Perfilado de sección

  • Bienvenida y materiales del curso

    Colapsar todo Expandir todo

    Presentación del curso, guía de uso de la plataforma, requisitos técnicos y materiales de apoyo generales.

    Reunión de Microsoft Teams
    Id. de reunión: 344 027 503 788 546
    Código de acceso: KH7Zv3Nw
     
     
     

  • Introducción a la Inteligencia Artificial

    Qué es y cómo funciona la IA (generativa vs. tradicional), historia, evolución, límites actuales, mitos y realidades.

    • Los estudiantes deben
      Marcar como hecha

      Clase 1: Accede a la grabación

      Clase 1_Academia EPO_Introducción a la Inteligencia Artificial Generativa aplicada a la Empresa.mp4

    • Los estudiantes deben
      Marcar como hecha

      Clase 1

      Datos de la sesión

      Campo Información
      Fecha 09/09/2026
      Duración Aproximadamente 50 minutos
      Modalidad Telepresencial
      Docente EL PROFE OTTO
      Tema principal Introducción a la Inteligencia Artificial para la empresa y su relación con la transformación digital

      Resumen ejecutivo

      La sesión tuvo como objetivo introducir al alumnado en los fundamentos de la inteligencia artificial aplicada al entorno empresarial, estableciendo primero un marco de comprensión sobre la transformación digital. EL PROFE OTTO destacó que el principal reto para adoptar nuevas tecnologías suele ser humano y no tecnológico, haciendo especial énfasis en la importancia de superar creencias limitantes, gestionar adecuadamente las expectativas y desarrollar una actitud de aprendizaje continuo.

      Durante la clase se explicó cómo la inteligencia artificial forma parte de un ecosistema más amplio de tecnologías habilitadoras que incluyen la automatización, la ciberseguridad, el cloud computing, el análisis de datos, la robotización y el Internet de las Cosas. También se mostraron ejemplos prácticos de uso de asistentes de IA mediante Microsoft Copilot para generar contenido formativo de forma rápida y eficiente.

      La sesión abordó además conceptos relacionados con la productividad, los beneficios empresariales de la IA, la optimización del tiempo, la mejora de procesos y la importancia de mantener una mentalidad crítica ante las respuestas generadas por los modelos de inteligencia artificial. Finalmente, se planteó una reflexión sobre el impacto de la automatización en los puestos de trabajo y sobre la necesidad de utilizar el tiempo liberado por la tecnología para generar más valor profesional.

      Contenidos desarrollados

      Introducción a la inteligencia artificial para empresas

      Se presentó el curso como una formación orientada a profesionales, emprendedores y trabajadores por cuenta ajena que desean comprender y utilizar la inteligencia artificial en su actividad profesional.

      Se hizo hincapié en que:

      • La IA no es perfecta.
      • Equivocarse forma parte del proceso de aprendizaje.
      • La tecnología también puede cometer errores.
      • Es necesario mantener una actitud abierta y exploradora.

      Aspectos psicológicos en la adopción de la IA

      Se analizaron diversos obstáculos que dificultan la adopción tecnológica:

      • Creencias limitantes.
      • Prejuicios.
      • Miedo al cambio.
      • Expectativas irreales sobre las capacidades de la IA.

      Además, se explicó cómo la interacción emocional con los modelos puede influir en la calidad de las respuestas obtenidas.

      Demostración práctica con Microsoft Copilot

      EL PROFE OTTO mostró el uso de un asistente personalizado dentro de Microsoft Copilot para generar automáticamente una diapositiva introductoria basada en un temario.

      La demostración incluyó:

      • Búsqueda de documentación.
      • Contextualización de asistentes.
      • Generación automática de contenidos.
      • Mejora rápida de materiales formativos.

      Transformación digital y tecnologías habilitadoras

      Se explicó que la inteligencia artificial es solo una parte de la transformación digital.

      Se revisaron tecnologías como:

      • Cloud Computing.
      • Análisis de datos.
      • Inteligencia artificial.
      • Ciberseguridad.
      • Automatización y robotización.
      • Internet de las Cosas (IoT).
      • Realidad virtual y aumentada.
      • Blockchain.
      • Sistemas de gestión empresariales (ERP, CRM y RR. HH.).

      Riesgos y desafíos tecnológicos

      Se abordaron temas relacionados con:

      • Seguridad informática.
      • Ataques adversariales sobre modelos de IA.
      • Riesgos futuros asociados a la computación cuántica.
      • Necesidad de establecer medidas de control y gobierno tecnológico.

      Beneficios empresariales de la IA

      Se explicó que el principal beneficio de la inteligencia artificial no es el dinero sino el tiempo.

      Ese tiempo recuperado puede utilizarse para:

      • Formarse.
      • Innovar.
      • Aportar más valor.
      • Mejorar procesos.
      • Crear nuevas oportunidades profesionales.

      Modelado y optimización de procesos

      Se introdujeron conceptos de:

      • BPM (Business Process Modeling).
      • Automatización mediante RPA.
      • Indicadores KPI.
      • Escenarios "As Is" y "To Be".

      Se remarcó la importancia de optimizar procesos antes de automatizarlos.

      Ideas clave y aprendizajes más relevantes

      • El principal obstáculo para implantar tecnología suele ser humano y no técnico.
      • La inteligencia artificial no es infalible ni posee conocimiento absoluto.
      • La gestión emocional influye en la interacción con los asistentes de IA.
      • La IA debe utilizarse como herramienta de apoyo y no como sustituto del criterio profesional.
      • La transformación digital engloba muchas más tecnologías que la propia IA.
      • El principal beneficio empresarial de la IA es la recuperación de tiempo.
      • La automatización debe apoyarse en procesos previamente definidos y optimizados.
      • La ciberseguridad adquiere una importancia creciente en entornos impulsados por IA.
      • La formación continua será cada vez más relevante en un entorno automatizado.
      • La adopción tecnológica debe realizarse con una mentalidad crítica y responsable.

      Conceptos aprendidos

      Concepto Explicación práctica Aplicación profesional
      Inteligencia Artificial Generativa Sistemas capaces de generar contenido nuevo a partir de instrucciones. Creación de documentos, informes o materiales.
      Asistentes de IA Herramientas configuradas para realizar tareas específicas. Productividad y apoyo al trabajo diario.
      Cloud Computing Almacenamiento y procesamiento en la nube. Gestión documental y acceso remoto.
      Análisis de Datos Evaluación de información para tomar decisiones. Optimización operativa y estratégica.
      Ciberseguridad Protección de sistemas y datos. Reducción de riesgos tecnológicos.
      RPA Automatización de tareas repetitivas. Ahorro de tiempo y reducción de errores.
      BPM Diseño y mejora de procesos empresariales. Transformación digital ordenada.
      KPI Indicadores clave de rendimiento. Medición y seguimiento de resultados.
      IoT Dispositivos conectados a Internet. Automatización y monitorización.
      Ataques adversariales Técnicas para alterar el comportamiento de modelos de IA. Gestión de riesgos y seguridad.

      Preguntas, dudas e intervenciones relevantes

      Adopción de la inteligencia artificial

      Se planteó la importancia de comprender que la IA puede equivocarse y que su uso requiere supervisión humana.

      Respuesta aportada: mantener una mentalidad crítica y aceptar el error como parte del proceso tecnológico.

      Automatización y empleo

      Se analizó el impacto de la automatización sobre determinados puestos de trabajo mediante el ejemplo de un servicio de atención al cliente apoyado por un chatbot.

      Respuesta aportada: la automatización puede absorber tareas repetitivas, permitiendo que las personas dediquen más tiempo a actividades de mayor valor.

      Preparación profesional para el futuro

      Se abordó la necesidad de aprovechar el tiempo liberado por la IA para formación y desarrollo profesional.

      Respuesta aportada: invertir el tiempo ganado en aprendizaje continuo y especialización.

      Frases destacadas del Profe Otto

      “Muchas veces el primer obstáculo para implementar una tecnología no es la tecnología, somos las personas.”

      “Errar es parte del proceso.”

      “El mapa no es el territorio.”

      “No pienses que lo puede saber todo.”

      “El principal beneficio de la inteligencia artificial es tiempo.”

      “Ahora hay que estudiar más que nunca.”

      “La idea es mejorar.”

      Recursos, herramientas y referencias mencionadas

      • Microsoft Copilot: asistente utilizado para la generación de contenidos y demostraciones.
      • Google Gemini: ejemplo de plataforma con asistentes personalizados.
      • OneDrive y SharePoint: recomendados para gestionar documentación sincronizada.
      • Foro de la Academia: espacio para consultas y seguimiento del aprendizaje.
      • RPA (Robotic Process Automation): automatización de tareas repetitivas.
      • BPM (Business Process Modeling): metodología para modelar procesos.
      • Hugging Face: citada como repositorio de modelos de inteligencia artificial.
      • Libro: "El Imperio de la IA": recomendado como lectura complementaria.
      • Canal "Los Ecomonos":

      Aplicaciones prácticas propuestas

      Los conocimientos desarrollados pueden aplicarse para:

      • Crear documentos, informes y presentaciones con mayor rapidez.
      • Analizar procesos empresariales susceptibles de automatización.
      • Detectar oportunidades de transformación digital.
      • Mejorar la productividad individual y de los equipos.
      • Diseñar flujos de trabajo más eficientes.
      • Desarrollar una mayor capacidad de adaptación tecnológica.
      • Orientar estrategias de mejora profesional y empleabilidad.

      Tareas recomendadas para la próxima sesión

      • Revisar la documentación disponible del curso.
      • Acceder a los recursos compartidos en las carpetas de formación.
      • Participar en el foro presentándose y compartiendo un objetivo profesional.
      • Reflexionar sobre procesos de trabajo que podrían mejorarse mediante IA o automatización.
      • Explorar Microsoft Copilot o Gemini para familiarizarse con los asistentes.
      • Identificar tareas repetitivas susceptibles de automatización.
      • Analizar cómo emplear el tiempo liberado por la tecnología para generar mayor valor profesional.

      Conclusión

      Esta primera sesión estableció las bases conceptuales necesarias para comprender el papel de la inteligencia artificial dentro de la transformación digital. Más allá de las herramientas concretas, el enfoque se centró en desarrollar una mentalidad crítica, abierta al aprendizaje y orientada a la mejora continua. Se mostró cómo la IA puede convertirse en una potente aliada para incrementar la productividad, agilizar procesos y liberar tiempo para actividades de mayor valor.

