Curso de IA para Empresas - Artículo 4 del Reglamento (UE) 2024/1689 (AI Act)

Diferenciar Narrow AI e ideas relacionadas con inteligencia artificial general.

Comprender qué es un modelo fundacional.

Identificar modelos de propósito general.

Comprender el concepto de General-Purpose AI o GPAI.

Diferenciar modelo generalista y modelo especializado.

Comprender qué es un Large Language Model.

Identificar qué problemas resuelven los LLM.

Diferenciar modelos de texto y modelos multimodales.

Comprender modelos de generación de imágenes.

Identificar sistemas de generación de audio y voz.

Comprender modelos de vídeo generativo.

Reconocer modelos de reconocimiento de imágenes.

Identificar OCR y extracción documental.

Comprender speech-to-text y text-to-speech.

Reconocer traducción automática basada en IA.

Comprender motores de recomendación.

Identificar sistemas predictivos empresariales.

Comprender scoring y clasificación automática.

Reconocer sistemas de detección de anomalías.

Identificar IA incorporada a Business Intelligence.

Comprender IA integrada en CRM y plataformas comerciales.

Identificar IA presente en herramientas de soporte.

Reconocer asistentes de desarrollo de software.

Comprender sistemas de IA utilizados en ciberseguridad.

Identificar soluciones de IA aplicadas a RRHH.

Reconocer sistemas utilizados en finanzas y prevención de fraude.

Comprender soluciones de IA aplicadas a legal y compliance.

Diferenciar servicios cloud de IA y modelos ejecutados localmente.

Comprender qué significa modelo open source u open-weight.

Diferenciar SaaS de IA y solución desarrollada internamente.

Comprender qué es una API de inteligencia artificial.

Identificar cuándo una aplicación empresarial utiliza una IA aunque el usuario no vea el modelo.

Diferenciar herramienta autorizada y herramienta utilizada al margen de la organización.

Comprender el concepto de Shadow AI.

Reconocer los riesgos de utilizar cuentas personales para tareas corporativas.

Entender por qué la empresa debe saber qué sistemas están utilizando sus trabajadores.

Relacionar tipo de sistema, finalidad, información tratada y nivel de riesgo.

Comprender en profundidad qué caracteriza a la IA generativa.

Entender cómo funciona conceptualmente un LLM.

Comprender qué es un token.

Identificar cómo texto y otros contenidos se representan para el modelo.

Entender qué significa ventana de contexto.

Comprender por qué el contexto disponible tiene límites.

Diferenciar contexto de conversación y conocimiento permanente.

Comprender qué es una instrucción de sistema.

Diferenciar instrucciones del usuario y reglas internas de la aplicación.

Entender qué es grounding o fundamentación.

Diferenciar información aprendida durante entrenamiento e información proporcionada durante el uso.

Comprender qué son embeddings.

Entender conceptualmente la búsqueda semántica.

Comprender qué es una base de datos vectorial.

Identificar qué significa Retrieval-Augmented Generation o RAG.

Comprender cómo un RAG puede buscar información interna antes de generar una respuesta.

Diferenciar RAG y entrenamiento del modelo.

Comprender qué es fine-tuning a nivel conceptual.

Diferenciar fine-tuning, prompting y RAG.

Entender qué significa multimodalidad.

Comprender cómo pueden combinarse texto, imágenes, documentos, voz y vídeo.

Identificar qué es function calling o tool calling.

Comprender cuándo un modelo utiliza una herramienta externa.

Diferenciar respuesta generada y resultado obtenido mediante una herramienta.

Comprender qué es un conector.

Entender qué es una integración con aplicaciones empresariales.

Comprender el concepto de agente.

Diferenciar agente, asistente y workflow tradicional.

Entender qué significa planificación multietapa.

Identificar herramientas que puede utilizar un agente.

Comprender memoria de corto y largo plazo en sistemas de IA.

Entender qué es un subagente a nivel conceptual.

Reconocer procesos multiagente.

