Una plataforma practica, con IA integrada y pensada para que mejores desarrollando. Se adapta a tu ritmo, te corrige al instante y te muestra tu progreso real.
Correccion magica
Feedback inteligente
Aprende de cada acierto y fallo con explicaciones claras
¿A quién va dirigida esta formación en IA para la Administración Pública?
Pensado para quienes deben dominar IA para la Administración Pública en su día a día
Responsables de transformación digital y modernización administrativa
Este curso encaja con perfiles que lideran proyectos de digitalización, automatización, simplificación administrativa y mejora de servicios públicos. Aprenderán a traducir las posibilidades de la IA en iniciativas viables, priorizadas y gobernadas, evitando pilotos inconexos, soluciones sin evaluación de riesgos o compras tecnológicas sin encaje real en los procedimientos.
Personal técnico, informática, sistemas y ciberseguridad
Los equipos TIC podrán entender cómo integrar IA en arquitecturas públicas con seguridad, interoperabilidad, control de accesos, ENS, trazabilidad, registros, API, datos, cloud, on-premise y proveedores. La formación les ayuda a evaluar RAG, modelos, agentes, despliegues, conectores, monitorización y riesgos técnicos antes de llevar soluciones a producción.
Secretarías, intervención, asesoría jurídica y delegados de protección de datos
Los perfiles jurídicos y de control podrán analizar implicaciones de RGPD, LOPDGDD, Reglamento Europeo de IA, actuación administrativa automatizada, transparencia, motivación, supervisión humana y responsabilidad. El curso no sustituye asesoramiento jurídico especializado, pero aporta criterios prácticos para participar en proyectos de IA desde el diseño.
Unidades gestoras, tramitadores y personal administrativo
El personal que trabaja con expedientes, informes, solicitudes, documentación, atención ciudadana y gestión interna podrá identificar tareas donde la IA puede ahorrar tiempo sin poner en riesgo datos personales ni garantías procedimentales. La formación les enseña a usar IA con límites claros, revisión humana y sentido administrativo.
Responsables de atención ciudadana, comunicación y transparencia
Los equipos que gestionan canales ciudadanos, portales, información pública, consultas, quejas, participación o comunicación institucional podrán aplicar IA para mejorar respuestas, accesibilidad, lenguaje claro y clasificación de demandas. El curso insiste en evitar respuestas inventadas, sesgos, opacidad y automatizaciones que perjudiquen derechos de la ciudadanía.
Directivos públicos, jefaturas de servicio y responsables de área
Los perfiles de dirección podrán tomar mejores decisiones sobre inversión, prioridades, riesgos, proveedores, indicadores, gobernanza y adopción. La formación les permite distinguir una mejora real del servicio público de una iniciativa tecnológica llamativa pero poco sostenible o jurídicamente frágil.
Proveedor con 16 años de experiencia en formación empresarial
Sobre
En Imagina Formación llevamos más de 16 años ayudando a profesionales y empresas a mejorar sus habilidades con formación práctica y totalmente adaptada a sus necesidades. Durante este tiempo, hemos formado a más de 480.000 personas y colaborado con más de 3.500 empresas, convirtiéndonos en un referente en el sector.
16
Años de liderazgo
+480.000
Alumnos formados en Imagina
¿Tienes dudas?
Resolvemos todas tus dudas sobre nuestra formación en IA para la Administración Pública
Explora las respuestas a las preguntas que guian a nuestra comunidad. Aqui encontraras claridad sobre como funciona todo, desde el acceso hasta los detalles de los cursos. Si buscas respuestas, este es el lugar para comenzar.
Es un curso transversal. Incluye fundamentos técnicos de IA, RAG, agentes, modelos y arquitectura, pero también protección de datos, seguridad, procedimiento administrativo, gobernanza, contratación pública, casos de uso y adopción organizativa.
Sí. El curso está diseñado para que perfiles de gestión, jurídicos, atención ciudadana, directivos y personal administrativo puedan entender la IA y participar en proyectos con criterio. Los bloques más técnicos se explican desde impacto, riesgo y aplicación real.
Sí. Se aborda el Reglamento Europeo de IA desde una perspectiva aplicada a la Administración: niveles de riesgo, sistemas de alto riesgo, transparencia, supervisión humana, documentación, gobernanza y calendario de preparación.
Sí. Se trabajan protección de datos desde el diseño, minimización, finalidad, base jurídica, evaluación de impacto, encargados, proveedores, datos en prompts, bases vectoriales, logs y derechos de las personas. La AEPD dispone de guías específicas sobre IA y RGPD que se toman como referencia.
No. Es una formación corporativa para adquirir criterio, metodología y buenas prácticas. No sustituye informes jurídicos, revisión del DPO, auditoría ENS, evaluación de impacto formal ni validación del órgano competente.
Sí. El temario incluye agentes IA, herramientas, límites de autonomía, conectores, revisión humana, logs, permisos y riesgos. También se incorporan las orientaciones de la AEPD sobre IA agéntica y protección de datos.
Sí. Se explica cómo diseñar asistentes basados en documentos oficiales, con fuentes controladas, metadatos, permisos, actualización documental, trazabilidad y respuestas con referencias para reducir alucinaciones.
Sí. Es muy aplicable a ayuntamientos, diputaciones, cabildos, consells, mancomunidades y organismos locales. Los casos de uso pueden adaptarse a atención ciudadana, expedientes, urbanismo, padrón, contratación, servicios sociales, comunicación y archivo.
Sí. El ENS se trabaja como marco clave para clasificar información, proteger sistemas, controlar accesos, registrar actividad, evaluar proveedores y desplegar IA en entornos públicos con garantías.
Sí. Al tratarse de una formación corporativa en IA aplicada, administración digital, seguridad, protección de datos, productividad y competencias digitales, puede plantearse como formación bonificable hasta el 100% a través de FUNDAE, según el crédito disponible y cumpliendo los requisitos administrativos aplicables.
Es un curso transversal. Incluye fundamentos técnicos de IA, RAG, agentes, modelos y arquitectura, pero también protección de datos, seguridad, procedimiento administrativo, gobernanza, contratación pública, casos de uso y adopción organizativa.
Sí. El curso está diseñado para que perfiles de gestión, jurídicos, atención ciudadana, directivos y personal administrativo puedan entender la IA y participar en proyectos con criterio. Los bloques más técnicos se explican desde impacto, riesgo y aplicación real.
Sí. Se aborda el Reglamento Europeo de IA desde una perspectiva aplicada a la Administración: niveles de riesgo, sistemas de alto riesgo, transparencia, supervisión humana, documentación, gobernanza y calendario de preparación.
Sí. Se trabajan protección de datos desde el diseño, minimización, finalidad, base jurídica, evaluación de impacto, encargados, proveedores, datos en prompts, bases vectoriales, logs y derechos de las personas. La AEPD dispone de guías específicas sobre IA y RGPD que se toman como referencia.
No. Es una formación corporativa para adquirir criterio, metodología y buenas prácticas. No sustituye informes jurídicos, revisión del DPO, auditoría ENS, evaluación de impacto formal ni validación del órgano competente.
Sí. El temario incluye agentes IA, herramientas, límites de autonomía, conectores, revisión humana, logs, permisos y riesgos. También se incorporan las orientaciones de la AEPD sobre IA agéntica y protección de datos.
Sí. Se explica cómo diseñar asistentes basados en documentos oficiales, con fuentes controladas, metadatos, permisos, actualización documental, trazabilidad y respuestas con referencias para reducir alucinaciones.
Sí. Es muy aplicable a ayuntamientos, diputaciones, cabildos, consells, mancomunidades y organismos locales. Los casos de uso pueden adaptarse a atención ciudadana, expedientes, urbanismo, padrón, contratación, servicios sociales, comunicación y archivo.
Sí. El ENS se trabaja como marco clave para clasificar información, proteger sistemas, controlar accesos, registrar actividad, evaluar proveedores y desplegar IA en entornos públicos con garantías.
Sí. Al tratarse de una formación corporativa en IA aplicada, administración digital, seguridad, protección de datos, productividad y competencias digitales, puede plantearse como formación bonificable hasta el 100% a través de FUNDAE, según el crédito disponible y cumpliendo los requisitos administrativos aplicables.
Comprensión de la inteligencia artificial como tecnología de apoyo a la gestión pública, la toma de decisiones, la atención ciudadana y la mejora de procesos, sin convertirla en sustituto automático del criterio funcionario.
Identificación de diferencias entre automatización clásica, reglas de negocio, machine learning, IA generativa, modelos fundacionales, asistentes conversacionales y sistemas agénticos aplicados al sector público.
Análisis de por qué la Administración tiene obligaciones reforzadas de legalidad, igualdad, transparencia, motivación, trazabilidad y garantía de derechos cuando incorpora IA.
Revisión de casos donde la IA puede aportar valor: clasificación de documentos, resumen de expedientes, lenguaje claro, consulta normativa, análisis de datos, atención multicanal y apoyo a informes.
Separación entre uso interno de productividad, apoyo a empleados públicos, automatización de procesos y sistemas que influyen en derechos o situaciones jurídicas de ciudadanos.
Identificación de riesgos específicos del sector público: opacidad, discriminación, automatización indebida, delegación acrítica, filtración de datos, dependencia de proveedor y pérdida de confianza ciudadana.
Evaluación del impacto de la IA en eficiencia administrativa, reducción de tiempos, calidad de respuesta, accesibilidad, gestión de conocimiento y continuidad del servicio.
Reflexión sobre el papel de los empleados públicos como supervisores, validadores, responsables de criterio y garantes de legalidad.
Creación de un marco de decisión para distinguir casos de uso seguros, casos que requieren controles reforzados y casos que no deben automatizarse.
Elaboración de una primera matriz de oportunidades de IA por área, proceso, dato, riesgo, impacto ciudadano y facilidad de implantación.
Comprensión de la inteligencia artificial como tecnología de apoyo a la gestión pública, la toma de decisiones, la atención ciudadana y la mejora de procesos, sin convertirla en sustituto automático del criterio funcionario.
Identificación de diferencias entre automatización clásica, reglas de negocio, machine learning, IA generativa, modelos fundacionales, asistentes conversacionales y sistemas agénticos aplicados al sector público.
Análisis de por qué la Administración tiene obligaciones reforzadas de legalidad, igualdad, transparencia, motivación, trazabilidad y garantía de derechos cuando incorpora IA.
Revisión de casos donde la IA puede aportar valor: clasificación de documentos, resumen de expedientes, lenguaje claro, consulta normativa, análisis de datos, atención multicanal y apoyo a informes.
Separación entre uso interno de productividad, apoyo a empleados públicos, automatización de procesos y sistemas que influyen en derechos o situaciones jurídicas de ciudadanos.
Identificación de riesgos específicos del sector público: opacidad, discriminación, automatización indebida, delegación acrítica, filtración de datos, dependencia de proveedor y pérdida de confianza ciudadana.
Evaluación del impacto de la IA en eficiencia administrativa, reducción de tiempos, calidad de respuesta, accesibilidad, gestión de conocimiento y continuidad del servicio.
Reflexión sobre el papel de los empleados públicos como supervisores, validadores, responsables de criterio y garantes de legalidad.
Creación de un marco de decisión para distinguir casos de uso seguros, casos que requieren controles reforzados y casos que no deben automatizarse.
Elaboración de una primera matriz de oportunidades de IA por área, proceso, dato, riesgo, impacto ciudadano y facilidad de implantación.
Tema 1: IA en la Administración Pública: oportunidad, límites y responsabilidad institucional
Comprensión de la inteligencia artificial como tecnología de apoyo a la gestión pública, la toma de decisiones, la atención ciudadana y la mejora de procesos, sin convertirla en sustituto automático del criterio funcionario.
Identificación de diferencias entre automatización clásica, reglas de negocio, machine learning, IA generativa, modelos fundacionales, asistentes conversacionales y sistemas agénticos aplicados al sector público.
Análisis de por qué la Administración tiene obligaciones reforzadas de legalidad, igualdad, transparencia, motivación, trazabilidad y garantía de derechos cuando incorpora IA.
Revisión de casos donde la IA puede aportar valor: clasificación de documentos, resumen de expedientes, lenguaje claro, consulta normativa, análisis de datos, atención multicanal y apoyo a informes.
Separación entre uso interno de productividad, apoyo a empleados públicos, automatización de procesos y sistemas que influyen en derechos o situaciones jurídicas de ciudadanos.
Identificación de riesgos específicos del sector público: opacidad, discriminación, automatización indebida, delegación acrítica, filtración de datos, dependencia de proveedor y pérdida de confianza ciudadana.
Evaluación del impacto de la IA en eficiencia administrativa, reducción de tiempos, calidad de respuesta, accesibilidad, gestión de conocimiento y continuidad del servicio.
Reflexión sobre el papel de los empleados públicos como supervisores, validadores, responsables de criterio y garantes de legalidad.
Creación de un marco de decisión para distinguir casos de uso seguros, casos que requieren controles reforzados y casos que no deben automatizarse.
Elaboración de una primera matriz de oportunidades de IA por área, proceso, dato, riesgo, impacto ciudadano y facilidad de implantación.
