA responsable
4.3
Claves para preparar la organización sin necesidad de hipertecnificación
4.4
Qué datos necesita la IA y qué riesgos existen si faltan o no son fiables
5.
Personas y cultura de adopción
5.1
Perfiles clave para escalar la IA
5.2
Equipos interdisciplinares: negocio, datos y tecnología
5.3
Cultura de prueba, aprendizaje y confianza
5.4
Gestión del cambio para una IA sostenible
6.
Preparar, probar, escalar y medir
6.1
Primeros pasos: pilotos y casos acotados
6.2
Iteración y evaluación de resultados
6.3
Cómo escalar sin perder el control
6.4
Medir el ROI de la IA: enfoque estratégico y sostenido
7.
Gobernanza de la IA: marcos y responsabilidades
7.1
Estructuras de decisión, comités éticos y auditorías
7.2
Alineamiento con los objetivos de negocio
8.
Casos prácticos y cierre
8.1
Checklist final de readiness
8.2
Caso 1: preparación progresiva en una pyme del sector retail
8.3
Caso 2: adopción estratégica en una gran empresa industrial
8.4
Caso 3: cómo no preparar una organización (error y aprendizaje)
8.5
Análisis comparativo: qué funcionó, qué no y por qué
III.
AI Literacy
1.
Comprender qué es la IA y por qué importa
1.1
Qué significa estar alfabetizado en IA: capacidades, límites y mitos
1.2
Cómo la IA transforma el trabajo, la sociedad y la toma de decisiones
1.3
IA generativa: qué aporta, qué riesgos introduce y cómo se diferencia de otras formas de IA
2.
Aplicaciones reales de IA en el trabajo y la vida cotidiana
2.1
Casos de uso actuales: salud, educación, administración, industria, cultura
2.2
Herramientas con IA que ya estás usando: asistentes, generación de texto, imagen y automatización
2.3
Cómo se integra la IA en el flujo de trabajo sin que te des cuenta
2.4
Qué competencias digitales y organizativas requiere la adopción de IA
3.
Cómo colaborar con sistemas de IA manteniendo el control humano
3.1
Qué tareas pueden automatizarse y cuáles deben seguir siendo humanas
3.2
Modelos de colaboración humano-IA: qué es y qué no es una decisión asistida
3.3
Cómo evitar la dependencia ciega: control significativo, supervisión y revisión crítica
3.4
Buenas prácticas para equipos que trabajan con herramientas de IA
4.
Riesgos reales del uso de IA y cómo evaluarlos
4.1
Cómo detectar sesgos, errores y alucinaciones en sistemas de IA
4.2
Privacidad, vigilancia y desinformación: riesgos éticos del uso cotidiano
4.3
Cuándo conviene no usar IA: ejemplos de usos inapropiados o inseguros
4.4
Introducción a la evaluación del impacto ético y social de un sistema de IA
5.
Principios de ética y responsabilidad en inteligencia artificial
5.1
Pilares de la IA responsable I: transparencia, explicabilidad y equidad
5.2
Pilares de la IA responsable II: diseño ético, consentimiento, trazabilidad y control humano
5.3
Cómo aplicar la ética de los datos en sistemas que recolectan o generan información
5.4
Casos concretos donde la falta de ética ha generado consecuencias legales o reputacionales
6.
Normativa vigente, gobernanza y cultura organizativa
6.1
Qué exige el AI Act europeo: principios, niveles de riesgo y obligaciones según el uso
6.2
Cómo crear una política de uso responsable de IA en tu organización
6.3
Roles y responsabilidades internas para garantizar el cumplimiento ético y legal
6.4
Cómo fomentar una cultura digital crítica: formación continua, transparencia y rendición de cuentas
7.
