PÍLDORAS FORMATIVAS SOBRE INTELIGENCIA ARTIFICIAL: FUNDAMENTOS DE AGENTES INTELIGENTES
Del 22/09/2026 al 31/12/2026
El precio para Colegiados, Precolegiados y adheridos del COIIAOC es de 55.00 €.
Para no colegiados, es de 85.00 €.
La implantación de Inteligencia Artificial en entornos de ingeniería y operaciones no es, en esencia, un problema de herramientas: es un problema de método, especificación funcional y gobernanza.
Para maximizar el aprovechamiento del curso Pensamiento Estratégico y Metodología para Implantar IA Empresarial, se propone este itinerario de 4 píldoras de vídeo asíncronas (~15 minutos cada una, 60 minutos en total), si no has realizado el Programa formativo de Agentes Inteligentes impartido durante el primer semestre de este año.
Este formato replica el modelo pedagógico aplicado con éxito en ediciones anteriores:
• Actúa como herramienta de nivelación previa, garantizando que todos los alumnos compartan el marco mental y los conceptos operativos clave antes de la primera sesión en directo.
• Permite que las sesiones de clase se destinen íntegramente al análisis crítico, al debate sobre casos industriales prácticos y a la construcción guiada del entregable troncal del curso: el Documento de Diseño Funcional (DDF) sobre el proceso real de cada alumno.
Datos del curso
Tipo de evento: Curso
Ubicación: VÍDEO
Categoría: Industria 4.0
Estado: Inscripción abierta
Precio: Desde 55.00 €
Presentación
El objetivo general de este itinerario audiovisual es transmitir los fundamentos conceptuales y operativos indispensables para que los asistentes aprovechen al máximo el curso en directo desde la primera sesión.
Los alumnos aprenderán a:
- Comprender la mecánica de los modelos de lenguaje (tokens, ventana de contexto) y evitar errores por asumir capacidades de cómputo determinista.
- Superar el chateo informal y redactar directrices técnicas estructuradas e inequívocas (Rol, Delimitadores, Restricciones, Few-Shot y Chain-of-Thought).
- Dominar el estándar markdown para estructurar fuentes técnicas, normalizar datos desestructurados de planta y optimizar el consumo de contexto.
- Conocer el ecosistema corporativo de herramientas de IA, sus implicaciones de privacidad y confidencialidad (zero-retention) y la tokenomics básica.
- Llegar a la primera sesión del curso con el entorno de trabajo configurado y un lenguaje técnico riguroso y compartido.
Programa
PÍLDORA 1 · MECÁNICA DE LOS MODELOS DE LENGUAJE TOKENS, CONTEXTO Y PROBABILIDAD Naturaleza probabilística vs. computación determinista
• Qué es un LLM: Deconstrucción del mito del razonamiento humano; red neuronal autorregresiva orientada a la predicción estocástica del siguiente token más plausible.
• Tokens y ventana de contexto: Fragmentación del texto en unidades sub-palabra, naturaleza stateless (sin memoria continua de fondo) y consumo de contexto por petición.
• La alucinación como propiedad matemática: Completitud de patrones en ausencia de datos: por qué el modelo falla estrepitosamente si se le pide calcular, auditar o comparar tolerancias críticas sin soporte determinista externo.
• Demostración práctica: Inspección en directo de la tokenización de una nota técnica y cómo la alteración de una sola palabra previa desvía por completo la ruta probabilística de respuesta.
CONEXIÓN CON EL CURSO: El alumno comprende los fundamentos que sustentan el principio rector “Propose, Don't Compute”
PÍLDORA 2 · DE LA CONVERSACIÓN A LA INSTRUCCIÓN ESTRUCTURA DEL PROMPT TÉCNICO De la interacción recreativa a la directriz reproducible de ingeniería
• El fin del chateo informal: La frontera entre una conversación abierta y una especificación técnica de software redactada en lenguaje natural.
• Componentes de la directriz técnica: Asignación de rol operativo claro, tarea atómica delimitada, delimitadores sintácticos explícitos (bloques markdown / etiquetas XML) para aislar datos de instrucciones, y restricciones duras.
• Guías cognitivas de razonamiento: Técnicas Few-Shot (guiar mediante 1–2 ejemplos canónicos de entrada/salida) y Chain-of-Thought (forzar al modelo a justificar paso a paso antes de emitir la conclusión).
