• Qué es la Inteligencia Artificial.
• Diferencia entre IA tradicional, Machine Learning y Deep Learning.
• IA estrecha (especializada) vs IA general (capaz de adaptarse) vs IA generativa (capaz de crear).
• Casos de uso actuales en la vida diaria (salud, educación, transporte, asistentes virtuales).

Ejemplos prácticos:

• Un hospital usa IA para predecir riesgo de cáncer con anticipación.
• Un auto autónomo usa sensores y visión computacional para moverse sin conductor.

• Qué es la IA generativa y por qué es distinta a otras IA.
• Modelos que crean texto, imágenes, audio o video (por ejemplo ChatGPT, DALL·E, Midjourney, Runway).
• Cómo estos modelos aprenden patrones a partir de enormes cantidades de datos.
• Uso creativo: redacción de correos, diseño visual, generación de guiones, etc.

Ejemplos prácticos:

• Un diseñador genera variaciones de un logotipo en Midjourney a partir de una descripción.
• Un estudiante pide a ChatGPT un resumen de un texto complejo para estudiar más rápido.

• Qué es un modelo fundamental / de propósito general.
• Diferencia entre IA “estrecha” (una tarea) y modelo generalista (varias tareas).
• Por qué estos modelos pueden traducir, resumir, clasificar y crear contenido sin reentrenarse desde cero.
• Limitaciones: alucinaciones, información no verificada.

Ejemplos prácticos:

• Una empresa usa un modelo interno para generar reportes semanales automáticamente.
• Un alumno usa un modelo fundacional para traducir y simplificar artículos técnicos.

• IA como apoyo productivo (automatiza tareas repetitivas).
• IA como apoyo creativo (genera primeras versiones de ideas).
• IA como tutor educativo personalizado.
• Cambios en el mercado laboral: tareas automatizables vs tareas humanas críticas (pensamiento crítico, empatía, juicio).

Ejemplos prácticos:

• Un abogado usa IA para buscar jurisprudencia en minutos.
• Un profesor genera ejercicios personalizados según el nivel de cada estudiante.

• Riesgos de sesgos (género, raza, edad).
• Uso responsable de datos personales.
• Necesidad de explicabilidad: poder decir “por qué la IA respondió esto”.
• Auditorías éticas y sellos como Open Ethics o evaluaciones tipo Privacy Impact Assessment (PIA).

Ejemplos prácticos:

• Una empresa revisa que su IA de selección de personal no discrimine por género.
• Un medio valida imágenes antes de publicarlas para evitar fake news creadas con IA.

• El costo energético de la nube y de entrenar modelos grandes.
• Centros de datos y consumo eléctrico.
• Importancia de la “sobriedad digital”: limpiar correos, bajar streaming innecesario, optimizar almacenamiento.

Ejemplos prácticos:

• Una organización borra respaldos duplicados y baja el consumo de servidores.
• Un usuario descarga música en vez de hacer streaming continuo.

• Qué es la gobernanza de IA.
• Rol de gobiernos, empresas y academia en poner límites y reglas.
• IA al servicio del bien común (inclusión, equidad, accesibilidad).
• Importancia de la trazabilidad y la rendición de cuentas.

Ejemplos prácticos:

• Un gobierno crea un comité ético que revisa chatbots públicos antes de lanzarlos.
• Una empresa publica un informe anual sobre impacto ético y ambiental de sus algoritmos.

• La IA no reemplaza automáticamente a las personas: amplifica capacidad humana.
• El alumno como actor responsable: usar IA con criterio, ética y sentido social.
• Prepararse para trabajar CON IA, no contra IA.

Ejemplos prácticos:

• Un analista usa IA para acelerar informes, pero valida él mismo las conclusiones.
• Un docente enseña a usar IA como apoyo al aprendizaje en vez de copiar.

• Modelos multimodales completos (texto + imagen + voz + video en una sola interfaz).
• Razonamiento avanzado y memoria extendida (capacidad de seguir contexto largo).
• Aparición de modelos compactos (Small Language Models) que pueden correr localmente.
• IA como copiloto profesional y no solo “chatbot que responde preguntas”.

