IA aplicada a procesos y automatización

Comprender el cambio de paradigma que supone la inteligencia artificial en el entorno laboral, pasando de un modelo centrado en la ejecución manual a otro basado en la supervisión, análisis y mejora de procesos Identificar procesos susceptibles de automatización aplicando criterios como repetición, rutina, reglas claras, impacto operativo y coste-beneficio Diseñar flujos de automatización inteligentes incorporando disparadores, acciones, filtros, rutas condicionales y puntos de control humano Aplicar técnicas de prompt engineering para obtener resultados estructurados en formatos como JSON o Markdown, útiles para integrarse en procesos empresariales Utilizar variables, placeholders, ejemplos y delimitadores para crear prompts reutilizables, precisos y adaptados a distintos contextos de negocio Comprender el papel del enfoque Human-in-the-loop para mantener la intervención humana en decisiones críticas, ambiguas o sensibles Conocer el ecosistema Microsoft 365 y las posibilidades de herramientas como Copilot, Teams, Outlook, Excel, Word y Power Point para automatizar tareas cotidianas Explorar el uso de plataformas no-code e i Paa S, como Zapier o Make, para conectar aplicaciones y automatizar flujos de trabajo sin necesidad de programación avanzada Diseñar automatizaciones aplicadas a casos concretos como gestión de correos, análisis de formularios, extracción de datos de documentos, generación de tareas, resúmenes de reuniones o publicación de contenidos Integrar herramientas de IA con bases de datos, sistemas corporativos y plataformas colaborativas para mejorar la gestión de la información Establecer indicadores de seguimiento que permitan medir el impacto de la automatización en términos de productividad, ahorro de tiempo, reducción de errores y calidad del servicio Reconocer riesgos asociados a la automatización con IA, como errores de clasificación, sesgos, pérdida de control, seguridad de datos o dependencia excesiva de herramientas automáticas Preparar a los equipos para adoptar soluciones de automatización mediante formación, comunicación, definición de roles y cultura de mejora continua Crear una visión práctica y estratégica de la IA como aliada para optimizar procesos, liberar tiempo operativo y potenciar el trabajo humano de mayor valor

IA aplicada a procesos y automatización

UNIDAD.- Mentalidad de Automatización y Eficiencia

El cambio de paradigma: De "hacer" a "supervisar"Identificación de procesos automatizables: La regla de las 3 "R"El concepto de "Human-in-the-loop" en la automatizaciónMapa de herramientas: Del chatbot a la plataforma de integraciónAnálisis coste-beneficio de automatizar con IACómo preparar a un equipo para la automatización de procesos

UNIDAD.- Ingeniería de Prompts para Procesos

Prompt Engineering avanzado para resultados estructurados (JSON, Markdown)Uso de variables y placeholders en prompts sistemáticosChain of Thought (Cadena de pensamiento) para procesos complejosFew-shot prompting: Enseñando a la IA con ejemplos de tu procesoTécnicas de delimitación para evitar desviaciones en la ejecuciónDiseño de prompts para clasificación masiva de datosDiseño de prompts para extracción de información específicaIteración y refinamiento de prompts para entornos de producciónControl de la "creatividad" (Temperatura) en procesos estandarizadosCreación de una biblioteca de prompts corporativos

UNIDAD.- El Ecosistema Microsoft 365 y Copilot

Arquitectura de Copilot en el entorno de trabajoAutomatización de actas y tareas con TeamsAnálisis de datos masivos en Excel con lenguaje naturalGeneración de estructuras de documentos en Word a partir de notasAutomatización de presentaciones en PowerPointGestión inteligente del correo y priorización en OutlookCopilot Studio: El primer paso hacia la personalizaciónIntegración de datos corporativos (Graph) en el flujo de trabajoCasos de uso: El día a día de un empleado potenciado por Copilot

UNIDAD.- Automatización No-Code con IA (Zapier y Make)

