DIPLOMADO · IA APLICADA
Diplomado en Inteligencia Artificial Aplicada, Gestión y Desarrollo de Soluciones
Pasa del uso aislado de herramientas a la capacidad de evaluar, diseñar y gobernar soluciones de IA con criterios de negocio, datos, automatización, riesgo e implementación.
¿Qué aprenderás?
8 capacidades para salir del diplomado
Al completar el programa podrás:
Malla curricular
9 módulos en 3 trayectos
80 horas organizadas progresivamente: de los fundamentos a la solución implementable.
Establecer una línea base común, definir expectativas y seleccionar un desafío que acompañará el aprendizaje durante el diplomado.
Temas principales
- Panorama de IA en organizaciones y mapa general del programa.
- Diagnóstico de madurez y preparación para IA.
- Inventario de procesos, decisiones, dolores y oportunidades.
- Criterios para elegir un desafío de aprendizaje.
Resultados del módulo
- Reconocer nivel inicial de madurez en personas, procesos, datos, tecnología y gobierno.
- Definir un desafío de aplicación con alcance realista.
- Identificar restricciones, riesgos y criterios preliminares de éxito.
Construir un lenguaje común sobre IA y desarrollar criterio para decidir cuándo una solución basada en IA es pertinente.
Temas principales
- Qué es y qué no es inteligencia artificial.
- Evolución de IA: reglas, ML, deep learning, modelos fundacionales y agentes.
- Patrones de aplicación: clasificación, predicción, recomendación, generación, extracción y optimización.
- Limitaciones: incertidumbre, alucinaciones, sesgos y dependencia de datos.
- Criterios build / buy / configure y rol del profesional no técnico.
Resultados del módulo
- Explicar diferencias entre automatización, machine learning, deep learning, IA generativa y agentes.
- Reconocer capacidades, limitaciones, errores frecuentes y necesidad de supervisión humana.
- Relacionar capacidades de IA con creación de valor, productividad e innovación.
Evaluar si los datos y métricas disponibles permiten construir decisiones y soluciones de IA confiables.
Temas principales
- Datos estructurados, no estructurados, documentales, transaccionales y multimedia.
- Ciclo de vida del dato: captura, almacenamiento, preparación, uso y eliminación.
- Calidad: completitud, consistencia, actualidad y representatividad.
- Analítica descriptiva, diagnóstica, predictiva y prescriptiva.
- KPIs, líneas base y métricas de negocio.
- Sesgos, correlación vs. causalidad y errores de interpretación.
Resultados del módulo
- Distinguir tipos de datos y necesidades de preparación.
- Evaluar calidad, trazabilidad, sesgos, acceso y propiedad del dato.
- Diseñar indicadores y criterios de evaluación para un caso de uso de IA.
Utilizar modelos generativos de forma profesional, verificable y segura para analizar, producir y transformar información.
Temas principales
- Cómo funcionan los LLM: tokens, contexto, temperatura y límites.
- Ingeniería de instrucciones: rol, contexto, tarea, restricciones, fuentes y formato.
- Técnicas de prompting: ejemplos, descomposición, crítica, comparación y verificación.
- Análisis de documentos, extracción de información, síntesis y transformación.
- IA multimodal: texto, imagen, voz y datos tabulares.
- Alucinaciones, citas, verificación, trazabilidad y revisión humana.
- Diseño de bibliotecas de prompts, asistentes y procedimientos de trabajo.
Resultados del módulo
- Diseñar instrucciones y contextos de trabajo que mejoren precisión y utilidad.
- Seleccionar técnicas de validación según tipo de tarea y riesgo.
- Construir asistentes y flujos repetibles para documentos, análisis, comunicación y conocimiento.
Herramientas de ejemplo: ChatGPT, Claude, Gemini, Microsoft Copilot. Programa independiente de proveedor.
Rediseñar procesos y seleccionar el nivel adecuado de automatización, integración o autonomía asistida por IA.
Temas principales
- Mapeo de procesos, tareas, decisiones, handoffs, excepciones y cuellos de botella.
- Criterios de automatización: frecuencia, volumen, variabilidad, riesgo y valor.
- RPA, low-code/no-code, APIs, webhooks e integraciones a nivel conceptual.
- Agentes IA: objetivos, planificación, herramientas, contexto, memoria y supervisión.
- Human-in-the-loop, aprobaciones, límites de autonomía y manejo de excepciones.
- Observabilidad, evaluación, logs, costos y mantenimiento.