      La clase también destacó la importancia de la ciberseguridad, la automatización, la gestión de procesos y la formación continua como elementos indispensables para aprovechar el potencial de estas tecnologías. El mensaje central transmitido fue que la ventaja competitiva no procede únicamente de disponer de herramientas de IA, sino de la capacidad de las personas para utilizarlas con criterio, creatividad y responsabilidad en beneficio de sus organizaciones y de su desarrollo profesional.

      ---

    • Los estudiantes deben
      Marcar como hecha

      Clase 2: Accede a la grabación

      Clase 2_Academia EPO_Introducción a la Inteligencia Artificial Generativa aplicada a la Empresa.mp4

    • Los estudiantes deben
      Marcar como hecha

      BITÁCORA DE CLASE | ACADEMIA EL PROFE OTTO

      Datos de la sesión

      Campo Información
      Fecha 16 de septiembre de 2026
      Duración Aproximadamente 1 hora
      Modalidad Telepresencial
      Docente EL PROFE OTTO
      Tema principal Introducción práctica a la Inteligencia Artificial, productividad, automatización y uso profesional de herramientas de IA generativa

      Resumen ejecutivo

      La sesión estuvo orientada a profundizar en los fundamentos de la inteligencia artificial desde una perspectiva práctica y profesional. Tras recordar los contenidos tratados en la clase anterior relacionados con transformación digital, se abordó la importancia de adquirir competencias en IA como estrategia para adaptarse a los cambios del mercado laboral.

      Durante la formación se analizaron las capacidades complementarias de humanos e inteligencia artificial, destacando el valor de la intuición, la experiencia, el criterio y las habilidades de comunicación frente a la velocidad de procesamiento, el cálculo y la amplitud de conocimiento que aportan los sistemas de IA.

      Se mostraron ejemplos reales de utilización de herramientas como Copilot, Gemini, ChatGPT y Claude para generar documentos, hojas de cálculo, investigaciones y propuestas de solución a problemas empresariales. También se abordaron aspectos críticos relacionados con privacidad, protección de datos empresariales, limitaciones de los modelos y necesidad de revisar siempre los resultados generados.

      La parte práctica de la sesión se centró en identificar desafíos profesionales susceptibles de mejora mediante IA y automatización. El alumnado aprendió a estructurar prompts aportando contexto, definir roles, describir procesos y utilizar información visual para mejorar la calidad de las respuestas obtenidas. La sesión concluyó con la elaboración guiada de un caso práctico de diagnóstico y generación de soluciones tecnológicas aplicadas a problemas reales de negocio.

      Contenidos desarrollados

      IA y transformación del trabajo

      Se analizó cómo la inteligencia artificial está transformando el mercado laboral y por qué resulta fundamental adquirir competencias digitales avanzadas.

      Se explicó que la IA no debe entenderse únicamente como una amenaza, sino como una herramienta de potenciación profesional capaz de aumentar la productividad y liberar tiempo para actividades de mayor valor.

      Lo que aportan los humanos y lo que aporta la IA

      Se desarrolló una comparación entre capacidades humanas y capacidades artificiales:

      Capacidades humanas:

      • Intuición.
      • Experiencia acumulada.
      • Criterio profesional.
      • Comunicación.
      • Pensamiento estratégico.

      Capacidades de la IA:

      • Velocidad de procesamiento.
      • Capacidad de cálculo.
      • Análisis masivo de información.
      • Automatización de tareas.

      Demostraciones con herramientas de IA

      El docente mostró ejemplos de uso con diferentes plataformas:

      • Microsoft Copilot.
      • ChatGPT.
      • Claude.
      • Gemini.
      • Gemini Deep Research.

      Se expuso un caso real de creación de una hoja de cálculo compleja mediante prompts detallados, destacando la importancia del conocimiento profesional previo para obtener resultados valiosos.

      Privacidad y protección de datos

      Se revisaron las diferencias entre versiones gratuitas y empresariales de herramientas de IA.

      Se explicó:

      • Uso de datos para entrenamiento.
      • Riesgos asociados al tratamiento de información sensible.
      • Importancia de los entornos empresariales protegidos.
      • Presencia de mecanismos de protección de datos en soluciones corporativas.

      Limitaciones de la IA

      Se estudiaron diversos límites de los modelos:

      • Tendencia a ser complacientes.
      • Necesidad de validar resultados.
      • Riesgos derivados de asumir respuestas sin revisión.
      • Importancia de la iteración para mejorar la calidad de las respuestas.

      Se introdujo el concepto de iteración como práctica esencial para obtener mejores resultados.

      Historia y fundamentos de la IA

      Se ofreció una introducción histórica a figuras relevantes:

      • Alan Turing.
      • John McCarthy.
      • Frank Rosenblatt.
      • Santiago Ramón y Cajal.

      También se explicó la relación entre neurociencia, aprendizaje humano y desarrollo de redes neuronales.

      Automatización: mecánica, inteligente y mixta

      Se diferenciaron tres tipos de automatización:

      Automatización mecánica

      Basada en reglas y procesos programados.

      Ejemplos:

      • Excel.
      • Power Automate.
      • Google Apps Script.

      Automatización inteligente

      Basada en IA generativa.

      Ejemplos:

      • ChatGPT.
      • Claude.
      • Copilot.

      Automatización mixta

      Combinación de automatización tradicional con intervención humana o inteligencia artificial en determinadas fases del proceso.

      Actividad práctica: identificación de desafíos profesionales

      El alumnado fue invitado a:

      1. Identificar tres retos profesionales que consumen tiempo o recursos.
      2. Describir su contexto laboral.
      3. Definir herramientas digitales utilizadas.
      4. Construir prompts completos para diagnosticar problemas y proponer soluciones.

      Ingeniería de prompts orientada a negocio

      Se mostraron elementos clave de diseño de prompts:

      • Asignación de rol.
      • Aportación de contexto.
      • Descripción del entorno profesional.
      • uso de documentación e imágenes de apoyo.
      • Definición clara de objetivos.
      • Solicitud de clasificaciones y diagnósticos.

      También se demostraron técnicas para transformar resultados extensos en tablas, planes de implementación y hojas de cálculo ejecutables.

      Ideas clave y aprendizajes más relevantes

      • La IA amplifica el trabajo de buenos profesionales, pero no sustituye el criterio humano.
      • El principal beneficio de la IA es la liberación de tiempo.
      • La calidad de los resultados depende en gran medida del contexto proporcionado.
      • Los primeros resultados rara vez son los óptimos; es necesario iterar.
      • Las habilidades de comunicación serán cada vez más valiosas.
      • Las versiones empresariales ofrecen mayores garantías de protección de datos.
      • La automatización puede ser mecánica, inteligente o híbrida.
      • La IA debe utilizarse como complemento y no como sustituto del pensamiento crítico.
      • Las imágenes y documentos aportan contexto adicional muy valioso para los modelos.
      • Un prompt estructurado mejora significativamente la calidad de las respuestas.

      Conceptos aprendidos

      Concepto Explicación práctica Aplicación profesional
      Inteligencia artificial Sistemas capaces de simular funciones cognitivas humanas Mejora de productividad y apoyo a la toma de decisiones
      Iteración Refinamiento progresivo de respuestas mediante interacción continua Obtención de resultados más precisos
      Contexto Información proporcionada a la IA para comprender mejor una tarea Mayor calidad en prompts y soluciones
      Rol Caracterización dada al modelo para orientar su comportamiento Asesoramiento especializado y análisis sectoriales
      Automatización mecánica Automatización basada en reglas fijas Procesos repetitivos
      Automatización inteligente Automatización basada en IA generativa Generación de contenido y análisis
      Automatización mixta Combinación de procesos automáticos e IA Optimización integral de operaciones
      Protección de datos empresarial Salvaguarda de información corporativa Uso seguro de herramientas de IA
      Pensamiento estratégico Capacidad de analizar distintas perspectivas Decisiones de negocio
      Habilidades de comunicación Capacidad de transmitir ideas eficazmente Liderazgo y colaboración
      Deep Research Investigación asistida por IA Documentación y análisis avanzado
      Ingeniería de prompts Diseño estructurado de instrucciones para IA Obtención de resultados de alta calidad

      Preguntas, dudas e intervenciones relevantes

      Privacidad y uso de datos

      Contexto: Se abordó el riesgo asociado a la utilización de herramientas gratuitas.

      Aclaración aportada: El docente explicó las diferencias entre entornos personales y empresariales, destacando la relevancia de la protección de datos corporativos.

      Calidad de los resultados generados por IA

      Contexto: Se planteó la percepción de que la IA no siempre ofrece respuestas satisfactorias.

      Aclaración aportada: Se explicó que la calidad mejora mediante iteración, aportación de contexto y revisión crítica.

      Necesidad de conocimientos técnicos

      Contexto: Se debatió si la IA elimina la necesidad de habilidades técnicas.

      Aclaración aportada: Se indicó que el dominio técnico sigue siendo importante, especialmente en áreas como programación, seguridad y validación de soluciones.

      Frases destacadas del Profe Otto

      “Lo importante es ser buen profesional en lo que tú estás haciendo.”

      “El principal beneficio que tú vas a liberar con la inteligencia artificial es el tiempo.”

      “Siempre que interactúes con cualquier IA, el primer resultado generalmente no es el mejor.”

      “La IA puede cubrir lo técnico; lo humano sigue siendo lo más valioso.”

      “La suposición es la madre del fracaso de la inteligencia artificial.”

      “El contexto es la palabra clave para gestionar inteligencia artificial.”

      “Cada vez más la tecnología se adapta a ti; tú no te tienes que adaptar a la tecnología.”

      Recursos, herramientas y referencias mencionadas

      Herramientas de IA

      • Microsoft Copilot: productividad y generación de soluciones empresariales.
      • ChatGPT: generación de contenido, análisis y planificación.
      • Claude: razonamiento y generación de soluciones complejas.
      • Gemini: investigación y análisis avanzado.
      • Gemini Deep Research: investigaciones extensas y documentadas.

      Automatización

      • Power Automate: automatización mecánica de procesos.
      • Google Apps Script: automatización en ecosistemas Google.

      Gestión empresarial

      • Odoo CRM: gestión de relaciones con clientes y procesos comerciales.

      Recursos formativos

      • Plataforma del curso y zona de recursos.
      • Actividades prácticas descargables.
      • Materiales complementarios para diagnóstico de procesos.

      Referencias bibliográficas

      • El Imperio de la IA, de Karen Hao.

      Referencias históricas

      • Alan Turing.
      • John McCarthy.
      • Frank Rosenblatt.
      • Santiago Ramón y Cajal.

