Inteligencia Artificial

CursoIntermedio

Implementación Estratégica de Inteligencia Artificial en Organizaciones

El puente entre probar herramientas de IA y usarlas de verdad: cómo detectar procesos candidatos, evaluar viabilidad con los datos que existen, priorizar casos de negocio y construir una hoja de ruta que sobreviva al entusiasmo inicial.

Definición

Casi todas las organizaciones ya probaron inteligencia artificial. Muy pocas la implementaron. El problema rara vez es la tecnología: es que nadie definió qué proceso atacar primero, si los datos daban para sostenerlo, quién iba a operar la solución cuando el piloto terminara y cómo se iba a medir si funcionó. Este curso entrega el marco para cruzar ese puente. Empieza por el panorama real de adopción —qué está funcionando en organizaciones comparables y qué sigue siendo demostración de proveedor— y avanza al trabajo concreto: detectar procesos candidatos con criterios explícitos, evaluar impacto y viabilidad antes de comprometerse, y priorizar entre casos que compiten por el mismo presupuesto. Después aborda el diseño de la iniciativa: cómo se estructura un proyecto de IA, cómo se evalúa si los datos disponibles alcanzan —que es donde se detienen la mayoría— y cómo se eligen herramientas sin quedar amarrado a un proveedor. Cierra con la hoja de ruta, la gestión del cambio organizacional y la gobernanza: riesgos tecnológicos y organizacionales, ética y las prácticas que hacen sostenible la adopción.

Público objetivo

Directivos y gerentes que deben decidir sobre inversiones en inteligencia artificial.
Responsables de transformación digital e innovación que conducen la adopción.
Jefaturas de área que evalúan aplicar IA a sus propios procesos.
Líderes de proyecto y product owners que deben estructurar iniciativas de IA.
Profesionales de TI y datos que acompañan al negocio en la definición de casos de uso.
Equipos que ya hicieron pruebas con IA y no logran pasar de la experimentación a la operación.
Para quién NO es: No es un curso técnico: no se construyen ni se entrenan modelos. Tampoco es introductorio — asume familiaridad con qué es la inteligencia artificial y qué puede hacer. Si necesitas esa base, el camino es Fundamentos de Inteligencia Artificial.

Objetivos

Desarrollar un marco práctico para implementar inteligencia artificial en una organización: identificar oportunidades, evaluar y priorizar casos de negocio, diseñar iniciativas viables y construir una hoja de ruta con gobernanza.

Comprender el impacto real de la inteligencia artificial en las organizaciones, distinguiéndolo del discurso de adopción.
Identificar oportunidades de aplicación de IA en procesos de negocio con criterios explícitos y no por intuición.
Evaluar casos de uso considerando impacto, viabilidad técnica, disponibilidad de datos y capacidad de operación.
Priorizar entre casos que compiten por los mismos recursos, con un método defendible ante la dirección.
Estructurar un proyecto de inteligencia artificial: alcance, equipo, hitos y criterios de éxito.
Evaluar si los datos disponibles sostienen la iniciativa, y qué hacer cuando no.
Seleccionar herramientas y tecnologías evitando la dependencia de un proveedor único.
Diseñar una hoja de ruta de implementación que contemple la gestión del cambio organizacional.
Comprender los riesgos tecnológicos, organizacionales y éticos, y las prácticas de adopción responsable.

Resultados de aprendizaje

Construir un mapa de oportunidades de IA para la organización, priorizado con criterios explícitos.
Evaluar un caso de uso y determinar si es viable antes de comprometer presupuesto.
Diagnosticar si los datos de la organización sostienen una iniciativa, que es donde se detiene la mayoría.
Estructurar un proyecto de IA con alcance acotado, hitos y criterios de éxito medibles.
Presentar una hoja de ruta de adopción ante la dirección, con inversión, plazos y riesgos.
Anticipar la resistencia organizacional y diseñar la gestión del cambio desde el inicio.
Definir la gobernanza mínima que evita que una iniciativa se convierta en un problema.

Temario

1. Introducción a la adopción de inteligencia artificial

Tendencias actuales de IA en organizaciones: qué está realmente en producción y qué sigue siendo piloto.
Impacto en los modelos de negocio y en la operación: dónde la IA cambia el juego y dónde solo optimiza.
Casos de uso en distintas industrias, con resultados verificables.
Por qué la mayoría de las organizaciones se queda en la experimentación: el patrón que este curso viene a romper.
Madurez organizacional: qué condiciones deben existir antes de escalar.

2. Identificación de oportunidades

Detección de procesos candidatos: volumen, repetición, estructura del trabajo y tolerancia al error.
Cómo mirar la operación propia buscando candidatos, en vez de buscar dónde aplicar una herramienta que ya gustó.
Evaluación de impacto: qué mejora concreta se espera y cómo se mediría.
Evaluación de viabilidad: datos disponibles, capacidad técnica y costo de la verificación humana.
Priorización de casos dentro de la organización: cómo se decide entre iniciativas que compiten.
Criterios para empezar por casos de alto beneficio y baja exposición.

3. Diseño de iniciativas de inteligencia artificial

Estructuración de un proyecto de IA: alcance, equipo, hitos y criterios de éxito explícitos.
Evaluación de los datos disponibles: calidad, volumen, base legal de uso y qué falta.
Qué hacer cuando los datos no alcanzan: alternativas antes de abandonar el caso.
Selección de herramientas y tecnologías: construir, comprar o integrar, con sus consecuencias.
Evitar la dependencia de un proveedor: qué preguntar y qué dejar por contrato.
Prueba de concepto: cómo diseñar una que responda una pregunta en vez de demostrar entusiasmo.