Comprender que añadir herramientas aumenta capacidades y también riesgos.

Identificar el principio de mínimo privilegio aplicado a agentes.

Comprender por qué un agente necesita límites y puntos de aprobación.

Diferenciar autonomía técnica y autoridad profesional.

Reconocer que disponer de capacidad para realizar una acción no significa que deba automatizarse.

Comprender qué es un prompt.

Diferenciar pregunta, instrucción y encargo.

Definir un objetivo concreto.

Proporcionar el contexto relevante.

Identificar la audiencia del resultado.

Definir tono.

Especificar nivel técnico.

Indicar formato de salida.

Establecer longitud.

Definir profundidad.

Introducir restricciones.

Indicar aquello que la IA no debe hacer.

Especificar información que no debe asumir.

Aportar datos de referencia.

Añadir documentos cuando resulta necesario.

Incorporar ejemplos.

Utilizar ejemplos positivos y negativos cuando aportan claridad.

Definir criterios de aceptación.

Solicitar que la IA pregunte cuando falte información.

Pedir que señale incertidumbres.

Solicitar que diferencie hechos de inferencias.

Pedir fuentes cuando la tarea lo requiere.

Solicitar varias alternativas.

Comparar propuestas mediante criterios definidos.

Solicitar ventajas e inconvenientes.

Pedir riesgos y contraargumentos.

Separar tareas grandes en fases.

Utilizar una primera fase de análisis.

Validar el enfoque antes de solicitar el resultado definitivo.

Refinar resultados mediante conversación iterativa.

Saber cuándo conviene comenzar una conversación nueva.

Comprender context engineering.

Seleccionar únicamente la información necesaria para la tarea.

Evitar contextos excesivamente largos o contradictorios.

Diferenciar contexto estático y dinámico.

Adaptar prompting a sistemas diferentes.

Comprender que el mismo prompt puede producir resultados distintos en diferentes modelos.

Diseñar prompts para redacción.

Crear instrucciones para resumen.

Preparar prompts de extracción.

Diseñar instrucciones de clasificación.

Formular prompts de análisis.

Crear instrucciones de investigación.

Diseñar prompts para datos.

Preparar prompts para reuniones.

Crear prompts para transformación documental.

Evitar prompt engineering como sustituto de verificación y conocimiento profesional.

Identificar tareas adecuadas para utilizar IA.

Diferenciar asistencia, automatización y decisión.

Preparar borradores de comunicaciones.

Mejorar claridad y estructura de textos.

Adaptar mensajes a diferentes públicos.

Resumir documentación extensa.

Extraer información concreta.

Comparar documentos.

Crear tablas y matrices.

Clasificar información.

Organizar notas.

Preparar informes.

Elaborar resúmenes ejecutivos.

Crear procedimientos.

Preparar guías internas.

Apoyar reuniones.

Crear agendas.

Resumir conversaciones.

Identificar acciones pendientes.

Apoyar la gestión administrativa.

Utilizar IA en operaciones.

Analizar incidencias de soporte.

Clasificar tickets.

Preparar borradores de respuesta al cliente.

Detectar temas recurrentes.

Apoyar equipos comerciales.

Preparar argumentarios.

Analizar información sobre clientes.

Crear borradores de propuestas.

Utilizar IA en marketing.

Apoyar investigación de mercado.

Crear variantes de contenido.

Analizar opiniones de clientes.

Utilizar IA en RRHH con especial atención al riesgo.

Apoyar creación de documentación interna.

Analizar información agregada de plantilla.

Evitar delegar decisiones sensibles sobre personas.

Utilizar IA en finanzas como herramienta de apoyo.

Resumir información financiera.

Analizar datos y desviaciones.

Mantener controles financieros humanos.

Utilizar IA en el ámbito jurídico como apoyo documental.

Resumir y comparar documentación.

Mantener el criterio jurídico en profesionales cualificados.

Aplicar IA a formación y gestión del conocimiento.

Crear materiales de onboarding.

Simplificar documentación técnica.

Utilizar IA en desarrollo e IT.