      Aplicaciones prácticas propuestas

      Los conocimientos trabajados permiten:

      • Detectar tareas susceptibles de automatización.
      • Diseñar soluciones para mejorar productividad personal y empresarial.
      • Reducir tiempos de elaboración de documentos y análisis.
      • Identificar oportunidades de digitalización en organizaciones.
      • Diseñar proyectos de mejora apoyados por IA.
      • Utilizar prompts más eficaces para resolver problemas profesionales.
      • Crear sistemas de seguimiento, planificación y control de proyectos.
      • Mejorar procesos comerciales, formativos y de consultoría.

      Tareas recomendadas para la próxima sesión

      • Identificar tres desafíos profesionales reales que consuman tiempo o recursos.
      • Completar la actividad práctica disponible en la plataforma.
      • Elaborar un prompt describiendo sector, funciones y entorno digital.
      • Probar la actividad con una herramienta de IA de libre elección.
      • Guardar y organizar los chats utilizados durante la práctica.
      • Experimentar con iteraciones para mejorar resultados.
      • Revisar los materiales complementarios disponibles en la zona de recursos.
      • Analizar qué procesos de la actividad profesional podrían automatizarse.

      Conclusión

      La sesión ofreció una visión práctica y estratégica sobre el uso profesional de la inteligencia artificial. Más allá de presentar herramientas concretas, se enfatizó la importancia del criterio humano, el pensamiento estratégico y las habilidades de comunicación como factores diferenciales en un entorno cada vez más automatizado.

      El alumnado pudo comprender que la IA no debe considerarse únicamente una tecnología para generar contenido, sino una herramienta capaz de apoyar procesos de análisis, planificación, investigación y optimización empresarial. La actividad práctica permitió trasladar inmediatamente los conceptos a situaciones reales de trabajo, facilitando la identificación de oportunidades de mejora y automatización.

      Como principal aprendizaje, quedó establecido que los mejores resultados no dependen exclusivamente de la tecnología utilizada, sino de la calidad del contexto, las instrucciones y la capacidad crítica de la persona que la emplea. Esta combinación entre conocimiento humano e inteligencia artificial constituye la base del enfoque de trabajo desarrollado durante la sesión.

    • Los estudiantes deben
      Marcar como hecha

      Clase 3: Accede a la grabación

      Clase Telepresencial Academia EL PROFE OTTO-20260923_175915UTC-Meeting Recording.mp4

    • Los estudiantes deben
      Marcar como hecha

      BITÁCORA DE CLASE | ACADEMIA EL PROFE OTTO

      Datos de la sesión

      Campo Información
      Fecha 23/09/2026
      Duración Aproximadamente 50 minutos (según el tramo transcrito disponible)
      Modalidad Telepresencial
      Docente EL PROFE OTTO
      Tema principal Impacto de la inteligencia artificial en el trabajo, productividad, automatización y fundamentos para una adopción eficaz de la IA

      Resumen ejecutivo

      La sesión estuvo centrada en comprender cómo la inteligencia artificial está transformando el trabajo, la productividad y los modelos de colaboración en empresas y organizaciones. Se abordó el debate entre las visiones más pesimistas sobre la automatización y aquellas que consideran la IA una herramienta de crecimiento profesional y organizacional.

      A lo largo de la clase se explicó cómo la IA puede liberar tiempo mediante la automatización de tareas rutinarias, permitiendo a las personas dedicar más esfuerzo a actividades de mayor valor, proyectos estratégicos, aprendizaje y desarrollo profesional. También se presentó una hoja de ruta de adopción de la inteligencia artificial en organizaciones, desde la experimentación inicial hasta la creación de asistentes especializados, automatizaciones avanzadas y agentes autónomos.

      El docente diferenció claramente los conceptos de asistente de IA y agente de IA, mostrando ventajas, riesgos y escenarios de uso. Asimismo, introdujo el marco de trabajo basado en efectividad, eficiencia, ética y seguridad, junto con otro modelo competencial fundamentado en delegación, descripción, discernimiento y diligencia.

      La sesión destacó especialmente la importancia del criterio profesional humano, la revisión constante de los resultados generados por IA y la necesidad de adquirir nuevas competencias para aprovechar estas tecnologías de forma responsable y productiva.

      Contenidos desarrollados

      El impacto de la inteligencia artificial en el empleo y el trabajo

      Se analizaron dos perspectivas opuestas:

      • La visión centrada en la destrucción de empleo y la sustitución de trabajadores.
      • La visión que considera la IA como una herramienta para aumentar capacidades y generar crecimiento.

      El docente destacó que la realidad es más compleja y señaló que determinadas tareas pueden ser automatizadas, pero que habilidades como la creatividad, la empatía, las relaciones humanas y ciertos procesos de decisión siguen siendo elementos diferenciales de las personas.

      La liberación del tiempo mediante IA

      Se presentó una metodología para entender cómo la inteligencia artificial puede liberar capacidad operativa.

      Se diferenciaron tres categorías de trabajo:

      • Tareas acumuladas o pendientes.
      • Tareas aspiracionales que aportan valor pero nunca encuentran espacio en la agenda.
      • Nuevos proyectos y aportaciones de desarrollo profesional.

      Se explicó que una implementación adecuada de asistentes y automatizaciones puede recuperar tiempo para atender primero los pendientes y posteriormente dedicar esfuerzo a iniciativas estratégicas.

      Productividad y desarrollo personal

      La sesión abordó la relación entre productividad, tiempo y crecimiento intelectual.

      Se destacó que disponer de más tiempo gracias a la IA no garantiza automáticamente mejores resultados. El verdadero reto consiste en utilizar ese tiempo para:

      • Aprender.
      • Formarse.
      • Mejorar competencias.
      • Impulsar proyectos personales y profesionales.

      Cómo se implanta la IA en las organizaciones

      El docente propuso una evolución progresiva compuesta por varias etapas:

      Exploración y experimentación

      • Pruebas iniciales con herramientas de IA.
      • Familiarización con los modelos.

      Uso de licencias empresariales

      • Utilización de entornos profesionales con mayores garantías de seguridad.
      • Protección de los datos corporativos.

      Creación de asistentes especializados

      • Desarrollo de asistentes centrados en áreas concretas del negocio.
      • Búsqueda de ahorros de tiempo significativos.

      Automatizaciones ligeras

      • Uso de herramientas de automatización para eliminar tareas repetitivas.
      • Ejemplos de pequeños procesos que generan importantes beneficios operativos.

      Automatizaciones avanzadas y agentes

      • Procesos con mayor autonomía.
      • Capacidad de actuar sobre sistemas y ejecutar tareas complejas.

      Asistentes de IA frente a agentes de IA

      Se explicó la diferencia principal entre ambos conceptos:

      Asistente de IA

      • Ayuda al usuario.
      • Requiere supervisión continua.
      • El ser humano dirige el proceso.

      Agente de IA

      • Recibe objetivos.
      • Toma decisiones intermedias.
      • Ejecuta acciones con un mayor nivel de autonomía.

      Además, se comentaron riesgos asociados a comportamientos autónomos no deseados de determinados agentes.

      Framework de las cuatro dimensiones

      Se presentó un marco basado en cuatro principios:

      • Efectividad.
      • Eficiencia.
      • Ética.
      • Seguridad.

      Según el docente, cualquier sistema de IA debería perseguir simultáneamente estos cuatro objetivos.

      Framework de las 4D

      Se explicaron cuatro competencias fundamentales para trabajar con IA:

      Delegación

      Capacidad de decidir qué tareas deben ser realizadas por la IA.

      Descripción

      Capacidad para proporcionar instrucciones claras, contexto y objetivos.

      Discernimiento

      Capacidad crítica para evaluar la calidad y validez de los resultados.

      Diligencia

      Proceso de revisión, corrección y validación antes de utilizar o entregar el resultado generado.

      Modelos de chat y modelos de razonamiento

      Se explicó la diferencia entre:

      • Modelos conversacionales orientados a interacción rápida.
      • Modelos de razonamiento profundo orientados a análisis más complejos.

      También se destacó la importancia de elegir el modelo adecuado según el nivel de complejidad de la tarea.

      Ideas clave y aprendizajes más relevantes

      • La IA no debe entenderse únicamente como una amenaza laboral, sino como una tecnología para ampliar capacidades.
      • La automatización libera tiempo que puede destinarse a actividades de mayor valor.
      • La productividad depende tanto de la tecnología como de la capacidad personal para gestionar el tiempo recuperado.
      • Los asistentes y los agentes de IA cumplen funciones diferentes.
      • La supervisión humana sigue siendo imprescindible.
      • La calidad de las instrucciones influye directamente en la calidad de las respuestas.
      • El contexto mejora significativamente los resultados obtenidos.
      • El discernimiento profesional es una competencia crítica en la era de la IA.
      • La revisión final siempre debe recaer sobre la persona responsable del trabajo.
      • La práctica constante es el mejor método para desarrollar habilidades en inteligencia artificial.

      Conceptos aprendidos

      Concepto Explicación práctica Aplicación profesional
      Automatización Ejecución automática de tareas repetitivas Reducción de carga operativa
      Asistente de IA Herramienta que ayuda y orienta al usuario Productividad individual
      Agente de IA Sistema con capacidad de actuar hacia un objetivo Procesos de negocio complejos
      Delegación Asignar correctamente tareas a la IA Optimización del trabajo
      Descripción Explicar objetivos y contexto con claridad Mejores resultados en prompts
      Discernimiento Evaluar respuestas generadas por IA Control de calidad
      Diligencia Revisar y validar resultados Entrega profesional fiable
      Efectividad Lograr el objetivo correcto Mejora del rendimiento
      Eficiencia Alcanzar resultados con menos recursos Productividad empresarial
      Ética Uso responsable de la IA Cumplimiento y confianza
      Seguridad Protección de datos y procesos Gestión segura de la información
      Modelos de razonamiento IA diseñada para analizar problemas complejos Análisis avanzado y toma de decisiones

      Preguntas, dudas e intervenciones relevantes

      Influencia de la IA en el empleo

      Se planteó la preocupación de que la IA pueda reducir puestos de trabajo o generar impactos sociales significativos.

      Respuesta: se explicó que determinadas tareas serán sustituidas o transformadas, pero que el valor profesional seguirá dependiendo del conocimiento, la especialización y la capacidad de aportar valor diferencial.

      Uso de IA en estudios y formación

      Se abordó el uso de herramientas de IA en contextos educativos.

      Respuesta: el docente destacó la importancia de actuar con transparencia, respetar las normas establecidas por cada institución y no asumir que los detectores de IA son completamente fiables.

      Calidad de los prompts

      Se trató la cuestión de si es necesario escribir instrucciones muy elaboradas.