Resultados del módulo
- Mapear procesos y detectar tareas candidatas a automatización.
- Distinguir automatización tradicional, low-code/no-code, integraciones y agentes de IA.
- Diseñar un agente o flujo con herramientas, memoria, permisos, supervisión y criterios de parada.
Traducir capacidades tecnológicas en casos de uso relevantes para distintas funciones, sin depender de una industria específica.
Temas principales
- Estrategia y dirección: escenarios, seguimiento, investigación y apoyo a decisiones.
- Administración y finanzas: clasificación documental, proyecciones y análisis.
- Personas: perfiles, aprendizaje, políticas y gestión de conocimiento.
- Operaciones y calidad: incidencias, mantenimiento, inspección y soporte técnico.
- Comercial y marketing: segmentación, personalización y atención asistida.
- Patrones no generativos: pronóstico, clasificación, detección de anomalías y recomendación.
Resultados del módulo
- Reconocer patrones de IA reutilizables en distintas áreas.
- Evaluar valor, riesgo y calidad requerida según el contexto funcional.
- Diseñar una ficha de oportunidad que conecte problema, usuario, datos, flujo y resultado.
Definir condiciones para un uso responsable, seguro, trazable y sostenible de la inteligencia artificial.
Temas principales
- Privacidad, datos personales, confidencialidad y clasificación de información.
- Propiedad intelectual, derechos de uso y contenido generado.
- Sesgos, equidad, explicabilidad, trazabilidad y documentación.
- Seguridad: exposición de datos, prompt injection, accesos y proveedores externos.
- Matriz de riesgos y criterios de bloqueo, mitigación, aceptación y escalamiento.
- Roles y política de uso responsable: sponsor, dueño de proceso, TI, seguridad, legal y comité de IA.
Resultados del módulo
- Identificar riesgos legales, éticos, reputacionales, de seguridad y operación.
- Proponer controles y niveles de supervisión según criticidad.
- Diseñar reglas de uso, roles, formación y gestión del cambio para adopción responsable.
Convertir oportunidades en iniciativas comparables, justificadas y listas para decidir si avanzar a piloto.
Temas principales
- Problem framing y definición del usuario/proceso/decisión.
- Canvas de caso de uso y mapa de stakeholders.
- Matriz impacto-esfuerzo-riesgo-datos.
- Beneficios: tiempo, costos, ingresos, calidad, seguridad y experiencia.
- Costos y TCO: licencias, integración, datos, cambio, operación y mantenimiento.
- ROI y métricas de valor: supuestos, línea base y sensibilidad.
- MVP, PoC, piloto y criterios para pasar a producción.
Resultados del módulo
- Definir problema, usuario, flujo, resultado esperado y criterios de éxito.
- Priorizar iniciativas por impacto, esfuerzo, riesgo, preparación de datos y factibilidad.
- Construir un business case y definir alcance de MVP o prueba de concepto.
Integrar los aprendizajes en un proyecto final que pueda ser evaluado, comunicado y ejecutado como piloto controlado.
Temas principales
- Diseño detallado del piloto y arquitectura funcional de alto nivel.
- Prototipo o prueba de concepto de baja complejidad.
- Plan de pruebas: casos normales, límites, errores y escenarios adversos.
- Métricas, línea base, metas y tablero mínimo de seguimiento.
- Roadmap 30-60-90 días y plan de escalamiento.
- Storytelling ejecutivo, Demo Day y retroalimentación.
Resultados del módulo
- Diseñar la solución con usuarios, datos, flujo, reglas, responsables y controles.
- Definir pruebas, métricas, criterios de aceptación y revisión humana.
- Presentar una hoja de ruta realista de implementación y escalamiento.
Cómo aprendemos
Ciclo de aprendizaje aplicado
Cada módulo sigue un ciclo que integra teoría, práctica y entregable verificable.
Cómo se distribuyen las 80 horas
Proyecto integrador
Desde el diagnóstico hasta el piloto
El proyecto integrador no es un examen final: se construye módulo a módulo y termina como un piloto implementable con Demo Day.
Entregables del proyecto
Evaluación
Criterios de aprobación
Nota final ponderada ≥ 60/100 · Asistencia mínima 85% · Entrega y defensa del proyecto integrador.
¿Para quién es?
Perfil de participante
✓ Este programa es para ti si…
- Trabajas en administración, finanzas, operaciones, personas, comercial, marketing, servicio, proyectos o tecnología.