Apoyar documentación, análisis de logs y generación de código.

Identificar procesos donde la IA no aporta valor suficiente.

Reconocer tareas en las que el riesgo supera el beneficio.

Comprender cómo trabaja una IA con documentos aportados.

Identificar formatos habituales de documentos.

Trabajar con PDF.

Utilizar documentos ofimáticos.

Analizar presentaciones.

Trabajar con hojas de cálculo.

Analizar archivos CSV.

Comprender datos JSON y otras estructuras.

Procesar imágenes.

Interpretar capturas de pantalla.

Analizar diagramas.

Utilizar audio cuando la herramienta lo permite.

Trabajar con vídeo en soluciones multimodales.

Extraer información de documentación extensa.

Comparar versiones.

Identificar contradicciones.

Detectar información ausente.

Construir cronologías.

Crear tablas a partir de documentos.

Transformar información no estructurada.

Comprender cómo puede utilizarse IA para analizar datos.

Diferenciar análisis descriptivo y recomendación.

Solicitar tendencias y patrones.

Revisar cálculos.

Comprobar unidades y periodos.

Evitar confundir correlación y causalidad.

Comprender qué es una búsqueda fundamentada.

Diferenciar conocimiento del modelo y búsqueda web.

Utilizar fuentes recientes cuando la actualidad es importante.

Identificar fuentes primarias.

Diferenciar una fuente oficial de una referencia secundaria.

Evaluar autoridad y calidad de una fuente.

Comprobar fecha de publicación.

Revisar contexto.

Contrastar información.

Identificar información contradictoria.

Comprender investigación asistida por IA.

Utilizar herramientas de investigación profunda cuando estén disponibles.

Verificar las referencias generadas.

Acceder al documento original.

Evitar convertir un resumen de IA en fuente primaria.

Trabajar con repositorios de información corporativa autorizados.

Mantener permisos sobre documentos internos.

Aplicar minimización antes de aportar información.

Mantener trazabilidad entre conclusión y fuente cuando la tarea lo requiere.

Diferenciar tarea asistida y tarea automatizada.

Comprender qué es un workflow.

Diferenciar automatización basada en reglas y automatización con IA.

Identificar procesos repetitivos susceptibles de automatización.

Comprender cómo una IA puede conectarse a aplicaciones.

Entender qué es una API.

Comprender qué es un conector.

Diferenciar permisos de lectura y escritura.

Identificar herramientas corporativas conectables.

Comprender acceso a correo.

Entender acceso a almacenamiento documental.

Identificar integración con CRM.

Comprender integración con ERP.

Reconocer integración con herramientas de soporte.

Comprender acceso a calendarios y reuniones.

Identificar integraciones con bases de conocimiento.

Comprender agentes especializados.

Diferenciar agente informativo y agente transaccional.

Comprender planificación de varios pasos.

Identificar acciones que puede ejecutar un agente.

Comprender qué significa autonomía.

Diferenciar autonomía y autorización.

Establecer límites a la ejecución.

Aplicar mínimo privilegio.

Limitar las fuentes accesibles.

Proteger herramientas críticas.

Incorporar puntos de aprobación.

Aplicar human-in-the-loop.

Evitar automatizar acciones irreversibles sin confirmación.

Controlar envíos externos.

Revisar modificaciones de datos.

Evitar acciones financieras automáticas sin controles específicos.

Limitar operaciones sobre información de personas.

Comprender riesgos de prompt injection en agentes conectados.

Identificar instrucciones maliciosas contenidas en fuentes externas.

Comprender riesgos de tool misuse.

Mantener logs y trazabilidad cuando proceda.

Revisar periódicamente permisos.

Retirar integraciones que ya no son necesarias.

Mantener un responsable humano del proceso automatizado.

Evaluar el impacto antes de ampliar autonomía.

Identificar una necesidad empresarial antes de seleccionar una herramienta.

Diferenciar problema real y adopción tecnológica sin objetivo.

Definir el caso de uso.