Tema 2: Marco normativo europeo y español para IA en servicios públicos
Revisión del Reglamento Europeo de Inteligencia Artificial como marco basado en riesgo, con obligaciones diferenciadas para sistemas prohibidos, alto riesgo, riesgo limitado y usos de menor riesgo.
Comprensión del calendario de aplicación del Reglamento Europeo de IA y de la necesidad de preparar inventarios, controles y políticas antes de que las obligaciones sean plenamente exigibles.
Identificación de situaciones administrativas donde un sistema podría considerarse de alto riesgo por afectar a derechos, prestaciones, educación, empleo, acceso a servicios públicos o decisiones relevantes.
Relación entre Reglamento Europeo de IA, RGPD, LOPDGDD, Ley 39/2015, Ley 40/2015, ENS, ENI, transparencia, reutilización de información y contratación pública.
Análisis de la actuación administrativa automatizada conforme a la Ley 40/2015, que define actuaciones realizadas íntegramente por medios electrónicos sin intervención directa de empleado público.
Revisión del papel de AESIA como Agencia Española de Supervisión de Inteligencia Artificial, creada por Real Decreto 729/2023.
Identificación de cuándo un proyecto de IA exige participación de jurídico, DPO, seguridad, responsable funcional, órgano competente y comité de gobernanza.
Diseño de un checklist normativo inicial para valorar si un caso de uso requiere evaluación de impacto, análisis de riesgo, supervisión humana o documentación reforzada.
Preparación de evidencias que una Administración debería conservar: finalidad, base jurídica, datos usados, modelo, proveedor, decisiones, pruebas, métricas y controles.
Aclaración de que la formación aporta criterios operativos, pero no sustituye informes jurídicos, dictámenes, auditorías o validación formal del organismo competente.
Tema 3: Derechos fundamentales, buena administración y confianza ciudadana
Análisis de la relación entre IA y derechos fundamentales: igualdad, no discriminación, protección de datos, tutela efectiva, información, participación y buena administración.
Aplicación del principio de buena administración digital a sistemas que ayudan a priorizar, clasificar, responder o proponer decisiones dentro de expedientes.
Revisión de la Carta de Derechos Digitales española, que contempla derechos de la ciudadanía en relación con la IA también en la actuación administrativa.
Identificación de situaciones donde la IA puede generar trato desigual por datos históricos sesgados, variables indirectas o diseños aparentemente neutrales.
Diseño de mecanismos para garantizar que la ciudadanía pueda entender cuándo interactúa con sistemas automatizados o con apoyo de IA.
Preparación de explicaciones comprensibles sobre qué hace el sistema, qué no hace, qué datos usa y quién supervisa el resultado.
Revisión de la necesidad de mantener canales alternativos cuando la digitalización o la IA puedan excluir a personas con brecha digital.
Definición de criterios para que la IA mejore accesibilidad, lectura fácil, multilingüismo y atención inclusiva sin generar respuestas incorrectas o discriminatorias.
Integración de control humano real cuando una recomendación de IA pueda afectar a derechos, cargas, prestaciones o situaciones personales.
Creación de una guía de principios institucionales para IA pública: legalidad, proporcionalidad, transparencia, responsabilidad, equidad, seguridad y utilidad.
Tema 4: Inventario de casos de uso y priorización en entidades públicas
Identificación de procesos candidatos a IA mediante entrevistas con unidades gestoras, revisión de cargas de trabajo, análisis de expedientes y detección de tareas repetitivas.
Clasificación de casos por tipo: productividad interna, asistencia documental, búsqueda semántica, atención ciudadana, analítica predictiva, automatización y agentes.
Priorización según impacto público, ahorro de tiempo, reducción de errores, mejora de accesibilidad, disponibilidad de datos y facilidad de integración.
Evaluación del riesgo asociado a cada caso: datos personales, decisiones con efectos jurídicos, vulnerabilidad de colectivos, opacidad, dependencia externa y seguridad.
Diferenciación entre quick wins de bajo riesgo y proyectos estructurales que requieren análisis jurídico, técnico y organizativo profundo.
Creación de fichas de caso de uso con finalidad, usuarios, datos, proceso afectado, sistema actual, beneficio esperado, riesgos y métricas.
Revisión de casos que suelen fallar: chatbots sin base documental fiable, resúmenes sin validación, modelos predictivos sin gobernanza o automatizaciones sin owner.
Diseño de una cartera de proyectos IA equilibrada entre mejora interna, servicios ciudadanos, gestión de conocimiento y modernización de procesos.
Preparación de criterios de descarte para iniciativas que no tienen datos adecuados, no resuelven un problema real o presentan riesgo desproporcionado.
Elaboración de un roadmap institucional de IA con fases, responsables, dependencias, controles, pilotos y criterios de escalado.
Tema 5: Alfabetización en IA para empleados públicos
Explicación clara de conceptos esenciales: modelo, entrenamiento, inferencia, prompt, contexto, alucinación, embeddings, token, agente, RAG y fine-tuning.
Comprensión de lo que un LLM puede hacer bien: resumir, clasificar, reformular, comparar, extraer información, generar borradores y ayudar a explorar documentación.
Identificación de límites frecuentes: invención de datos, confianza excesiva, respuestas desactualizadas, sesgos, falta de motivación jurídica y sensibilidad al contexto.
Entrenamiento en lectura crítica de respuestas generadas por IA, verificando fuentes, hechos, fechas, normas, cálculos y conclusiones.
Creación de hábitos seguros: no introducir datos personales o confidenciales, no aceptar respuestas sin revisar y no usar IA como autoridad normativa final.
Diseño de prompts administrativos con finalidad, rol, restricciones, formato, fuentes permitidas y nivel de detalle esperado.
Diferenciación entre pedir una respuesta general y solicitar apoyo sobre documentos, normativa o datos internos controlados.
Revisión de ejemplos de mal uso: copiar expedientes reales, pedir decisiones sobre ciudadanos, generar resoluciones sin supervisión o usar herramientas no autorizadas.
Preparación de un decálogo de uso responsable para personal público no técnico.
Evaluación de competencias mínimas de IA para distintos perfiles: empleado administrativo, técnico, directivo, jurídico, TIC, atención ciudadana y responsable de datos.
Tema 6: IA generativa para productividad administrativa segura
Uso de IA generativa para redactar borradores de emails, actas, notas internas, informes preliminares, guías, FAQs y documentación de apoyo.
Aplicación de IA para transformar textos administrativos complejos en lenguaje claro, manteniendo revisión humana y fidelidad jurídica.
Creación de resúmenes de documentos largos con advertencias sobre límites, omisiones posibles y necesidad de contraste con el original.
Generación de esquemas de procedimientos, checklists, cronogramas, matrices de riesgos y plantillas de seguimiento.
Apoyo en revisión de coherencia, estilo, duplicidades, ambigüedad y estructura de documentos internos.
Definición de límites claros: la IA puede preparar borradores, pero no firmar, resolver, certificar, interpretar definitivamente ni sustituir responsabilidad administrativa.
Preparación de prompts seguros para trabajar con textos anonimizados, documentos ficticios o información pública.
Identificación de tareas donde la IA ahorra tiempo sin comprometer datos personales ni procedimientos sensibles.
Creación de un flujo de revisión: generación, contraste, validación por persona responsable, adaptación al expediente y archivo de versión final.
Diseño de una biblioteca de prompts institucionales aprobados para usos frecuentes y de bajo riesgo.
Tema 7: Datos públicos, datos administrativos y calidad del dato
Diferenciación entre datos abiertos, datos internos, datos personales, datos especialmente protegidos, información reservada y documentos sujetos a publicidad activa.
Evaluación de calidad del dato antes de entrenar, consultar o automatizar procesos: completitud, actualización, sesgos, errores, duplicados y trazabilidad.
Revisión de cómo datos históricos pueden reproducir desigualdades o prácticas administrativas anteriores si se usan sin análisis crítico.
Definición de responsables de dato por área para asegurar que la IA no se construye sobre bases sin owner ni mantenimiento.
Preparación de catálogos de datos útiles para IA, indicando finalidad, origen, calidad, permisos, retención, sensibilidad y restricciones.
Diseño de procesos de anonimización, seudonimización o generación de datos sintéticos cuando se necesita practicar o probar sistemas.
Identificación de riesgos de combinar datasets que, por separado, parecen inocuos pero juntos permiten inferencias sensibles.
Integración de principios de minimización y limitación de finalidad cuando el sistema IA trabaja con datos personales.
Creación de controles para evitar que datos incorrectos alimenten respuestas, recomendaciones o automatizaciones públicas.
Elaboración de una ficha de calidad de datos para cada caso de uso IA.
Tema 8: RGPD, LOPDGDD y protección de datos desde el diseño
Aplicación de protección de datos desde el diseño y por defecto en sistemas que incorporan IA o modelos generativos.
Revisión de la guía de la AEPD sobre adecuación al RGPD de tratamientos que incorporan IA, dirigida a responsables, desarrolladores y encargados.
Identificación de roles de responsable, encargado, proveedor tecnológico, subencargado, usuario interno y tercero conectado.
Análisis de base jurídica, finalidad, minimización, transparencia, conservación, ejercicio de derechos, seguridad y transferencias internacionales.
Preparación de evaluaciones de impacto cuando el tratamiento de datos personales con IA pueda implicar alto riesgo para derechos y libertades.
Gestión de datos personales en prompts, documentos subidos, logs, embeddings, bases vectoriales, historiales de conversación y trazas.
Diseño de cláusulas, contratos y controles con proveedores que tratan datos personales en soluciones de IA.
Revisión de cómo tratar respuestas generadas que contengan datos personales, inferencias, perfiles o información no verificada.
Integración del DPO desde la fase de diseño, no cuando el sistema ya está contratado o desarrollado.
Creación de un protocolo de privacidad para pilotos IA con datos reales, datos anonimizados o entornos simulados.
Tema 9: Esquema Nacional de Seguridad, ciberseguridad y clasificación de información
Revisión del Esquema Nacional de Seguridad como marco obligatorio para proteger sistemas, datos, servicios y procedimientos del sector público.
Clasificación de información antes de usar IA: pública, interna, confidencial, restringida, sensible, datos personales o información sometida a secreto.
Identificación de riesgos de seguridad en IA: fuga de prompts, extracción de datos, credenciales en documentos, inyección de instrucciones, malware generado y abuso de APIs.
Evaluación de proveedores cloud, SaaS, APIs de modelos, conectores, almacenamiento de conversaciones y ubicación de datos.
Aplicación de controles de acceso, MFA, registros, cifrado, segregación de entornos, retención de logs y monitorización.
Revisión de riesgos de prompt injection en asistentes conectados a documentos, bases de datos, correo, expedientes o gestores documentales.
Definición de entornos de prueba separados para no conectar modelos experimentales con sistemas productivos o expedientes vivos.
Preparación de medidas de respuesta ante incidentes vinculados a IA: fuga de información, respuesta errónea, abuso del agente o acceso indebido.
Coordinación con responsables ENS, CISO, DPO, TIC y unidad funcional para clasificar riesgos y controles antes del despliegue.
Creación de una checklist de seguridad IA alineada con ENS, ciclo de vida del sistema y criticidad del servicio.
Tema 10: Esquema Nacional de Interoperabilidad y arquitectura de sistemas IA
Comprensión del Esquema Nacional de Interoperabilidad como marco para garantizar interoperabilidad técnica, semántica y organizativa en la Administración.
Diseño de soluciones IA que se integren con sistemas existentes sin crear silos documentales, repositorios paralelos o bases de conocimiento opacas.
Identificación de fuentes oficiales de datos y documentos que deben alimentar un RAG, asistente o sistema de consulta interna.
Definición de metadatos, taxonomías, expedientes, códigos, unidades, órganos y procedimientos para que la IA entienda contexto administrativo.
Revisión de APIs, conectores, gestores documentales, portafirmas, registro, archivo electrónico, sede electrónica y plataformas de interoperabilidad.
Gestión de versiones documentales para evitar que un asistente responda con normativa, instrucciones o formularios obsoletos.
Preparación de arquitecturas que separen capa de datos, capa de modelo, capa de aplicación, trazabilidad, seguridad y supervisión.
Evitación de soluciones cerradas que impidan migración, auditoría, exportación de datos o sustitución de proveedor.
Diseño de contratos de integración con responsabilidades claras sobre datos, actualizaciones, disponibilidad, errores y mantenimiento.
Creación de un mapa de arquitectura IA pública con sistemas origen, datos, modelos, APIs, controles, usuarios y evidencias.
Tema 11: Selección de modelos, proveedores y licencias para el sector público
Comparación entre modelos comerciales, modelos open source, modelos especializados, modelos multimodales y modelos desplegados en infraestructura propia.
Evaluación de criterios para elegir modelo: precisión, idioma, coste, seguridad, residencia de datos, transparencia, integración, latencia y soporte.
Análisis de opciones cloud, SaaS, API, entorno privado, on-premise y despliegue híbrido según sensibilidad de datos y requisitos ENS.