Casos prácticos, simulaciones y herramientas aplicables
7.1
Estudio de casos reales de éxito y fracaso en la implementación de IA
7.2
Simulación guiada: toma de decisiones frente a un dilema ético con IA generativa
7.3
Cómo diseñar una plantilla de política interna de uso de IA adaptada a tu entorno
7.4
Checklist para evaluar la madurez ética, organizativa y normativa del uso de IA
Objetivos
-Aplicar una estrategia eficaz para el uso responsable de la inteligencia artificial
-Establecer políticas, roles y estructuras para gobernar la IA dentro de una organización
-Detectar y mitigar riesgos técnicos, éticos, sociales y regulatorios asociados al uso de IA
-Diseñar pilotos de IA realistas, escalables y alineados con los objetivos empresariales
-Evaluar el nivel de madurez de una organización en cuanto a adopción de IA
-Promover una cultura organizativa abierta al cambio, la innovación y el pensamiento crítico
-Analizar el impacto real de la IA en procesos, equipos y decisiones
-Dominar conceptos clave como trazabilidad, explicabilidad y supervisión humana
-Implementar marcos regulatorios como el AI Act y adaptar prácticas según el contexto
-Convertirse en un referente en el uso consciente, ético y estratégico de la IA en el entorno profesional
-Establecer políticas, roles y estructuras para gobernar la IA dentro de una organización
-Detectar y mitigar riesgos técnicos, éticos, sociales y regulatorios asociados al uso de IA
-Diseñar pilotos de IA realistas, escalables y alineados con los objetivos empresariales
-Evaluar el nivel de madurez de una organización en cuanto a adopción de IA
-Promover una cultura organizativa abierta al cambio, la innovación y el pensamiento crítico
-Analizar el impacto real de la IA en procesos, equipos y decisiones
-Dominar conceptos clave como trazabilidad, explicabilidad y supervisión humana
-Implementar marcos regulatorios como el AI Act y adaptar prácticas según el contexto
-Convertirse en un referente en el uso consciente, ético y estratégico de la IA en el entorno profesional
Cursos de TRAINING IT
Aprende a usar ChatGPT para seleccionar candidatos, evaluar el desempeño, resolver dudas de nómina y diseñar formaciones. Un curso práctico para profesionales de RRHH que quieran aplicar la IA a las t...
Aprende a planificar clases, crear contenidos y dar feedback con ChatGPT, Claude y Gemini, y a usar agentes de IA aplicados a la educación. Un curso práctico para docentes y formadores que quieran apl...
Aprende a crear, personalizar y automatizar asistentes de IA con ChatGPT, Gemini y Claude, o en local con Ollama y AnythingLLM. Un curso práctico para profesionales y emprendedores que quieran tener s...
A lo largo del curso descubrirás cómo crear presentaciones profesionales que vayan mucho más allá de las típicas diapositivas aburridas. Aprenderás a organizar tus ideas, estructurar el contenido y ap...
NOTION PARA PROFESIONALES: HERRAMIENTAS AVANZADAS DE PRODUCTIVIDAD Y GESTIÓN
On-line,
Continua en el tiempo
ADMINISTRACIÓN DE BASES DE DATOS
Domina la gestión y automatización de proyectos con Notion, elevando tu productividad al máximo nivel
GESTIÓN AVANZADA DEL DATO: ESTRATEGIA, CALIDAD Y DATOS MAESTROS
On-line,
Continua en el tiempo
Ofimática
Curso completo de Gestión Avanzada del Dato con enfoque DAMA. Aprende estrategia de datos, calidad de la información y gestión de datos maestros (MDM).
Aprende a sacar el máximo partido a Claude: investiga, redacta informes, genera presentaciones y automatiza tareas con inteligencia artificial. Un curso práctico para profesionales que quieran integra...
Mejora tu productividad y añade una herramienta increíble a tu día a día. Google Sheets, las hojas de cálculo de Google.
Obtén de manera rápida, sencilla y dinámica las conclusiones que necesitas para alcanzar el éxito en tus negocios.
Curso de LangGraph enfocado en la creación de agentes de IA con RAG y sistemas multiagente. Aprende a diseñar flujos, gestionar memoria y construir soluciones completas paso a paso.
Software para las Agencias de colocación