Identificar usuarios.

Analizar qué información necesita el sistema.

Determinar qué datos utilizará.

Evaluar sensibilidad de los datos.

Establecer el resultado esperado.

Definir métricas de éxito.

Evaluar calidad de respuesta.

Analizar precisión.

Evaluar consistencia.

Medir necesidad de corrección humana.

Analizar tiempos de respuesta.

Evaluar facilidad de uso.

Analizar costes.

Identificar licencias necesarias.

Comparar soluciones generalistas y especializadas.

Evaluar proveedor.

Revisar condiciones de servicio.

Analizar tratamiento de datos.

Revisar localización y transferencias cuando sean relevantes.

Comprender retención de información.

Evaluar si los datos se utilizan para entrenamiento.

Revisar posibilidades de administración corporativa.

Analizar autenticación y SSO.

Evaluar gestión de usuarios.

Revisar permisos y roles.

Analizar logs y auditoría.

Evaluar integraciones.

Revisar capacidades de control sobre conectores.

Analizar medidas de seguridad.

Evaluar documentación del sistema.

Conocer sus limitaciones declaradas.

Analizar compatibilidad con políticas internas.

Realizar pruebas antes de extender el uso.

Comparar resultados con un baseline humano o proceso anterior.

Identificar fallos recurrentes.

Definir usos permitidos tras la evaluación.

Establecer colectivos iniciales.

Implantar progresivamente.

Revisar el caso de uso después del despliegue.

Retirar soluciones que no cumplen los objetivos o generan riesgos innecesarios.

Comprender qué significa riesgo en un sistema de IA.

Diferenciar riesgo técnico, organizativo, jurídico, reputacional y humano.

Comprender qué es una alucinación.

Identificar hechos inventados.

Reconocer referencias inexistentes.

Detectar cifras generadas sin respaldo.

Identificar nombres o acontecimientos falsos.

Comprender por qué un modelo puede responder con seguridad aunque esté equivocado.

Reconocer omisiones relevantes.

Detectar simplificaciones excesivas.

Identificar información obsoleta.

Comprender errores derivados de contexto insuficiente.

Reconocer errores producidos por instrucciones ambiguas.

Comprender qué es un sesgo.

Identificar sesgos procedentes de datos de entrenamiento.

Reconocer sesgos de representación.

Identificar sesgos históricos.

Comprender sesgos culturales.

Reconocer sesgos lingüísticos.

Identificar sesgos derivados de la selección de datos.

Comprender cómo una instrucción puede introducir sesgo.

Identificar sesgo de confirmación del usuario.

Comprender automation bias.

Reconocer la tendencia a confiar más en una salida por haber sido generada automáticamente.

Evitar considerar la IA neutral por defecto.

Reconocer posibles efectos discriminatorios.

Comprender riesgos de privacidad.

Identificar datos personales.

Reconocer categorías especiales de datos personales.

Comprender principios básicos del RGPD relevantes para el usuario.

Aplicar minimización.

Considerar finalidad.

Evaluar necesidad y proporcionalidad.

Comprender que el consentimiento no resuelve automáticamente cualquier uso de datos.

Evitar introducir más información de la necesaria.

No introducir contraseñas.

No introducir códigos de autenticación.

No introducir claves API.

No introducir tokens.

No proporcionar claves privadas.

No aportar secretos empresariales sin autorización.

No cargar documentación estratégica en herramientas no aprobadas.

No utilizar cuentas personales para información corporativa protegida.

No introducir datos personales de clientes innecesariamente.

No cargar información de empleados cuando no resulte necesario y autorizado.

Evitar datos sanitarios o especialmente sensibles sin medidas y base adecuadas.

Evitar documentación jurídica confidencial en sistemas no autorizados.

No aportar información financiera reservada fuera de los sistemas aprobados.

Diferenciar información pública, interna, confidencial y restringida.

Aplicar anonimización cuando sea posible.

Comprender pseudonimización.

Reconocer riesgos de reidentificación.