Identificación de riesgos de dependencia de proveedor, cambios de precio, límites de uso, discontinuidad de modelos y falta de portabilidad.
Revisión de condiciones de servicio, uso de datos para entrenamiento, retención de prompts, subprocesadores, logging y ubicación geográfica.
Selección de licencias y planes adecuados para perfiles públicos, evitando usar cuentas personales, gratuitas o no autorizadas en tareas institucionales.
Creación de criterios de homologación interna de herramientas IA antes de permitir su uso por empleados públicos.
Evaluación de modelos especializados para traducción, OCR, clasificación documental, voz, visión, analítica, accesibilidad o búsqueda semántica.
Preparación de una matriz comparativa de proveedores con puntuación técnica, jurídica, económica, operativa y de seguridad.
Documentación de decisiones de selección para contratación, auditoría, continuidad y revisión periódica.
Tema 12: Prompting administrativo, instrucciones reutilizables y control de calidad
Diseño de prompts orientados a tareas administrativas concretas: resumen, clasificación, revisión de coherencia, borrador, extracción y lenguaje claro.
Uso de instrucciones del sistema, contexto, criterios, restricciones, ejemplos y formato de salida para reducir ambigüedad.
Creación de prompts que obliguen a citar fuentes internas o indicar cuando no hay información suficiente.
Preparación de plantillas de prompt por área: atención ciudadana, contratación, subvenciones, RR. HH., urbanismo, archivo, comunicación y normativa.
Revisión de outputs con criterios de exactitud, completitud, tono institucional, adecuación normativa, claridad y ausencia de invenciones.
Control de versiones de prompts para saber qué instrucción produjo qué salida en un piloto o proceso repetible.
Identificación de señales de mala respuesta: citas inexistentes, exceso de seguridad, omisión de límites, mezcla de normas o respuesta demasiado general.
Diseño de pruebas comparativas entre prompts para seleccionar el enfoque más fiable y menos arriesgado.
Creación de una biblioteca aprobada de prompts y una lista de prompts prohibidos o no recomendados.
Integración de revisión humana y trazabilidad cuando un prompt se use dentro de un flujo recurrente de trabajo.
Tema 13: RAG, búsqueda semántica y bases de conocimiento administrativas
Comprensión de RAG como arquitectura que combina recuperación de información documental con generación de respuestas basadas en contexto.
Identificación de casos públicos adecuados: consulta normativa interna, manuales de procedimiento, FAQs ciudadanas, pliegos, instrucciones y gestión de conocimiento.
Preparación de fuentes documentales fiables, actualizadas, versionadas y autorizadas antes de construir una base de conocimiento.
Diseño de chunking, metadatos, embeddings, filtros, permisos y criterios de recuperación para documentos administrativos.
Uso de bases de datos vectoriales con control de seguridad, trazabilidad, actualización, borrado y segregación por área o nivel de acceso.
Revisión de riesgos: documentos obsoletos, recuperación de fragmentos fuera de contexto, respuestas sin fuente y mezcla de información pública y restringida.
Configuración de respuestas que muestren referencias, fragmentos utilizados, nivel de confianza y advertencias cuando no haya base suficiente.
Validación del RAG con preguntas frecuentes, preguntas adversariales, casos límite, normativa derogada y documentos similares.
Preparación de procedimientos de actualización documental para que el sistema no responda con versiones antiguas.
Creación de una guía de diseño de RAG administrativo con fuentes, permisos, metadatos, pruebas, métricas y responsables.
Tema 14: Agentes IA en procesos públicos: autonomía, herramientas y límites
Comprensión de la IA agéntica como sistemas capaces de actuar para lograr objetivos, interactuar con herramientas y adaptarse al contexto.
Revisión de las orientaciones de la AEPD sobre IA agéntica desde la perspectiva de protección de datos, especialmente cuando los agentes tratan datos personales.
Identificación de tareas donde un agente puede apoyar: buscar documentos, preparar borradores, abrir tickets, clasificar solicitudes o coordinar pasos internos.
Separación entre agente asistente, agente con herramientas internas, agente que propone acciones y agente que ejecuta acciones con impacto administrativo.
Diseño de límites de autonomía: acciones permitidas, acciones prohibidas, confirmación humana, permisos, logs y reversibilidad.
Gestión de tool calling, conectores, APIs, correo, gestores documentales, bases de datos y sistemas de expediente con controles estrictos.
Revisión de riesgos: actuación no autorizada, encadenamiento de errores, acceso excesivo, filtración de datos, instrucciones maliciosas y falta de explicabilidad.
Definición de human-in-the-loop para pasos críticos, especialmente cuando el agente prepara comunicaciones, resúmenes o propuestas de actuación.
Monitorización de acciones del agente con registros auditables, métricas de error, trazas y revisión periódica.
Creación de una política interna de agentes IA con niveles de riesgo, permisos, pruebas, documentación y proceso de aprobación.
Tema 15: Automatización administrativa y actuación administrativa automatizada
Diferenciación entre automatización de apoyo, automatización de tareas internas y actuación administrativa automatizada con efectos procedimentales.
Revisión de requisitos organizativos cuando una actuación se realiza íntegramente por medios electrónicos sin intervención directa de empleado público.
Identificación de procesos automatizables de bajo riesgo: clasificación, asignación, validaciones formales, notificaciones internas y extracción de datos.
Análisis de procesos donde la automatización exige cautela: concesión de ayudas, sanciones, baremación, admisión, priorización y reconocimiento de derechos.
Diseño de reglas, criterios, logs y evidencias que permitan explicar cómo se produjo una actuación o recomendación.
Separación entre algoritmo determinista, modelo probabilístico y decisión administrativa formal.
Preparación de mecanismos de revisión, recurso, subsanación y supervisión cuando la automatización participa en un procedimiento.
Definición de responsabilidad del órgano competente, unidad gestora, TIC, proveedor y supervisores humanos.
Evaluación de impacto organizativo antes de automatizar tareas que hoy dependen de juicio experto o interpretación contextual.
Creación de una ficha de automatización administrativa con finalidad, norma, datos, lógica, controles, responsables y evidencias.
Tema 16: Atención ciudadana con IA: chatbots, asistentes y lenguaje claro
Diseño de asistentes ciudadanos que respondan sobre trámites, requisitos, plazos, documentación, horarios, servicios y canales disponibles.
Preparación de bases de conocimiento verificadas para evitar que el chatbot genere respuestas inventadas o no alineadas con la sede electrónica.
Integración de lenguaje claro, lectura fácil, multilingüismo y accesibilidad para mejorar la relación con ciudadanía diversa.
Definición de límites del asistente: información general, orientación, no asesoramiento jurídico individualizado y derivación a personal competente.
Preparación de mensajes de transparencia sobre uso de IA, fuentes utilizadas, limitaciones y canales alternativos de atención.
Gestión de consultas con datos personales: cuándo bloquearlas, derivarlas, anonimizar información o usar un canal seguro.
Monitorización de respuestas erróneas, preguntas sin contestar, insatisfacción, escalados y riesgos reputacionales.
Diseño de handoff a atención humana cuando el caso es complejo, sensible, urgente o afecta a derechos.
Pruebas con perfiles de usuarios reales: mayores, personas con discapacidad, ciudadanos con baja alfabetización digital y colectivos vulnerables.
Creación de métricas de atención: reducción de consultas repetidas, calidad de respuesta, derivaciones correctas, accesibilidad y satisfacción.
Tema 17: Gestión documental, expedientes y archivo con apoyo de IA
Uso de IA para clasificar documentos, extraer datos, detectar duplicados, resumir expedientes y proponer etiquetas o metadatos.
Revisión de límites al resumir expedientes administrativos, especialmente cuando faltan documentos, hay información contradictoria o se requiere valoración jurídica.
Preparación de flujos para que la IA ayude a ordenar documentación sin alterar el expediente ni sustituir su integridad probatoria.
Aplicación de OCR, extracción de entidades, fechas, importes, referencias normativas, interesados, órganos y plazos.
Control de calidad sobre metadatos generados automáticamente antes de incorporarlos a sistemas oficiales.
Diseño de integración con archivo electrónico, gestores documentales, expedientes, portafirmas y registro.
Prevención de errores derivados de documentos escaneados con mala calidad, nombres confusos, versiones duplicadas o anexos incompletos.
Gestión de permisos para que la IA no indexe documentos de acceso restringido en bases de conocimiento abiertas a más usuarios.
Creación de indicadores sobre tiempos de clasificación, errores corregidos, documentación incompleta y reducción de trabajo manual.
Elaboración de un protocolo de uso de IA documental con trazabilidad, revisión, conservación y seguridad.
Tema 18: Contratación pública, subvenciones y ayudas con apoyo de IA
Identificación de usos de IA en contratación: análisis de pliegos, comparación de ofertas, extracción de requisitos, detección de incoherencias y preparación de borradores.
Definición de límites claros: la IA puede apoyar análisis documental, pero no sustituir la valoración técnica, jurídica o económica de los órganos competentes.
Aplicación en subvenciones y ayudas para revisar bases, clasificar solicitudes, detectar documentación incompleta y priorizar subsanaciones.
Gestión de riesgos de sesgo, trato desigual, opacidad y falta de motivación cuando la IA interviene en procesos competitivos.
Preparación de criterios de transparencia y documentación sobre qué tareas fueron asistidas por IA y qué decisiones fueron humanas.
Revisión de datos personales, económicos, empresariales y confidenciales tratados en expedientes de contratación o subvenciones.
Diseño de prompts y RAG internos para localizar cláusulas, requisitos, informes, modelos de pliego y normativa aplicable.
Validación de resultados por personal especializado antes de usar cualquier salida en informes, actas o propuestas.
Creación de controles para evitar que modelos externos procesen ofertas, secretos empresariales o datos de licitadores sin base contractual adecuada.
Elaboración de una matriz de usos permitidos, usos restringidos y usos prohibidos de IA en contratación y ayudas.
Tema 19: Servicios sociales, empleo, educación y sanidad: IA en ámbitos sensibles
Análisis de ámbitos donde la IA puede impactar en colectivos vulnerables, acceso a derechos, servicios esenciales o decisiones de alto impacto.
Identificación de riesgos de discriminación indirecta cuando se usan datos históricos de atención, vulnerabilidad, empleo, salud o educación.
Diseño de controles reforzados para priorización, segmentación, detección de riesgo, orientación personalizada o asignación de recursos.
Aplicación de supervisión humana cualificada cuando la IA genere recomendaciones sobre personas, familias, estudiantes, pacientes o demandantes de empleo.
Definición de explicaciones comprensibles para usuarios afectados y canales para revisión o corrección de información.
Revisión de datos especialmente protegidos y necesidad de bases jurídicas, minimización, seguridad y evaluación de impacto.
Preparación de pruebas de sesgo por edad, género, discapacidad, origen, territorio, renta, idioma u otros factores relevantes.
Diferenciación entre IA para gestión interna y sistemas que influyen en acceso a prestaciones, cupos, admisiones o intervenciones.
Diseño de indicadores de equidad, precisión, error, falsos positivos, falsos negativos y efectos no deseados.
Creación de un procedimiento reforzado de aprobación para IA en servicios públicos sensibles.
Tema 20: Analítica predictiva, priorización y apoyo a decisiones públicas
Comprensión de la analítica predictiva como apoyo probabilístico que requiere evaluación de datos, supuestos, errores y efectos reales.
Identificación de usos posibles: mantenimiento predictivo, planificación de recursos, detección de fraude, demanda de servicios, incidencias y riesgos operativos.
Diferenciación entre predicción estadística, recomendación administrativa, alerta temprana y decisión con efectos jurídicos.
Evaluación de precisión, sensibilidad, especificidad, falsos positivos, falsos negativos y coste de error según el contexto público.
Revisión de variables sensibles o proxy variables que pueden introducir sesgo aunque no se usen categorías protegidas directamente.
Diseño de paneles de apoyo a decisión que muestren incertidumbre, explicación, fuente de datos y límites del modelo.
Preparación de procesos de revisión humana donde la recomendación IA se contrasta con información adicional y criterio experto.
Definición de métricas de impacto: mejora de planificación, reducción de tiempos, detección temprana, equidad y confianza.
Control de deriva del modelo cuando cambian patrones sociales, normativos, económicos, territoriales o de demanda.
Creación de un protocolo para modelos predictivos en Administración con validación, seguimiento, revisión y retirada.
Tema 21: Transparencia algorítmica, explicabilidad y rendición de cuentas
Definición de transparencia adecuada al contexto: información pública general, documentación técnica, explicación individual y evidencias internas.
Diseño de fichas de sistemas IA con finalidad, responsables, datos, modelo, proveedor, riesgos, medidas de mitigación y supervisión humana.
Preparación de explicaciones comprensibles para ciudadanía, empleados públicos, órganos de control y equipos técnicos.
Revisión de cuándo hace falta explicar una recomendación, una clasificación, una priorización o una actuación automatizada.
Construcción de registros de decisiones, versiones de modelo, prompts, fuentes, parámetros, resultados y revisiones humanas.
