🔵 Principiante · 8 horas

El Ecosistema de la IA como
Organización Empresarial

El manual definitivo para entender, implementar y orquestar la Inteligencia Artificial en tu empresa. Sin código, sin tecnicismos, impulsado por analogías empresariales.

⏱ 8 horas 💻 Online en vivo 🏢 Presencial in-company ✅ Bonificable FUNDAE
📄 Descargar PDF 💬 Solicitar información ← Volver a servicios

🧠 Una formación diferente

No enseñamos teoría abstracta. Cada concepto técnico tiene su equivalente empresarial: los modelos son empleados, los datos son manuales de formación, las APIs son servicios externalizados, los agentes son profesionales con un equipo y los sistemas multi-agente son la organización completa.

🎯 Objetivo de la formación

Al finalizar la formación, el alumno será capaz de tomar decisiones informadas sobre la adopción de la IA en su empresa. En concreto:

  1. Comprender qué es un modelo de IA, cómo se entrena y cuáles son sus capacidades y limitaciones reales.
  2. Diferenciar las formas de consumir IA (APIs, herramientas, modelos locales) y elegir la opción adecuada según coste, privacidad y latencia.
  3. Distinguir entre un modelo y un agente, y diseñar agentes simples para automatizar tareas del día a día.
  4. Diseñar sistemas multi-agente para problemas empresariales reales, identificando roles, patrones de orquestación y puntos de control humano.
Bloque 1 2h

Creación y entrenamiento de modelos de IA

¿Qué es un modelo de IA? Definición: un programa que aprende patrones a partir de datos. No es magia, es estadística a escala. El modelo no "piensa", predice.

Los datos como escuela: Datos de entrenamiento, calidad vs cantidad, sesgos heredados. Por qué mejores datos producen mejores modelos.

El proceso de entrenamiento: Cómo se prepara a un modelo: se le enseñan ejemplos (como prácticas en empresa), se le deja buscar patrones por sí solo, se le corrige con feedback y se le especializa en su puesto. Todo esto tiene un coste, como formar a cualquier profesional.

¿Dónde viven los modelos? Modelos de pago (GPT-4, Claude, Gemini) vs open source (Llama, Mistral, Qwen, Gemma). Ventajas e inconvenientes de cada uno.

💼 Analogía: Un modelo es un becario/empleado con unas capacidades extraordinarias al que, como a todo becario/empleado, hay que ir guiándole y enseñándole.
🎯 Ejercicio práctico: Práctica guiada con cámara web: enséñale gestos al modelo en directo. Verás cómo tus ejemplos determinan lo que aprende y cómo la calidad de los datos afecta a sus aciertos.
Bloque 2 2h

Infraestructura y consumo de IA

Inferencia vs entrenamiento: La diferencia fundamental entre usar un modelo ya entrenado (trabajar) y entrenarlo (estudiar).

APIs: el modelo como servicio: OpenAI API, Anthropic API, Google API, Ollama. Modelo de pago pay-per-token. Cuándo contratar un servicio externalizado.

Herramientas de consumo: ChatGPT, Claude.ai, Gemini, Perplexity, Copilot. Interfaces gráficas para humanos vs APIs para programas.

¿Cuándo usar cada opción? Factores clave: coste, privacidad, latencia, volumen. Modelos locales vs APIs cloud vs herramientas web.

Comparativa de modelos de IA: eficiencia, velocidad, contexto y calidad
💼 Analogía: Tener la oficina en casa (local), alquilar un coworking (API) o contratar servicios externalizados (herramienta web).
🎯 Ejercicio práctico: Caso de estudio grupal. Cada grupo recibe un escenario empresarial (clínica con datos sensibles, startup de soporte masivo, autónomo sin internet) y debe elegir la infraestructura adecuada justificando su decisión.
Bloque 3 2h

Agentes de IA: de responder a ejecutar

¿Qué es un agente? La diferencia clave entre un modelo (responde preguntas) y un agente (ejecuta tareas). Un modelo es un becario con talento; un agente es un profesional con un equipo.

Las cuatro capas de un agente: Modelo (el cerebro), Instrucciones (el manual), Herramientas (el kit de trabajo), Memoria (la experiencia acumulada).

Ciclo de vida de un agente: Recibe tarea → planifica → ejecuta → observa → ajusta → entrega. Iteración y corrección automática.

Herramientas reales: Hermes Agent, OpenClaw, Claude Code, Zapier AI, n8n + IA. Casos de uso reales en empresas hoy.

💼 Analogía: Un empleado recibe un proyecto, lo descompone en tareas, usa sus herramientas, revisa el resultado y lo entrega.
🎯 Ejercicio práctico: Diseñar un agente para una tienda online con 100 consultas diarias sobre pedidos, devoluciones y stock. Consulta el sistema, responde lo que sabe y deriva al humano solo cuando no puede resolverlo. Usando la plantilla de las 4 capas.
Bloque 4 2h

Sistemas multi-agente: la organización completa

¿Por qué necesitamos más de un agente? Limitaciones de un solo agente: contexto limitado, una perspectiva, un solo juego de herramientas. La empresa no funciona con un único empleado.

Patrones de orquestación: Supervisor/Trabajador (jefe de proyecto + equipo), Pipeline/Cadena (cadena de montaje), Debate/Jurado (comité de expertos).

Herramientas y plataformas: CrewAI, LangGraph, n8n + IA, Antigravity. Frameworks para crear equipos de agentes.

Supervisión humana: El consejo de administración. Puntos de control, aprobación crítica, revisión de resultados. Los sistemas multi-agente no son autónomos al 100%.

💼 Analogía: La empresa como organización completa. Departamentos (ventas, producción, administración, dirección) trabajando en paralelo y coordinados.
🎯 Ejercicio integrador: Diseña tu empresa de IA. Una consultora recibe 20 solicitudes de propuesta semanales. Diseña el sistema multi-agente completo: analista, investigador, redactor, verificador y supervisor.

¿Te interesa esta formación?

8 horas. Sin código. Sin tecnicismos. Entiende el ecosistema completo de la IA y toma decisiones informadas para tu empresa.

💬 Solicitar información →
Diapositiva
1 / 10