Diplomado en IA para la empresa: Gestión comercial y de personas

Docente(s): Alvaro Chacón

Unidad académica responsable: Facultad de Ingeniería

Requisitos: Sin pre-requisitos

Créditos: 4

Horas Totales: 75 | Horas directas: 35 | Horas indirectas: 40

Descripción del curso:

Este curso pretende que los participantes puedan desarrollar una visión amplia que aporta una mayor comprensión sobre la aplicabilidad de la inteligencia artificial y las ventajas que una organización puede obtener con su correcta implementación. En este sentido, son conceptos claves temáticas como la mejora en la capacidad predictiva, la interacción de la IA con las personas y el valor de los datos. Todos ellos ayudan a la organización a transitar efectivamente en un contexto de economía digital.

Resultados de Aprendizaje:

• Comprender de manera general el funcionamiento y distinguir las diferencias entre las principales herramientas de inteligencia artificial (IA). Además, comprender de manera general la aplicabilidad de la IA en el mundo de los negocios.
• Analizar cómo interactuamos con la IA para mejorar la toma de decisiones organizacionales e identificar la relevancia de la mejora en predicciones para la toma de decisiones.
• Analizar cómo los grandes volúmenes de datos impactan la forma de hacer negocios y desarrollar capacidades que permitan hacer un análisis de la implementación de IA en su organización.
• Proponer una implementación de IA en su organización que esté alineada con la estrategia y vislumbrar los desafíos del futuro de la transformación digital.

Contenidos:

• Clase 1: Introducción a la Inteligencia Artificial (IA)
  • ¿Qué es IA? Definiciones: IA, ML, DL, etc.
  • Tipos de IA
  • Big data
• Clase 2: Mejores Predicciones
  • ¿Qué son las predicciones?
  • Efecto del menor costo en la capacidad predictiva
  • Efecto de mejores predicciones
  • ¿Prediciendo el juicio humano?
• Clase 3: Interacción entre IA y las personas
  • ¿Cómo tomamos decisiones?
  • ¿Qué nos aporta la IA en la toma de decisiones?
  • ¿Humanos y máquinas juntos? 
• Clase 4: El valor de los grandes volúmenes de datos (Big Data) como activo estratégico Aumento en el volumen de datos
  • ¿Qué se entiende por big data?
  • ¿Por qué los datos son el nuevo petróleo?
  • ¿Qué tan crítico es el big data en la estrategia?
• Clase 5: Alineando la IA con la Estrategia
  • Aumentando la competitividad de los negocios con IA
  • Construyendo estrategia con IA
  • Aplicaciones de IA en distintas áreas de la organización
• Clase 6: El futuro de la transformación digital
  • Riesgos asociados a la IA
  • ¿Cuándo llegará la IA superinteligente?
  • Una mirada general a la IA en las industrias
  • Aporte de la IA en la sociedad: construyendo un futuro mejor

Estrategias Metodológicas:

El curso está constituido de seis clases e-learning que son publicadas en pares durante bloques de dos semanas. Cada clase está estructurada utilizando un diseño instruccional centrado en el estudiante, que busca generar motivación y facilitar el aprendizaje. En cada clase están siempre los contenidos, evaluaciones con retroalimentación, instancias de reflexión y aplicación de lo aprendido. El contenido se despliega en un recorrido que utiliza distintos recursos interactivos, tales como videos (con presencia del docente y apoyos visuales), esquemas, audios, gráficas, ilustraciones, lecturas complementarias, preguntas formativas, links a otros recursos, etc. Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es vía streaming.

Estrategias Evaluativas:

Controles de lectura que permiten asegurar la comprensión de los contenidos desplegados en la plataforma

Foros de participación, que permiten evaluar el análisis y capacidad de reflexión de los alumnos en torno a problemáticas aplicadas

Trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales

Examen final que permite evaluar de manera global la adquisición de los contenidos del curso 

En resumen, el alumno tendrá́ que rendir de manera individual: 6 controles, participar de 3 foros y rendir un examen final. Además de forma grupal, trabajar en el trabajo grupal que se entregará en un formato específico. A continuación, la ponderación de nota final del curso.