Equilibrio entre transparencia, seguridad, secreto comercial, protección de datos y prevención de abuso del sistema.
Aplicación de técnicas de explicabilidad en modelos analíticos, reglas de negocio, sistemas de ranking y asistentes basados en documentos.
Diseño de mecanismos de reclamación, corrección y revisión cuando una persona considere que un sistema IA le ha perjudicado.
Preparación de reporting interno para órganos de gobierno, auditoría, DPO, CISO, intervención o responsables de servicio.
Creación de una plantilla de transparencia algorítmica para proyectos públicos de IA.
Tema 22: Sesgos, equidad, accesibilidad y evaluación social del impacto
Identificación de sesgos en datos, diseño de objetivos, selección de variables, entrenamiento, evaluación, despliegue y uso humano.
Análisis de cómo un sistema puede discriminar indirectamente por variables aparentemente neutrales vinculadas a territorio, renta, idioma o historial administrativo.
Diseño de pruebas de equidad comparando resultados por colectivos, áreas geográficas, perfiles de usuario y situaciones administrativas.
Incorporación de accesibilidad en interfaces con IA: lectura fácil, compatibilidad con tecnologías de apoyo, multilingüismo y alternativas no digitales.
Revisión de impacto sobre personas mayores, personas con discapacidad, ciudadanos extranjeros, baja alfabetización digital y colectivos vulnerables.
Preparación de criterios para no desplegar un sistema si los errores afectan desproporcionadamente a un grupo.
Integración de participación ciudadana o revisión experta en proyectos de alto impacto social.
Documentación de decisiones sobre variables excluidas, datos no usados, ajustes de modelo y medidas de mitigación.
Seguimiento de efectos reales tras la implantación para detectar impactos no previstos.
Creación de una matriz de evaluación social de IA pública con riesgos, colectivos, medidas, responsables e indicadores.
Tema 23: Gobierno interno de IA: comité, políticas y ciclo de vida
Diseño de un modelo de gobierno de IA con comité, responsables funcionales, TIC, seguridad, DPO, jurídico, contratación, archivo y dirección.
Creación de una política institucional de IA que defina usos permitidos, usos restringidos, herramientas autorizadas, datos prohibidos y revisión humana.
Establecimiento de un registro interno de sistemas IA, pilotos, asistentes, modelos, proveedores, datos, riesgos y propietarios.
Definición del ciclo de vida: idea, evaluación, piloto, validación, contratación, despliegue, monitorización, mejora, auditoría y retirada.
Preparación de umbrales para decidir cuándo un proyecto debe pasar por revisión reforzada o evaluación de impacto.
Gestión de cambios de modelo, proveedor, datos, prompt, documentación o finalidad con control y trazabilidad.
Incorporación de formación obligatoria para usuarios de herramientas IA según nivel de riesgo y responsabilidad.
Diseño de canales de consulta para empleados públicos que no sepan si pueden usar IA en una tarea concreta.
Medición de madurez institucional: inventario, políticas, formación, pilotos, incidentes, controles y resultados.
Creación de un cuadro de mando de gobierno IA para dirección y órganos internos.
Tema 24: Contratación pública de soluciones IA y relación con proveedores
Preparación de pliegos que describan finalidad, alcance, datos, integración, seguridad, explicabilidad, mantenimiento, soporte y criterios de evaluación.
Inclusión de requisitos de protección de datos, ENS, trazabilidad, auditoría, reversibilidad, ubicación de datos y subencargados.
Evaluación de proveedores por capacidades reales, no solo demostraciones comerciales: calidad, pruebas, documentación, seguridad, soporte y sostenibilidad.
Definición de entregables obligatorios: documentación técnica, manuales, evidencias de pruebas, métricas, logs, APIs, plan de continuidad y plan de salida.
Gestión de propiedad intelectual, licencias, derechos sobre prompts, datos de entrenamiento, modelos ajustados y outputs generados.
Preparación de cláusulas sobre uso de datos para entrenamiento, retención, transferencias internacionales y eliminación al finalizar contrato.
Exigencia de pruebas con datos sintéticos o anonimizados antes de acceder a datos reales de la Administración.
Diseño de criterios de aceptación del sistema antes de ponerlo en producción o ampliar su alcance.
Control de dependencia tecnológica mediante estándares, exportación de datos, APIs documentadas y capacidad de sustitución.
Creación de una checklist de contratación IA para órganos de contratación, unidad funcional, TIC, DPO y seguridad.
Tema 25: Pilotos, pruebas de concepto y paso a producción
Diseño de pilotos con hipótesis clara, alcance limitado, datos controlados, métricas y criterio de éxito o descarte.
Selección de casos de bajo riesgo para empezar, evitando usar el primer piloto en un procedimiento crítico con datos sensibles.
Preparación de datos de prueba, documentos ficticios, usuarios piloto, escenarios realistas y evaluación comparativa.
Medición de precisión, tiempo ahorrado, errores, satisfacción, impacto operativo, coste y esfuerzo de supervisión humana.
Identificación de fallos antes de escalar: alucinaciones, instrucciones inseguras, recuperación documental pobre, sesgos y baja adopción.
Diseño de gate de paso a producción con validación técnica, jurídica, seguridad, DPO, funcional y dirección.
Preparación de documentación de despliegue: arquitectura, fuentes, permisos, logs, responsables, soporte y plan de reversión.
Planificación de formación a usuarios antes de ampliar el uso a unidades no participantes en el piloto.
Definición de límites iniciales de producción, monitorización reforzada y revisión temprana tras el despliegue.
Creación de una plantilla de informe final de piloto IA con resultados, riesgos, decisiones y hoja de ruta.
Tema 26: Evaluación, auditoría y monitorización continua de sistemas IA
Definición de métricas de funcionamiento: precisión, tasa de error, cobertura, satisfacción, tiempo de respuesta, coste y escalados humanos.
Seguimiento de errores graves, respuestas inventadas, consultas no resueltas, sesgos detectados, incidentes de seguridad y quejas ciudadanas.
Auditoría periódica de datos, prompts, fuentes, versiones de modelo, cambios de proveedor, permisos y logs.
Revisión de deriva del modelo o del conocimiento cuando cambian normativa, procedimientos, formularios, datos o demanda ciudadana.
Creación de pruebas recurrentes con casos patrón, casos límite, casos adversariales y situaciones sensibles.
Preparación de mecanismos para suspender, limitar o revertir un sistema IA si produce daños, errores repetidos o incumplimientos.
Documentación de acciones correctivas, responsables, plazos y evidencias de mejora.
Integración de monitorización IA en cuadros de mando de TIC, seguridad, calidad, atención ciudadana y dirección.
Participación de auditoría interna, DPO, CISO, jurídico y unidades funcionales según criticidad del sistema.
Creación de un plan anual de revisión de sistemas IA desplegados.
Tema 27: IA, comunicación institucional y gestión de contenidos públicos
Uso de IA para preparar borradores de notas, campañas, publicaciones web, respuestas frecuentes, resúmenes y contenidos de lenguaje claro.
Revisión humana de todo contenido institucional generado con IA para verificar exactitud, tono, oportunidad, accesibilidad y coherencia política o administrativa.
Identificación de riesgos de desinformación, errores en normativa, fechas incorrectas, promesas no autorizadas o mensajes poco inclusivos.
Preparación de guías de estilo para IA en comunicación pública: lenguaje claro, neutralidad, transparencia, accesibilidad y precisión.
Uso de IA para adaptar contenidos a lectura fácil, diferentes idiomas o formatos accesibles sin perder fidelidad al mensaje oficial.
Control de imágenes, audio y vídeo generados con IA, especialmente cuando puedan confundirse con hechos reales o comunicaciones oficiales.
Definición de cuándo debe indicarse que un contenido ha sido generado o asistido por IA.
Gestión de crisis cuando una pieza generada con IA contiene error, sesgo, información sensible o impacto reputacional.
Creación de un circuito de aprobación para contenidos IA en portales, redes sociales, sedes electrónicas y campañas.
Medición de calidad comunicativa: comprensión ciudadana, reducción de consultas, accesibilidad, tiempo de producción y correcciones posteriores.
Tema 28: Formación, gestión del cambio y adopción por empleados públicos
Diseño de planes de capacitación por perfil: directivos, tramitadores, atención ciudadana, TIC, jurídico, DPO, comunicación y unidad gestora.
Creación de itinerarios de alfabetización, uso seguro, casos de uso, gobernanza, prompts, RAG, agentes y cumplimiento.
Identificación de resistencias: miedo a sustitución, desconfianza, desconocimiento jurídico, saturación tecnológica o experiencias previas fallidas.
Comunicación de la IA como herramienta de apoyo y mejora del servicio, no como vía para eliminar criterio profesional o garantías administrativas.
Preparación de guías internas, ejemplos, FAQs, vídeos cortos, sesiones de práctica y canales de consulta.
Establecimiento de comunidades internas de práctica para compartir prompts, riesgos, aprendizajes y casos de éxito.
Medición de adopción mediante usuarios formados, casos de uso activos, ahorro estimado, errores reportados y satisfacción del personal.
Creación de mecanismos de feedback para ajustar herramientas, políticas y formación según experiencia real.
Implicación de sindicatos, órganos de representación o comités internos cuando la IA afecte a organización del trabajo.
Construcción de una cultura institucional donde innovación y cumplimiento no compiten, sino que se refuerzan.
Tema 29: Costes, sostenibilidad, impacto ambiental y retorno público
Estimación de costes de licencias, consumo de tokens, infraestructura, integración, soporte, formación, seguridad, auditoría y mantenimiento.
Comparación entre modelos cloud, on-premise, API comercial, modelos abiertos y servicios gestionados según presupuesto y sensibilidad.
Evaluación de retorno público más allá del ahorro económico: mejor servicio, menos errores, más accesibilidad, menor carga administrativa y mayor transparencia.
Identificación de costes ocultos: revisión humana, curación documental, actualización de bases, gestión de incidentes y formación continua.
Diseño de indicadores de valor público para justificar continuidad o ampliación de proyectos IA.
Revisión del impacto ambiental de cargas de IA, elección de modelos adecuados y reducción de uso innecesario.
Selección de modelos proporcionales a la tarea, evitando usar sistemas grandes y costosos para tareas simples de clasificación o extracción.
Preparación de presupuestos por piloto, servicio, unidad, proveedor y año de operación.
Gestión de la sostenibilidad contractual para evitar soluciones que no puedan mantenerse tras una subvención o proyecto temporal.
Creación de un cuadro de mando de coste, uso, impacto, incidencias y valor generado.
Tema 30: Casos prácticos por áreas: de la idea al servicio público
Diseño de un asistente interno para consultar normativa, instrucciones y procedimientos de una unidad administrativa.
Creación de un sistema RAG para atención ciudadana con fuentes oficiales, límites, trazabilidad y derivación a humano.
Preparación de un clasificador documental para entradas de registro, solicitudes o documentación adjunta.
Uso de IA para lenguaje claro en notificaciones, cartas, guías ciudadanas y textos de sede electrónica.
Automatización asistida de resúmenes de expedientes con control de fuentes y revisión por personal competente.
Análisis de incidencias o quejas para detectar patrones, áreas de mejora y problemas recurrentes del servicio.
Diseño de un copiloto para contratación pública que ayude a revisar pliegos, requisitos, hitos y documentación.
Prototipo de asistente para RR. HH. público con políticas internas, permisos, formación, selección y documentación laboral.
Simulación de un agente que coordina tareas internas sin ejecutar acciones críticas sin confirmación humana.
Evaluación comparativa de cada caso por valor, riesgo, datos, esfuerzo, normativa, métricas y posibilidad de escalar.
Tema 31: Proyecto final integrador: plan de IA para una Administración Pública
Selección de una entidad pública ficticia o real autorizada con áreas, servicios, procesos, datos, sistemas y prioridades de mejora.
Elaboración de un inventario de casos de uso IA con clasificación por impacto, riesgo, viabilidad, datos, usuarios y beneficio esperado.
Selección de tres pilotos: uno de productividad interna, uno de atención o gestión documental y uno de mayor complejidad con controles reforzados.
Diseño de arquitectura para cada piloto: modelo, proveedor, datos, RAG, integraciones, permisos, logs, entorno y supervisión humana.
Preparación de ficha normativa con RGPD, LOPDGDD, Reglamento Europeo de IA, ENS, ENI, transparencia y actuación automatizada cuando aplique.
Definición de política interna de uso de IA con datos permitidos, datos prohibidos, herramientas autorizadas, roles y revisión.
Creación de métricas de éxito: tiempo, calidad, accesibilidad, satisfacción, reducción de errores, coste, seguridad e impacto ciudadano.
Diseño de plan de contratación o adquisición con requisitos técnicos, jurídicos, seguridad, reversibilidad, soporte y evaluación de proveedor.
Preparación de modelo de gobierno: comité IA, registro de sistemas, ciclo de vida, auditoría, incidentes, formación y mejora continua.
Presentación final ante un comité simulado con hoja de ruta, riesgos, mitigaciones, presupuesto, calendario, responsables y criterios de escalado.
