Máster en IA for Business

1. Introducción a la IA y su impacto empresarial

• Conceptos básicos: IA, Machine Learning, IA Generativa
• Evolución de la IA en los negocios y tendencias internacionales
• Impacto económico y social de la IA
• Principales beneficios y riesgos para las empresas
• Casos de éxito en distintos sectores

2. Cómo funciona la IA aplicada a los negocios (sin programación)

• Cómo aprenden los sistemas de IA: explicación sencilla (entrenamiento, datos y modelos)
• Tipos de IA aplicados a la empresa: predictiva, prescriptiva y generativa
• Papel de los datos en el funcionamiento de la IA
• Interfaces y uso sin programación: prompts, asistentes inteligentes, low-code
• Limitaciones de la IA y escenarios donde no es adecuada

3. Futuro del trabajo y Habilidades Clave en la era de la IA

• Automatización y redefinición de roles: ¿qué trabajos cambiarán?
• Nuevos perfiles profesionales relacionados con IA
• Habilidades críticas para liderar en un entorno impulsado por IA
• Habilidades digitales básicas
• Pensamiento crítico y analítico
• Gestión de datos e interpretación de insights
• Comunicación efectiva con herramientas de IA
• IA y liderazgo: como gestionar equipos híbridos Humano-IA
• Estrategias de reskilling y upskilling en las organizaciones

4. IA como ventaja competitiva y transformación del negocio

• Como la IA impulsa nuevos modelos de negocio
• IA y diferenciación competitiva: personalización y eficiencia
• Innovación empresarial con IA: productos, servicios y experiencias
• Riesgos estratégicos y como mitigarlos

5. Como implementar lA en la empresa paso a paso

• Identificación de procesos candidatos para IA
• Diseño de Proyectos piloto y medición del ROI
• Selección de herramientas accesibles y proveedores
• Hoja de ruta para escalar IA en la organización
• Gestión del cambio y adopción interna
• Checklist para una implementación responsables

1. Introducción al Gobierno de la Inteligencia Artificial

• ¿Qué es el gobierno de la IA? Definiciones y alcance.
• Ciclo de vida de los sistemas de IA y puntos de intervención.
• Actores relevantes: gobiernos, sector privado, sociedad civil, organismos internacionales
• Gobernanza interna vs. gobernanza externa.
• Modelos de gobernanza tecnológica en organizaciones.
• Casos ilustrativos: fracasos y aciertos.
• Modelos de madurez en gobernanza de IA.
• Ciclo de vida en el modelo de la IA (enfoque aplicado).
• Roles organizacionales en la IA.

2. Fundamentos Éticos y Principios para una IA Responsable

• Ética aplicada a la tecnología: dilemas clásicos y contemporáneos
• Principios comunes de la ética en IA
• Declaraciones internacionales sobre ética de la IA
• Traducción de principios éticos en políticas organizativas
• Ejemplos de códigos éticos en empresas y gobiernos
• Debates éticos actuales en IA
• Ética vs. cumplimiento

3. Marcos Regulatorios y Políticas Públicas sobre IA

• Marco normativo internacional
• Legislación europea: AI Act
• Otros marcos relevantes
• Tipos de regulación
• Políticas públicas nacionales y estrategias de IA
• El papel de la contratación pública como palanca de gobernanza
• Sandbox regulatorios y modelos de innovación responsable
• Soft Law vs. Hard Law en IA
• Evaluaciones de impacto algorítmico

4. Gestión de Riesgos y Supervisión de Sistemas de IA

• Tipología de riesgos en IA
• Herramientas para la gestión de riesgos
• Gobernanza proactiva vs. reactiva
• Mecanismos de supervisión humana y límites a la autonomía de la IA
• Roles y responsabilidades organizacionales
• Riesgos reputacionales y legales de fallos algorítmicos
• KRIs (Key Risk Indicators) para IA

 5. Transparencia, Explicabilidad y Rendición de Cuentas

• ¿Qué significa transparencia en IA?
• Explicabilidad vs. interpretabilidad: enfoques y limitaciones
• Comunicación con usuarios
• Trazabilidad del desarrollo de sistemas de IA
• Mecanismos de rendición de cuentas
• Responsabilidad legal y ética en la cadena de valor algorítmica
• Modelos de rendición de cuentas