Comprender que una licencia empresarial no elimina las obligaciones legales de la organización.

Identificar riesgos derivados de conectores.

Reconocer riesgos de agentes con acceso a sistemas internos.

Detectar prompt injection.

Comprender fuga de información.

Reconocer generación de contenido dañino o inapropiado.

Identificar posibles vulneraciones de propiedad intelectual.

Reconocer riesgo reputacional.

Identificar cuándo un uso debe detenerse y escalarse.

Conocer los canales internos para comunicar incidentes.

Comprender que una salida de IA es un resultado que debe evaluarse.

Diferenciar confianza aparente y fiabilidad real.

Aplicar un nivel de verificación proporcional al impacto.

Diferenciar tarea creativa y tarea factual.

Identificar afirmaciones verificables.

Localizar la fuente original.

Comprobar que la fuente existe.

Revisar que la fuente realmente dice lo que afirma la respuesta.

Verificar actualidad.

Comprobar fecha.

Validar nombres.

Revisar cifras.

Comprobar porcentajes.

Validar monedas y unidades.

Revisar cálculos.

Comprobar fórmulas.

Validar estadísticas.

Revisar muestras y periodos utilizados.

Comprobar legislación en fuentes oficiales.

Verificar normativa interna en su versión vigente.

Revisar especificaciones técnicas en documentación oficial.

Comprobar políticas comerciales antes de comunicarlas.

Validar precios y condiciones.

Revisar contratos y documentación jurídica con profesionales cualificados.

Validar información financiera antes de utilizarla en decisiones.

Revisar información relativa a personas con especial cautela.

Comprobar resúmenes frente al documento original.

Detectar información omitida.

Identificar supuestos introducidos por la IA.

Solicitar que distinga hechos, hipótesis e inferencias.

Pedir que exprese incertidumbre.

Solicitar posibles contraargumentos.

Buscar explicaciones alternativas.

Utilizar varias fuentes independientes.

Priorizar fuentes primarias.

Comparar resultados de diferentes métodos cuando sea necesario.

Entender qué es human-in-the-loop.

Comprender human-on-the-loop.

Diferenciar supervisión efectiva y aprobación automática.

Identificar quién es responsable de validar el resultado.

Definir puntos de aprobación humana.

Determinar cuándo una tarea puede revisarse posteriormente.

Identificar cuándo debe aprobarse antes de ejecutar una acción.

Aplicar doble revisión en procesos de mayor riesgo.

No delegar decisiones que puedan afectar significativamente a personas sin los controles aplicables.

Aplicar especial cautela en selección y gestión de trabajadores.

Aplicar especial cautela en decisiones financieras.

Aplicar especial cautela en cuestiones jurídicas.

Aplicar especial cautela en salud y seguridad.

Aplicar especial cautela en acceso a servicios importantes.

Identificar cuándo el usuario carece de conocimientos suficientes para validar la salida.

Escalar a un especialista.

Reconocer cuándo no es posible verificar razonablemente una respuesta.

Detener el proceso cuando la incertidumbre es incompatible con su impacto.

Documentar la revisión cuando el riesgo o la política interna lo requieran.

Mantener un responsable humano claramente identificable.

Conocer el Reglamento (UE) 2024/1689 de Inteligencia Artificial.

Comprender su finalidad general.

Identificar el concepto de sistema de IA dentro del Reglamento.

Comprender el concepto de modelo de IA de propósito general.

Conocer el artículo 4, “Alfabetización en materia de IA”.

Comprender qué significa alfabetización en materia de IA.

Entender el papel de proveedores.

Comprender el concepto de responsable del despliegue.

Identificar cuándo una empresa utiliza un sistema como responsable del despliegue.

Comprender que las medidas de alfabetización deben considerar los sistemas realmente utilizados.

Tener en cuenta conocimientos técnicos de las personas.

Considerar experiencia previa.

Considerar educación y formación.

Adaptar la alfabetización al contexto profesional.

Considerar la finalidad para la que se utiliza la IA.

Considerar las personas o colectivos sobre los que puede tener efecto.