      Respuesta: se explicó que los modelos pueden comprender diferentes estilos de escritura, aunque una mejor estructuración suele favorecer resultados más precisos.

      Frases destacadas del Profe Otto

      “Los conceptos son algo totalmente necesario para que tú entiendas y generes las bases necesarias para gestionarla con éxito.”

      “La IA te puede asistir, te puede ayudar, pero también tiene que supervisarse.”

      “La cosa es que hay que aportar valor.”

      “La responsabilidad individual es fundamental para el desarrollo tanto personal como organizacional.”

      “La tecnología está para adaptarse a ti y hacerte la vida mejor.”

      “Hay que formarse más, hay que ser mejor profesional.”

      “Tú tienes el discernimiento para decir si eso está bien o no.”

      “Ponte a tope practicando.”

      Recursos, herramientas y referencias mencionadas

      • Microsoft Designer: utilizado para la creación de infografías.
      • Microsoft Copilot: asistencia para redacción y productividad.
      • ChatGPT: generación de contenido, imágenes y dictado.
      • Claude: plataforma de IA utilizada como referencia en distintos ejemplos.
      • Gemini: herramienta de IA empleada para demostraciones y comparación.
      • DeepSeek: ejemplo de modelos con opciones de razonamiento.
      • Microsoft Outlook: ejemplo de integración de IA en correo electrónico.
      • Microsoft Word: ejemplo práctico de automatización mediante macros.
      • Power Automate: automatización de procesos empresariales.
      • YouTube Profe Otto: mencionado como repositorio de contenidos complementarios.
      • Framework de las 4D: metodología para trabajar eficazmente con IA.

      Aplicaciones prácticas propuestas

      Las personas asistentes pueden aplicar los conocimientos de la sesión para:

      • Automatizar tareas administrativas repetitivas.
      • Crear asistentes especializados para áreas concretas de su trabajo.
      • Reducir tiempos de gestión documental y comunicación.
      • Mejorar correos electrónicos mediante dictado y reescritura asistida.
      • Optimizar hojas de cálculo y procesos de análisis.
      • Desarrollar proyectos personales que antes quedaban pospuestos.
      • Formarse continuamente aprovechando el tiempo liberado.
      • Diseñar estrategias de mejora de productividad en sus organizaciones.

      Tareas recomendadas para la próxima sesión

      • Identificar las tareas más repetitivas del puesto de trabajo propio.
      • Detectar áreas donde podría generarse un ahorro mínimo del 20 % del tiempo.
      • Experimentar con herramientas de IA generativa.
      • Practicar la elaboración de prompts más detallados y contextualizados.
      • Aplicar los principios de delegación, descripción, discernimiento y diligencia.
      • Probar funciones de dictado y asistencia en herramientas de productividad.
      • Reflexionar sobre posibles automatizaciones de bajo esfuerzo y alto impacto.
      • Realizar pruebas con distintos modelos para observar diferencias entre chat y razonamiento.

      Conclusión

      La sesión proporcionó una visión práctica y realista del papel que está desempeñando la inteligencia artificial en el entorno profesional actual. Más allá del debate sobre la sustitución de tareas, el enfoque principal estuvo orientado a comprender cómo utilizar la IA para liberar tiempo, reducir carga operativa y aumentar la capacidad de aportar valor.

      El docente insistió en que el éxito no depende únicamente de la tecnología disponible, sino de la capacidad humana para utilizarla con criterio, responsabilidad y sentido estratégico. Conceptos como delegación, discernimiento y diligencia aparecieron como pilares fundamentales para trabajar con inteligencia artificial de forma eficaz.

      La clase dejó una idea central: la IA no sustituye la necesidad de ser un buen profesional; por el contrario, exige desarrollar mejores competencias, más capacidad crítica y una actitud continua de aprendizaje y mejora.

    • Los estudiantes deben
      Marcar como hecha

      Clase 4: Accede a la grabación

      Clase 4.mp4

    • Los estudiantes deben
      Marcar como hecha

      BITÁCORA DE CLASE 4 | ACADEMIA EL PROFE OTTO

      Datos de la sesión

      Campo Información
      Fecha 30/09/2026
      Duración No especificada en la transcripción
      Modalidad Telepresencial
      Docente EL PROFE OTTO
      Tema principal Fundamentos de inteligencia artificial, aprendizaje automático, agentes de IA e investigación asistida por IA

      Resumen ejecutivo

      La sesión estuvo centrada en la comprensión de los fundamentos de la inteligencia artificial y su aplicación práctica en entornos profesionales. Como punto de partida se realizó un repaso de contenidos anteriores relacionados con la implementación de la inteligencia artificial en empresas y la diferencia entre asistentes y agentes de IA. A partir de ahí se profundizó en las principales clasificaciones de la IA, analizando las tecnologías generativas, conversacionales, predictivas y agénticas.

      También se abordaron conceptos fundamentales de computación cognitiva, aprendizaje automático (machine learning), aprendizaje profundo (deep learning) y funcionamiento de las redes neuronales, utilizando ejemplos cotidianos para facilitar la comprensión de conceptos complejos. Se explicó la importancia del contexto en las interacciones con sistemas de IA y cómo influye directamente en la calidad de los resultados obtenidos.

      La segunda parte de la sesión estuvo orientada a la investigación asistida por inteligencia artificial. Se mostraron metodologías para diseñar búsquedas avanzadas, estructurar investigaciones profesionales y aprovechar funcionalidades de investigación presentes en distintas plataformas. Asimismo, se analizaron herramientas de gestión documental, organización de conocimiento y trabajo con grandes volúmenes de información.

      La sesión combinó teoría, experiencias reales, recomendaciones profesionales y demostraciones prácticas orientadas a mejorar la productividad y el aprovechamiento de la inteligencia artificial en entornos empresariales y profesionales.

      Contenidos desarrollados

      Clasificación de la inteligencia artificial

      Se explicó una clasificación práctica de la inteligencia artificial basada en:

      • IA generativa: creación de contenido nuevo a partir de información existente.
      • IA conversacional: basada en procesamiento del lenguaje natural (NLP).
      • IA predictiva: orientada a estimar resultados mediante cálculos probabilísticos.
      • IA agéntica: sistemas capaces de ejecutar acciones con distintos grados de autonomía.

      El docente insistió especialmente en la diferencia entre asistentes y agentes de IA, señalando que muchas organizaciones confunden ambos conceptos y rechazan soluciones sencillas por asociarlas erróneamente a sistemas complejos y autónomos.

      Inteligencia artificial en la práctica empresarial

      Se analizó el papel de las herramientas profesionales frente a las gratuitas y se abordó la importancia de la protección de datos empresariales.

      Se explicó la diferencia entre:

      • Herramientas de uso general.
      • Herramientas profesionales para empresas.
      • Soluciones avanzadas y desarrollos específicos para necesidades complejas.

      Computación cognitiva

      A través del ejemplo del coche autónomo se describieron los procesos fundamentales de la computación cognitiva:

      • Percepción mediante sensores.
      • Aprendizaje mediante entrenamiento.
      • Razonamiento para la toma de decisiones.

      Se mostró cómo las máquinas imitan determinados procesos cognitivos humanos para resolver tareas complejas.

      Inteligencia artificial, Machine Learning y Deep Learning

      Se explicó la relación jerárquica entre:

      • Inteligencia Artificial.
      • Aprendizaje Automático (Machine Learning).
      • Aprendizaje Profundo (Deep Learning).

      También se introdujeron los principales modelos de aprendizaje:

      • Supervisado.
      • No supervisado.
      • Por refuerzo.

      Para cada uno se utilizaron ejemplos prácticos relacionados con la generación de informes, el entrenamiento mediante ejemplos y la retroalimentación positiva o negativa.

      Redes neuronales y procesamiento de información

      Se describió de forma simplificada el funcionamiento de las redes neuronales y el cálculo vectorial que permite a los modelos de IA determinar relaciones entre conceptos.

      Mediante situaciones cotidianas se explicó cómo las decisiones se basan en la evaluación de múltiples parámetros y cómo el contexto suministrado por el usuario mejora la calidad del resultado generado.

      Gestión del contexto y calidad de los resultados

      Se dedicó un bloque específico a la importancia del contexto en la interacción con la IA.

      Se explicó:

      • Cómo mantener separados los entornos personales y profesionales.
      • Cómo proporcionar información relevante.
      • Cómo corregir adecuadamente los resultados incorrectos.
      • Por qué la calidad de las respuestas depende en gran medida de la calidad del contexto aportado.

      Funcionalidades de búsqueda e investigación

      Se presentó un método estructurado para realizar búsquedas avanzadas mediante IA.

      Los elementos propuestos fueron:

      • Problema a resolver.
      • Número de fuentes.
      • Validación y contraste de fuentes.
      • Expectativas de búsqueda.
      • Idiomas.
      • Geografía.
      • Tipo de contenido.

      Se mostró un ejemplo real relacionado con el análisis de licitaciones públicas y otro vinculado a esquemas de remuneración comercial.

      Herramientas de investigación y gestión del conocimiento

      El docente mostró distintas plataformas para realizar investigaciones asistidas por IA y gestionar grandes volúmenes de información.

      También se explicó el uso de espacios específicos para proyectos, cuadernos e investigaciones, destacando su utilidad para proyectos empresariales, consultoría y análisis documental.

      Ideas clave y aprendizajes más relevantes

      • La diferencia entre asistentes y agentes de IA es crítica para comprender las posibilidades reales de automatización.
      • La IA generativa crea contenido mientras que la conversacional interpreta y responde al lenguaje humano.
      • La IA predictiva funciona mediante cálculos probabilísticos.
      • La computación cognitiva busca reproducir procesos similares a los del pensamiento humano.
      • Machine Learning y Deep Learning forman parte del ecosistema general de la inteligencia artificial.
      • El contexto proporcionado por el usuario determina en gran medida la calidad de los resultados.
      • Es recomendable separar los usos personales y profesionales de la IA.
      • La retroalimentación adecuada mejora el aprendizaje de los sistemas.
      • La investigación asistida por IA permite acelerar significativamente el trabajo de análisis.
      • Existen herramientas específicas para organizar conocimiento, proyectos e investigaciones complejas.