6. Sesgo, Equidad e Inclusión en Sistemas Algorítmicos

• ¿Qué es el sesgo algorítmico?
• Impactos en grupos vulnerables y discriminación algorítmica
• Normas y métricas para evaluar equidad
• Participación ciudadana y co-diseño en IA
• Buenas prácticas para asegurar diversidad
• Justicia algorítmica
• Casos reales
• Herramientas de observabilidad y gobernabilidad (MLOps)

1. Fundamentos de la IA Generativa

• Introducción a la IA Generativa.
• Conceptos clave: Tokens, embeddings, context window, multimodalidad.
• Evolución histórica: de GPT-2 a GPT-5, modelos abiertos y modelos propietario.
• Tipos de IA generativa: Texto, imágenes, video, audio y código.
• Casos de uso reales: Marketing, RRHH, finanzas, gestión de proyectos y analítica de datos.
• Retos y ética: Sesgos, privacidad, propiedad intelectual y uso responsable.

2. Diseño de Prompts con ChatGPT

• Introducción a ChatGPT y su interfaz.
• ¿Qué es un prompt y cómo diseñarlo?
• Estructura de un prompt eficaz: Contexto, instrucciones, formato esperado
• Técnicas avanzadas: zero-shot, few-shot, role prompting y chain-of-thought
• Ejemplos de prompts para casos empresariales
• Buenas prácticas y ética: control de sesgos y confidencialidad

 3. Microsoft Copilot y la IA en Microsoft 365.

• Introducción a Microsoft Copilot: ¿Qué es copilot? Integración con la suite 365 y licencias
• Copilot en Word: redacción, resúmenes y estilo corporativo
• Copilot en Excel: análisis de datos, fórmulas inteligentes y visualizaciones
• Copilot en PowerPoint: Generación de presentaciones con storytelling visual
• Copilot en Teams y Outlook: Resumen de reuniones y correos, redacción de correos inteligente
• Seguridad, privacidad y control empresarial

4. Google Gemini y su Ecosistema.

• Introducción a Gemini
• Integración con Google Workspace: Gmail, Docs, Sheet, Slides y Meet
• Gemini para análisis de datos y reporting
• Generación de contenido mediante Google AI Studio
• Investigación en documentos con Notebook LM

5. Otras Herramientas y Aplicaciones de IA Generativa

• Claude (Anthropic): ¿Qué son los artefactos? Desarrollo de aplicaciones sin código
• Gamma: Presentaciones automáticas y visual storytelling
• Synthesia y HeyGen: creación de videos corporativos desde texto
• LM Studio: modelos open source en local con privacidad
• Hugging Face: ¿Qué es Hugging Face? Explorando modelos abiertos con Hugging Face Spaces

1. Conceptos básicos y preparación de datos

• ¿Qué son los datos? Tipos: estructurados vs. no estructurados.
• ¿Por qué es clave la limpieza y preparación de datos?
• Conceptos clave: calidad de datos, valores faltantes, ruido, duplicados.
• Cómo explorar y limpiar datos usando hojas de cálculo
• Detección automática de errores o inconsistencias mediante IA.
• Anonimización y ética en el manejo de datos personales.
• Ejercicio práctico: limpieza básica y análisis descriptivo de un conjunto de datos reales.

2. Uso de IA para identificar patrones y hacer predicciones

• Cómo la IA toma decisiones a partir de datos
• Tipos de modelos: clasificación, regresión, agrupamiento
• Detección de patrones: segmentación de clientes, previsión de ventas, detección de anomalías
• Análisis de sentimientos, resumen automático, extracción de temas clave
• ¿Qué me está diciendo la IA? Interpretar resultados de manera sencilla
• Limitaciones y errores comunes: sobreajuste, correlación vs. causalidad
• Ética de las predicciones: consecuencias sociales, privacidad y equidad

1. Inteligencia Artificial en la Gestión de Portfolios, Programas y Proyectos (PPPM)

• Portfolio, Programa, y Proyectos.  (PPPM) y dominios (visión PMI: principios/competencias).
• La IA como entregable del proyecto, y como herramienta en Project Management.
• Principios de IA responsable en PPPM: alineamiento con valor, trazabilidad, calidad de datos, explicabilidad.
• Beneficios (eficiencia, predicción, optimización, reducción de riesgos) y límites.
• Categorías de IA útiles en PPPM: ML supervisado/no supervisado, optimización, LLM/GenAI, CV.
• Gobernanza y Gobierno en el uso de la IA en PPPM.
• Cumplimiento: NIST AI RMF 1.0, ISO/IEC 42001, ISO/IEC 23894, EU AI Act (plazos y alcance)