Comprender que no existe una formación idéntica adecuada para todos los puestos.

Entender que la alfabetización debe mantenerse ante la evolución tecnológica.

Comprender el enfoque basado en riesgos del AI Act.

Identificar conceptualmente prácticas prohibidas.

Comprender que determinados usos de IA están prohibidos.

Reconocer que no toda IA presenta el mismo nivel de riesgo.

Comprender la categoría de sistemas de alto riesgo.

Reconocer la importancia de la finalidad prevista del sistema.

Entender que utilizar un modelo generalista no convierte automáticamente el proceso en alto riesgo.

Identificar ámbitos en los que pueden existir casos de alto riesgo conforme al Reglamento.

Reconocer determinados usos relacionados con empleo y trabajadores.

Identificar posibles usos relevantes en educación.

Comprender usos vinculados a servicios esenciales.

Reconocer otros ámbitos contemplados en el marco de alto riesgo.

Comprender que la clasificación concreta requiere analizar el caso real.

Identificar cuándo debe solicitarse revisión jurídica o de compliance.

Comprender las obligaciones de transparencia aplicables a determinados sistemas.

Identificar situaciones donde una persona debe saber que interactúa con IA.

Comprender requisitos relativos a determinados contenidos generados o manipulados.

Reconocer el concepto de deepfake dentro del marco de transparencia.

Comprender que determinados usos de contenido sintético requieren consideraciones específicas.

Relacionar transparencia y confianza.

Comprender la importancia de la supervisión humana.

Relacionar supervisión humana y sistemas de alto riesgo.

Entender que determinadas obligaciones adicionales pueden aplicarse según sistema y finalidad.

Diferenciar alfabetización general y cumplimiento completo de todos los requisitos aplicables a un sistema.

Comprender que una formación no sustituye la evaluación jurídica de un caso de uso específico.

Mantener las pautas actualizadas conforme evolucionen Reglamento, guías y criterios de las autoridades.

Comprender la relación entre IA y seguridad de la información.

Aplicar principios de confidencialidad, integridad y disponibilidad.

Identificar información sensible antes de utilizar una herramienta.

Comprender clasificación de información.

Aplicar mínimo privilegio.

Limitar el acceso a las fuentes necesarias.

Gestionar permisos sobre documentos.

Revisar carpetas compartidas.

Controlar repositorios de conocimiento corporativo.

Evitar exposición accidental mediante sistemas de IA.

Comprender riesgos de conectores.

Revisar permisos solicitados por integraciones.

Diferenciar lectura y escritura.

Controlar acceso de agentes.

Proteger credenciales.

Gestionar secretos mediante mecanismos adecuados.

Evitar credenciales dentro de prompts.

Comprender riesgos de prompt injection.

Identificar indirect prompt injection.

Comprender cómo un documento externo puede contener instrucciones maliciosas.

Reconocer riesgo de exfiltración de información.

Limitar herramientas disponibles para agentes.

Incorporar confirmación antes de acciones sensibles.

Mantener trazabilidad de acciones cuando proceda.

Comprender riesgos de phishing generado mediante IA.

Reconocer ingeniería social asistida por IA.

Identificar contenido manipulado.

Desarrollar pensamiento crítico ante voz, imagen o vídeo sintético.

Comprender propiedad intelectual en el uso de IA.

Revisar derechos sobre materiales introducidos.

Respetar licencias de contenido.

Identificar riesgos al cargar documentación de terceros.

Comprender posibles cuestiones de copyright sobre outputs.

Evitar asumir automáticamente propiedad exclusiva sobre cualquier contenido generado.

Revisar marcas, diseños y otros derechos cuando proceda.

Comprender secreto empresarial.

Proteger know-how.

Considerar obligaciones contractuales de confidencialidad.

Analizar proveedores desde el punto de vista de seguridad.

Revisar condiciones de tratamiento de datos.

Comprender retención.

Revisar uso de información para entrenamiento.

Analizar transferencias y localización cuando resulte relevante.

