Curso de Uso Responsable de la IA para Empleados

Comprender por qué la empresa necesita normas claras para usar IA.

Diferenciar herramientas aprobadas, herramientas no autorizadas, cuentas personales y entornos corporativos.

Identificar qué tipos de tareas se pueden apoyar con IA y cuáles requieren autorización previa.

Reconocer situaciones donde se debe consultar a IT, seguridad, compliance, legal, RRHH o un responsable.

Comprender la responsabilidad individual al introducir datos, aceptar resultados o compartir entregables generados.

Evitar usar IA para saltarse procesos internos, aprobaciones, controles de calidad o revisión profesional.

Diferenciar uso exploratorio, uso interno, uso con cliente, uso público y uso en decisiones sensibles.

Establecer criterios para informar de incidencias, errores, fugas de datos o usos indebidos.

Entender el papel de mandos, empleados, equipos técnicos y dirección en la adopción responsable.

Crear hábitos de uso: revisar, contrastar, anonimizar, documentar y escalar dudas antes de publicar o decidir.

Comprender qué es un prompt y cómo condiciona la calidad de la respuesta.

Construir instrucciones con objetivo, contexto, audiencia, formato, tono, restricciones y criterios de calidad.

Pedir a la IA que haga preguntas aclaratorias cuando falte información relevante.

Usar ejemplos de salida para mejorar consistencia en emails, informes, resúmenes y presentaciones.

Formular prompts que separen hechos, hipótesis, recomendaciones y dudas.

Evitar prompts vagos que generan respuestas genéricas, largas o poco aplicables.

Usar iteraciones para mejorar una respuesta sin perder control sobre el resultado.

Pedir versiones adaptadas a distintos públicos: técnico, ejecutivo, cliente, empleado o proveedor.

Controlar tono, extensión, formato, nivel de detalle y lenguaje corporativo.

Crear una biblioteca personal de prompts aprobados para tareas frecuentes del puesto.

Comprender que la IA puede producir respuestas convincentes pero incorrectas.

Detectar alucinaciones, datos inventados, referencias dudosas, cálculos incorrectos y conclusiones no justificadas.

Verificar información importante con fuentes internas, documentación oficial o expertos responsables.

Revisar cifras, fechas, nombres, precios, condiciones, normativa, compromisos y datos de cliente.

Pedir a la IA que indique incertidumbre, supuestos y límites de la respuesta.

Separar lo que la IA sabe, lo que deduce y lo que no puede confirmar.

Evaluar coherencia, completitud, precisión, tono, utilidad y adecuación al objetivo.

Usar listas de comprobación antes de enviar entregables generados con IA.

Evitar publicar, reenviar o decidir a partir de una respuesta sin revisión humana.

Crear criterios de calidad por tipo de tarea: email, informe, propuesta, análisis, resumen o presentación.

Identificar qué es un dato personal y por qué requiere especial cuidado al usar IA.

Diferenciar datos públicos, internos, confidenciales, sensibles, estratégicos y restringidos.

Evitar introducir datos de clientes, empleados, candidatos, salarios, contratos, salud, incidencias o información protegida sin autorización.

Anonimizar, seudonimizar o generalizar información antes de usarla en prompts cuando proceda.

Comprender que copiar y pegar documentos internos en herramientas no aprobadas puede generar riesgos.

Revisar condiciones de uso, almacenamiento, entrenamiento, retención y acceso según la herramienta aprobada.

Aplicar minimización de datos: compartir solo lo imprescindible para obtener el resultado.

Reconocer cuándo una tarea requiere entorno corporativo seguro o revisión de privacidad.

Evitar mezclar datos de distintos clientes, proyectos o departamentos sin permiso.

Documentar dudas y consultar antes de usar información cuya clasificación no está clara.

Reconocer riesgos de seguridad asociados al uso de herramientas de IA.

Evitar introducir contraseñas, claves API, tokens, datos bancarios, secretos técnicos o credenciales en prompts.

Detectar phishing, ingeniería social y mensajes generados con IA que buscan engañar al empleado.

Revisar archivos, enlaces, adjuntos y código sugerido por IA antes de ejecutarlos o compartirlos.

No instalar extensiones, plugins, conectores o herramientas de IA sin aprobación corporativa.

Proteger sesiones, cuentas, historial, documentos y dispositivos usados para trabajar con IA.

Diferenciar herramientas internas aprobadas de aplicaciones externas sin control empresarial.

Comprender riesgos de shadow AI: uso no autorizado de IA fuera de los canales definidos.

Informar a IT o seguridad ante fugas, respuestas extrañas, accesos indebidos o sospecha de compromiso.

Crear hábitos básicos de seguridad al trabajar con IA en navegador, escritorio, móvil y herramientas conectadas.

Comprender qué son los sesgos en IA y cómo pueden aparecer en datos, modelos, prompts o interpretación humana.