• Demostración práctica: Refactorización en vivo de un prompt vago de usuario («analiza esta avería») a una instrucción técnica estructurada con delimitadores y restricciones operativas.
CONEXIÓN CON EL CURSO: Los alumnos llegan a la Sesión 1 sabiendo redactar prompts técnicos estructurados, listos para abordar colisiones de reglas de negocio complejas.
PÍLDORA 3 · EL ESTÁNDAR DE LA IA: MARKDOWN Y DATOS ESTRUCTURACIÓN, TABLAS Y EXTRACCIÓN El formato de texto plano estructurado como puente entre el ingeniero y el modelo
• Por qué markdown es el lenguaje vehicular de la IA: Ausencia de metadatos ocultos (frente a Word/PDF), legibilidad humana nativa y máxima densidad de información útil por token consumido.
• Sintaxis funcional para ingeniería: Jerarquía estricta de encabezados (#, ##), listas de requisitos, bloques de código delimitados y tablas comparativas para estructurar contexto sin ambigüedad.
• Normalización de datos técnicos no estructurados: Cómo emplear un LLM para procesar texto libre (partes de guardia, comunicaciones de incidencias) y transformarlo en tablas markdown o esquemas JSON listos para bases de datos.
• Demostración práctica: Conversión en pantalla de una comunicación desordenada de avería de planta en una tabla técnica estructurada con validación de campos obligatorios.
CONEXIÓN CON EL CURSO: Los alumnos dominan la sintaxis en la que redactarán la Ficha IO/RE (Sesión 2) y los bloques del DDF sin perder tiempo de clase en cuestiones de formato.
PÍLDORA 4 · ECOSISTEMA CORPORATIVO Y SEGURIDAD HERRAMIENTAS, PRIVACIDAD Y TOKENOMICS Uso seguro, gobernanza del dato y control de costes en entornos empresariales
• El mapa de herramientas del mercado: Del uso web gratuito a espacios de trabajo persistentes (Claude Projects, Custom GPTs) y entornos corporativos integrados (Microsoft 365 Copilot, APIs de empresa).
• Seguridad, confidencialidad y retención de datos: La cláusula zero-retention de las suscripciones empresariales frente al re-entrenamiento público; qué datos técnicos o estratégicos nunca deben introducirse en plataformas públicas.
• Tokenomics y presupuestos a nivel de usuario: Cuotas de uso, límites de peticiones por minuto/hora (rate limits) y cómo estimar el coste computacional de procesar lotes documentales.
• Demostración práctica: Configuración de un entorno de trabajo corporativo seguro y estimación del coste en tokens para procesar un lote de especificaciones técnicas.
CONEXIÓN CON EL CURSO: Garantiza que todos los alumnos lleguen con su entorno operativo preparado y plenamente conscientes de los límites de confidencialidad antes de trabajar sobre procesos reales.
Apúntate ahora
El precio para Colegiados, Precolegiados y adheridos del COIIAOC es de 55.00 €. Para no colegiados, es de 85.00 €.
- La reserva de plaza en la que debe identificarse y rellenar los datos correspondientes.
- La confirmación de que la reserva de plaza es correcta. En el caso que la actividad tenga coste, se le facilitará la manera de realizar el pago.
Metodología
El itinerario de 4 píldoras se articula como una ruta de aprendizaje previo, garantizando una base conceptual compartida:
Píldora Título Ámbito de Nivelación
V1 Mecánica de los Modelos de Lenguaje Tokens, ventana de contexto, naturaleza probabilística vs. computacional y origen de la alucinación
V2 De la Conversación a la Instrucción Estructura del prompt técnico: rol, delimitadores, restricciones duras, Few-Shot y Chain-of-Thought
V3 El Estándar de la IA: Markdown y Datos Formato vehicular de la IA: estructuración de especificaciones, tablas técnicas y esquemas JSON
V4 Ecosistema Corporativo y Seguridad Mapa de herramientas, políticas de privacidad (zero- retention) y tokenomics
El itinerario de preparación previa está diseñado para dotar al ingeniero del marco conceptual y operativo necesario antes del abordaje de los contenidos en directo:
- Comprensión de la física de los modelos de lenguaje: desmitificar la herramienta para saber con precisión qué esperar de un LLM y dónde residen sus límites técnicos.
- Estandarización de directrices y fuentes de datos: dominar la sintaxis vehicular que la IA procesa de forma óptima (instrucción técnica estructurada y formato markdown).