Ponderación:

• 6 controles, 1 por clase :15%
• 3 foros evaluadas: 25%
• 1 trabajo grupal: 30%
• 1 evaluación final:30%

Docente(s): Claudio Gelmi

Unidad académica responsable: Facultad de Economía y Administración

Requisitos: Sin pre-requisitos

Créditos: 4

Horas Totales: 75 | Horas directas: 35 | Horas indirectas: 40

Descripción del curso:

Este curso pretende que los alumnos logren reconocer la aplicación de la inteligencia artificial (IA) para optimizar procesos comerciales, mejorar la toma de decisiones y aumentar la eficiencia operativa, garantizando una implementación ética y responsable.

Resultados de Aprendizaje:

• Comprender los fundamentos de la inteligencia artificial (IA) y su aplicación en la gestión comercial.
• Analizar herramientas y tecnologías clave de IA en procesos comerciales para optimizar la eficiencia operativa.
• Evaluar los aspectos éticos y de gestión de datos en la implementación de IA, asegurando un uso responsable de la tecnología.

Contenidos:

• Clase 1: Fundamentos de la Inteligencia Artificial en la Gestión Comercial
  • Definición y Principios Básicos de la IA: Conceptos clave, tipos de IA (IA débil vs. IA fuerte) y técnicas fundamentales.
  • Algoritmos y Modelos de Aprendizaje Automático: Introducción a algoritmos de clasificación, regresión y clustering.
  • Data Science y Análisis Predictivo: Cómo se utilizan los datos para hacer predicciones y decisiones informadas en el comercio.
• Clase 2: Aplicaciones Prácticas de la IA en el Comercio
  • Automatización de Procesos Comerciales: Ejemplos de automatización en inventarios, logística y atención al cliente.
  • Análisis de Comportamiento del Cliente: Uso de IA para segmentación de clientes y personalización de ofertas.
  • Optimización de Precios y Promociones: Técnicas de IA para ajustar precios y diseñar campañas promocionales basadas en datos.
• Clase 3: Herramientas y Tecnologías Clave
  • Plataformas de IA y Machine Learning: Análisis de herramientas como TensorFlow, PyTorch y Scikit-learn.
  • Herramientas de Visualización de Datos: Software para la representación gráfica de datos y resultados de IA, como Tableau y Power BI.
  • Sistemas de Gestión de Datos: Tecnologías para la integración y gestión de grandes volúmenes de datos, como bases de datos NoSQL y Big Data.
• Clase 4: Implementación de IA en la Gestión Comercial
  • Estrategias de Implementación: Pasos para integrar soluciones de IA en las operaciones comerciales.
  • Gestión del Cambio Organizacional: Cómo preparar a la organización y al personal para la adopción de nuevas tecnologías.
  • Desafíos y Soluciones en la Implementación: Problemas comunes durante la implementación de IA y cómo superarlos.
• Clase 5: Ética y Gestión de Datos en IA
  • Privacidad y Protección de Datos: Normativas y mejores prácticas para manejar datos sensibles y personales.
  • Transparencia y Explicabilidad de los Modelos de IA: Cómo asegurar que los modelos de IA sean comprensibles y transparentes.
  • Sesgos y Discriminación en Algoritmos: Identificación y mitigación de sesgos en los sistemas de IA.
• Clase 6: Medición del Impacto y Optimización Continua
  • Indicadores Clave de Desempeño (KPIs) para IA: Métricas para evaluar el éxito de las implementaciones de IA.
  • Análisis de Resultados y Retroalimentación: Métodos para analizar los resultados de las aplicaciones de IA y ajustar estrategias.
  • Ciclo de Mejora Continua: Enfoques para la actualización y optimización constante de las soluciones de IA basadas en resultados y feedback.

Estrategias Metodológicas:

El curso está constituido de seis clases e-learning que son publicadas en pares durante bloques de dos semanas. Cada clase está estructurada utilizando un diseño instruccional centrado en el estudiante, que busca generar motivación y facilitar el aprendizaje. En cada clase están siempre los contenidos, evaluaciones con retroalimentación, instancias de reflexión y aplicación de lo aprendido. El contenido se despliega en un recorrido que utiliza distintos recursos interactivos, tales como videos (con presencia del docente y apoyos visuales), esquemas, audios, gráficas, ilustraciones, lecturas complementarias, preguntas formativas, links a otros recursos, etc. Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es vía streaming. 