      Conceptos aprendidos

      Concepto Explicación práctica Aplicación profesional
      IA Generativa Genera contenido nuevo a partir de datos existentes Creación de documentos, imágenes, informes y materiales
      IA Conversacional Comprende y responde al lenguaje natural Atención al cliente, asistentes virtuales y productividad
      IA Predictiva Estima comportamientos futuros mediante probabilidades Análisis de tendencias y previsiones
      IA Agéntica Ejecuta tareas con distintos niveles de autonomía Automatización avanzada
      Procesamiento del Lenguaje Natural Permite comprender el lenguaje humano Chatbots y asistentes inteligentes
      Computación Cognitiva Simula procesos similares al razonamiento humano Sistemas de apoyo a decisiones
      Machine Learning Aprendizaje basado en datos Clasificación y análisis automatizado
      Deep Learning Uso de redes neuronales profundas Reconocimiento de patrones complejos
      Aprendizaje Supervisado Aprende mediante ejemplos guiados Generación estructurada de documentos
      Aprendizaje No Supervisado Detecta patrones sin instrucciones explícitas Segmentación y descubrimiento de información
      Aprendizaje por Refuerzo Aprende mediante recompensas y correcciones Optimización de resultados
      Contexto Información utilizada para interpretar una solicitud Mejora de precisión en prompts
      Investigación Asistida por IA Búsqueda y análisis automatizado de información Consultoría, auditoría e investigación

      Preguntas, dudas e intervenciones relevantes

      Aunque la sesión se desarrolló principalmente en formato expositivo, se atendieron cuestiones relacionadas con:

      • La diferencia práctica entre asistentes y agentes de IA.
      • El valor real de las herramientas profesionales frente a las gratuitas.
      • Cómo mejorar los resultados obtenidos mediante prompts más completos.
      • Qué herramientas pueden utilizarse para realizar investigaciones complejas.
      • Cómo estructurar búsquedas avanzadas para obtener información de mayor calidad.

      Las aclaraciones se realizaron mediante ejemplos reales, experiencias profesionales y demostraciones prácticas.

      Frases destacadas del Profe Otto

      “Un asistente medianamente bien hecho te borra un 20% del tiempo como mínimo.”

      “La inteligencia artificial no entiende, interpreta mediante cálculos de probabilidad.”

      “Programar no es nada ajeno; es lógica humana.”

      “Cuando tú le dices que está mal, es bueno que le expliques por qué.”

      “Nuestros resultados serán mejores aportando mayor calidad de contexto.”

      “Trabaja siempre las cosas de trabajo y las cosas personales bien separadas.”

      “La investigación asistida por IA puede transformar completamente la forma de analizar información.”

      Recursos, herramientas y referencias mencionadas

      • ChatGPT: generación de contenido, conversación e investigación.
      • Microsoft Copilot: asistentes y agentes para productividad profesional.
      • Google Gemini: búsquedas avanzadas e investigación.
      • Deep Research: funcionalidad de investigación automatizada.
      • Claude: plataforma de IA con espacios para proyectos.
      • DeepSeek: herramienta utilizada en ejemplos de búsqueda.
      • NotebookLM: gestión de conocimiento e investigaciones documentales.
      • Espacios de proyectos en plataformas de IA: organización de información y documentación.
      • Curso del Tecnológico de Monterrey en Coursera: referencia para actividades relacionadas con redes neuronales.
      • Materiales y guías prácticas del curso: recursos complementarios para profundizar en los contenidos.

      Aplicaciones prácticas propuestas

      Los conocimientos desarrollados durante la sesión pueden aplicarse para:

      • Diseñar procesos de investigación profesional más eficientes.
      • Mejorar la preparación de reuniones y decisiones empresariales.
      • Automatizar la generación de informes y documentación.
      • Realizar análisis comparativos de mercado.
      • Organizar y gestionar grandes volúmenes de información.
      • Incrementar la productividad mediante asistentes de IA.
      • Incorporar herramientas de IA en actividades de consultoría, emprendimiento y formación.
      • Mejorar la calidad de los resultados obtenidos mediante técnicas adecuadas de contextualización.

      Tareas recomendadas para la próxima sesión

      • Revisar los materiales complementarios proporcionados en el curso.
      • Visualizar los vídeos recomendados sobre computación cognitiva y agentes de IA.
      • Experimentar con herramientas de conversación por voz en sistemas de IA.
      • Realizar prácticas relacionadas con reconocimiento facial y sistemas de clasificación.
      • Probar las plantillas de búsqueda e investigación explicadas durante la sesión.
      • Comparar resultados de investigación utilizando diferentes plataformas de IA.
      • Practicar la mejora de prompts mediante mayor contexto y precisión.
      • Explorar herramientas de gestión documental e investigación presentadas en clase.

      Conclusión

      La sesión proporcionó una visión amplia y práctica de los fundamentos de la inteligencia artificial moderna y de las herramientas que permiten aplicarla eficazmente en entornos profesionales. Más allá de la explicación conceptual, se insistió en aspectos estratégicos como la diferencia entre asistentes y agentes, la importancia del contexto, la protección de datos y la calidad de las investigaciones realizadas mediante IA.

      Los ejemplos utilizados permitieron trasladar conceptos complejos a situaciones cotidianas, facilitando la comprensión de temas como el aprendizaje automático, las redes neuronales o la computación cognitiva. Asimismo, se introdujeron metodologías concretas para mejorar búsquedas, investigaciones y procesos de toma de decisiones.

      En conjunto, la clase aportó una base sólida para avanzar hacia usos más profesionales, productivos y estratégicos de la inteligencia artificial, preparando al alumnado para aplicar estas capacidades tanto en su desempeño laboral como en proyectos empresariales y de transformación digital.

    • Los estudiantes deben
      Marcar como hecha

      Clase 5: Accede a la grabación

      Clase Telepresencial Academia EL PROFE OTTO-20261007_175957UTC-Meeting Recording.mp4

    • Los estudiantes deben
      Marcar como hecha

      BITÁCORA DE CLASE | ACADEMIA EL PROFE OTTO

      Datos de la sesión

      Campo Información
      Fecha 10/07/2026
      Duración Aproximadamente 50 minutos
      Modalidad Telepresencial
      Docente EL PROFE OTTO
      Tema principal Gestión del contexto en inteligencia artificial y personalización de asistentes IA

      Resumen ejecutivo

      La sesión estuvo centrada en comprender la importancia del contexto dentro de los sistemas de inteligencia artificial generativa y en aprender a configurar correctamente la personalización de herramientas como ChatGPT, Copilot, Gemini y Claude. Como introducción, se repasaron conceptos trabajados en clases anteriores relacionados con inteligencia artificial, aprendizaje automático y aprendizaje profundo, destacando la relevancia de estas bases para una correcta comprensión de las tecnologías actuales.

      Posteriormente se explicó cómo funcionan los sistemas de IA modernos, diferenciando entre el modelo preentrenado, las entradas de datos, los procesos de análisis y la generación de resultados. Se presentó un caso empresarial real relacionado con la toma de decisiones en compras e inventario, donde la combinación entre análisis estadístico, automatización y capacidad interpretativa de la IA permitió obtener resultados más fiables que el uso aislado de un chatbot.

      El bloque principal de la sesión se dedicó a la gestión del contexto. Se abordaron distintos niveles de contexto: organizacional, usuario, chat, proyecto y asistente. Además, se realizaron demostraciones prácticas de personalización de ChatGPT, incluyendo memoria, instrucciones personalizadas, estilos de respuesta, uso de Markdown, perfiles profesionales y gestión de proyectos mediante espacios específicos dentro de las plataformas.

      La clase concluyó con recomendaciones para implantar la IA en entornos profesionales y empresariales de forma estructurada, aprovechando adecuadamente los mecanismos de aprendizaje contextual.

      Contenidos desarrollados

      Repaso de fundamentos de inteligencia artificial

      Se revisaron conceptos fundamentales vistos previamente:

      • Inteligencia artificial.
      • Aprendizaje automático.
      • Aprendizaje profundo.
      • Redes neuronales artificiales.
      • Diferencias entre neuronas biológicas y artificiales.

      Se destacó que estos conceptos constituyen la base necesaria para comprender la evolución de los sistemas de IA actuales.

      Arquitectura general de los sistemas de IA generativa

      Se explicó el funcionamiento básico de plataformas como ChatGPT, Copilot o Claude:

      • Modelos preentrenados.
      • Infraestructura tecnológica y servidores.
      • Interacción mediante chatbots multimodales.
      • Recepción de entradas y generación de salidas en distintos formatos.

      El docente insistió en que una IA no siempre debe trabajar de forma aislada, sino integrada con sistemas adicionales.

      Caso práctico empresarial

      Se presentó el caso de una empresa del sector del embalaje que debía decidir una compra anticipada de materias primas aprovechando descuentos comerciales.

      Aspectos tratados:

      • Riesgos asociados a una compra masiva.
      • Limitaciones de confiar únicamente en una respuesta generada por IA.
      • Necesidad de incorporar análisis estadísticos rigurosos.
      • Integración de aplicaciones de cálculo especializadas.
      • Participación de perfiles técnicos como científicos de datos, estadísticos, gestores de proyectos y desarrolladores.

      La solución consistió en combinar procesos analíticos y automatización para proporcionar a la dirección información más fiable para la toma de decisiones.

      El contexto como elemento central de la IA

      El bloque principal de la sesión giró alrededor del concepto de contexto.

      Se explicó:

      • Cómo las organizaciones generan información contextual acumulativa.
      • La relación entre cuentas corporativas y usuarios individuales.
      • El concepto de grafo contextual.
      • La evolución del aprendizaje de las herramientas a medida que interactúan con los usuarios.

      También se analizaron los beneficios empresariales derivados de la acumulación de conocimiento contextual.

      Personalización de asistentes de IA

      Se realizó una demostración práctica utilizando ChatGPT.

      Entre los elementos configurados se incluyeron:

      • Memoria.
      • Resumen de conocimiento acumulado.
      • Preferencias personales.
      • Estilo de redacción.
      • Instrucciones personalizadas.
      • Fotografía de referencia.
      • Personalidad y tono de respuesta.

      Además, se analizaron las diferencias observadas entre distintas plataformas de IA.

      Uso profesional de instrucciones personalizadas

      Se explicó cómo construir perfiles detallados para que la IA comprenda:

      • Ocupación.
      • Experiencia profesional.
      • Objetivos.
      • Preferencias de trabajo.
      • Estilo comunicativo.
      • Necesidades habituales.

      El docente mostró ejemplos basados en su propia actividad como docente y consultor.

      Markdown y estructuración de respuestas

      Se introdujo el lenguaje Markdown como mecanismo estándar para estructurar instrucciones y respuestas.

      Se mostraron ejemplos de:

      • Títulos.
      • Listas.
      • Negritas.
      • Organización jerárquica del contenido.

      También se explicó cómo trasladar estos formatos a diferentes plataformas de IA.