Mantener políticas de conservación.

Aplicar borrado cuando corresponda.

Gestionar incidentes.

Coordinar seguridad de IA con IT, ciberseguridad, DPO, legal y compliance.

Comprender por qué una organización necesita una política interna de IA.

Definir el alcance de la política.

Identificar a quién se aplica.

Mantener un catálogo de herramientas autorizadas.

Identificar soluciones expresamente no autorizadas.

Diferenciar cuentas profesionales y personales.

Prohibir Shadow AI cuando contradice las políticas corporativas.

Definir casos de uso permitidos.

Identificar casos que requieren autorización.

Establecer usos prohibidos.

Clasificar información por sensibilidad.

Relacionar clasificación y herramientas permitidas.

Definir qué documentación puede cargarse.

Establecer qué datos nunca deben introducirse.

Definir requisitos de anonimización.

Establecer criterios para datos personales.

Definir reglas para información confidencial.

Establecer requisitos para propiedad intelectual.

Definir reglas para fuentes y búsqueda web.

Establecer estándares mínimos de verificación.

Definir cuándo debe utilizarse una fuente oficial.

Determinar qué outputs requieren revisión humana.

Identificar supuestos que requieren doble revisión.

Definir procesos que nunca deben automatizarse completamente.

Establecer límites para agentes.

Limitar acciones de escritura.

Definir aprobaciones para acciones externas.

Establecer reglas para correos y comunicaciones.

Definir controles para publicaciones externas.

Establecer normas para contenido generado.

Definir criterios de transparencia.

Determinar cuándo debe informarse del uso de IA.

Definir responsable final de cada resultado.

Establecer normas para herramientas conectadas.

Aprobar integraciones.

Gestionar permisos.

Revisar periódicamente conectores y agentes.

Establecer normas para desarrollo de herramientas internas.

Definir procedimientos de alta de nuevos casos de uso.

Mantener un canal de consulta.

Establecer un proceso de escalado.

Definir qué hacer ante una respuesta potencialmente dañina.

Establecer un procedimiento de incidente.

Comunicar posibles fugas de información.

Gestionar errores que hayan afectado a clientes o trabajadores.

Revisar la política periódicamente.

Actualizarla ante nuevas herramientas.

Incorporar cambios regulatorios.

Adaptar las reglas a departamentos con riesgos diferentes.

Promover un uso responsable sin impedir mejoras legítimas de productividad.

Comprender el gobierno de IA como responsabilidad organizativa.

Identificar los sistemas de IA utilizados.

Crear un inventario de herramientas.

Registrar proveedores.

Identificar propietarios internos.

Documentar finalidades.

Identificar usuarios.

Registrar departamentos afectados.

Identificar datos utilizados.

Documentar fuentes de información.

Identificar integraciones.

Registrar acciones que puede ejecutar cada sistema.

Clasificar casos de uso según impacto.

Detectar usos con riesgo elevado.

Escalar posibles casos de alto riesgo.

Identificar usos prohibidos.

Mantener coordinación con legal y compliance.

Evaluar proveedores antes de contratar.

Revisar seguridad.

Analizar privacidad.

Revisar condiciones contractuales.

Evaluar propiedad intelectual.

Comprobar capacidad de administración.

Diseñar pilotos.

Definir criterios de éxito.

Evaluar resultados antes del despliegue.

Establecer baselines.

Medir productividad.

Medir calidad.

Analizar errores.

Medir necesidad de revisión.

Monitorizar incidentes.

Revisar adopción.

Evitar medir éxito únicamente por volumen de uso.

Identificar grupos de usuarios.

Evaluar conocimientos y experiencia previa.

Adaptar formación a cada colectivo.

Diferenciar alfabetización general y formación especializada.

Formar específicamente a responsables y supervisores.

Proporcionar formación adicional a usuarios de sistemas de mayor riesgo.

Crear guías internas.

Mantener preguntas frecuentes.

Establecer canales de soporte.

Crear una comunidad interna de buenas prácticas cuando resulte útil.