 2. IA en el contexto de la gestión de Portfolios

• Herramientas y aplicaciones para la priorización de portafolios de proyectos
• Project scoring y selección de proyectos.
• IA como apoyo en la toma de decisiones
• Análisis de escenarios, simulaciones
• Optimización de los recursos del portafolio
• Automatización de cuadros de mando y reporting
• Análisis de patrones y creación de insights

3. IA en la gestión de Programas y Proyectos complejos

• Apoyo al involucramiento de interesados y gestión del cambio
• Gestión del beneficio y medición del rendimiento del programa
• Identificación de riesgos potenciales antes de que ocurran, a partir de datos históricos.
• Modelos de IA que aprenden de proyectos anteriores para ofrecer alertas tempranas.
• Priorización de riesgos y planificación de planes de contingencia.

4. IA en la gestión de Proyectos

• ¿Qué es el análisis predictivo aplicado a proyectos?
• Herramientas y aplicaciones de planificación u optimización de programaciones
• Estimación de tiempos y costes con IA: escenarios, rangos y aprendizajes históricos.
• IA para sugerir asignación de tareas según disponibilidad, habilidades y carga.
• Automatización de recordatorios, deadlines y seguimiento individualizado.
• Predicción de presupuestos y gestión de costes
• IA en el control y monitoreo de proyectos.
• Visualización del estado del proyecto con dashboards impulsados por IA.
• Análisis de métricas y predicciones del proyecto.
• Automatización de procesos de comunicación e información.

5. Roles e implantación de IA en las Oficinas de Proyectos, (PMOs)

• Consideraciones éticas y legales en el uso de IA en PPPM
• Riesgos de la IA en PPPM
• PM-in-the-Loop
• Seleccionar las herramientas IA y el enfoque de desarrollo adecuado a la organización
• Entrenamiento y desarrollo: Capacidades de PMO para IA: datos, plataforma, seguridad/compliance, personas.
• Herramientas IA para la gestión documental.
• Creación de conocimiento en base a registro de lecciones aprendidas.

1. Introducción a la IA en People Analytics

• ¿Qué es People Analytics?
• Evolución de People Analytics: del Excel a la IA
• Fundamentos de la IA relevantes para RR.HH (sin tecnicismos)
• Tipos de datos de talento y su gestión
• Herramientas y plataformas actuales en People Analytics
• Beneficios y riesgos de la IA en RR.HH
• Casos reales de People Analytics portenciado por IA

 2. Recolección y organización de datos de RR.Hh

• Fuentes de datos en People Analytics
• Almacenamiento y organización: de datos aislados a dataset integrado
• Calidad de datos y limpieza (Data Cleaning)
• Principales métricas de People y su cálculo básico
• Herramientas de visualización de datos de RR.HH
• Beneficios tangibles en el proceso de selección
• Riesgos, sesgos y consideraciones éticas en IA de reclutamiento
• Mejores prácticas para implementar IA en selección
• Ejemplos y casos de estudio en reclutamiento con IA

3. IA en reclutamiento y selección de personal

• Automatización del sourcing de candidatos
• Screening de Cvs preselección automática
• Chatboots y asistentes virtuales para reclutamiento
• Entrevistas digitales con IA (video/voice interviewing)
• Pruebas online y juegos gamificados con IA
• Beneficios tangibles en el proceso de selección
• Riesgos, sesgos y consideraciones éticas en IA de reclutamiento
• Mejores prácticas para implementar IA en selección
• Ejemplos y casos de estudio en reclutamiento con IA

 4. Análisis del comportamiento, desempeño y bienestar

• Analítica de desempeño con apoyo de IA
• Monitoreo de bienestar y clima organizacional mediante IA
• Análisis de redes organizacionales (ONA)
• Herramientas no-code para análisis cualitativo y de comportamiento
• Identificación de señales tempranas de burnout o desmotivación
• Consideraciones de privacidad y comunicación

5. Analítica predictiva del talento (rotación, compromiso y formación)

• ¿Qué es la predicción y para qué sirve?
• Modelos de predicción de rotación
• Cómo interpretar e implementar un modelo de riesgo de rotación
• Análisis de compromiso y desempeños futuros con IA
• Detección automática de brechas de habilidades y necesidades formativas
• Plataformas con modelos predictivos pre-entrenados
• Limitaciones y consideraciones éticas de la predicción
• Resultados tangibles de People Analytics predictivo
•  