Identificar riesgos al usar IA en selección, evaluación, promoción, atención al cliente, scoring o asignación de oportunidades.

Evitar tomar decisiones automatizadas sobre personas sin revisión humana y criterios objetivos.

Revisar lenguaje discriminatorio, estereotipos, exclusiones, asociaciones injustas o recomendaciones sesgadas.

Pedir a la IA que revise textos desde una perspectiva inclusiva, clara y respetuosa.

Diferenciar apoyo a la redacción o análisis de una decisión final sobre una persona.

Documentar criterios humanos cuando la IA se usa como apoyo en procesos sensibles.

Evitar introducir información protegida o innecesaria en tareas relacionadas con empleados, clientes o candidatos.

Reconocer que una respuesta aparentemente neutral puede reproducir desigualdades o supuestos problemáticos.

Crear controles de revisión para comunicaciones, perfiles, evaluaciones y procesos con impacto humano.

Comprender los riesgos de usar IA para crear textos, imágenes, código, vídeos, diseños o música.

Diferenciar contenido interno, contenido público, material de terceros, marca registrada y documentación protegida.

Evitar pedir a la IA que copie estilos, textos, obras, documentos o materiales no autorizados.

Revisar derechos de uso antes de publicar contenidos generados externamente.

Citar fuentes cuando la información procede de documentación, informes, webs o materiales de terceros.

Controlar que los outputs no incluyan fragmentos protegidos, marcas, datos personales o afirmaciones no autorizadas.

Diferenciar inspiración, resumen, paráfrasis, copia y reutilización indebida.

Gestionar prompts, inputs y outputs como activos que pueden requerir trazabilidad.

Revisar contenidos de marketing, formación, comunicación, diseño o producto antes de publicarlos.

Consultar a legal o comunicación cuando el contenido tenga impacto externo, comercial o reputacional.

Comprender cuándo es conveniente o necesario informar de que se ha usado IA.

Diferenciar uso interno de apoyo, uso en entregables externos, uso en decisiones y uso automatizado.

Documentar prompts, fuentes, versiones, archivos usados y revisiones cuando el resultado es importante.

Incluir notas de revisión humana cuando el documento, análisis o recomendación lo requiera.

Evitar presentar como propio un resultado que no ha sido revisado o comprendido.

Registrar decisiones sensibles tomadas con apoyo de IA y explicar el papel real de la herramienta.

Mantener trazabilidad en informes, propuestas, comunicaciones, análisis y materiales formativos.

Comunicar el uso de IA sin generar desconfianza ni sobredimensionar sus capacidades.

Diferenciar transparencia con el cliente, transparencia interna y trazabilidad para auditoría.

Crear prácticas simples de documentación que no bloqueen el trabajo diario.

Usar IA para redactar emails claros, adaptados al destinatario y alineados con el tono corporativo.

Resumir reuniones, extraer acuerdos, identificar tareas y preparar seguimientos.

Convertir notas desordenadas en actas, planes, checklists o comunicaciones internas.

Revisar documentos largos para obtener resumen ejecutivo, riesgos, dudas y próximos pasos.

Preparar presentaciones con estructura, mensajes clave, argumentario y adaptación al público.

Traducir y adaptar textos sin perder matiz, contexto o precisión.

Mejorar claridad, concisión, tono, coherencia y profesionalidad de comunicaciones.

Evitar enviar respuestas automáticas sin verificar contexto, destinatario, sensibilidad y datos incluidos.

Revisar que los resúmenes no omitan compromisos, fechas, cifras o matices relevantes.

Crear plantillas responsables para emails, actas, informes, presentaciones y comunicados.

Usar IA para explicar datos, fórmulas, tablas, desviaciones, tendencias y comparativas.

Preparar análisis exploratorios con preguntas claras, contexto y criterios de interpretación.

Pedir ayuda para estructurar dashboards, KPIs, informes y comentarios ejecutivos.

Revisar cálculos y fórmulas sin asumir que la IA siempre devuelve resultados correctos.

Diferenciar análisis descriptivo, diagnóstico, predictivo y recomendación.

Evitar introducir hojas de cálculo con datos sensibles sin anonimización o entorno aprobado.

Pedir a la IA que identifique supuestos, limitaciones, riesgos y datos faltantes.

No delegar decisiones financieras, laborales, legales, comerciales o críticas sin validación humana.

Preparar escenarios, comparativas y resúmenes ejecutivos con revisión de cifras.

Crear un flujo seguro para usar IA como apoyo analítico sin convertirla en autoridad final.

Comprender qué diferencia hay entre un asistente conversacional y un agente que ejecuta tareas.

Identificar qué riesgos aumentan cuando la IA puede acceder a archivos, correo, calendario, CRM o aplicaciones internas.

Definir acciones que pueden automatizarse y acciones que requieren aprobación humana.