Una plataforma practica, con IA integrada y pensada para que mejores desarrollando. Se adapta a tu ritmo, te corrige al instante y te muestra tu progreso real.
Correccion magica
Feedback inteligente
Aprende de cada acierto y fallo con explicaciones claras
Comprensión de la inteligencia artificial como tecnología de apoyo a la gestión pública, la toma de decisiones, la atención ciudadana y la mejora de procesos, sin convertirla en sustituto automático del criterio funcionario.
Identificación de diferencias entre automatización clásica, reglas de negocio, machine learning, IA generativa, modelos fundacionales, asistentes conversacionales y sistemas agénticos aplicados al sector público.
Análisis de por qué la Administración tiene obligaciones reforzadas de legalidad, igualdad, transparencia, motivación, trazabilidad y garantía de derechos cuando incorpora IA.
Revisión de casos donde la IA puede aportar valor: clasificación de documentos, resumen de expedientes, lenguaje claro, consulta normativa, análisis de datos, atención multicanal y apoyo a informes.
Separación entre uso interno de productividad, apoyo a empleados públicos, automatización de procesos y sistemas que influyen en derechos o situaciones jurídicas de ciudadanos.
Identificación de riesgos específicos del sector público: opacidad, discriminación, automatización indebida, delegación acrítica, filtración de datos, dependencia de proveedor y pérdida de confianza ciudadana.
Evaluación del impacto de la IA en eficiencia administrativa, reducción de tiempos, calidad de respuesta, accesibilidad, gestión de conocimiento y continuidad del servicio.
Reflexión sobre el papel de los empleados públicos como supervisores, validadores, responsables de criterio y garantes de legalidad.
Creación de un marco de decisión para distinguir casos de uso seguros, casos que requieren controles reforzados y casos que no deben automatizarse.
Elaboración de una primera matriz de oportunidades de IA por área, proceso, dato, riesgo, impacto ciudadano y facilidad de implantación.
Comprensión de la inteligencia artificial como tecnología de apoyo a la gestión pública, la toma de decisiones, la atención ciudadana y la mejora de procesos, sin convertirla en sustituto automático del criterio funcionario.
Identificación de diferencias entre automatización clásica, reglas de negocio, machine learning, IA generativa, modelos fundacionales, asistentes conversacionales y sistemas agénticos aplicados al sector público.
Análisis de por qué la Administración tiene obligaciones reforzadas de legalidad, igualdad, transparencia, motivación, trazabilidad y garantía de derechos cuando incorpora IA.
Revisión de casos donde la IA puede aportar valor: clasificación de documentos, resumen de expedientes, lenguaje claro, consulta normativa, análisis de datos, atención multicanal y apoyo a informes.
Separación entre uso interno de productividad, apoyo a empleados públicos, automatización de procesos y sistemas que influyen en derechos o situaciones jurídicas de ciudadanos.
Identificación de riesgos específicos del sector público: opacidad, discriminación, automatización indebida, delegación acrítica, filtración de datos, dependencia de proveedor y pérdida de confianza ciudadana.
Evaluación del impacto de la IA en eficiencia administrativa, reducción de tiempos, calidad de respuesta, accesibilidad, gestión de conocimiento y continuidad del servicio.
Reflexión sobre el papel de los empleados públicos como supervisores, validadores, responsables de criterio y garantes de legalidad.
Creación de un marco de decisión para distinguir casos de uso seguros, casos que requieren controles reforzados y casos que no deben automatizarse.
Elaboración de una primera matriz de oportunidades de IA por área, proceso, dato, riesgo, impacto ciudadano y facilidad de implantación.
Tema 1: IA en la Administración Pública: oportunidad, límites y responsabilidad institucional
Comprensión de la inteligencia artificial como tecnología de apoyo a la gestión pública, la toma de decisiones, la atención ciudadana y la mejora de procesos, sin convertirla en sustituto automático del criterio funcionario.
Identificación de diferencias entre automatización clásica, reglas de negocio, machine learning, IA generativa, modelos fundacionales, asistentes conversacionales y sistemas agénticos aplicados al sector público.
Análisis de por qué la Administración tiene obligaciones reforzadas de legalidad, igualdad, transparencia, motivación, trazabilidad y garantía de derechos cuando incorpora IA.
Revisión de casos donde la IA puede aportar valor: clasificación de documentos, resumen de expedientes, lenguaje claro, consulta normativa, análisis de datos, atención multicanal y apoyo a informes.
Separación entre uso interno de productividad, apoyo a empleados públicos, automatización de procesos y sistemas que influyen en derechos o situaciones jurídicas de ciudadanos.
Identificación de riesgos específicos del sector público: opacidad, discriminación, automatización indebida, delegación acrítica, filtración de datos, dependencia de proveedor y pérdida de confianza ciudadana.
Evaluación del impacto de la IA en eficiencia administrativa, reducción de tiempos, calidad de respuesta, accesibilidad, gestión de conocimiento y continuidad del servicio.
Reflexión sobre el papel de los empleados públicos como supervisores, validadores, responsables de criterio y garantes de legalidad.
Creación de un marco de decisión para distinguir casos de uso seguros, casos que requieren controles reforzados y casos que no deben automatizarse.
Elaboración de una primera matriz de oportunidades de IA por área, proceso, dato, riesgo, impacto ciudadano y facilidad de implantación.
Tema 2: Marco normativo europeo y español para IA en servicios públicos
Revisión del Reglamento Europeo de Inteligencia Artificial como marco basado en riesgo, con obligaciones diferenciadas para sistemas prohibidos, alto riesgo, riesgo limitado y usos de menor riesgo.
Comprensión del calendario de aplicación del Reglamento Europeo de IA y de la necesidad de preparar inventarios, controles y políticas antes de que las obligaciones sean plenamente exigibles.
Identificación de situaciones administrativas donde un sistema podría considerarse de alto riesgo por afectar a derechos, prestaciones, educación, empleo, acceso a servicios públicos o decisiones relevantes.
Relación entre Reglamento Europeo de IA, RGPD, LOPDGDD, Ley 39/2015, Ley 40/2015, ENS, ENI, transparencia, reutilización de información y contratación pública.
Análisis de la actuación administrativa automatizada conforme a la Ley 40/2015, que define actuaciones realizadas íntegramente por medios electrónicos sin intervención directa de empleado público.
Revisión del papel de AESIA como Agencia Española de Supervisión de Inteligencia Artificial, creada por Real Decreto 729/2023.
Identificación de cuándo un proyecto de IA exige participación de jurídico, DPO, seguridad, responsable funcional, órgano competente y comité de gobernanza.
Diseño de un checklist normativo inicial para valorar si un caso de uso requiere evaluación de impacto, análisis de riesgo, supervisión humana o documentación reforzada.
Preparación de evidencias que una Administración debería conservar: finalidad, base jurídica, datos usados, modelo, proveedor, decisiones, pruebas, métricas y controles.
Aclaración de que la formación aporta criterios operativos, pero no sustituye informes jurídicos, dictámenes, auditorías o validación formal del organismo competente.
Tema 3: Derechos fundamentales, buena administración y confianza ciudadana
Análisis de la relación entre IA y derechos fundamentales: igualdad, no discriminación, protección de datos, tutela efectiva, información, participación y buena administración.
Aplicación del principio de buena administración digital a sistemas que ayudan a priorizar, clasificar, responder o proponer decisiones dentro de expedientes.
Revisión de la Carta de Derechos Digitales española, que contempla derechos de la ciudadanía en relación con la IA también en la actuación administrativa.
Identificación de situaciones donde la IA puede generar trato desigual por datos históricos sesgados, variables indirectas o diseños aparentemente neutrales.
Diseño de mecanismos para garantizar que la ciudadanía pueda entender cuándo interactúa con sistemas automatizados o con apoyo de IA.
Preparación de explicaciones comprensibles sobre qué hace el sistema, qué no hace, qué datos usa y quién supervisa el resultado.
Revisión de la necesidad de mantener canales alternativos cuando la digitalización o la IA puedan excluir a personas con brecha digital.
Definición de criterios para que la IA mejore accesibilidad, lectura fácil, multilingüismo y atención inclusiva sin generar respuestas incorrectas o discriminatorias.
Integración de control humano real cuando una recomendación de IA pueda afectar a derechos, cargas, prestaciones o situaciones personales.
Creación de una guía de principios institucionales para IA pública: legalidad, proporcionalidad, transparencia, responsabilidad, equidad, seguridad y utilidad.
Tema 4: Inventario de casos de uso y priorización en entidades públicas
Identificación de procesos candidatos a IA mediante entrevistas con unidades gestoras, revisión de cargas de trabajo, análisis de expedientes y detección de tareas repetitivas.
Clasificación de casos por tipo: productividad interna, asistencia documental, búsqueda semántica, atención ciudadana, analítica predictiva, automatización y agentes.
Priorización según impacto público, ahorro de tiempo, reducción de errores, mejora de accesibilidad, disponibilidad de datos y facilidad de integración.
Evaluación del riesgo asociado a cada caso: datos personales, decisiones con efectos jurídicos, vulnerabilidad de colectivos, opacidad, dependencia externa y seguridad.
Diferenciación entre quick wins de bajo riesgo y proyectos estructurales que requieren análisis jurídico, técnico y organizativo profundo.
Creación de fichas de caso de uso con finalidad, usuarios, datos, proceso afectado, sistema actual, beneficio esperado, riesgos y métricas.
Revisión de casos que suelen fallar: chatbots sin base documental fiable, resúmenes sin validación, modelos predictivos sin gobernanza o automatizaciones sin owner.
Diseño de una cartera de proyectos IA equilibrada entre mejora interna, servicios ciudadanos, gestión de conocimiento y modernización de procesos.
Preparación de criterios de descarte para iniciativas que no tienen datos adecuados, no resuelven un problema real o presentan riesgo desproporcionado.
Elaboración de un roadmap institucional de IA con fases, responsables, dependencias, controles, pilotos y criterios de escalado.
Tema 5: Alfabetización en IA para empleados públicos
Explicación clara de conceptos esenciales: modelo, entrenamiento, inferencia, prompt, contexto, alucinación, embeddings, token, agente, RAG y fine-tuning.
Comprensión de lo que un LLM puede hacer bien: resumir, clasificar, reformular, comparar, extraer información, generar borradores y ayudar a explorar documentación.
Identificación de límites frecuentes: invención de datos, confianza excesiva, respuestas desactualizadas, sesgos, falta de motivación jurídica y sensibilidad al contexto.
Entrenamiento en lectura crítica de respuestas generadas por IA, verificando fuentes, hechos, fechas, normas, cálculos y conclusiones.
Creación de hábitos seguros: no introducir datos personales o confidenciales, no aceptar respuestas sin revisar y no usar IA como autoridad normativa final.
Diseño de prompts administrativos con finalidad, rol, restricciones, formato, fuentes permitidas y nivel de detalle esperado.
Diferenciación entre pedir una respuesta general y solicitar apoyo sobre documentos, normativa o datos internos controlados.
Revisión de ejemplos de mal uso: copiar expedientes reales, pedir decisiones sobre ciudadanos, generar resoluciones sin supervisión o usar herramientas no autorizadas.
Preparación de un decálogo de uso responsable para personal público no técnico.
Evaluación de competencias mínimas de IA para distintos perfiles: empleado administrativo, técnico, directivo, jurídico, TIC, atención ciudadana y responsable de datos.
Tema 6: IA generativa para productividad administrativa segura
Uso de IA generativa para redactar borradores de emails, actas, notas internas, informes preliminares, guías, FAQs y documentación de apoyo.
Aplicación de IA para transformar textos administrativos complejos en lenguaje claro, manteniendo revisión humana y fidelidad jurídica.
Creación de resúmenes de documentos largos con advertencias sobre límites, omisiones posibles y necesidad de contraste con el original.
Generación de esquemas de procedimientos, checklists, cronogramas, matrices de riesgos y plantillas de seguimiento.
Apoyo en revisión de coherencia, estilo, duplicidades, ambigüedad y estructura de documentos internos.
Definición de límites claros: la IA puede preparar borradores, pero no firmar, resolver, certificar, interpretar definitivamente ni sustituir responsabilidad administrativa.
Preparación de prompts seguros para trabajar con textos anonimizados, documentos ficticios o información pública.
Identificación de tareas donde la IA ahorra tiempo sin comprometer datos personales ni procedimientos sensibles.
Creación de un flujo de revisión: generación, contraste, validación por persona responsable, adaptación al expediente y archivo de versión final.
Diseño de una biblioteca de prompts institucionales aprobados para usos frecuentes y de bajo riesgo.
Tema 7: Datos públicos, datos administrativos y calidad del dato
Diferenciación entre datos abiertos, datos internos, datos personales, datos especialmente protegidos, información reservada y documentos sujetos a publicidad activa.
Evaluación de calidad del dato antes de entrenar, consultar o automatizar procesos: completitud, actualización, sesgos, errores, duplicados y trazabilidad.
Revisión de cómo datos históricos pueden reproducir desigualdades o prácticas administrativas anteriores si se usan sin análisis crítico.
Definición de responsables de dato por área para asegurar que la IA no se construye sobre bases sin owner ni mantenimiento.
