Inteligencia Artificial Generativa & Business Innovation

1. Introducción al concepto de Inteligencia Artificial y su evolución los últimos años

Objetivo: presentar el contexto general de la IA

Temas:

• Inteligencia Artificial. Definición y usos.

• Introducción a los conceptos de Machine Learning & Deep Learning.

• Introducción a los conceptos de Inteligencia Artificial Generativa y Predictiva.

• Introducción a los conceptos de Modelos Fundacionales y LLM (Large Language Model)

• Introducción al concepto de redes neuronales.

• Nivel de madurez y penetración de la IA por países y áreas departamentales.

2. Impacto de las IA dentro de las organizaciones

Objetivo: ¿Cómo impacta el uso de las distintas IA dentro de las organizaciones y los departamentos?

Temas:

• Impacto 1: Incremento de la productividad y eficiencia.
• Impacto 2: Hiper personalización. ¿Cómo podemos ofrecer experiencias y customer journey totalmente personalizado?
• Impacto 3: Data Driven.
• Impacto 4: Redefinir la experiencia del cliente.
• Impacto 5: Faster go to market & Experimentación.

3. GEN AI aplicado a la generación de imágenes

Objetivo: profundizar en el potencial, aplicaciones y herramientas clave de la inteligencia artificial generativa.

Temas:

• Introducción a los conceptos de prompt/prompt engineering
• GEN AI para generación de imágenes
• ¿Cómo generar imágenes de alto impacto y calidad?
• Tools: Dalle 3, Midjourney, Stable y Flux.
• Trabajo individual: tus primeros prompts.

4. GEN AI para generación de vídeos y audios

Objetivo: profundizar en el potencial, aplicaciones y herramientas de la GEN AI en generación de vídeos y audios

Temas:

• GEN AI para generación de videos.
• ¿Cómo generar vídeos de alto impacto y calidad?
• Tools: GEN 3, Kling 1.5, LUMA, Hailou, SORA.
• GEN AI para generación de audios.
• Tools: Eleven Labs, Notebook LM.

5. GEN AI para generación de código y modelos data driven

Objetivo: Profundizar en el potencial, aplicaciones y herramientas de la GEN AI en generación de código y modelos analíticos.

Temas:

• GEN AI para generación de código.
• Introducción a los concepto de Low code & no code.
• ¿Cómo generar una página web o un cuadro de mandos usando soluciones de IA?.
• Introducción al concepto de computer vision.
• Tools: CodeGPT, Tracezip.

6. GEN AI para generación de texto

Objetivo: Profundizar en el potencial, aplicaciones y herramientas de la GEN AI en generación de texto

Temas:

• GEN AI para generación de texto.
• ¿Cómo generar textos de alto impacto y calidad?
• Tools: ChatGPT, Claude.

7. Taller Práctico: Marketing Generativo

En este taller de dos sesiones se trabajará el uso práctico de la IA GENERATIVA en la construcción real de un Plan de Marketing.

1. GEN AI Evolution: AI AGENT

Objetivo: Los agentes de IA representan un desarrollo emocionante en ia generativa, lo que permite que los modelos de lenguaje grande (LLM) evolucionen de asistentes a agentes capaces de tomar medidas. Los marcos del agente de IA permiten a los desarrolladores crear aplicaciones que proporcionan a las MÁQUINAS virtuales acceso a herramientas y administración de estado.

Temas:

• Descripción de lo que es un agente de IA: ¿Qué es exactamente un agente de IA?
• Exploración de cuatro marcos de agente de IA diferentes: ¿Qué los hace únicos?
• Incorporación de la comprensión del lenguaje natural.
• Integración de modelos de aprendizaje automático.
• Personalización de las respuestas de los agentes.

2. Principios básicos de diseños de AI AGENTS

Objetivo: Los agentes de IA deben ser construidos con objetivos específicos y son más potentes cuando se coordinan como parte de un proceso integral en el que intervienen otros agentes, pasos de automatización y la interacción humana. Analizaremos algunos ejemplos de procesos empresariales que podrían transformarse al incorporar agentes de IA: Operaciones de servicio, ventas

Temas:

• Componentes clave de un agente de IA
• Interacción agente-entorno
• Introducción al modelado basado en agentes

3. Taller práctico de Creación de AI AGENTS

Un agente con IA es un programa informático diseñado para ayudar a las personas realizando tareas y respondiendo a preguntas. El término clave aquí es ayudar a las personas.

1. Introducción y Definición de Proyectos de IA en el Entorno Empresarial

Objetivo: Presentar el contexto de IA en los negocios, identificar oportunidades y definir proyectos de IA.

Temas:

• Introducción a la IA en el contexto empresarial: beneficios, retos y tendencias.
• Identificación de oportunidades de IA en diversas áreas funcionales.
• Definición de proyectos de IA: cómo establecer objetivos claros y casos de uso.
• Ejercicio práctico: Definir un caso de uso de IA relevante para el negocio.