Introducción a las plataformas de integración (iPaaS)Conceptos clave: Triggers (Disparadores) y Actions (Acciones)Conectando la API de OpenAI: Gestión de Keys y límitesFlujo de entrada: Email a IA y respuesta automática en ZapierProcesamiento de formularios con análisis de sentimiento en MakeExtracción de datos de documentos (OCR IA) masivaPublicación automática en redes sociales con curación de IACreación de sistemas de alertas inteligentes semánticasUso de Airtable como "cerebro" y base de datos de la IADe audio (Whisper) a resumen y tarea en NotionGestión de condicionales (Filtros y Rutas) en flujos de IAUso de "Formatters" para limpiar datos antes de la IALoops y ciclos: Procesando listas de elementosManejo de errores y 'fallbacks' en flujos automatizadosOptimización de costes: Cómo ahorrar tokens en procesos masivosWebhooks: Conectando cualquier app externaCreación de un CRM automatizado que se auto-alimentaTesteo y despliegue seguro de flujos automatizados.

UNIDAD.- GPTs Personalizados y Asistentes

Diferencia entre ChatGPT estándar y GPTs personalizadosConfiguración de instrucciones personalizadas (System Prompts)Knowledge Retrieval: Subiendo y gestionando archivos de conocimientoConfiguración de "Actions" Conexión con APIs externasDiseño de asistentes para soporte técnico internoDiseño de asistentes para análisis financiero o legal.Control de calidad y consistencia en los GPTsPublicación y gestión de la tienda de GPTs corporativaLímites de los GPTs: Cuándo pasar a una solución más robustaSeguridad de los datos dentro de un GPT personalizadoInterfaz de usuario: Cómo guiar al empleado en el uso del asistenteMantenimiento y actualización de la base de conocimiento

UNIDAD.- Agentes Autónomos

¿Qué es un agente autónomo? Definición y autonomíaArquitectura de un agente: Planificación, Memoria y HerramientasDiferencia entre un flujo lineal y un razonamiento agénticoIntroducción a frameworks visuales (por ejemplo, Relevance AI o Flowise)El concepto de "Multi-agent systems" Equipos de IAsAsignación de roles: El mánager, el ejecutor y el críticoPlanificación de tareas: Cómo la IA divide un objetivo en pasosMemoria a largo plazo: Introducción a bases de datos vectorialesEl uso de herramientas (Tool use): Agentes que navegan o calculanBucles de autocrítica (Self-reflection) para mejorar resultadosAgentes para investigación de mercado autónomaAgentes para desarrollo de software y depuraciónRiesgos de los agentes: Bucles infinitos y control de costesOrquestación de agentes con interfaces visuales (no-code)Ética y supervisión humana de agentes autónomos

UNIDAD.- IA en Procesos de Datos y Análisis

Limpieza de bases de datos masivas con IACategorización semántica de catálogos de productosAnálisis de tendencias desde feedback de clientesGeneración de informes ejecutivos automatizadosIA para la predicción de demanda basada en históricosVisualización de datos asistida por lenguaje naturalCreación de dashboards dinámicos con consultas a IASQL para no técnicos: Consultando bases de datos con textoAuditoría de datos asistida por IA para anomalíasAutomatización de reportes de KPI semanales

UNIDAD.- Gobernanza, Escalabilidad y Costes

Cómo escalar un piloto de automatizaciónCálculo del ROI en proyectos de IAGestión de cuotas, límites y alertas de gasto en APIsMonitorización de errores en sistemas automatizadosEl concepto de "AI Orchestrator" en la organizaciónDocumentación de procesos automatizados para humanosActualización tecnológica: Cuando el modelo cambiaSeguridad en la cadena de suministro de automatizaciones

UNIDAD.- Proyecto Final y Cierre

Metodología para diseñar tu automatización desde ceroErrores comunes que arruinan un proyectoÉtica de la automatización e impacto en el empleoCómo mantenerse al día en un campo constantePresentación de un flujo completo: De la idea al agente operativoResumen: Tu hoja de ruta como experto en automatización