Ejemplos 2025:

• Un asistente empresarial agenda reuniones, responde correos y genera minutas sin supervisión línea a línea.
• Un sistema educativo detecta cansancio emocional del alumno y ajusta el tipo de actividad.

• ChatGPT-5 como plataforma de productividad, no solo chatbot.
• Funciones avanzadas:
  • Análisis de datos y generación de reportes.
  • Creación y edición de imágenes (DALL·E integrado).
  • Soporte de voz natural y transcripción.
  • Lectura y resumen de PDFs / documentos largos.
  • Custom GPTs: asistentes personalizados entrenados con políticas, tono y memoria propia.
• Integración con herramientas de trabajo (Notion, Sheets, Slides, correo).

Ejemplos 2025:

• Un área de ventas usa un GPT personalizado que conoce las políticas de la empresa y responde dudas de clientes en su mismo “tono corporativo”.
• Un gerente pide: “Resume este Excel, dame 3 riesgos y crea una diapositiva ejecutiva”, y el sistema entrega el material listo.

• Ya existen roles como AI Trainer, Prompt Engineer, AI Ethics Officer.
• Competencia central 2025 = saber colaborar con IA.
• Habilidades humanas más valoradas: juicio ético, criterio de negocio, comunicación clara, interpretación de resultados de IA.

Ejemplos 2025:

• Un Product Owner usa IA para priorizar backlog, pero decide él qué va primero según valor de negocio.
• Un área legal usa IA para borradores, pero las decisiones finales siguen siendo humanas por riesgo regulatorio.

• En vigor: AI Act europeo (clasifica IA por nivel de riesgo).
• Aparecen normas como ISO/IEC 42001:2025 (gestión ética y responsable de IA).
• Auditorías algorítmicas obligatorias en sectores sensibles (banca, salud, educación).
• Supervisión humana obligatoria en sistemas de alto impacto.
• Transparencia y trazabilidad ya no son “buenas prácticas”, son requisito.

Ejemplos 2025:

• Un banco debe demostrar que su motor de scoring no discrimina por edad o comuna.
• Un ministerio certifica su chatbot ciudadano antes de habilitarlo en canales oficiales.

• Centros de datos verdes (energía renovable + refrigeración líquida).
• Métricas públicas de impacto de IA (Green AI Index).
• Optimización energética como criterio de diseño, no como “tema secundario”.
• Uso de modelos más pequeños, enfocados y eficientes para bajar huella de carbono.

Ejemplos 2025:

• Una consultora escoge un modelo ligero privado en vez de un modelo gigante en la nube para reducir costos y consumo eléctrico.
• Un municipio usa IA para optimizar iluminación pública y bajar consumo energético urbano.

Esta sección se cubre práctica:

• ChatGPT multimodal (voz, imagen, texto, video).
• Análisis de datos y creación de reportes ejecutivos.
• Creación visual (DALL·E integrado).
• Memoria persistente y personalización.
• Custom GPTs (GPTs privados entrenados para una empresa / un rol).
• Uso responsable y seguro en entornos profesionales.

• Definición de prompt.
• Por qué el prompt es la “interfaz” entre humano e IA.
• Roles en el prompt (por ejemplo: “Actúa como…”).
• Cómo dar contexto, instrucciones y formato esperado.
• Diferencia entre una pregunta vaga y una instrucción profesional.

Ejemplos prácticos:

• “Explícame Scrum” vs “Eres un formador ágil senior, prepara una introducción a Scrum para ejecutivos no técnicos en 150 palabras y tono formal.”
• “Haz un resumen” vs “Resume este texto en 5 bullet points accionables para dirección.”

• Zero-shot prompting (sin ejemplos).
• Few-shot prompting (dando ejemplos de la respuesta deseada).
• Pedir pasos razonados (Chain of Thought).
• Forzar tono, estilo y formato.
• Controlar la longitud y el nivel de detalle.

