🔵 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 herramientas y los sistemas multi-agente son la organización completa.

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: Aprendizaje supervisado, no supervisado, RLHF y fine-tuning. Coste energético y económico del entrenamiento.

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

💼 Analogía: El empleado recién contratado. La formación académica (colegio → universidad → especialización → máster).
🎯 Ejercicio práctico: Entrena tu primer modelo con cámara web. Captura gestos, entrena un clasificador kNN y comprueba en vivo cómo los datos moldean las respuestas.
Bloque 2 2h

Infraestructura y consumo de IA

Inferencia vs entrenamiento: La diferencia fundamental entre usar un modelo ya entrenado (trabajar) y entrenarlo (estudiar). Por qué la inferencia es mucho más barata.

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.

💼 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 herramientas.

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 automatizar la respuesta inicial de una asesoría con 30 correos fiscales diarios. 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