      Gestión de contexto por chats, proyectos y asistentes

      Se estudiaron varios niveles de contexto:

      Contexto de chat

      • Cada conversación desarrolla un contexto propio.
      • No se recomienda extender indefinidamente un mismo chat.
      • Conviene abrir nuevas conversaciones cuando una tarea finaliza.

      Contexto de proyectos

      Se revisó la utilización de:

      • Proyectos en ChatGPT.
      • Cuadernos en Gemini.
      • Cuadernos en Copilot.
      • Proyectos en Claude.

      Contexto de asistentes

      Se explicó cómo los asistentes especializados incorporan instrucciones específicas para desempeñar tareas concretas.

      Recomendaciones para empresas

      El cierre de la sesión abordó aspectos organizativos:

      • Conveniencia de utilizar licencias profesionales o empresariales.
      • Importancia de mantener contextos individuales por usuario.
      • Riesgos de compartir indiscriminadamente los mismos espacios de trabajo.
      • Valor estratégico del aprendizaje acumulado por la IA dentro de la organización.

      Ideas clave y aprendizajes más relevantes

      • El contexto es uno de los factores más importantes para obtener buenos resultados con la IA.
      • Las respuestas de una IA mejoran cuando se alimentan con contexto estructurado y relevante.
      • No todas las decisiones empresariales deben confiar exclusivamente en una IA generalista.
      • La combinación entre IA, análisis estadístico y automatización produce resultados más fiables.
      • Las instrucciones personalizadas permiten adaptar la IA a cada perfil profesional.
      • La memoria de las herramientas puede incrementar significativamente la productividad.
      • Markdown facilita una comunicación más clara con los asistentes inteligentes.
      • Los chats tienen límites contextuales y deben gestionarse adecuadamente.
      • Los proyectos y asistentes especializados ayudan a organizar el trabajo complejo.
      • En entornos empresariales, la gestión del contexto constituye un activo estratégico.

      Conceptos aprendidos

      Concepto Explicación práctica Aplicación profesional
      Aprendizaje profundo Técnica avanzada basada en redes neuronales Desarrollo y comprensión de soluciones IA
      Modelo preentrenado Sistema entrenado previamente con grandes volúmenes de información Uso de herramientas generativas
      Chatbot multimodal IA capaz de trabajar con distintos tipos de información Automatización y productividad
      Contexto Información acumulada que guía las respuestas de la IA Personalización y mejora de resultados
      Grafo contextual Red de relaciones e información dentro de una organización Gestión empresarial del conocimiento
      Memoria de IA Capacidad de recordar información relevante del usuario Continuidad en proyectos y tareas
      Instrucciones personalizadas Configuración permanente sobre cómo debe actuar una IA Adaptación a necesidades profesionales
      Markdown Lenguaje de marcado para estructurar contenido Documentación y prompting
      Proyecto de IA Espacio de organización de conversaciones y recursos Gestión de iniciativas complejas
      Asistente especializado IA configurada para una función concreta Automatización por departamentos o procesos

      Preguntas, dudas e intervenciones relevantes

      Configuración de perfiles profesionales complejos

      Se planteó el caso de profesionales que desempeñan múltiples funciones simultáneamente.

      Respuesta aportada: se recomendó reflejar todas las funciones relevantes dentro de las instrucciones personalizadas para que la IA disponga de mayor contexto operativo.

      Uso de información profesional adicional

      Se expuso la situación de perfiles con cargos, titulaciones o responsabilidades diversas.

      Respuesta aportada: se indicó que toda información relevante sobre experiencia, conocimientos y responsabilidades puede incorporarse dentro del perfil contextual.

      Gestión de proyectos en herramientas de IA

      Surgió la necesidad de comprender cómo organizar trabajos complejos.

      Respuesta aportada: se explicó la utilización de proyectos, cuadernos o espacios equivalentes según cada plataforma.

      Diferencias entre plataformas

      A lo largo de las demostraciones aparecieron comentarios comparativos entre ChatGPT, Claude, Copilot y Gemini.

      Respuesta aportada: se destacaron distintas fortalezas en redacción, configuración y evolución de funcionalidades.

      Frases destacadas del Profe Otto

      “El contexto es la palabra clave en gestión de inteligencia artificial.”

      “No siempre la IA como está planteada normalmente es suficiente para hacer lo que queremos hacer.”

      “Toda tu actividad, todo tu trabajo, todo lo que hagas, vacíalo ahí.”

      “Estamos interactuando y le estás dando una señal positiva.”

      “La guerra real es por nuestra atención.”

      “Un chat es una tarea.”

      “La fe mueve montañas, hay que pagar.”

      Recursos, herramientas y referencias mencionadas

      • ChatGPT: plataforma utilizada para las demostraciones de personalización y memoria.
      • Microsoft Copilot: ejemplo de IA integrada en entornos corporativos.
      • Claude: citado por sus capacidades de redacción y evolución de funcionalidades.
      • Gemini: presentado como alternativa con mecanismos propios de contexto.
      • Power BI: mencionado dentro del caso empresarial para visualización de resultados.
      • Outlook: utilizado como ejemplo de integración de contexto y aplicaciones conectadas.
      • Slack: citado como sistema conectable a la IA.
      • Drive: recomendado para almacenar documentos y materiales del curso.
      • SharePoint: mencionado como repositorio documental empresarial.
      • OneDrive: propuesto para almacenamiento y gestión documental.
      • Jira, Asana y Trello: ejemplos de gestores de proyectos.
      • Markdown: metodología recomendada para estructurar instrucciones y respuestas.
      • Tutoriales de la Academia: recursos complementarios para profundizar en la configuración de las distintas herramientas.

      Aplicaciones prácticas propuestas

      Los asistentes pueden aplicar estos conocimientos para:

      • Configurar correctamente sus herramientas de IA para que comprendan su perfil profesional.
      • Mejorar la calidad de los resultados obtenidos mediante instrucciones personalizadas.
      • Organizar proyectos complejos utilizando contextos específicos.
      • Crear asistentes especializados para distintos procesos empresariales.
      • Optimizar la gestión documental y el trabajo con múltiples fuentes de información.
      • Incrementar la productividad mediante una interacción más eficiente con la IA.
      • Facilitar la toma de decisiones apoyándose en análisis complementarios y no únicamente en respuestas generadas por chatbots.

      Tareas recomendadas para la próxima sesión

      • Activar y revisar la memoria de la herramienta de IA utilizada habitualmente.
      • Redactar y completar instrucciones personalizadas adaptadas al perfil profesional propio.
      • Crear un proyecto o espacio específico para una actividad profesional relevante.
      • Practicar la utilización de Markdown en prompts e instrucciones.
      • Organizar materiales de trabajo en una carpeta dedicada al curso.
      • Probar las opciones de personalización disponibles en ChatGPT, Copilot, Gemini o Claude.
      • Revisar los tutoriales facilitados durante la formación.

      Conclusión

      La sesión permitió comprender que la eficacia de una inteligencia artificial no depende exclusivamente del modelo utilizado, sino de la calidad del contexto que recibe y de la estructura con la que se organiza la información. A través de ejemplos empresariales y demostraciones prácticas, se mostró cómo la personalización, la memoria, los proyectos y las instrucciones específicas pueden transformar una IA generalista en una herramienta mucho más útil para el trabajo diario.

      Asimismo, se destacó la necesidad de combinar el juicio profesional, el análisis técnico y la automatización para obtener resultados fiables. La clase proporcionó un marco metodológico claro para comenzar a trabajar con asistentes inteligentes de forma profesional, sentando las bases para futuras sesiones dedicadas a agentes, habilidades, automatización y gestión avanzada de proyectos mediante inteligencia artificial.

  • Prompt Engineering I

    Qué es un prompt y cómo estructurarlo. Parámetros y técnicas (temperatura, estilo, few-shot).

    • Los estudiantes deben
      Marcar como hecha

      Clase 6: Prompts

      Clase 6.mp4

    • Los estudiantes deben
      Marcar como hecha

      BITÁCORA DE CLASE | ACADEMIA EL PROFE OTTO

      Datos de la sesión

      Campo Información
      Fecha 21/10/2026
      Duración Aproximadamente 40 minutos (según la transcripción disponible)
      Modalidad Telepresencial
      Docente EL PROFE OTTO
      Tema principal Ingeniería de prompts, diseño de instrucciones y creación de asistentes, agentes y habilidades de IA

      Resumen ejecutivo

      La sesión estuvo centrada en el diseño de instrucciones efectivas para sistemas de inteligencia artificial, profundizando en los principios de la ingeniería de prompts y en la creación de asistentes especializados. Como continuación de una clase anterior dedicada al contexto, se trabajó especialmente la importancia de las instrucciones, los detalles operativos y las restricciones como elementos fundamentales para mejorar la calidad de las respuestas generadas por modelos de IA.

      Durante la formación se analizaron conceptos como el ajuste fino (fine tuning), la contextualización, la definición de tono, el uso de instrucciones negativas, la gestión de restricciones y la formulación de preguntas aclaratorias para obtener mejores resultados. Asimismo, se abordó la necesidad de combatir la denominada “mediocridad programada” mediante solicitudes explícitas de razonamiento y profundidad.

      La segunda parte de la sesión estuvo dedicada a presentar metodologías para diseñar asistentes personalizados mediante modelos estructurados de prompting, destacando especialmente las metodologías RTF (Rol, Tarea y Formato) y RODES (Rol, Objetivo, Detalles, Ejemplos, Verificación y Restricciones).

      Finalmente, se realizaron demostraciones prácticas en Copilot, ChatGPT, Gemini y Claude para construir asistentes orientados a la generación de prompts profesionales, mostrando sus diferencias operativas y las tendencias actuales en la evolución de estas plataformas.

      Contenidos desarrollados

      Ingeniería de prompts e instrucciones

      Se explicó que la calidad de las respuestas obtenidas depende directamente de la calidad de las instrucciones proporcionadas.

      Se destacó que:

      • Las instrucciones deben ser específicas.
      • Deben incorporar contexto suficiente.
      • Conviene definir claramente qué se espera obtener.
      • Es recomendable limitar interpretaciones ambiguas.

      Se presentó la definición de ingeniería de prompts como la técnica de diseñar y refinar instrucciones para obtener respuestas precisas, relevantes y útiles.

      Markdown como lenguaje de estructuración

      Se introdujo Markdown como sistema de organización textual especialmente útil para comunicarse con sistemas de IA.

      Se comentó su utilidad para representar:

      • Títulos.
      • Jerarquías de información.
      • Énfasis.
      • Listas.
      • Estructuras documentales.

      También se anunció que dicho contenido se ampliará en futuras sesiones.