Controlar permisos de conectores, extensiones, plugins, agentes y herramientas externas.

Revisar outputs antes de que un agente envíe emails, cree registros, modifique archivos o contacte con terceros.

Evitar automatizaciones que mezclan datos, duplican acciones, generan spam o actúan sin trazabilidad.

Establecer límites de actuación, criterios de parada y revisión para agentes.

Registrar acciones realizadas por agentes: qué hizo, cuándo, con qué datos y bajo qué autorización.

Consultar con IT o responsables antes de conectar IA a sistemas corporativos críticos.

Crear casos de uso seguros para agentes: resumen, clasificación, borradores, organización y preparación de tareas.

Identificar usos responsables en administración: resúmenes, plantillas, organización documental y comunicaciones internas.

Aplicar IA en ventas para preparar reuniones, adaptar mensajes, analizar cuentas y crear borradores de seguimiento.

Usar IA en marketing para ideas, campañas, revisión de tono, calendarios y adaptación de contenidos.

Aplicar IA en RRHH para borradores, onboarding, formación, comunicaciones y análisis de feedback anonimizado.

Usar IA en soporte para resumir incidencias, preparar respuestas, clasificar tickets y documentar soluciones.

Aplicar IA en finanzas para explicar informes, revisar narrativas, preparar escenarios y resumir desviaciones.

Usar IA en legal o compliance solo como apoyo inicial y siempre con revisión experta.

Aplicar IA en operaciones para procedimientos, checklists, análisis de procesos y documentación de mejoras.

Diferenciar casos de bajo riesgo, riesgo medio y alto riesgo en cada departamento.

Crear un mapa de usos permitidos, usos con revisión y usos no recomendados por área.

Identificar errores habituales: copiar datos sensibles, confiar ciegamente, usar cuentas personales o publicar sin revisar.

Reconocer señales de mal uso: resultados no verificados, automatizaciones sin permiso, contenido sesgado o información inventada.

Saber cómo actuar si se ha compartido información confidencial en una herramienta no aprobada.

Informar rápidamente a los canales internos adecuados ante incidentes de privacidad o seguridad.

Detener el uso de un output cuando hay dudas de exactitud, legalidad, seguridad o reputación.

Documentar incidentes de forma objetiva, sin ocultar información ni atribuir culpas prematuras.

Aprender de errores para mejorar políticas, prompts, formación y controles.

Evitar normalizar atajos que aumentan riesgo por ahorrar tiempo.

Crear una cultura donde preguntar antes de usar IA sea aceptado y esperado.

Preparar una lista de comprobación para prevenir incidentes antes de usar IA en tareas importantes.

Crear hábitos personales de uso responsable: contexto mínimo, datos seguros, revisión, contraste y documentación.

Definir rutinas de equipo para compartir prompts útiles, aprendizajes, errores y buenas prácticas.

Medir impacto de la IA en productividad, calidad, tiempo, satisfacción y reducción de tareas repetitivas.

Revisar periódicamente qué casos de uso funcionan y cuáles generan más riesgo que valor.

Mantener actualizadas las políticas internas según nuevas herramientas, normativas y necesidades de negocio.

Formar a nuevos empleados en uso responsable desde el onboarding.

Crear referentes internos o usuarios avanzados que ayuden a resolver dudas.

Integrar IA en procesos existentes sin romper controles, permisos o trazabilidad.

Evitar dependencia excesiva de la IA para tareas que requieren conocimiento profesional.

Construir una cultura de adopción prudente, útil y orientada a mejora continua.

Diseñar una guía práctica de uso responsable de IA para un equipo o departamento concreto.

Definir tareas frecuentes donde la IA puede aportar productividad con bajo riesgo.

Clasificar información del área en pública, interna, confidencial, sensible y no utilizable en IA.

Crear una tabla de usos permitidos, usos con revisión y usos no permitidos.

Preparar prompts seguros para emails, informes, resúmenes, análisis, presentaciones y documentación.

Diseñar un checklist de revisión antes de enviar o publicar entregables generados con IA.

Crear protocolo de verificación de datos, cifras, fuentes, citas, normativa y decisiones sensibles.

Definir reglas para uso de archivos, hojas de cálculo, datos personales y documentación interna.

Preparar criterios de revisión humana para decisiones con impacto en clientes, empleados o terceros.

Diseñar un procedimiento breve para reportar incidentes, errores o uso indebido de IA.

Crear recomendaciones específicas para herramientas conectadas, agentes, plugins o automatizaciones.

Preparar una plantilla de transparencia y trazabilidad para entregables relevantes.

Definir indicadores para medir adopción, ahorro de tiempo, calidad, incidencias y satisfacción del equipo.

Crear un plan de comunicación interna para explicar buenas prácticas al departamento.

Presentar la guía final defendiendo utilidad, seguridad, claridad, aplicabilidad y alineación con la empresa.