Ejemplos prácticos:

• Entregar 2 ejemplos de cómo debe verse la respuesta y pedir “continúa con el mismo estilo”.
• Pedir “piensa paso a paso” para que la IA explique su razonamiento.

• Estructura recomendada: rol → tarea → contexto → restricciones → formato de salida.
• Buenas prácticas para evitar ambigüedad.
• Cómo hacer iteraciones (mejorar el prompt tras ver la primera respuesta).
• Cómo documentar prompts reutilizables.

Ejemplos prácticos:

• Crear un prompt maestro para generar descripciones de producto en e-commerce.
• Crear un prompt estándar para generar material educativo con objetivos de aprendizaje, ejemplos y ejercicios.

• Marketing y contenidos.
• Educación y diseño instruccional.
• Gestión de proyectos (actas, minutas, roadmaps).
• Soporte al cliente (respuestas consistentes).
• Análisis de documentos y extracción de información.

Ejemplos prácticos:

• Generar una minuta de reunión formal con acuerdos y próximos pasos.
• Pedirle a la IA: “lee estos requisitos y crea 5 user stories con criterios de aceptación”.

• Alucinaciones: cuando la IA inventa.
• Sesgos en la respuesta.
• Por qué siempre hay que validar fuentes.
• Propiedad intelectual y privacidad del contenido que entregamos al modelo.

Ejemplos prácticos:

• Detectar lenguaje discriminatorio en una respuesta y corregirlo explícitamente en el prompt.
• Pedir: “solo responde si estás 100% seguro; si no, dime que necesitas más contexto”.

• Chain-of-Thought (CoT) moderno: pedir razonamiento estructurado.
• Tree-of-Thought (ToT): explorar varias soluciones y elegir la mejor.
• Least-to-Most Prompting: dividir problemas complejos en subproblemas simples.
• Prompting para agentes: coordinar múltiples “sub-IA” con roles distintos.

Ejemplos 2025:

• Diseñar un flujo con 3 “agentes”: uno analiza, otro propone, otro valida.
• Pedir explícitamente: “genera 3 opciones distintas, evalúalas tú mismo y dime cuál recomiendas y por qué”.

• Uso de memorias persistentes en asistentes (el sistema recuerda preferencias).
• Integración de conocimiento privado de la empresa sin reentrenar el modelo (RAG: Retrieval-Augmented Generation).
• Creación de asistentes internos especializados (por área, por cliente, por producto).

Ejemplos 2025:

• Un asistente que responde solo usando políticas de la empresa y cita la fuente interna.
• Un bot que recuerda las últimas 5 reuniones del equipo y propone próximos pasos consistentes con el historial.

• De “responder texto” a “actuar”: agentes que toman decisiones y ejecutan tareas (enviar correo, generar documento, cargar info).
• Copilotos que se conectan con herramientas reales (agenda, CRM, tareas).
• Cómo escribir prompts pensados para flujos automatizados, no solo para respuestas en pantalla.

Ejemplos 2025:

• Crear un prompt que haga que el agente prepare un correo al cliente con resumen del estado del proyecto y próximos hitos.
• Definir reglas de un asistente para priorizar el backlog según impacto/urgencia.

• AI Act Europeo: clasificación por riesgo y obligación de trazabilidad.
• ISO/IEC 42001:2025: gestión ética de IA.
• Cómo incluir en el prompt restricciones éticas, regulatorias o legales (“No reveles datos personales”, “Cita siempre tu fuente”).
• Documentar el uso de IA para auditorías.

Ejemplos 2025:

• Prompt que obliga a la IA a incluir advertencias legales cuando genera texto sensible.
• Prompt que le dice explícitamente al asistente: “si no estás seguro, detente y solicita revisión humana”.

• Construcción de un asistente especializado (educación, PMO, RRHH, marketing, etc.).
• Uso de prompts avanzados + memoria + RAG + trazabilidad ética.
• Entrega final como demo lista para presentar.

Ejemplos 2025:

• Un asistente de RRHH que responde preguntas internas de políticas de la empresa citando siempre la política oficial.
• Un asistente académico que genera material de clases personalizado por nivel del alumno y registra qué fuentes usó.