Preparación de catálogos de datos útiles para IA, indicando finalidad, origen, calidad, permisos, retención, sensibilidad y restricciones.
Diseño de procesos de anonimización, seudonimización o generación de datos sintéticos cuando se necesita practicar o probar sistemas.
Identificación de riesgos de combinar datasets que, por separado, parecen inocuos pero juntos permiten inferencias sensibles.
Integración de principios de minimización y limitación de finalidad cuando el sistema IA trabaja con datos personales.
Creación de controles para evitar que datos incorrectos alimenten respuestas, recomendaciones o automatizaciones públicas.
Elaboración de una ficha de calidad de datos para cada caso de uso IA.
Tema 8: RGPD, LOPDGDD y protección de datos desde el diseño
Aplicación de protección de datos desde el diseño y por defecto en sistemas que incorporan IA o modelos generativos.
Revisión de la guía de la AEPD sobre adecuación al RGPD de tratamientos que incorporan IA, dirigida a responsables, desarrolladores y encargados.
Identificación de roles de responsable, encargado, proveedor tecnológico, subencargado, usuario interno y tercero conectado.
Análisis de base jurídica, finalidad, minimización, transparencia, conservación, ejercicio de derechos, seguridad y transferencias internacionales.
Preparación de evaluaciones de impacto cuando el tratamiento de datos personales con IA pueda implicar alto riesgo para derechos y libertades.
Gestión de datos personales en prompts, documentos subidos, logs, embeddings, bases vectoriales, historiales de conversación y trazas.
Diseño de cláusulas, contratos y controles con proveedores que tratan datos personales en soluciones de IA.
Revisión de cómo tratar respuestas generadas que contengan datos personales, inferencias, perfiles o información no verificada.
Integración del DPO desde la fase de diseño, no cuando el sistema ya está contratado o desarrollado.
Creación de un protocolo de privacidad para pilotos IA con datos reales, datos anonimizados o entornos simulados.
Tema 9: Esquema Nacional de Seguridad, ciberseguridad y clasificación de información
Revisión del Esquema Nacional de Seguridad como marco obligatorio para proteger sistemas, datos, servicios y procedimientos del sector público.
Clasificación de información antes de usar IA: pública, interna, confidencial, restringida, sensible, datos personales o información sometida a secreto.
Identificación de riesgos de seguridad en IA: fuga de prompts, extracción de datos, credenciales en documentos, inyección de instrucciones, malware generado y abuso de APIs.
Evaluación de proveedores cloud, SaaS, APIs de modelos, conectores, almacenamiento de conversaciones y ubicación de datos.
Aplicación de controles de acceso, MFA, registros, cifrado, segregación de entornos, retención de logs y monitorización.
Revisión de riesgos de prompt injection en asistentes conectados a documentos, bases de datos, correo, expedientes o gestores documentales.
Definición de entornos de prueba separados para no conectar modelos experimentales con sistemas productivos o expedientes vivos.
Preparación de medidas de respuesta ante incidentes vinculados a IA: fuga de información, respuesta errónea, abuso del agente o acceso indebido.
Coordinación con responsables ENS, CISO, DPO, TIC y unidad funcional para clasificar riesgos y controles antes del despliegue.
Creación de una checklist de seguridad IA alineada con ENS, ciclo de vida del sistema y criticidad del servicio.
Tema 10: Esquema Nacional de Interoperabilidad y arquitectura de sistemas IA
Comprensión del Esquema Nacional de Interoperabilidad como marco para garantizar interoperabilidad técnica, semántica y organizativa en la Administración.
Diseño de soluciones IA que se integren con sistemas existentes sin crear silos documentales, repositorios paralelos o bases de conocimiento opacas.
Identificación de fuentes oficiales de datos y documentos que deben alimentar un RAG, asistente o sistema de consulta interna.
Definición de metadatos, taxonomías, expedientes, códigos, unidades, órganos y procedimientos para que la IA entienda contexto administrativo.
Revisión de APIs, conectores, gestores documentales, portafirmas, registro, archivo electrónico, sede electrónica y plataformas de interoperabilidad.
Gestión de versiones documentales para evitar que un asistente responda con normativa, instrucciones o formularios obsoletos.
Preparación de arquitecturas que separen capa de datos, capa de modelo, capa de aplicación, trazabilidad, seguridad y supervisión.
Evitación de soluciones cerradas que impidan migración, auditoría, exportación de datos o sustitución de proveedor.
Diseño de contratos de integración con responsabilidades claras sobre datos, actualizaciones, disponibilidad, errores y mantenimiento.
Creación de un mapa de arquitectura IA pública con sistemas origen, datos, modelos, APIs, controles, usuarios y evidencias.
Tema 11: Selección de modelos, proveedores y licencias para el sector público
Comparación entre modelos comerciales, modelos open source, modelos especializados, modelos multimodales y modelos desplegados en infraestructura propia.
Evaluación de criterios para elegir modelo: precisión, idioma, coste, seguridad, residencia de datos, transparencia, integración, latencia y soporte.
Análisis de opciones cloud, SaaS, API, entorno privado, on-premise y despliegue híbrido según sensibilidad de datos y requisitos ENS.
Identificación de riesgos de dependencia de proveedor, cambios de precio, límites de uso, discontinuidad de modelos y falta de portabilidad.
Revisión de condiciones de servicio, uso de datos para entrenamiento, retención de prompts, subprocesadores, logging y ubicación geográfica.
Selección de licencias y planes adecuados para perfiles públicos, evitando usar cuentas personales, gratuitas o no autorizadas en tareas institucionales.
Creación de criterios de homologación interna de herramientas IA antes de permitir su uso por empleados públicos.
Evaluación de modelos especializados para traducción, OCR, clasificación documental, voz, visión, analítica, accesibilidad o búsqueda semántica.
Preparación de una matriz comparativa de proveedores con puntuación técnica, jurídica, económica, operativa y de seguridad.
Documentación de decisiones de selección para contratación, auditoría, continuidad y revisión periódica.
Tema 12: Prompting administrativo, instrucciones reutilizables y control de calidad
Diseño de prompts orientados a tareas administrativas concretas: resumen, clasificación, revisión de coherencia, borrador, extracción y lenguaje claro.
Uso de instrucciones del sistema, contexto, criterios, restricciones, ejemplos y formato de salida para reducir ambigüedad.
Creación de prompts que obliguen a citar fuentes internas o indicar cuando no hay información suficiente.
Preparación de plantillas de prompt por área: atención ciudadana, contratación, subvenciones, RR. HH., urbanismo, archivo, comunicación y normativa.
Revisión de outputs con criterios de exactitud, completitud, tono institucional, adecuación normativa, claridad y ausencia de invenciones.
Control de versiones de prompts para saber qué instrucción produjo qué salida en un piloto o proceso repetible.
Identificación de señales de mala respuesta: citas inexistentes, exceso de seguridad, omisión de límites, mezcla de normas o respuesta demasiado general.
Diseño de pruebas comparativas entre prompts para seleccionar el enfoque más fiable y menos arriesgado.
Creación de una biblioteca aprobada de prompts y una lista de prompts prohibidos o no recomendados.
Integración de revisión humana y trazabilidad cuando un prompt se use dentro de un flujo recurrente de trabajo.
Tema 13: RAG, búsqueda semántica y bases de conocimiento administrativas
Comprensión de RAG como arquitectura que combina recuperación de información documental con generación de respuestas basadas en contexto.
Identificación de casos públicos adecuados: consulta normativa interna, manuales de procedimiento, FAQs ciudadanas, pliegos, instrucciones y gestión de conocimiento.
Preparación de fuentes documentales fiables, actualizadas, versionadas y autorizadas antes de construir una base de conocimiento.
Diseño de chunking, metadatos, embeddings, filtros, permisos y criterios de recuperación para documentos administrativos.
Uso de bases de datos vectoriales con control de seguridad, trazabilidad, actualización, borrado y segregación por área o nivel de acceso.
Revisión de riesgos: documentos obsoletos, recuperación de fragmentos fuera de contexto, respuestas sin fuente y mezcla de información pública y restringida.
Configuración de respuestas que muestren referencias, fragmentos utilizados, nivel de confianza y advertencias cuando no haya base suficiente.
Validación del RAG con preguntas frecuentes, preguntas adversariales, casos límite, normativa derogada y documentos similares.
Preparación de procedimientos de actualización documental para que el sistema no responda con versiones antiguas.
Creación de una guía de diseño de RAG administrativo con fuentes, permisos, metadatos, pruebas, métricas y responsables.
Tema 14: Agentes IA en procesos públicos: autonomía, herramientas y límites
Comprensión de la IA agéntica como sistemas capaces de actuar para lograr objetivos, interactuar con herramientas y adaptarse al contexto.
Revisión de las orientaciones de la AEPD sobre IA agéntica desde la perspectiva de protección de datos, especialmente cuando los agentes tratan datos personales.
Identificación de tareas donde un agente puede apoyar: buscar documentos, preparar borradores, abrir tickets, clasificar solicitudes o coordinar pasos internos.
Separación entre agente asistente, agente con herramientas internas, agente que propone acciones y agente que ejecuta acciones con impacto administrativo.
Diseño de límites de autonomía: acciones permitidas, acciones prohibidas, confirmación humana, permisos, logs y reversibilidad.
Gestión de tool calling, conectores, APIs, correo, gestores documentales, bases de datos y sistemas de expediente con controles estrictos.
Revisión de riesgos: actuación no autorizada, encadenamiento de errores, acceso excesivo, filtración de datos, instrucciones maliciosas y falta de explicabilidad.
Definición de human-in-the-loop para pasos críticos, especialmente cuando el agente prepara comunicaciones, resúmenes o propuestas de actuación.
Monitorización de acciones del agente con registros auditables, métricas de error, trazas y revisión periódica.
Creación de una política interna de agentes IA con niveles de riesgo, permisos, pruebas, documentación y proceso de aprobación.
Tema 15: Automatización administrativa y actuación administrativa automatizada
Diferenciación entre automatización de apoyo, automatización de tareas internas y actuación administrativa automatizada con efectos procedimentales.
Revisión de requisitos organizativos cuando una actuación se realiza íntegramente por medios electrónicos sin intervención directa de empleado público.
Identificación de procesos automatizables de bajo riesgo: clasificación, asignación, validaciones formales, notificaciones internas y extracción de datos.
Análisis de procesos donde la automatización exige cautela: concesión de ayudas, sanciones, baremación, admisión, priorización y reconocimiento de derechos.
Diseño de reglas, criterios, logs y evidencias que permitan explicar cómo se produjo una actuación o recomendación.
Separación entre algoritmo determinista, modelo probabilístico y decisión administrativa formal.
Preparación de mecanismos de revisión, recurso, subsanación y supervisión cuando la automatización participa en un procedimiento.
Definición de responsabilidad del órgano competente, unidad gestora, TIC, proveedor y supervisores humanos.
Evaluación de impacto organizativo antes de automatizar tareas que hoy dependen de juicio experto o interpretación contextual.
Creación de una ficha de automatización administrativa con finalidad, norma, datos, lógica, controles, responsables y evidencias.
Tema 16: Atención ciudadana con IA: chatbots, asistentes y lenguaje claro
Diseño de asistentes ciudadanos que respondan sobre trámites, requisitos, plazos, documentación, horarios, servicios y canales disponibles.
Preparación de bases de conocimiento verificadas para evitar que el chatbot genere respuestas inventadas o no alineadas con la sede electrónica.
Integración de lenguaje claro, lectura fácil, multilingüismo y accesibilidad para mejorar la relación con ciudadanía diversa.
Definición de límites del asistente: información general, orientación, no asesoramiento jurídico individualizado y derivación a personal competente.
Preparación de mensajes de transparencia sobre uso de IA, fuentes utilizadas, limitaciones y canales alternativos de atención.
Gestión de consultas con datos personales: cuándo bloquearlas, derivarlas, anonimizar información o usar un canal seguro.
Monitorización de respuestas erróneas, preguntas sin contestar, insatisfacción, escalados y riesgos reputacionales.
Diseño de handoff a atención humana cuando el caso es complejo, sensible, urgente o afecta a derechos.
Pruebas con perfiles de usuarios reales: mayores, personas con discapacidad, ciudadanos con baja alfabetización digital y colectivos vulnerables.
Creación de métricas de atención: reducción de consultas repetidas, calidad de respuesta, derivaciones correctas, accesibilidad y satisfacción.
Tema 17: Gestión documental, expedientes y archivo con apoyo de IA
Uso de IA para clasificar documentos, extraer datos, detectar duplicados, resumir expedientes y proponer etiquetas o metadatos.
Revisión de límites al resumir expedientes administrativos, especialmente cuando faltan documentos, hay información contradictoria o se requiere valoración jurídica.
Preparación de flujos para que la IA ayude a ordenar documentación sin alterar el expediente ni sustituir su integridad probatoria.
Aplicación de OCR, extracción de entidades, fechas, importes, referencias normativas, interesados, órganos y plazos.
Control de calidad sobre metadatos generados automáticamente antes de incorporarlos a sistemas oficiales.
