Curso de Inteligencia Artificial para Usuarios para tu equipo

Definición de LLM (Large Language Models)

Qué son los agentes de IA y cómo operan

RAG (Retrieval Augmented Generation) explicado

MCPs (Model Context Protocols) y su relevancia

Conexión de IA con APIs y servicios externos

Tokens y embeddings: qué significan

Memoria en IA: breve visión técnica

Diferencia entre entrenamiento e inferencia

Conceptos de prompt engineering

Glosario corporativo para alinear equipos

Qué son y cómo funcionan los LLMs

Modelos más destacados del mercado (GPT, Gemini, Claude, LLaMA)

Diferencias entre open source y comerciales

Capacidades más relevantes para empresas

Limitaciones actuales de los LLMs

Costes asociados y consumo de recursos

Ejemplos de aplicación en productividad

Casos en marketing, ventas y atención al cliente

Integración con herramientas de negocio

Futuro de los LLMs en el trabajo diario

Definición de agente y diferencias con un LLM

Agentes como orquestadores de tareas

Interacción entre agentes y aplicaciones empresariales

Ejemplos de agentes en Copilot, ChatGPT y Gemini

Plataformas de construcción de agentes (LangChain, CrewAI, etc.)

Casos de uso: administrativo, financiero, marketing

Limitaciones actuales de los agentes

Seguridad en agentes que acceden a datos sensibles

Cómo configurar agentes básicos en entornos empresariales

Perspectivas de los agentes en productividad corporativa

Concepto y funcionamiento de RAG

Cómo conecta documentos corporativos con un modelo de IA

Herramientas más usadas para RAG (Pinecone, Weaviate, ChromaDB)

Casos de uso en atención al cliente

Aplicaciones en la gestión documental

Limitaciones de la búsqueda aumentada

Integración con SharePoint y Google Drive

RAG en entornos de compliance y auditoría

Ejemplo práctico: preguntas sobre políticas internas

Futuro del RAG en entornos de trabajo

Qué son los Model Context Protocols (MCPs)

Cómo permiten conectar IA con aplicaciones externas

Ejemplos de MCPs disponibles en ChatGPT Enterprise

Casos de integración con bases de datos y ERPs

Seguridad en el uso de MCPs en empresas

Comparación con conectores tradicionales

Limitaciones y madurez tecnológica de MCPs

Ejemplo de MCP para consulta de datos financieros

Beneficios estratégicos en el uso de MCPs

Perspectiva futura de los protocolos de IA

Microsoft Copilot en el ecosistema 365

ChatGPT Enterprise y sus ventajas

Gemini de Google y sus integraciones

Anthropic Claude y su posicionamiento

Modelos open source (LLaMA, Mistral, Falcon)

Plataformas de integración: LangChain, Haystack

Servicios cloud: Azure OpenAI, AWS Bedrock, Vertex AI

Diferencias entre suscriptores individuales y corporativos

Criterios de selección de proveedor de IA

Escenarios recomendados para cada opción

Copilot en Word, Excel, Outlook y Teams

Gemini en Google Workspace

ChatGPT en automatización de tareas administrativas

Generación de reportes e informes corporativos

Organización de agendas y calendarios con IA

Integración con Power Automate o Zapier

Asistentes de redacción y revisión de textos

Traducción de documentos con IA

Ejemplo: preparación de un informe mensual

Beneficios en reducción de tiempos

Segmentación avanzada con IA

Creación de contenidos personalizados

Generación de imágenes y materiales gráficos

Chatbots en atención al cliente

Análisis de sentimiento en redes sociales

Predicción de tendencias de consumo

Automatización de respuestas

Integración con CRMs y plataformas digitales

Medición del impacto en campañas

Casos prácticos en empresas de distintos sectores

Automatización de conciliaciones y facturas

Predicciones de flujo de caja

Análisis de inversiones con IA

Identificación de fraudes y anomalías

Control presupuestario con modelos predictivos

Preparación de informes financieros

Riesgos y limitaciones en el área financiera

Integración con ERP corporativos

Beneficios de la automatización en contabilidad

Ejemplo: previsión de tesorería con IA

Plataformas de IA accesibles sin programación

Power Platform y Copilot Studio

Zapier y Make con IA integrada

Google Vertex AI Studio

Creación de chatbots sin código

Casos prácticos en pequeñas empresas

Limitaciones del enfoque no-code

Ventajas para áreas administrativas

Ejemplo: automatizar respuestas de RRHH

Futuro de las herramientas no-code

Riesgos de seguridad en modelos de IA

Sesgos en datos y decisiones automatizadas

Cumplimiento del RGPD y legislación europea

Supervisión humana en decisiones críticas

Políticas internas de uso responsable

Transparencia en procesos automáticos

Impacto social del uso de IA

Dependencia tecnológica y riesgos asociados

Buenas prácticas de uso corporativo

Ejemplo: revisión de sesgo en reclutamiento

Qué significa la gobernanza de IA

Roles y responsabilidades en la organización

Documentación de modelos y agentes usados

Control y optimización de costes

Estrategias de mejora continua

Métricas clave de adopción

Relación entre TI y dirección en IA

Checklist de gobernanza corporativa

Casos de fallo en gobernanza y sus consecuencias

Buenas prácticas en gestión de IA

Cómo medir el ROI de proyectos de IA

Definición de KPIs relevantes

Evaluación del ahorro de costes y tiempo

Impacto en la satisfacción de clientes

Impacto en productividad interna

Casos de ROI positivo en distintos sectores

Herramientas para seguimiento de métricas

Ejemplo: reducción de tiempos de informe con Copilot

Limitaciones en la medición de ROI

Estrategias para maximizar el retorno

Elección de un proceso real en la empresa

Definición de objetivos de IA aplicados

Selección de la herramienta o plataforma adecuada

Diseño del flujo de trabajo con IA

Integración con datos corporativos

Validación de cumplimiento normativo

Documentación del proyecto

Monitorización inicial de resultados

Evaluación del impacto obtenido