- Eres jefatura, coordinador o líder que necesita identificar oportunidades de IA y participar en decisiones de adopción.
- Eres analista, consultor o especialista que quiere diseñar casos de uso y soluciones asistidas por IA.
- Eres emprendedor o profesional independiente que quiere incorporar IA de forma estructurada.
✕ No es necesario…
- Saber programar.
- Ser especialista en machine learning o ciencia de datos.
- Pertenecer a una industria determinada.
Perfil de ingreso recomendado
- Título profesional, técnico o experiencia laboral relevante.
- Manejo básico de herramientas digitales y navegación web.
- Interés en resolver problemas reales con datos, automatización e IA.
Equipo Académico
Cuerpo Docente y Dirección
Aprende con especialistas y autores que combinan experiencia en consultoría estratégica, innovación tecnológica y automatización aplicada en empresas de Latinoamérica.
Estrategia, IA Generativa & Transformación Organizacional
Fundador de SUBE IA Consultores. Ha dirigido iniciativas de adopción de IA, análisis predictivo y optimización de procesos en más de 200 empresas y organizaciones en Latinoamérica. Speaker internacional y formador de más de 500 profesionales en Escuela Abierta IA.
- 📖 Autor del libro “Teoría y Práctica de la IA: El renacimiento del talento humano”.
- ⚙️ Creador del método RIP-RIF para Prompt Engineering y contextualización avanzada.
Innovación, Ecosistemas, Datos & Gobierno de IA
Más de 15 años de trayectoria en dirección de proyectos tecnológicos, vinculación ciencia-empresa y desarrollo de ecosistemas en ANID y universidades. Relator de programas internacionales de IA aplicada en CENACE UPSA (Bolivia), Universidad Central y UFRO.
- 📖 Autor del libro “La revolución de la IA para alcanzar los ODS”.
- ⚙️ Creador del ARES-AI Framework (Agilidad, Responsabilidad y Sostenibilidad).
Automatización de Procesos, Agentes IA & Soluciones Integrales
Especialista en arquitectura de automatizaciones empresariales y orquestación de agentes de IA. Lidera el desarrollo de flujos inteligentes, observabilidad de modelos y herramientas de desarrollo asistido por IA, articulando la viabilidad técnica con el impacto de negocio.
- 🤖 Orquestación de Agentes de IA, flujos multi-paso, memoria y supervisión humana.
- ⚡ Automatización con Make y n8n, desarrollo asistido (Cursor, Antigravity, Claude Code).
Preguntas frecuentes
Lo que más nos preguntan
No. El diplomado está diseñado para profesionales sin conocimientos de programación. Los contenidos técnicos se exploran desde una perspectiva aplicada, de criterio y de decisión.
Ninguno específico. El programa parte desde los fundamentos y avanza progresivamente. Solo se espera alfabetización digital básica y disposición a aprender.
Una sesión semanal de 3 horas cronológicas, más actividades guiadas y avance del proyecto integrador. Estimamos entre 5 y 7 horas semanales en total.
Se trabaja con herramientas representativas como ChatGPT, Claude, Gemini, Microsoft Copilot, Make o equivalentes. El programa es independiente de proveedor: se enseñan principios transferibles que siguen siendo válidos aunque cambien las plataformas.
No es obligatorio. Los laboratorios pueden realizarse con planes gratuitos o cuentas de prueba disponibles en el momento de la cohorte.
El proyecto integrador se construye a lo largo del programa. Cada módulo aporta un entregable. Al final presentas un piloto o diseño técnico con diagnóstico, caso de uso, métricas, gobierno y roadmap 30-60-90 días en un Demo Day.
Sí. En la modalidad online en vivo o híbrida participas desde cualquier lugar con conexión a internet estable. Los productos y criterios de evaluación son equivalentes a los de la modalidad presencial.
Nota final ponderada igual o superior a 60/100, al menos 85% de asistencia efectiva a sesiones sincrónicas, y entrega y defensa del proyecto integrador.
El arancel general del diplomado es de $1.000.000 CLP. Contamos con un convenio oficial con la Asociación Nacional de Inteligencia Artificial para el Desarrollo Sostenible (ACHIADS) que otorga un 50% de descuento ($500.000 CLP) a todos sus socios activos.
Próximos pasos
Solicita información
Completa el formulario y te contactaremos con información detallada sobre el programa, fechas, modalidades y valor.
¿Convencido?
Solicita información y da el siguiente paso
Completa el formulario y te contactaremos con detalles sobre el programa, fechas y modalidades disponibles.