IA para el Trabajo: productividad, datos y automatización

MÓDULO 1. Introducción práctica a la Inteligencia Artificial en la empresa

Objetivos específicos

• Entender qué es la IA y qué la diferencia de otras tecnologías.

• Conocer los componentes básicos de un sistema de IA (datos, algoritmos, software, hardware).

• Identificar ejemplos concretos de IA en el día a día y en PYMEs.

• Romper mitos y falsas creencias alrededor de la IA.

Contenidos

1. Panorama general de la IA

   • Concepto de Inteligencia Artificial explicado en lenguaje no técnico.

   • IA frente a automatización tradicional y software “de toda la vida”.

   • Tipos de aplicaciones: clasificación, predicción, recomendación, generación de contenidos, chatbots, etc.

2. Elementos clave de un sistema de IA

   • Datos como materia prima: tipos de datos que suelen usar los sistemas de IA.

   • Algoritmos y modelos: idea general sin matemáticas.

   • Software y servicios de IA en la nube.

   • Infraestructura y hardware: por qué la potencia de cálculo importa.

3. IA en la vida cotidiana y en la PYME

   • Ejemplos cotidianos: asistentes de voz, recomendaciones, filtros de spam, navegación, traducción automática…

   • Casos de uso en pequeñas y medianas empresas (comercio, servicios, industria ligera, administración, educación, etc.).

   • Mini-caso guiado de una PYME que pasa del “todo manual” a una gestión apoyada en IA.

4. IA generativa y nuevas herramientas

   • Modelos generativos de texto, imagen y otros formatos.

   • Ejemplos de aplicaciones para marketing, atención al cliente, documentación interna, etc.

   • Buenas prácticas básicas al usar asistentes de IA (prompts claros, verificación, límites).

5. Actividad de desmontaje de mitos

   • Cuestionario tipo quiz sobre afirmaciones verdaderas/falsas.

   • Debate breve: “Lo que las películas cuentan vs. lo que realmente hace la IA hoy”.

MÓDULO 2. Datos en la PYME: de la realidad del negocio al modelo de IA

Objetivos específicos

• Comprender qué son los datos y por qué son tan relevantes para la IA.

• Diferenciar tipos de datos (estructurados, semi-estructurados y no estructurados).

• Localizar y clasificar las fuentes de datos de la propia organización.

• Detectar retos habituales de calidad, acceso, seguridad y privacidad de los datos.

Contenidos

1. Qué entendemos por “datos”

   • Datos como representación de la realidad del negocio.

   • Ejemplos de datos en distintas áreas: ventas, marketing, atención al cliente, RRHH, operaciones.

2. Tipos de datos

   • Datos estructurados: tablas, bases de datos, hojas de cálculo.

   • Datos no estructurados: correos, documentos, imágenes, vídeos, comentarios en redes sociales.

   • Datos semi-estructurados: JSON, XML, registros de aplicaciones, logs de servidor.

   • Comparativa: ventajas, dificultades y herramientas habituales.

3. Fuentes de datos internas y externas

   • CRM, ERP, sistemas de facturación, herramientas de soporte, analítica web, redes sociales, etc.

   • Datos públicos y de mercado, APIs externas, proveedores de datos.

   • Ejemplos de combinación de datos internos y externos para mejorar decisiones.

4. Calidad, gobierno y seguridad de los datos en PYMEs

   • Problemas típicos: datos duplicados, incompletos, desactualizados.

   • Nociones básicas de gobierno del dato: quién es responsable, quién accede, para qué.

   • Introducción a privacidad y protección de datos personales (conexión con RGPD).

5. Actividad práctica

   • Elaboración de un inventario sencillo de datos de la empresa/área del participante.

   • Clasificación por tipo (estructurado, no estructurado, semi-estructurado) y por fuente (interna/externa).

   • Identificación de un conjunto de datos con potencial para un proyecto de IA.

MÓDULO 3. Automatización y agentes con IA para PYMEs

Objetivos específicos

• Reconocer qué tareas del día a día son susceptibles de automatizarse.