      Fine Tuning y adaptación contextual

      Se analizó cómo una IA puede adaptarse a distintos contextos mediante:

      • Idioma.
      • Estilo de redacción.
      • Nivel de formalidad.
      • Longitud del contenido.
      • Audiencia destinataria.

      Se mostraron ejemplos prácticos de transformación de informes extensos en resúmenes ejecutivos, correos electrónicos y mensajes breves para Teams.

      Tonos, restricciones y negativización

      Se explicó cómo definir:

      • Tono profesional.
      • Tono jurídico.
      • Tono imperativo.
      • Mezclas de estilos.

      Se destacó la importancia de indicar expresamente qué no debe hacer la IA mediante instrucciones negativas.

      También se introdujo el concepto de restricciones o “guardrails”, utilizados para limitar comportamientos no deseados.

      Preguntas de contextualización

      Se mostró una técnica consistente en solicitar a la IA que formule preguntas antes de ejecutar una tarea.

      Ejemplo aplicado:

      • Solicitar cinco preguntas previas.
      • Recopilar información adicional.
      • Generar una respuesta más precisa.

      Se destacó especialmente el comportamiento de Claude en este tipo de interacción.

      Razonamiento y mejora de resultados

      Se introdujo la práctica de solicitar expresamente:

      • Que la IA razone su respuesta.
      • Que analice supuestos.
      • Que identifique posibles errores.
      • Que proporcione contraejemplos.

      También se trabajó la validación crítica de respuestas y la identificación de alucinaciones.

      Método RTF

      Se explicó la estructura:

      • Rol.
      • Tarea.
      • Formato.

      Como metodología sencilla para generar instrucciones rápidas y efectivas.

      Método RODES

      Se presentó el modelo ampliado:

      • Rol.
      • Objetivo.
      • Detalles.
      • Ejemplos.
      • Verificación.
      • Restricciones.

      El docente señaló que esta metodología constituye una base especialmente útil para construir asistentes, agentes y proyectos de inteligencia artificial más avanzados.

      Creación práctica de asistentes y habilidades

      Se realizaron demostraciones utilizando:

      • Microsoft Copilot.
      • ChatGPT.
      • Gemini.
      • Claude.

      El objetivo práctico fue construir un asistente especializado en la creación de prompts profesionales.

      Durante la demostración se observaron:

      • Diferencias entre agentes y habilidades.
      • Uso de Markdown como formato de instrucciones.
      • Limitaciones derivadas de migraciones tecnológicas de algunas plataformas.
      • Estrategias para reutilizar asistentes en distintos entornos.

      Ideas clave y aprendizajes más relevantes

      • El contexto sigue siendo uno de los elementos más importantes para trabajar con IA.
      • Las instrucciones específicas generan mejores resultados que las instrucciones genéricas.
      • Indicar lo que la IA no debe hacer puede ser tan importante como indicar lo que debe hacer.
      • Markdown facilita una comunicación más estructurada con los modelos de IA.
      • Solicitar razonamiento mejora la calidad de las respuestas.
      • Las preguntas previas permiten reducir errores de interpretación.
      • Los ejemplos mejoran significativamente la calidad de ejecución.
      • La metodología RTF resulta adecuada para tareas simples.
      • La metodología RODES aporta mayor robustez para asistentes complejos.
      • Los asistentes y habilidades permiten reutilizar procesos repetitivos de forma eficiente.

      Conceptos aprendidos

      Concepto Explicación práctica Aplicación profesional
      Ingeniería de prompts Diseño de instrucciones para IA Obtener mejores resultados en tareas profesionales
      Contexto Información necesaria para comprender una tarea Personalización de respuestas
      Markdown Sistema de formato en texto plano Creación de instrucciones estructuradas
      Fine Tuning Ajuste de comportamiento según necesidades Adaptación de contenidos a distintos públicos
      Negativización Definición explícita de lo que no debe hacerse Reducción de errores y desviaciones
      Guardrails Restricciones operativas Mayor control sobre resultados
      Preguntas de contextualización Solicitud previa de información adicional Mejora de precisión
      RTF Rol, Tarea y Formato Prompts rápidos y eficaces
      RODES Rol, Objetivo, Detalles, Ejemplos, Verificación y Restricciones Construcción de asistentes robustos
      Habilidades (Skills) Funciones reutilizables activables desde el chat Automatización de tareas frecuentes
      Agentes Asistentes especializados con instrucciones permanentes Productividad y automatización avanzada

      Preguntas, dudas e intervenciones relevantes

      Diferencia entre pago por API y suscripción

      Contexto: Se planteó la cuestión sobre el rendimiento de los modelos según el sistema de contratación.

      Respuesta: Se explicó que existen diferencias en la gestión de recursos y tokens entre algunos modelos utilizados mediante API y los contratados bajo cuotas fijas.

      Cómo mejorar respuestas poco profundas

      Contexto: Se analizó la tendencia de algunos modelos a ofrecer respuestas básicas.

      Respuesta: El docente recomendó solicitar razonamiento explícito, contexto adicional y validación crítica de resultados.

      Creación de asistentes personalizados

      Contexto: Se mostró cómo crear asistentes generadores de prompts.

      Respuesta: Se realizaron demostraciones prácticas en distintas plataformas explicando el proceso general de creación.

      Diferencia entre agentes y habilidades

      Contexto: Durante la demostración aparecieron diferentes conceptos según la plataforma utilizada.

      Respuesta: Se explicó que las habilidades pueden activarse directamente dentro de una conversación, mientras que los agentes suelen funcionar como entornos especializados independientes.

      Frases destacadas del Profe Otto

      “Si logramos cosas sin sentido a la IA, pues eso es lo que vamos a obtener.”

      “La suposición es la madre del fracaso en inteligencia artificial.”

      “Hazme todas las preguntas que tú necesites para entender este trabajo.”

      “Razona bien tu respuesta.”

      “Haz lo mejor que puedas.”

      “Los detalles tienen que ser ese paso a paso para hacer esa actividad.”

      “Es un proceso artesano.”

      Recursos, herramientas y referencias mencionadas

      • Microsoft Copilot: Plataforma utilizada para crear agentes y asistentes.
      • ChatGPT: Utilizado para explicar GPTs, complementos y habilidades.
      • Google Gemini: Empleado en la demostración de creación de Gems.
      • Claude: Destacado por su capacidad para formular preguntas de contextualización.
      • Markdown: Lenguaje recomendado para estructurar instrucciones.
      • MCP (Model Context Protocol): Mencionado como mecanismo de conexión entre sistemas.
      • API: Explicada como protocolo de comunicación entre aplicaciones.
      • Google Drive: Utilizado para compartir materiales y plantillas.
      • Newsletter “La Mochila Inteligente”: Recurso mencionado para recibir contenidos adicionales.
      • Plantillas RTF y RODES: Modelos metodológicos para diseño de prompts.

      Aplicaciones prácticas propuestas

      Los contenidos explicados permiten:

      • Diseñar prompts profesionales para actividades laborales.
      • Crear asistentes especializados para tareas repetitivas.
      • Generar informes adaptados a distintos destinatarios.
      • Automatizar comunicaciones internas mediante IA.
      • Mejorar la productividad personal mediante habilidades reutilizables.
      • Crear agentes orientados a marketing, soporte, formación o documentación.
      • Optimizar investigaciones y análisis mediante preguntas contextualizadoras.
      • Reducir errores y alucinaciones mediante restricciones y verificaciones.

      Tareas recomendadas para la próxima sesión

      • Practicar la creación de prompts mediante la estructura RTF.
      • Revisar los materiales facilitados sobre Markdown.
      • Experimentar con distintos tonos y restricciones.
      • Crear un asistente sencillo orientado a una necesidad profesional propia.
      • Analizar ejemplos de prompts utilizados durante la sesión.
      • Practicar la generación de preguntas de contextualización.
      • Probar la creación de habilidades o agentes en la plataforma de IA disponible.
      • Preparar casos reales de trabajo para aplicar el método RODES en la siguiente clase.

      Conclusión

      La sesión proporcionó una base sólida para comprender cómo diseñar instrucciones eficaces para sistemas de inteligencia artificial. Lejos de presentar únicamente fórmulas teóricas, se trabajó sobre ejemplos reales y demostraciones prácticas que mostraron cómo transformar una petición genérica en una instrucción precisa y útil.

      Uno de los principales aprendizajes fue entender que la calidad del resultado está estrechamente relacionada con la calidad del contexto, los detalles y las restricciones proporcionadas. Asimismo, la introducción de modelos estructurados como RTF y RODES ofrece un marco metodológico claro para construir asistentes cada vez más sofisticados.

      La sesión también permitió conocer distintas plataformas y comprender sus similitudes y diferencias en la creación de agentes y habilidades. En conjunto, el contenido impartido constituye una base práctica muy útil para cualquier profesional que desee incorporar la inteligencia artificial a sus procesos de trabajo, productividad y toma de decisiones.

  • Prompt Engineering II

    Prompts según objetivo (técnico, análisis, creatividad, decisión) y buenas prácticas. Taller práctico.

    • Los estudiantes deben
      Marcar como hecha

      Clase 7: Prompt RODES

      Clase 7.mp4

    • Los estudiantes deben
      Marcar como hecha

      BITÁCORA DE CLASE | ACADEMIA EL PROFE OTTO

      Datos de la sesión

      Campo Información
      Fecha 28/10/2026
      Duración Aproximadamente 53 minutos
      Modalidad Telepresencial
      Docente EL PROFE OTTO
      Tema principal Diseño de asistentes, agentes y complementos de IA mediante la metodología Prompt Rhodes

      Resumen ejecutivo

      La sesión estuvo centrada en el uso del método Prompt Rhodes como marco estructurado para diseñar asistentes, agentes, habilidades y complementos de inteligencia artificial. A lo largo de la clase se explicó cómo construir instrucciones robustas y escalables capaces de guiar a una IA en tareas complejas y procedimientos de negocio.

      El docente presentó los componentes esenciales del modelo: rol, objetivos, detalles operativos, ejemplos, plantillas, restricciones y mecanismos de verificación. Para ilustrar el proceso se desarrolló un caso práctico consistente en la creación de un asistente especializado en procesos contables y financieros, capaz de trabajar con conciliaciones bancarias, presupuestos, estados financieros y cierres contables.

      También se realizaron demostraciones prácticas empleando distintas plataformas como Google Gemini, ChatGPT, Claude y Microsoft Copilot. Durante estas pruebas se analizaron las ventajas e inconvenientes de cada entorno, especialmente en relación con la gestión de bases de conocimiento, archivos Markdown y complementos.