4. Hoja de ruta de implementación

Planificación de iniciativas: secuencia, dependencias y qué habilita cada etapa.
Gestión del cambio organizacional: de dónde viene la resistencia y qué la reduce.
El factor humano: qué pasa con los equipos cuyo trabajo cambia, y por qué ignorarlo detiene proyectos técnicamente correctos.
Integración de soluciones de IA en procesos existentes, que casi siempre exige rediseñar el proceso.
Operación posterior: quién mantiene la solución cuando el proyecto termina.
Indicadores de avance y de valor: cómo se demuestra resultado ante la dirección.

5. Gobernanza y riesgos

Riesgos tecnológicos: degradación del modelo, dependencia, costos que escalan y deuda técnica.
Riesgos organizacionales: expectativas infladas, falta de propietario y pérdida de capacidades internas.
Ética y gobernanza de la inteligencia artificial: qué controles corresponden según el impacto del caso.
Protección de datos y cumplimiento normativo aplicable a las iniciativas.
Supervisión humana: en qué decisiones es obligatoria y cómo se diseña.
Buenas prácticas para una adopción responsable y sostenible en el tiempo.

Metodología y materiales

Metodología

Exposición apoyada en casos de adopción reales, incluidos los que se detuvieron y por qué.
Ejercicio de detección de procesos candidatos sobre la operación real de los participantes.
Evaluación estructurada de viabilidad: impacto, datos, capacidad y costo de la verificación.
Taller de priorización entre casos que compiten por los mismos recursos.
Construcción guiada de una hoja de ruta con hitos, responsables e indicadores.
Revisión cruzada de las hojas de ruta entre participantes.

Materiales incluidos

Matriz de detección y evaluación de casos de uso, con criterios de impacto y viabilidad.
Herramienta de priorización para iniciativas que compiten por los mismos recursos.
Plantilla de hoja de ruta de implementación con hitos, responsables e indicadores.
Checklist de evaluación de datos disponibles.
Pauta de riesgos tecnológicos, organizacionales y de gobernanza.

Evaluación y certificación

Certificados

Certificado de participación Passus

Condiciones de inscripción

Se dicta online en vivo o presencial. En cursos abiertos las clases siguen el calendario publicado por Passus; en cursos cerrados, la modalidad, el horario y la fecha se acuerdan con la institución o empresa.

Requisitos

Es un curso de nivel intermedio: conviene tener nociones de qué es la inteligencia artificial y qué puede hacer.
No requiere programación ni conocimientos técnicos de modelos.
Ayuda conocer los procesos de la propia organización, porque los ejercicios parten de casos reales.

Preguntas frecuentes

¿Necesito conocimientos técnicos?

No se requiere programación ni conocimientos de modelos. Es un curso de nivel intermedio que sí asume familiaridad con qué es la inteligencia artificial y qué puede hacer. Si necesitas esa base, Fundamentos de Inteligencia Artificial es el paso previo.

¿Qué me llevo concretamente al terminar?

Un mapa de oportunidades priorizado para tu organización y una hoja de ruta de implementación con hitos, responsables, indicadores y riesgos identificados. Es material presentable ante la dirección.

Mi organización ya probó herramientas de IA pero no pasó de ahí. ¿Sirve?

Es exactamente el problema que el curso ataca. Quedarse en la experimentación es el patrón más común, y las causas suelen ser las mismas: ningún proceso elegido con criterio, datos que no alcanzaban, nadie designado para operar la solución y ninguna forma de medir si funcionó.

¿Cómo se decide entre varios casos de uso posibles?

Con un método explícito que el curso entrega y practica: evaluar impacto esperado, viabilidad con los datos disponibles, capacidad de operación y costo de la verificación humana. El taller de priorización trabaja justamente cuando varias iniciativas compiten por el mismo presupuesto.

¿Qué diferencia hay con el curso de Gobernanza, Ética y Riesgos de IA?

Este curso trabaja cómo implementar: detectar oportunidades, evaluar, priorizar y construir la hoja de ruta. El de gobernanza trabaja cómo controlar lo que ya está en uso: inventario, clasificación de riesgos, políticas y supervisión. Este incluye un módulo de gobernanza; aquel lo desarrolla completo.

¿Y si los datos de mi organización no son buenos?

Es donde se detiene la mayoría de las iniciativas, y por eso tiene un lugar propio en el módulo 3: cómo evaluar si los datos alcanzan, y qué alternativas existen antes de abandonar un caso. A veces la respuesta correcta es empezar por otro caso y no por arreglar los datos.

¿Se aborda la resistencia de los equipos?

Sí, con un espacio propio en el módulo 4. Proyectos técnicamente correctos se detienen porque nadie consideró qué pasaba con las personas cuyo trabajo cambiaba. La gestión del cambio se diseña desde el inicio, no cuando aparece el problema.

¿Entrega certificación oficial?

No incluye examen de certificación externo. Passus entrega certificado de participación al finalizar.

¿Sirve para el sector público?

Sí. Si tu foco es específicamente el Estado —valor público, explicabilidad de decisiones que afectan derechos, compras públicas— existe además el curso de IA en Gestión Pública y Servicios Ciudadanos, que trabaja esas condiciones en detalle.

¿Se puede dictar para mi organización?

Sí, en modalidad cerrada, y es donde más rinde: el mapa de oportunidades y la hoja de ruta se construyen sobre los procesos y los datos reales, de modo que el resultado del curso sea directamente ejecutable.