• Diferenciar tipos de automatización (RPA, reglas, IA, no-code, iPaaS, etc.).

• Comprender el funcionamiento básico de una plataforma de automatización sin código.

• Diseñar, a nivel conceptual, uno o varios flujos automatizados útiles para la empresa.

Contenidos

1. Por qué automatizar con IA

   • Beneficios: ahorro de tiempo, reducción de errores, mejora de servicio al cliente, foco en tareas de valor.

   • Impacto en PYMEs: competitividad, escalabilidad, innovación.

2. Lluvia de ideas: ¿qué podemos automatizar?

   • Tareas repetitivas por área: marketing, ventas, administración, RRHH, operaciones.

   • Identificación de “dolores” y cuellos de botella del día a día.

   • Priorización de oportunidades de automatización.

3. Panorama de técnicas de automatización

   • Automatización robótica de procesos (RPA).

   • Automatización basada en reglas (condiciones “si… entonces…”).

   • Automatización impulsada por IA (chatbots, análisis de texto, recomendaciones, clasificación automática…).

   • Plataformas de integración (iPaaS) y orquestación de herramientas.

   • Document AI y extracción automática de información de documentos (facturas, contratos, formularios…).

4. Plataformas no-code / low-code

   • Concepto y ventajas para PYMEs.

   • Ejemplos de herramientas de automatización sin necesidad de programar.

   • Triggers (disparadores) y acciones: lógica básica de cualquier flujo automatizado.

   • Ejemplos de automatización:

     • Notificación automática al llegar un nuevo lead.

     • Registro de información de formularios en hojas de cálculo o CRM.

     • Envío automatizado de mensajes de seguimiento.

5. Diseño de un flujo automatizado

   • Selección de un caso sencillo por participante o grupo.

   • Definición de: disparador, pasos, acciones y resultado esperado.

   • Identificación de riesgos o puntos de supervisión humana necesarios.

MÓDULO 4. IA responsable: ética, riesgos y marco legal

Objetivos específicos

• Entender los principios básicos de uso responsable de la IA.

• Reconocer posibles sesgos y riesgos al aplicar IA en entornos empresariales.

• Conocer las principales normas que afectan al uso de IA (RGPD, AI Act, normativa española).

• Integrar buenas prácticas éticas y legales en el uso cotidiano de herramientas de IA.

Contenidos

1. IA responsable en la práctica

   • Por qué la IA no es neutra: decisiones de diseño, datos, objetivos.

   • Principios clave: equidad, respeto, responsabilidad, transparencia, seguridad.

   • Rol de la persona usuaria: supervisión, criterio crítico, verificación de resultados.

2. Sesgos y riesgos en sistemas de IA

   • Sesgos en los datos, en los algoritmos y en el uso.

   • Ejemplos de decisiones injustas o discriminatorias en contextos de negocio.

   • Impacto en reputación, confianza de clientes y clima interno.

   • Estrategias básicas para detectar y reducir sesgos.

3. Marco legal aplicable

   • Recordatorio de conceptos de protección de datos personales (RGPD) relacionados con IA.

   • AI Act (Reglamento europeo de IA): categorías de riesgo, obligaciones y prohibiciones.

   • Iniciativas y normativa española sobre gobernanza del uso de IA.

   • Responsabilidades de la empresa y derechos de las personas usuarias.

4. Buenas prácticas para el uso de IA en la PYME

   • Informar cuando se está utilizando un sistema de IA (por ejemplo, chatbots).

   • Recogida y uso responsable de datos de clientes, proveedores y empleados.

   • Documentar procesos y decisiones relevantes que involucren IA.

   • Uso seguro de herramientas de IA generativa: qué información compartir y cuál no.

5. Actividad de aplicación

   • Análisis de pequeños casos o dilemas éticos.

   • Discusión sobre cómo actuaría la empresa para cumplir principios éticos y legales.

   • Elaboración de un breve “decálogo” interno de uso responsable de la IA.