1. IA aplicada a la relación con el cliente: de los call centers a los agentes inteligentes

• ¿Qué es la IA y por qué es clave en la relación con los clientes?
• Evolución de la atención al cliente: del call center al asistente inteligente (comparativa B2C vs B2B).
• Tipos de aplicaciones: automatización, personalización, análisis predictivo y prescriptivo.
• Beneficios y retos: eficiencia, escalabilidad, experiencia del usuario, riesgos de la deshumanización.
• Herramientas de IA accesibles: Intercom, Freshdesk AI, Zendesk, ChatGPT, Salesforce Einstein.
• Evolución hacia agentes autónomos multi-rol (analíticos, creativos, de compliance).
• Casos de uso reales en distintos sectores (banca, e-commerce, educación, salud): La IA potencia la banca digital, personaliza la compra online, adapta itinerarios educativos y mejora el seguimiento de pacientes en salud.

2. Chatbots y asistentes virtuales que venden y fidelizan: diseño, buenas prácticas y casos reales

• Tipologías de chatbots: reglas vs. inteligencia artificial
• Diseño conversacional: cómo crear diálogos efectivos
• Plataformas no-code para la creación de asistentes
• Integración multicanal: del sitio web a WhatsApp y Messenger
• El papel humano en la automatización: Human-in-the-Loop
• Buenas prácticas en automatización conversacional
• Casos prácticos de chatbots en retail y servicios
• Extensiones avanzadas: IA generativa y embeddings

3. Lenguaje natural = lenguaje de negocio: cuando la IA entiende al cliente

• ¿Qué es el PLN y cómo “comprende” la IA nuestros mensajes?
• Identificación automática de intenciones y extracción de datos relevantes
• Herramientas con PLN incorporado: Dialogflow, Microsoft Coplitot, ChatGPT
• Optimización de la comunicación generada por IA: reformulación de frases
• Ejemplos de uso: resolución de mensajes ambiguos, interacción multilingüe sin fricciones, autocorrección inteligente
• Desafíos actuales: detección de ironía, tratamiento de la ambigüedad y aplicación de un lenguaje inclusivo

 4. Escuchar emociones para vender mejor: análisis de sentimiento en acción

• Fundamentos: cómo los algoritmos de IA convierten mensaje y reseñas en probabilidades asociadas a categorías de sentimiento (positivo, negativo, neutro)
• Distinción conceptual entre tono, sentimiento y emoción
• Herramientas para análisis emocional (MonkeyLearn, MeaningCloud, ChatGPT com prompts específicos) – scores probabilísiticos en lugar de juicios
• Visualización de emociones en tiempo real
• Recomendación prescriptiva
• Casos de uso
• Ética en el análisis emocional: privacidad, consentimiento y sesgo emocional

5. Soporte omnicanal inteligente: integración de email, chat, voz y redes sociales

• ¿Qué es un enfoque multicanal e híbrido?
• IA para atención en email, chat web, redes sociales, voz , apps móviles
• Automatización inteligente de procesos recurrentes: FAQs, derivación de casos y clasificación automática de tickets.
• Herramientas:  Zendesk AI, Crisp AI, HelpCrunch, WhatsApp Business con bots y asistentes conversacionales.
• Integración entre sistemas: CRM, Helpdesk y redes sociales para trazabilidad completa de interacciones.
• Seguimiento avanzado de casos mediante IA: Estado del cliente, histórico, niveles de prioridad y SLA dinámicos.

6. El cliente único: Personalización de la Experiencia del Cliente con IA

• ¿Qué es la personalización impulsada por IA?
• Segmentación dinámica en tiempo real
• Recomendaciones de productos o contenidos
• Ajuste automático de mensajes y ofertas
• Herramientas de personalización con IA: Salesforce Einstein, HubSpot AI, Adobe Sensei, Mailchimp con IA.
• Ética de la personalización
• Casos prácticos de éxito: Comercio electrónico, educación online y servicios financieros con personalización basada en IA.