Mantener referentes o champions sin sustituir responsabilidades formales.

Registrar acciones de formación y orientación.

Mantener evidencias internas de las medidas adoptadas.

Documentar actualizaciones de políticas.

Registrar cambios relevantes de sistemas.

Revisar periódicamente necesidades de reciclaje.

Incorporar IA al onboarding cuando proceda.

Actualizar la alfabetización cuando cambian herramientas o funcionalidades.

Revisar incidentes como fuente de aprendizaje.

Mantener un ciclo de mejora continua.

Comprender que el gobierno de IA es un proceso permanente y no una actuación puntual.

Repasar qué significa inteligencia artificial.

Diferenciar software convencional e IA.

Recordar qué es Machine Learning.

Diferenciar Machine Learning e IA generativa.

Recordar qué es un modelo.

Comprender nuevamente qué es un LLM.

Repasar entrenamiento e inferencia.

Recordar tokens y contexto.

Comprender nuevamente grounding.

Recordar embeddings y RAG.

Diferenciar chatbot, asistente, copiloto y agente.

Identificar qué sistemas de IA utiliza cada trabajador.

Reconocer herramientas generales y herramientas propias de la empresa.

Recordar que cada sistema puede utilizar diferentes fuentes y permisos.

Seleccionar correctamente la IA para una tarea.

Reconocer cuándo la IA no aporta valor.

Formular una instrucción con objetivo y contexto.

Definir restricciones.

Utilizar fuentes adecuadas.

Mantener únicamente el contexto necesario.

Aplicar IA a documentos sin perder trazabilidad.

Trabajar con datos comprobando resultados.

Utilizar búsquedas verificando las fuentes.

Comprender cuándo una automatización necesita aprobación.

Reconocer cuándo un agente dispone de demasiado acceso.

Aplicar mínimo privilegio.

Repasar qué es una alucinación.

Identificar una respuesta plausible pero incorrecta.

Detectar información obsoleta.

Reconocer posibles sesgos.

Identificar automation bias.

Diferenciar recomendación de IA y decisión profesional.

Repasar los riesgos de privacidad.

Recordar los principios esenciales del RGPD aplicables al usuario.

Aplicar minimización.

Diferenciar información pública, interna, confidencial y restringida.

Recordar qué datos no deben introducirse.

No proporcionar contraseñas, tokens ni secretos.

No cargar documentación no autorizada.

Aplicar anonimización cuando proceda.

Verificar hechos.

Comprobar cifras.

Validar fechas.

Revisar cálculos.

Consultar fuentes originales.

Verificar normativa en fuentes oficiales.

Detectar supuestos e inferencias.

Reconocer cuándo la intervención humana es obligatoria.

Identificar cuándo debe intervenir un especialista.

Detener una tarea cuando el resultado no puede comprobarse de manera razonable.

Mantener un responsable humano del resultado.

Repasar el Reglamento (UE) 2024/1689.

Recordar el artículo 4 de alfabetización en materia de IA.

Comprender nuevamente el enfoque basado en riesgos.

Identificar conceptualmente prácticas prohibidas.

Reconocer posibles escenarios de alto riesgo.

Recordar que la clasificación depende de finalidad y contexto.

Comprender las obligaciones básicas de transparencia.

Reconocer cuándo debe informarse de una interacción o contenido generado mediante IA.

Aplicar las normas internas de la empresa.

Utilizar únicamente herramientas autorizadas.

Respetar permisos de acceso.

Aplicar las reglas corporativas sobre información sensible.

Supervisar agentes e integraciones.

Mantener trazabilidad cuando el impacto lo justifica.

Comunicar incidentes.

Utilizar los canales de consulta establecidos.

Mantener una actitud crítica ante resultados aparentemente convincentes.

Combinar productividad, seguridad, privacidad y responsabilidad.

Actualizar los conocimientos conforme evolucionen herramientas, casos de uso y regulación.

Integrar la alfabetización en IA como competencia profesional permanente.