Diseño de integración con archivo electrónico, gestores documentales, expedientes, portafirmas y registro.
Prevención de errores derivados de documentos escaneados con mala calidad, nombres confusos, versiones duplicadas o anexos incompletos.
Gestión de permisos para que la IA no indexe documentos de acceso restringido en bases de conocimiento abiertas a más usuarios.
Creación de indicadores sobre tiempos de clasificación, errores corregidos, documentación incompleta y reducción de trabajo manual.
Elaboración de un protocolo de uso de IA documental con trazabilidad, revisión, conservación y seguridad.
Tema 18: Contratación pública, subvenciones y ayudas con apoyo de IA
Identificación de usos de IA en contratación: análisis de pliegos, comparación de ofertas, extracción de requisitos, detección de incoherencias y preparación de borradores.
Definición de límites claros: la IA puede apoyar análisis documental, pero no sustituir la valoración técnica, jurídica o económica de los órganos competentes.
Aplicación en subvenciones y ayudas para revisar bases, clasificar solicitudes, detectar documentación incompleta y priorizar subsanaciones.
Gestión de riesgos de sesgo, trato desigual, opacidad y falta de motivación cuando la IA interviene en procesos competitivos.
Preparación de criterios de transparencia y documentación sobre qué tareas fueron asistidas por IA y qué decisiones fueron humanas.
Revisión de datos personales, económicos, empresariales y confidenciales tratados en expedientes de contratación o subvenciones.
Diseño de prompts y RAG internos para localizar cláusulas, requisitos, informes, modelos de pliego y normativa aplicable.
Validación de resultados por personal especializado antes de usar cualquier salida en informes, actas o propuestas.
Creación de controles para evitar que modelos externos procesen ofertas, secretos empresariales o datos de licitadores sin base contractual adecuada.
Elaboración de una matriz de usos permitidos, usos restringidos y usos prohibidos de IA en contratación y ayudas.
Tema 19: Servicios sociales, empleo, educación y sanidad: IA en ámbitos sensibles
Análisis de ámbitos donde la IA puede impactar en colectivos vulnerables, acceso a derechos, servicios esenciales o decisiones de alto impacto.
Identificación de riesgos de discriminación indirecta cuando se usan datos históricos de atención, vulnerabilidad, empleo, salud o educación.
Diseño de controles reforzados para priorización, segmentación, detección de riesgo, orientación personalizada o asignación de recursos.
Aplicación de supervisión humana cualificada cuando la IA genere recomendaciones sobre personas, familias, estudiantes, pacientes o demandantes de empleo.
Definición de explicaciones comprensibles para usuarios afectados y canales para revisión o corrección de información.
Revisión de datos especialmente protegidos y necesidad de bases jurídicas, minimización, seguridad y evaluación de impacto.
Preparación de pruebas de sesgo por edad, género, discapacidad, origen, territorio, renta, idioma u otros factores relevantes.
Diferenciación entre IA para gestión interna y sistemas que influyen en acceso a prestaciones, cupos, admisiones o intervenciones.
Diseño de indicadores de equidad, precisión, error, falsos positivos, falsos negativos y efectos no deseados.
Creación de un procedimiento reforzado de aprobación para IA en servicios públicos sensibles.
Tema 20: Analítica predictiva, priorización y apoyo a decisiones públicas
Comprensión de la analítica predictiva como apoyo probabilístico que requiere evaluación de datos, supuestos, errores y efectos reales.
Identificación de usos posibles: mantenimiento predictivo, planificación de recursos, detección de fraude, demanda de servicios, incidencias y riesgos operativos.
Diferenciación entre predicción estadística, recomendación administrativa, alerta temprana y decisión con efectos jurídicos.
Evaluación de precisión, sensibilidad, especificidad, falsos positivos, falsos negativos y coste de error según el contexto público.
Revisión de variables sensibles o proxy variables que pueden introducir sesgo aunque no se usen categorías protegidas directamente.
Diseño de paneles de apoyo a decisión que muestren incertidumbre, explicación, fuente de datos y límites del modelo.
Preparación de procesos de revisión humana donde la recomendación IA se contrasta con información adicional y criterio experto.
Definición de métricas de impacto: mejora de planificación, reducción de tiempos, detección temprana, equidad y confianza.
Control de deriva del modelo cuando cambian patrones sociales, normativos, económicos, territoriales o de demanda.
Creación de un protocolo para modelos predictivos en Administración con validación, seguimiento, revisión y retirada.
Tema 21: Transparencia algorítmica, explicabilidad y rendición de cuentas
Definición de transparencia adecuada al contexto: información pública general, documentación técnica, explicación individual y evidencias internas.
Diseño de fichas de sistemas IA con finalidad, responsables, datos, modelo, proveedor, riesgos, medidas de mitigación y supervisión humana.
Preparación de explicaciones comprensibles para ciudadanía, empleados públicos, órganos de control y equipos técnicos.
Revisión de cuándo hace falta explicar una recomendación, una clasificación, una priorización o una actuación automatizada.
Construcción de registros de decisiones, versiones de modelo, prompts, fuentes, parámetros, resultados y revisiones humanas.
Equilibrio entre transparencia, seguridad, secreto comercial, protección de datos y prevención de abuso del sistema.
Aplicación de técnicas de explicabilidad en modelos analíticos, reglas de negocio, sistemas de ranking y asistentes basados en documentos.
Diseño de mecanismos de reclamación, corrección y revisión cuando una persona considere que un sistema IA le ha perjudicado.
Preparación de reporting interno para órganos de gobierno, auditoría, DPO, CISO, intervención o responsables de servicio.
Creación de una plantilla de transparencia algorítmica para proyectos públicos de IA.
Tema 22: Sesgos, equidad, accesibilidad y evaluación social del impacto
Identificación de sesgos en datos, diseño de objetivos, selección de variables, entrenamiento, evaluación, despliegue y uso humano.
Análisis de cómo un sistema puede discriminar indirectamente por variables aparentemente neutrales vinculadas a territorio, renta, idioma o historial administrativo.
Diseño de pruebas de equidad comparando resultados por colectivos, áreas geográficas, perfiles de usuario y situaciones administrativas.
Incorporación de accesibilidad en interfaces con IA: lectura fácil, compatibilidad con tecnologías de apoyo, multilingüismo y alternativas no digitales.
Revisión de impacto sobre personas mayores, personas con discapacidad, ciudadanos extranjeros, baja alfabetización digital y colectivos vulnerables.
Preparación de criterios para no desplegar un sistema si los errores afectan desproporcionadamente a un grupo.
Integración de participación ciudadana o revisión experta en proyectos de alto impacto social.
Documentación de decisiones sobre variables excluidas, datos no usados, ajustes de modelo y medidas de mitigación.
Seguimiento de efectos reales tras la implantación para detectar impactos no previstos.
Creación de una matriz de evaluación social de IA pública con riesgos, colectivos, medidas, responsables e indicadores.
Tema 23: Gobierno interno de IA: comité, políticas y ciclo de vida
Diseño de un modelo de gobierno de IA con comité, responsables funcionales, TIC, seguridad, DPO, jurídico, contratación, archivo y dirección.
Creación de una política institucional de IA que defina usos permitidos, usos restringidos, herramientas autorizadas, datos prohibidos y revisión humana.
Establecimiento de un registro interno de sistemas IA, pilotos, asistentes, modelos, proveedores, datos, riesgos y propietarios.
Definición del ciclo de vida: idea, evaluación, piloto, validación, contratación, despliegue, monitorización, mejora, auditoría y retirada.
Preparación de umbrales para decidir cuándo un proyecto debe pasar por revisión reforzada o evaluación de impacto.
Gestión de cambios de modelo, proveedor, datos, prompt, documentación o finalidad con control y trazabilidad.
Incorporación de formación obligatoria para usuarios de herramientas IA según nivel de riesgo y responsabilidad.
Diseño de canales de consulta para empleados públicos que no sepan si pueden usar IA en una tarea concreta.
Medición de madurez institucional: inventario, políticas, formación, pilotos, incidentes, controles y resultados.
Creación de un cuadro de mando de gobierno IA para dirección y órganos internos.
Tema 24: Contratación pública de soluciones IA y relación con proveedores
Preparación de pliegos que describan finalidad, alcance, datos, integración, seguridad, explicabilidad, mantenimiento, soporte y criterios de evaluación.
Inclusión de requisitos de protección de datos, ENS, trazabilidad, auditoría, reversibilidad, ubicación de datos y subencargados.
Evaluación de proveedores por capacidades reales, no solo demostraciones comerciales: calidad, pruebas, documentación, seguridad, soporte y sostenibilidad.
Definición de entregables obligatorios: documentación técnica, manuales, evidencias de pruebas, métricas, logs, APIs, plan de continuidad y plan de salida.
Gestión de propiedad intelectual, licencias, derechos sobre prompts, datos de entrenamiento, modelos ajustados y outputs generados.
Preparación de cláusulas sobre uso de datos para entrenamiento, retención, transferencias internacionales y eliminación al finalizar contrato.
Exigencia de pruebas con datos sintéticos o anonimizados antes de acceder a datos reales de la Administración.
Diseño de criterios de aceptación del sistema antes de ponerlo en producción o ampliar su alcance.
Control de dependencia tecnológica mediante estándares, exportación de datos, APIs documentadas y capacidad de sustitución.
Creación de una checklist de contratación IA para órganos de contratación, unidad funcional, TIC, DPO y seguridad.
Tema 25: Pilotos, pruebas de concepto y paso a producción
Diseño de pilotos con hipótesis clara, alcance limitado, datos controlados, métricas y criterio de éxito o descarte.
Selección de casos de bajo riesgo para empezar, evitando usar el primer piloto en un procedimiento crítico con datos sensibles.
Preparación de datos de prueba, documentos ficticios, usuarios piloto, escenarios realistas y evaluación comparativa.
Medición de precisión, tiempo ahorrado, errores, satisfacción, impacto operativo, coste y esfuerzo de supervisión humana.
Identificación de fallos antes de escalar: alucinaciones, instrucciones inseguras, recuperación documental pobre, sesgos y baja adopción.
Diseño de gate de paso a producción con validación técnica, jurídica, seguridad, DPO, funcional y dirección.
Preparación de documentación de despliegue: arquitectura, fuentes, permisos, logs, responsables, soporte y plan de reversión.
Planificación de formación a usuarios antes de ampliar el uso a unidades no participantes en el piloto.
Definición de límites iniciales de producción, monitorización reforzada y revisión temprana tras el despliegue.
Creación de una plantilla de informe final de piloto IA con resultados, riesgos, decisiones y hoja de ruta.
Tema 26: Evaluación, auditoría y monitorización continua de sistemas IA
Definición de métricas de funcionamiento: precisión, tasa de error, cobertura, satisfacción, tiempo de respuesta, coste y escalados humanos.
Seguimiento de errores graves, respuestas inventadas, consultas no resueltas, sesgos detectados, incidentes de seguridad y quejas ciudadanas.
Auditoría periódica de datos, prompts, fuentes, versiones de modelo, cambios de proveedor, permisos y logs.
Revisión de deriva del modelo o del conocimiento cuando cambian normativa, procedimientos, formularios, datos o demanda ciudadana.
Creación de pruebas recurrentes con casos patrón, casos límite, casos adversariales y situaciones sensibles.
Preparación de mecanismos para suspender, limitar o revertir un sistema IA si produce daños, errores repetidos o incumplimientos.
Documentación de acciones correctivas, responsables, plazos y evidencias de mejora.
Integración de monitorización IA en cuadros de mando de TIC, seguridad, calidad, atención ciudadana y dirección.
Participación de auditoría interna, DPO, CISO, jurídico y unidades funcionales según criticidad del sistema.
Creación de un plan anual de revisión de sistemas IA desplegados.
Tema 27: IA, comunicación institucional y gestión de contenidos públicos
Uso de IA para preparar borradores de notas, campañas, publicaciones web, respuestas frecuentes, resúmenes y contenidos de lenguaje claro.
Revisión humana de todo contenido institucional generado con IA para verificar exactitud, tono, oportunidad, accesibilidad y coherencia política o administrativa.
Identificación de riesgos de desinformación, errores en normativa, fechas incorrectas, promesas no autorizadas o mensajes poco inclusivos.
Preparación de guías de estilo para IA en comunicación pública: lenguaje claro, neutralidad, transparencia, accesibilidad y precisión.
Uso de IA para adaptar contenidos a lectura fácil, diferentes idiomas o formatos accesibles sin perder fidelidad al mensaje oficial.
Control de imágenes, audio y vídeo generados con IA, especialmente cuando puedan confundirse con hechos reales o comunicaciones oficiales.
Definición de cuándo debe indicarse que un contenido ha sido generado o asistido por IA.
Gestión de crisis cuando una pieza generada con IA contiene error, sesgo, información sensible o impacto reputacional.
Creación de un circuito de aprobación para contenidos IA en portales, redes sociales, sedes electrónicas y campañas.
Medición de calidad comunicativa: comprensión ciudadana, reducción de consultas, accesibilidad, tiempo de producción y correcciones posteriores.