2. Plan Estratégico de Adopción de Soluciones de IA

Objetivo: Guiar a los participantes en la creación de un plan estratégico de adopción de IA.

Temas:

• Estructura y componentes clave de un plan estratégico de IA.
• Ejemplos de estrategias de IA en diferentes sectores.
• Identificación de recursos y talento necesario.
• Taller: Elaboración de un borrador de plan estratégico adaptado a un caso real o ficticio.

3. Construcción de POC (Prueba de Concepto) y MVP (Producto Mínimo Viable) en IA

Objetivo: Capacitar en la creación y validación de pruebas de concepto y productos viables.

Temas:

• Diferencias entre POC y MVP: enfoque y objetivos.
• Desarrollo de POC y MVP de productos de IA.
• Evaluación de éxito y criterios de escalabilidad para pasar de POC a MVP.
• Ejercicio práctico: Diseñar un esquema de POC/MVP para un caso de uso de IA.

4. Gestión del Cambio en la Implementación de Proyectos de IA

Objetivo: Desarrollar habilidades para gestionar la adopción y el cambio organizacional.

Temas:

• Principios de gestión del cambio y su importancia en proyectos de IA.
• Estrategias de comunicación efectiva y entrenamiento en IA para equipos.
• Cómo gestionar la resistencia al cambio en el contexto de IA.
• Estudio de caso: Análisis de una empresa que haya implementado IA y cómo gestionó el cambio.

5. Plataformas de Servicio de IA (AI PaaS) en los Negocios

Objetivo: Presentar las plataformas y herramientas AI PaaS más relevantes y sus aplicaciones.

Temas:

• Introducción a las plataformas AI PaaS y sus ventajas en proyectos empresariales.
• Comparativa de las plataformas más utilizadas (Google AI, AWS, Microsoft Azure, etc.).
• Ejemplos de implementaciones prácticas.
• Demostración: Exploración de una plataforma AI PaaS y su funcionamiento básico.

6. Integración de IA con Sistemas Existentes

Objetivo: Explorar las estrategias y técnicas para la integración de IA en sistemas actuales.

Temas:

• Principios de integración y compatibilidad de IA con sistemas heredados.
• API, microservicios y arquitecturas escalables.
• Desafíos comunes de integración y cómo abordarlos.
• Ejercicio práctico: Diseñar un esquema de integración de IA para un sistema existente.

1. Fundamentos de ética, IA responsable y gobernanza de sistemas de IA

Objetivo: Introducir los principios éticos fundamentales y los marcos de gobernanza en IA, así como la IA responsable como "puesta en práctica" de la IA ética.

Temas:

• Introducción a los desafíos éticos y de gobernanza en IA.
• Principios éticos aplicables a IA: OCDE, UNESCO, UE.
• Concepto de IA responsable como práctica para implementar la IA ética.
• Sistemas y modelos de IA.
• Gobernanza de IA y gestión de riesgos: principales marcos y enfoques.
• Caso práctico: Creación de un marco de Inteligencia Artificial Responsable para startups y pymes de América Latina y Caribe.

2. Transparencia y explicabilidad de sistemas y modelos de IA

Objetivo: Explorar la importancia de la transparencia y la explicabilidad en IA, incluyendo el uso de tarjetas de modelo y sistema como herramientas para mejorar su comprensión y confianza.

Temas:

• Transparencia en algoritmos y procesos de decisión.
• Técnicas y prácticas de explicabilidad en IA.
• Introducción y análisis del caso de uso de Model Cards para documentar modelos de IA.
• Taller práctico: Desarrollo de una Model Card/System Card para un modelo/sistema de IA específico.

3. Datos y prevención de sesgos en IA

Objetivo: Explorar los desafíos emergentes del uso de datos en sistemas de IA y las prácticas para reducir sesgos en el desarrollo y uso de IA.

Temas:

• Regulaciones de privacidad y copyright aplicables a IA.
• Identificación y mitigación de sesgos en IA: fuentes y soluciones.
• Caso de estudio: Ejemplo de manejo responsable de datos y prevención de sesgos en IA.

4. Desarrollo de políticas institucionales de IA y estándares Internacionales

Objetivo: Guiar a los participantes en la creación de políticas institucionales que fomenten el uso ético y responsable de la IA, incorporando estándares internacionales de IA.

Temas:

• Elementos clave para políticas de IA éticas y legales en las organizaciones.
• Innovación regulatoria: importancia de regulación temprana, certificaciones, sandboxes y adaptación a la normativa.
• Estándares internacionales para la IA y su rol en la interoperabilidad y gobernanza de sistemas de IA.
• Taller de aplicación: Consideraciones regulatorias y éticas de un sistema de IA.