1. Principios de IA aplicada a la administración y las finanzas

• Transformación de las funciones administrativas y financieras gracias a la IA
• Tipos de IA aplicables: predictiva, generativa, clasificatoria
• Diferencia entre automatización tradicional y automatización inteligente
• Herramientas no-code para automatización (Zapier, Make, Microsoft Power Automate)

2. Automatización de procesos administrativos y tareas repetitivas

• Tareas rutinarias propensas a automatizarse con IA
• Automatización de tareas: agendas, alertas, aprobaciones, notificaciones
• IA generativa para respuestas en emails y chats
• Casos prácticos: gestión de agendas, aprobación de gastos, alertas administrativas
• Riesgos y buenas prácticas: control de calidad, auditoría, trazabilidad

3. Gestión inteligente de documentos, información y comunicaciones

• OCR con IA: digitalización y clasificación documental
• Extracción de datos estructurados de PDFs (facturas, contratos)
• Redacción de resúmenes, minutas e informes con IA (Copilot, ChatGPT)
• Gestión de correos electrónicos con asistentes inteligentes (respuestas automáticas, prioridades, resúmenes)
• Plataformas prácticas: Microsoft Copilot, Google Workspace AI, Notion AI, Slack AI
• Criterios éticos y legales en el manejo automatizado de documentos

4. Optimización de la gestión del tiempo y recursos administrativo

• Planificación de tareas y detección de cuellos de botella con dashboards predictivos
• IA para gestión del tiempo y priorización de actividades (Reclaim AI, Motion, Clockwise)
• Asistentes personales inteligentes para calendarización, reuniones y seguimientos
• Simulación de escenarios administrativos (por ejemplo: cambios presupuestarios o de carga laboral)
• Caso práctico: rediseño de un proceso administrativo con IA

5. IA aplicada a Finanzas, Control de Gestión y Compras

• Introducción a IA financiera: patrones, simulación y previsión
• IA en presupuestos, conciliaciones y reporting financiero
• Evaluación de riesgos financieros con IA y detección de anomalías, irregularidades y fraude
• IA en análisis de ingresos, costes, flujo de caja y rentabilidad
• Automatización del control de gestión: dashboards, alertas, scoring
• Herramientas prácticas: Power BI + Copilot, Excel con IA, Google Sheets + Gemini, Tableau con IA
• IA en compras: análisis de proveedores, recomendaciones automáticas, evaluación de precios

6. Consideraciones estratégicas y organizativas para la adopción de IA

• Ética y gobernanza de IA en entornos corporativos
• Regulación (UE AI Act, GDPR, Compliance)
• Gestión del cambio y resistencia organizacional
• Arquitectura tecnológica: integración con ERP, CRM, BI
• Rol del CFO y del controller en la era de la IA

1. Fundamentos de Inteligencia Artificial en Marketing Digital

• Introducción a la Inteligencia Artificial aplicada al marketing
• Tipos de IA y aplicaciones en marketing
• IA vs. Automatización tradicional
• Tendencias actuales de la IA en marketing digital
• Herramientas populares con IA
• Presentaciones a clientes con IA
• Casos reales de empresas que usan IA en marketing digital

2. Segmentación de Audiencias y Personalización Automatizada

• Segmentación inteligente
• Cómo la IA agrupa automáticamente a los clientes (clustering simple)
• Personalización en tiempo real
• Plataformas de marketing con IA integrada
• Casos prácticos de personalización automatizada
• Retos y riesgos de la segmentación automatizada

3. IA para Automatización y Optimización de Contenidos

• Generadores de texto con IA
• IA para imágenes y creatividades
• Automatización de redes sociales con IA
• Generación de contenido audiovisual y avatares
• Optimización SEO automática con IA
• Creación de procesos completos de automatización
• Práctica guiada: campaña completa de contenidos con IA
• Retos y riesgos en la automatización de contenidos

4. Análisis Predictivo y Modelado de Comportamiento del Consumidor

• ¿Qué es el análisis predictivo en marketing?
• Cómo la IA predice comportamientos de clientes
• Herramientas no-code para análisis predictivo
• Creación de dashboards predictivos simples
• Casos reales de análisis predictivo aplicado al marketing
• Retos y riesgos del análisis predictivo

5. Chatbots, Asistentes Virtuales y Atención al Cliente con IA

• Cómo funciona un chatbot con IA
• Chatbots simples vs. chatbots con NLP
• Plataformas accesibles para crear chatbots sin programar
• Automatización de respuestas frecuentes, reservas y recomendaciones
• Integración en sitios web, WhatsApp y redes sociales
• Buenas prácticas de UX conversacional
• Retos y riesgos en la atención al cliente con IA