Tema 28: Formación, gestión del cambio y adopción por empleados públicos
Diseño de planes de capacitación por perfil: directivos, tramitadores, atención ciudadana, TIC, jurídico, DPO, comunicación y unidad gestora.
Creación de itinerarios de alfabetización, uso seguro, casos de uso, gobernanza, prompts, RAG, agentes y cumplimiento.
Identificación de resistencias: miedo a sustitución, desconfianza, desconocimiento jurídico, saturación tecnológica o experiencias previas fallidas.
Comunicación de la IA como herramienta de apoyo y mejora del servicio, no como vía para eliminar criterio profesional o garantías administrativas.
Preparación de guías internas, ejemplos, FAQs, vídeos cortos, sesiones de práctica y canales de consulta.
Establecimiento de comunidades internas de práctica para compartir prompts, riesgos, aprendizajes y casos de éxito.
Medición de adopción mediante usuarios formados, casos de uso activos, ahorro estimado, errores reportados y satisfacción del personal.
Creación de mecanismos de feedback para ajustar herramientas, políticas y formación según experiencia real.
Implicación de sindicatos, órganos de representación o comités internos cuando la IA afecte a organización del trabajo.
Construcción de una cultura institucional donde innovación y cumplimiento no compiten, sino que se refuerzan.
Tema 29: Costes, sostenibilidad, impacto ambiental y retorno público
Estimación de costes de licencias, consumo de tokens, infraestructura, integración, soporte, formación, seguridad, auditoría y mantenimiento.
Comparación entre modelos cloud, on-premise, API comercial, modelos abiertos y servicios gestionados según presupuesto y sensibilidad.
Evaluación de retorno público más allá del ahorro económico: mejor servicio, menos errores, más accesibilidad, menor carga administrativa y mayor transparencia.
Identificación de costes ocultos: revisión humana, curación documental, actualización de bases, gestión de incidentes y formación continua.
Diseño de indicadores de valor público para justificar continuidad o ampliación de proyectos IA.
Revisión del impacto ambiental de cargas de IA, elección de modelos adecuados y reducción de uso innecesario.
Selección de modelos proporcionales a la tarea, evitando usar sistemas grandes y costosos para tareas simples de clasificación o extracción.
Preparación de presupuestos por piloto, servicio, unidad, proveedor y año de operación.
Gestión de la sostenibilidad contractual para evitar soluciones que no puedan mantenerse tras una subvención o proyecto temporal.
Creación de un cuadro de mando de coste, uso, impacto, incidencias y valor generado.
Tema 30: Casos prácticos por áreas: de la idea al servicio público
Diseño de un asistente interno para consultar normativa, instrucciones y procedimientos de una unidad administrativa.
Creación de un sistema RAG para atención ciudadana con fuentes oficiales, límites, trazabilidad y derivación a humano.
Preparación de un clasificador documental para entradas de registro, solicitudes o documentación adjunta.
Uso de IA para lenguaje claro en notificaciones, cartas, guías ciudadanas y textos de sede electrónica.
Automatización asistida de resúmenes de expedientes con control de fuentes y revisión por personal competente.
Análisis de incidencias o quejas para detectar patrones, áreas de mejora y problemas recurrentes del servicio.
Diseño de un copiloto para contratación pública que ayude a revisar pliegos, requisitos, hitos y documentación.
Prototipo de asistente para RR. HH. público con políticas internas, permisos, formación, selección y documentación laboral.
Simulación de un agente que coordina tareas internas sin ejecutar acciones críticas sin confirmación humana.
Evaluación comparativa de cada caso por valor, riesgo, datos, esfuerzo, normativa, métricas y posibilidad de escalar.
Tema 31: Proyecto final integrador: plan de IA para una Administración Pública
Selección de una entidad pública ficticia o real autorizada con áreas, servicios, procesos, datos, sistemas y prioridades de mejora.
Elaboración de un inventario de casos de uso IA con clasificación por impacto, riesgo, viabilidad, datos, usuarios y beneficio esperado.
Selección de tres pilotos: uno de productividad interna, uno de atención o gestión documental y uno de mayor complejidad con controles reforzados.
Diseño de arquitectura para cada piloto: modelo, proveedor, datos, RAG, integraciones, permisos, logs, entorno y supervisión humana.
Preparación de ficha normativa con RGPD, LOPDGDD, Reglamento Europeo de IA, ENS, ENI, transparencia y actuación automatizada cuando aplique.
Definición de política interna de uso de IA con datos permitidos, datos prohibidos, herramientas autorizadas, roles y revisión.
Creación de métricas de éxito: tiempo, calidad, accesibilidad, satisfacción, reducción de errores, coste, seguridad e impacto ciudadano.
Diseño de plan de contratación o adquisición con requisitos técnicos, jurídicos, seguridad, reversibilidad, soporte y evaluación de proveedor.
Preparación de modelo de gobierno: comité IA, registro de sistemas, ciclo de vida, auditoría, incidentes, formación y mejora continua.
Presentación final ante un comité simulado con hoja de ruta, riesgos, mitigaciones, presupuesto, calendario, responsables y criterios de escalado.
Aulas Virtuales Personalizadas
¿Te imaginas tener un Temario 100% Personalizado para tu Empresa?
¿A quién va dirigida esta formación en IA para la Administración Pública?
Pensado para quienes deben dominar IA para la Administración Pública en su día a día
Responsables de transformación digital y modernización administrativa
Este curso encaja con perfiles que lideran proyectos de digitalización, automatización, simplificación administrativa y mejora de servicios públicos. Aprenderán a traducir las posibilidades de la IA en iniciativas viables, priorizadas y gobernadas, evitando pilotos inconexos, soluciones sin evaluación de riesgos o compras tecnológicas sin encaje real en los procedimientos.
Personal técnico, informática, sistemas y ciberseguridad
Los equipos TIC podrán entender cómo integrar IA en arquitecturas públicas con seguridad, interoperabilidad, control de accesos, ENS, trazabilidad, registros, API, datos, cloud, on-premise y proveedores. La formación les ayuda a evaluar RAG, modelos, agentes, despliegues, conectores, monitorización y riesgos técnicos antes de llevar soluciones a producción.
Secretarías, intervención, asesoría jurídica y delegados de protección de datos
Los perfiles jurídicos y de control podrán analizar implicaciones de RGPD, LOPDGDD, Reglamento Europeo de IA, actuación administrativa automatizada, transparencia, motivación, supervisión humana y responsabilidad. El curso no sustituye asesoramiento jurídico especializado, pero aporta criterios prácticos para participar en proyectos de IA desde el diseño.
Unidades gestoras, tramitadores y personal administrativo
El personal que trabaja con expedientes, informes, solicitudes, documentación, atención ciudadana y gestión interna podrá identificar tareas donde la IA puede ahorrar tiempo sin poner en riesgo datos personales ni garantías procedimentales. La formación les enseña a usar IA con límites claros, revisión humana y sentido administrativo.
Responsables de atención ciudadana, comunicación y transparencia
Los equipos que gestionan canales ciudadanos, portales, información pública, consultas, quejas, participación o comunicación institucional podrán aplicar IA para mejorar respuestas, accesibilidad, lenguaje claro y clasificación de demandas. El curso insiste en evitar respuestas inventadas, sesgos, opacidad y automatizaciones que perjudiquen derechos de la ciudadanía.
Directivos públicos, jefaturas de servicio y responsables de área
Los perfiles de dirección podrán tomar mejores decisiones sobre inversión, prioridades, riesgos, proveedores, indicadores, gobernanza y adopción. La formación les permite distinguir una mejora real del servicio público de una iniciativa tecnológica llamativa pero poco sostenible o jurídicamente frágil.
Proveedor con 16 años de experiencia en formación empresarial
Sobre
En Imagina Formación llevamos más de 16 años ayudando a profesionales y empresas a mejorar sus habilidades con formación práctica y totalmente adaptada a sus necesidades. Durante este tiempo, hemos formado a más de 480.000 personas y colaborado con más de 3.500 empresas, convirtiéndonos en un referente en el sector.
16
Años de liderazgo
+480.000
Alumnos formados en Imagina
¿Tienes dudas?
Resolvemos todas tus dudas sobre nuestra formación en IA para la Administración Pública
Explora las respuestas a las preguntas que guian a nuestra comunidad. Aqui encontraras claridad sobre como funciona todo, desde el acceso hasta los detalles de los cursos. Si buscas respuestas, este es el lugar para comenzar.
Es un curso transversal. Incluye fundamentos técnicos de IA, RAG, agentes, modelos y arquitectura, pero también protección de datos, seguridad, procedimiento administrativo, gobernanza, contratación pública, casos de uso y adopción organizativa.
Sí. El curso está diseñado para que perfiles de gestión, jurídicos, atención ciudadana, directivos y personal administrativo puedan entender la IA y participar en proyectos con criterio. Los bloques más técnicos se explican desde impacto, riesgo y aplicación real.
Sí. Se aborda el Reglamento Europeo de IA desde una perspectiva aplicada a la Administración: niveles de riesgo, sistemas de alto riesgo, transparencia, supervisión humana, documentación, gobernanza y calendario de preparación.
Sí. Se trabajan protección de datos desde el diseño, minimización, finalidad, base jurídica, evaluación de impacto, encargados, proveedores, datos en prompts, bases vectoriales, logs y derechos de las personas. La AEPD dispone de guías específicas sobre IA y RGPD que se toman como referencia.
No. Es una formación corporativa para adquirir criterio, metodología y buenas prácticas. No sustituye informes jurídicos, revisión del DPO, auditoría ENS, evaluación de impacto formal ni validación del órgano competente.
Sí. El temario incluye agentes IA, herramientas, límites de autonomía, conectores, revisión humana, logs, permisos y riesgos. También se incorporan las orientaciones de la AEPD sobre IA agéntica y protección de datos.
Sí. Se explica cómo diseñar asistentes basados en documentos oficiales, con fuentes controladas, metadatos, permisos, actualización documental, trazabilidad y respuestas con referencias para reducir alucinaciones.
Sí. Es muy aplicable a ayuntamientos, diputaciones, cabildos, consells, mancomunidades y organismos locales. Los casos de uso pueden adaptarse a atención ciudadana, expedientes, urbanismo, padrón, contratación, servicios sociales, comunicación y archivo.
Sí. El ENS se trabaja como marco clave para clasificar información, proteger sistemas, controlar accesos, registrar actividad, evaluar proveedores y desplegar IA en entornos públicos con garantías.
Sí. Al tratarse de una formación corporativa en IA aplicada, administración digital, seguridad, protección de datos, productividad y competencias digitales, puede plantearse como formación bonificable hasta el 100% a través de FUNDAE, según el crédito disponible y cumpliendo los requisitos administrativos aplicables.
Es un curso transversal. Incluye fundamentos técnicos de IA, RAG, agentes, modelos y arquitectura, pero también protección de datos, seguridad, procedimiento administrativo, gobernanza, contratación pública, casos de uso y adopción organizativa.
Sí. El curso está diseñado para que perfiles de gestión, jurídicos, atención ciudadana, directivos y personal administrativo puedan entender la IA y participar en proyectos con criterio. Los bloques más técnicos se explican desde impacto, riesgo y aplicación real.
Sí. Se aborda el Reglamento Europeo de IA desde una perspectiva aplicada a la Administración: niveles de riesgo, sistemas de alto riesgo, transparencia, supervisión humana, documentación, gobernanza y calendario de preparación.
Sí. Se trabajan protección de datos desde el diseño, minimización, finalidad, base jurídica, evaluación de impacto, encargados, proveedores, datos en prompts, bases vectoriales, logs y derechos de las personas. La AEPD dispone de guías específicas sobre IA y RGPD que se toman como referencia.
No. Es una formación corporativa para adquirir criterio, metodología y buenas prácticas. No sustituye informes jurídicos, revisión del DPO, auditoría ENS, evaluación de impacto formal ni validación del órgano competente.
Sí. El temario incluye agentes IA, herramientas, límites de autonomía, conectores, revisión humana, logs, permisos y riesgos. También se incorporan las orientaciones de la AEPD sobre IA agéntica y protección de datos.
Sí. Se explica cómo diseñar asistentes basados en documentos oficiales, con fuentes controladas, metadatos, permisos, actualización documental, trazabilidad y respuestas con referencias para reducir alucinaciones.
Sí. Es muy aplicable a ayuntamientos, diputaciones, cabildos, consells, mancomunidades y organismos locales. Los casos de uso pueden adaptarse a atención ciudadana, expedientes, urbanismo, padrón, contratación, servicios sociales, comunicación y archivo.
Sí. El ENS se trabaja como marco clave para clasificar información, proteger sistemas, controlar accesos, registrar actividad, evaluar proveedores y desplegar IA en entornos públicos con garantías.
Sí. Al tratarse de una formación corporativa en IA aplicada, administración digital, seguridad, protección de datos, productividad y competencias digitales, puede plantearse como formación bonificable hasta el 100% a través de FUNDAE, según el crédito disponible y cumpliendo los requisitos administrativos aplicables.