Estrategias Evaluativas:

• Controles de lectura que permiten asegurar la comprensión de los contenidos desplegados en la plataforma
• Foros de participación, que permiten evaluar el análisis y capacidad de reflexión de los alumnos en torno a problemáticas aplicadas
• Trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales
• Examen final que permite evaluar de manera global la adquisición de los contenidos del curso
• En resumen, el alumno tendrá́ que rendir de manera individual: 6 controles, participar de 3 foros y rendir un examen final. Además de forma grupal, trabajar en el trabajo grupal que se entregará en un formato específico. A continuación, la ponderación de nota final del curso.

Ponderación:

• 6 controles, 1 por clase: 15%
• 3 foros evaluadas: 25%
• 1 trabajo grupal: 30%
• 1 evaluación final:30%

Docente(s): Raicho Bojilov

Unidad académica responsable: Facultad de Economía y Administración

Requisitos: Sin pre-requisitos

Créditos: 4

Horas Totales: 75 | Horas directas: 35 | Horas indirectas: 40

Descripción del curso:

Este curso pretende que los alumnos logren aplicar herramientas utilizando IA en problemas típicos de la gestión de RRHH.

Resultados de Aprendizaje:

• Evaluar la calidad, los beneficios y las limitaciones de herramientas basadas en la IA en el contexto de la gestión de RRHH
• Analizar los resultados de la aplicación de dichas herramientas
• Proponer soluciones basadas en la IA a problemas típicos en la gestión de RRHH

Contenidos:

• Clase 1: La inteligencia artificial y su conexión con las estadísticas
  • Algoritmos de aprendizaje autónomo: automatización del análisis estadístico
  • Aplicaciones y limitaciones de los algoritmos de aprendizaje autónomo: datos, contexto, calidad de la aproximación
  • La toma de decisiones: la necesitad de causalidad en el análisis empírico
• Clase 2: Evaluación de herramientas basadas en el uso de la IA
  • Características y calidad de los datos
  • Análisis descriptivo y comparación con los resultados de la IA
  • Evaluación de la calidad de los resultados de la aplicación de la IA
• Clase 3: Aplicaciones: mercado laboral
  • Herramientas de búsqueda de talento
  • Uso, abuso y extracción de información privada
  • Programas de contratación de referidos
• Clase 4: Aplicaciones: contratación
  • Diseño y uso de encuestas
  • Selección automatizada de candidatos para entrevistas (contratación)
  • Análisis de entrevistas: la IA vs los humanos
• Clase 5: Discriminación
  • Discriminación estadística y por preferencia
  • Programas, reglas y políticas como el origen de discriminación
  • Detección de los distintos tipos de discriminación
• Clase 6: Incentivos y compensación
  • Selección de métricas y metas
  • Efecto de incentivos sobre la motivación, la postulación y la retención
  • Efectos de incentivos: inesperados, secundarios y problemáticos

Estrategias Metodológicas:

El curso está constituido de seis clases e-learning que son publicadas en pares durante bloques de dos semanas. Cada clase está estructurada utilizando un diseño instruccional centrado en elestudiante, que busca generar motivación y facilitar el aprendizaje. En cada clase están siempre los contenidos, evaluaciones con retroalimentación, instancias de reflexión y aplicación de lo aprendido. El contenido se despliega en un recorrido que utiliza distintos recursos interactivos, tales como videos (con presencia del docente y apoyos visuales), esquemas, audios, gráficas, ilustraciones, lecturas complementarias, preguntas formativas, links a otros recursos, etc. Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es vía streaming.

Estrategias Evaluativas:

• Controles de lectura que permiten asegurar la comprensión de los contenidos desplegados en la plataforma
• Foros de participación, que permiten evaluar el análisis y capacidad de reflexión de los alumnos en torno a problemáticas aplicadas
• Trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales
• Examen final que permite evaluar de manera global la adquisición de los contenidos del curso
• En resumen, el alumno tendrá́ que rendir de manera individual: 6 controles, participar de 3 foros y rendir un examen final. Además de forma grupal, trabajar en el trabajo grupal que se entregará en un formato específico. A continuación, la ponderación de nota final del curso.