      La sesión concluyó con recomendaciones avanzadas sobre ingeniería de prompts, reutilización de conocimiento, galerías de prompts, técnicas de ingeniería inversa y uso de documentación externa para mejorar asistentes de IA de forma progresiva y profesional.

      Contenidos desarrollados

      Fundamentos del método Prompt Rhodes

      Se repasó la estructura de Prompt Rhodes como metodología para diseñar instrucciones avanzadas para sistemas de inteligencia artificial.

      Los elementos explicados fueron:

      • Definición del rol del asistente.
      • Objetivos que debe alcanzar.
      • Descripción detallada de procesos.
      • Inclusión de ejemplos.
      • Uso de plantillas de salida.
      • Restricciones operativas.
      • Comprobaciones finales de coherencia y calidad.

      Se comparó esta verificación con la revisión de un examen antes de entregarlo, destacando la importancia de validar los resultados producidos por la IA.

      Creación de contexto para la IA

      Se mostró cómo introducir rápidamente una IA en un contexto determinado mediante preguntas iniciales que permitan activar conocimiento previo.

      Como ejemplo práctico se utilizó una consulta sobre la Torre Eiffel para demostrar cómo una IA puede contextualizarse antes de ejecutar una tarea más compleja.

      Caso práctico: Asistente de contabilidad y finanzas

      Se desarrolló un ejemplo completo de asistente especializado en:

      • Conciliación bancaria.
      • Previsiones financieras.
      • Estados financieros.
      • Legislación relacionada.
      • Elaboración de presupuestos.
      • Gestión documental.

      El docente mostró cómo describir funciones, responsabilidades y procesos para conseguir resultados más precisos.

      Uso de archivos Markdown como base de conocimiento

      Se destacó la conveniencia de almacenar procedimientos complejos en archivos Markdown externos y referenciarlos desde los prompts.

      Se explicó que:

      • Los procesos extensos no deben saturar el prompt principal.
      • Es preferible remitir a documentos especializados.
      • Los archivos Markdown resultan especialmente eficientes para este propósito.

      Como demostración se utilizó un archivo de proceso contable que servía de guía operativa para el asistente.

      Creación de habilidades y complementos

      Se realizaron pruebas prácticas en varias plataformas:

      Google Gemini

      • Creación de un asistente especializado.
      • Configuración de habilidades.
      • Generación automática de instrucciones.
      • Limitaciones observadas durante las pruebas.

      ChatGPT

      • Creación de complementos.
      • Uso de Plugin Creator.
      • Integración de reglas contables y fiscales.
      • Gestión de archivos de conocimiento.

      Claude

      • Comparación con otros sistemas.
      • Revisión de la arquitectura de complementos.
      • Visualización y gestión de recursos asociados.

      Microsoft Copilot

      • Creación de agentes.
      • Incorporación de bases de conocimiento mediante OneDrive.
      • Configuración de conocimientos específicos.
      • Ajuste de capacidades de búsqueda y acceso a información corporativa.

      Ajuste y mejora de agentes

      Se explicó que la construcción de asistentes eficaces requiere:

      • Iteración continua.
      • Pruebas sucesivas.
      • Refinamiento de instrucciones.
      • Ajuste de restricciones.
      • Mejora progresiva de los procesos documentados.

      Ideas clave y aprendizajes más relevantes

      • Prompt Rhodes está orientado a procesos complejos que requieren alta granularidad.
      • Un prompt largo no es mejor ni peor por su tamaño; lo importante es su eficiencia.
      • Las remisiones a archivos externos son una estrategia eficaz para gestionar procedimientos extensos.
      • Los documentos Markdown constituyen una base de conocimiento muy útil para asistentes de IA.
      • Los agentes funcionan mejor cuando disponen de procesos claramente documentados.
      • Las restricciones ayudan a evitar comportamientos no deseados.
      • La verificación final debe formar parte de cualquier sistema de instrucciones.
      • La calidad de un asistente depende tanto del prompt como de la documentación que lo acompaña.
      • La ingeniería inversa permite descubrir prompts altamente eficaces a partir de buenos resultados.
      • Mantener una biblioteca personal de prompts facilita la reutilización del conocimiento.

      Conceptos aprendidos

      Concepto Explicación práctica Aplicación profesional
      Prompt Rhodes Metodología para crear instrucciones avanzadas Diseño de agentes y asistentes
      Rol Define quién es la IA y desde qué perspectiva actúa Especialización funcional
      Objetivos Resultados concretos esperados Orientación al negocio
      Restricciones Límites operativos y normativos Control de calidad
      Guardrails Mecanismos para evitar desviaciones Seguridad y coherencia
      Base de conocimiento Documentación utilizada por la IA Automatización documental
      Archivo Markdown Documento estructurado para procesos Gestión eficiente del conocimiento
      Habilidad (Skill) Función especializada dentro de un asistente Automatización específica
      Complemento (Plugin) Extensión funcional de una IA Integración de procesos
      Ingeniería inversa de prompts Obtención del prompt óptimo a partir de un resultado exitoso Mejora continua de asistentes
      Placeholder Elemento que sitúa a la IA en un contexto determinado Simulación y entrenamiento
      Cadenas de pensamiento Descomposición paso a paso de tareas Resolución estructurada de problemas

      Preguntas, dudas e intervenciones relevantes

      Uso de documentación externa

      Se abordó la necesidad de mantener procedimientos complejos fuera del prompt principal.

      Aclaración aportada: se recomendó almacenar los procedimientos en archivos Markdown y referenciarlos desde las instrucciones para mejorar la mantenibilidad.

      Funcionamiento de habilidades y complementos

      Durante las demostraciones surgieron dificultades relacionadas con el acceso a archivos y la gestión de complementos.

      Aclaración aportada: el docente mostró distintas alternativas de configuración y explicó cómo vincular correctamente bases de conocimiento.

      Calidad de los resultados generados

      Se detectaron respuestas incompletas o comportamientos inesperados en algunos asistentes.

      Aclaración aportada: se indicó que la solución pasa por mejorar el prompt, documentar adecuadamente el proceso y continuar iterando.

      Frases destacadas del Profe Otto

      “Lo importa es que sea eficiente.”

      “Un prompt no es bueno o malo si es largo o corto.”

      “Si no sabes alguna cifra, pregunta.”

      “Las remisiones a diversos archivos funcionan muy bien.”

      “Un Rhodes lleva tiempo hacerlo, pero luego trae muchas alegrías.”

      “Guárdalo en Word o en algún repositorio para que luego con esto crees asistentes, agentes.”

      “La forma rápida es eficiente, pero la otra tiene la forma más laboriosa y artesana.”

      Recursos, herramientas y referencias mencionadas

      • Prompt Rhodes: metodología principal de diseño de asistentes.
      • Google Gemini: creación de asistentes y habilidades.
      • ChatGPT: desarrollo de complementos y automatizaciones.
      • Claude: gestión de proyectos y complementos.
      • Microsoft Copilot: creación de agentes con bases de conocimiento.
      • OneDrive: almacenamiento de documentación y conocimiento.
      • SharePoint: alternativa para alojar bases de conocimiento.
      • Plugin Creator: herramienta empleada para construir complementos.
      • Archivos Markdown (.md): formato recomendado para procesos e instrucciones.
      • Canva: mencionado como integración externa para determinados casos.
      • Galerías de prompts y Prompt Markets: repositorios para inspiración y mejora de prompts.
      • Canal de YouTube del Profe Otto: referencia formativa para ampliar contenidos.

      Aplicaciones prácticas propuestas

      Los conocimientos trabajados pueden utilizarse para:

      • Diseñar asistentes especializados para departamentos empresariales.
      • Automatizar procesos administrativos, financieros o comerciales.
      • Construir bases de conocimiento reutilizables.
      • Mejorar la productividad en tareas documentales.
      • Preparar reuniones, entrevistas o presentaciones mediante simulaciones.
      • Crear sistemas de apoyo para autónomos y pequeñas empresas.
      • Estandarizar procedimientos internos mediante IA.
      • Reducir tiempo de formación y transferencia de conocimiento.

      Tareas recomendadas para la próxima sesión

      • Diseñar un Prompt Rhodes para una necesidad profesional real.
      • Crear un archivo Markdown que documente un proceso habitual de trabajo.
      • Probar la integración del procedimiento dentro de un asistente o agente.
      • Crear una biblioteca personal de prompts reutilizables.
      • Experimentar con ingeniería inversa sobre resultados satisfactorios.
      • Identificar procesos que puedan trasladarse a bases de conocimiento externas.
      • Revisar los recursos complementarios compartidos durante la sesión.

      Conclusión

      La sesión proporcionó una visión práctica y aplicada de cómo construir asistentes de inteligencia artificial realmente útiles para entornos profesionales. Más allá de la simple redacción de prompts, se enfatizó la necesidad de diseñar procesos estructurados, documentar procedimientos y crear bases de conocimiento adecuadas para lograr resultados consistentes.

      El modelo Prompt Rhodes fue presentado como una metodología robusta para organizar instrucciones complejas y convertirlas en soluciones escalables. Las demostraciones realizadas con distintas plataformas permitieron observar diferencias de funcionamiento y comprender la importancia de combinar prompts, documentación y ajustes continuos.

      Como aprendizaje principal, quedó claro que la eficacia de un asistente no depende únicamente de la IA utilizada, sino de la calidad del proceso que se documenta y de la capacidad para mantener y mejorar dicho sistema de manera iterativa. Esta aproximación facilita la creación de soluciones cada vez más precisas, reutilizables y alineadas con necesidades reales de trabajo.

  • Herramientas generativas

    Panorama de herramientas y comparativa práctica. Casos de uso en documentos, resúmenes y reportes.

  • Contenido visual e integraciones

    Generación de contenido visual y presentaciones. Integraciones con Microsoft 365 y Google Workspace.

  • Aplicaciones transversales en la empresa

    Automatización de documentación, soporte a capacitación/onboarding, IA en marketing (copys, segmentación, A/B).

  • Análisis de datos con IA

    Flujo práctico de captura, limpieza, modelado asistido y visualización. Analítica asistida y detección de anomalías.

  • Adopción empresarial y "segundo cerebro"

    Herramientas de productividad asistida (Notion AI, Obsidian, Copilot, Gemini). Estrategias de adopción cultural.

  • Automatización de procesos

    RPA vs. automatización inteligente. Plataformas no-code/low-code. Integración de IA en workflows.

  • Ética, legalidad y seguridad en IA

    Privacidad y RGPD, marco regulatorio, sesgos, transparencia y trazabilidad de decisiones automatizadas.

  • Cierre del curso y próximos pasos

    Repaso general, resolución de dudas, plan de acción individual/empresa y recursos para seguir profundizando.