 Ponderación:

• 6 controles, 1 por clase: 15%
• 3 foros evaluadas: 25%
• 1 trabajo grupal: 30%
• 1 evaluación final:30%

Docente(s): Matías Aránguiz

Unidad académica responsable: Facultad de Derecho

Requisitos: Sin pre-requisitos

Créditos: 4

Horas Totales: 75 | Horas directas: 35 | Horas indirectas: 40

Descripción del curso:

El curso tiene como propósito explorar los desafíos legales que presentan las nuevas tecnologías, centrándose en inteligencia artificial y la protección de datos, para proporcionar a los estudiantes herramientas jurídicas que les permitan abordar estos temas en su ámbito profesional.

Resultados de Aprendizaje:

• Comprender el concepto de inteligencia artificial y su desarrollo.
• Identificar los principales riesgos legales asociados al uso de tecnologías emergentes, con especial énfasis en la inteligencia artificial y la protección de datos en diferentes contextos profesionales.
• Analizar casos prácticos de implementación tecnológica para evaluar su cumplimiento con las normativas legales vigentes en materia de protección de datos.
• Proponer soluciones que mitiguen los riesgos derivados del uso de tecnologías, alineadas con las regulaciones locales e internacionales, en diversos escenarios profesionales.

Contenidos:

• Clase 1: Inteligencia Artificial
  • Historia de una tecnología y un concepto
  • Qué es (y qué ha sido) la Inteligencia Artificial
  • Cómo funcionan los modelos de redes neuronales
• Clase 2: Inteligencia artificial generativa, usos y abusos
  • Inteligencia artificial generativa
  • Actuales desafíos existentes
  • Usos y abusos de la IA
• Clase 3: Marco regulatorio de la IA
  • Clasificación de la IA
  • Problemas críticos de la IA
  • Derechos de autor, responsabilidad y sesgos
• Clase 4: Regulación de la IA
  • Modelos regulatorios posibles
  • Derecho coparado: UE, EEUU, China
  • Potenciales problemas de la IA
• Clase 5: Protección de datos personales
  • Bases de licitud
  • Principios de tratamiento
  • Derechos de los titulares
• Clase 6: Regulación nacional e internacional en protección de datos
  • Nueva y antigua ley de protección de datos en Chile
  • Derecho comparado: protección de datos
  • La Regulación actual ¿Es suficiente?

Estrategias Metodológicas:

El curso está constituido de seis clases e-learning que son publicadas en pares durante bloques de dos semanas. Cada clase está estructurada utilizando un diseño instruccional centrado en el estudiante, que busca generar motivación y facilitar el aprendizaje. En cada clase están siempre los contenidos, evaluaciones con retroalimentación, instancias de reflexión y aplicación de lo aprendido. El contenido se despliega en un recorrido que utiliza distintos recursos interactivos, tales como videos (con presencia del docente y apoyos visuales), esquemas, audios, gráficas, ilustraciones, lecturas complementarias, preguntas formativas, links a otros recursos, etc. Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es vía streaming. 

Estrategias Evaluativas:

• Controles de lectura que permiten asegurar la comprensión de los contenidos desplegados en la plataforma
• Foros de participación, que permiten evaluar el análisis y capacidad de reflexión de los alumnos en torno a problemáticas aplicadas
• Trabajo final grupal que evalúa la aplicación de los contenidos a contextos profesionales
• Examen final que permite evaluar de manera global la adquisición de los contenidos del curso 
• En resumen, el alumno tendrá́ que rendir de manera individual: 6 controles, participar de 3 foros y rendir un examen final. Además de forma grupal, trabajar en el trabajo grupal que se entregará en un formato específico. A continuación, la ponderación de nota final del curso.

Ponderación:

• 6 controles, 1 por clase: 15%
• 3 foros evaluadas: 25%
• 1 trabajo grupal: 30%
• 1 evaluación final:30%