7 temas del curso con teoría resumida, casos prácticos resueltos, preguntas frecuentes, ejercicios de prompts y quizzes interactivos. Basado en el material de Rodrigo Castilla — ISIL.
IA simbólica, estadística y generativa. Modelos de lenguaje. Cómo se entrena la IA. Aplicaciones cotidianas y diferencias con automatización tradicional.
Alucinaciones, sesgos, dependencia tecnológica, privacidad y seguridad digital. Marco legal relevante en Perú.
Cómo verificar información generada por IA. Uso de Perplexity y Zotero. Reconocimiento de alucinaciones y contenido falso.
Marco legal peruano de IA. Clasificación de niveles de riesgo. Derechos del usuario. Supervisión y trazabilidad.
Categorización automática, mapas mentales con IA. Herramientas: Notion AI, Gemini, Miro, Perplexity, Napkin AI.
Qué es un prompt, estructura efectiva (Contexto, Tarea, Público, Formato, Restricciones). Personalización y tono.
Prompt iterativo, pruebas A/B, ajuste de precisión, contexto y creatividad. Del prompt básico al avanzado.
Navega por la barra lateral izquierda para saltar a cualquier tema o usa los botones inferiores para avanzar en orden. Cada tema incluye teoría, casos prácticos con resolución, FAQ y ejercicios de aplicación. Al final encontrarás 2 quizzes de evaluación.
Los tres paradigmas de la IA, cómo funcionan los modelos de lenguaje, por qué la IA no "piensa" como humanos y sus aplicaciones en el día a día.
También conocida como GOFAI. Usa reglas lógicas "SI…ENTONCES" programadas por humanos. Es transparente (explicable) pero frágil ante situaciones no contempladas.
Aprende patrones de datos sin reglas explícitas. Mejora con más datos. Puede ser una "caja negra" y es vulnerable a sesgos en los datos.
Crea contenido nuevo: texto, imágenes, código, audio. Usa redes neuronales profundas. Puede generar alucinaciones y plantea desafíos éticos.
Un modelo de lenguaje es un sistema de IA diseñado para entender, procesar y generar lenguaje humano. Es un modelo probabilístico que predice la secuencia de palabras más probable, basándose en patrones aprendidos de enormes cantidades de texto.
La IA NO piensa ni comprende. Estadísticamente predice qué tokens/palabras son más probables a continuación. Genera texto coherente sin tener conciencia, intención ni comprensión verdadera.
| Dimensión | Automatización tradicional | IA Generativa |
|---|---|---|
| Lógica | Reglas fijas programadas manualmente | Patrones aprendidos de datos masivos |
| Flexibilidad | Rigida: solo hace lo que fue programada | Adaptable: maneja situaciones no vistas |
| Creatividad | Ninguna: replica resultados predefinidos | Alta: genera contenido nuevo y único |
| Errores | Falla de forma predecible y detectable | Falla silenciosamente (alucinaciones) |
| Ejemplo | Un semáforo que cambia a los 30 segundos | ChatGPT generando un ensayo sobre Machu Picchu |
Para cada aplicación, identifica qué paradigma de IA usa (Simbólica / Estadística / Generativa) y justifica:
Situación: Un estudiante afirma: "ChatGPT es más inteligente que muchos profesores porque sabe de todo y nunca se equivoca". Analiza esta afirmación usando los conceptos del curso.
La afirmación tiene varios problemas conceptuales:
Perspectiva correcta: La IA es una herramienta poderosa que amplifica capacidades humanas, no un sustituto de la inteligencia y el juicio humanos. El valor está en saber cuándo y cómo usarla críticamente.
Alucinaciones, sesgos en datos de entrenamiento, dependencia tecnológica, privacidad y seguridad digital. Marco legal en Perú.
Cuando la IA genera información falsa pero presentada con total confianza. Ocurre especialmente en temas técnicos, específicos o recientes donde el modelo no tiene suficientes datos confiables.
Los modelos reflejan desigualdades presentes en sus datos de entrenamiento. Frecuentemente subrepresentan perspectivas latinoamericanas, contextos peruanos y realidades de mercados emergentes.
El uso constante de IA para redacción reduce progresivamente la capacidad de estructurar argumentos, encontrar palabras precisas o expresar ideas complejas sin asistencia. Ejemplo del curso: Un redactor que usó IA durante años descubre que ya no puede escribir eslóganes creativos sin ella.
Cuando la IA realiza análisis, perdemos el "aprendizaje en el proceso". Ejemplo del curso: Analistas financieros que automatizan reportes no pueden explicar el "porqué" de las tendencias; perdieron la comprensión intuitiva del mercado.
Aceptar outputs de IA sin cuestionamiento atrofia la capacidad de evaluar y validar información. Ejemplo del curso: Estudiantes que integraron un resumen con error factual de IA en sus presentaciones porque no verificaron críticamente.
Organizaciones paralelas si la IA falla, sin protocolos manuales de respaldo. Ejemplo del curso: Call center donde la IA resuelve el 95% de consultas; cuando falla, los agentes humanos no pueden atender las consultas básicas.
1. Primero domina los fundamentos humanos antes de usar IA para esas tareas.
2. Usa IA para amplificar, no para reemplazar tu juicio y habilidades.
3. Mantén práctica regular sin IA para conservar agudeza mental.
Ejemplo del curso: El arquitecto B gana el proyecto porque usa IA como base pero añade su experiencia con la luz local, materiales innovadores y concepto estructural propio.
Las conversaciones con IA suelen ser almacenadas por los proveedores y pueden usarse para entrenamiento futuro.
Información sensible compartida con IA puede aparecer inadvertidamente en respuestas a otros usuarios.
Atacantes diseñan prompts maliciosos para manipular el comportamiento de la IA o extraer información.
Nunca compartas con la IA nada que no compartirías en una red social pública. Asume que lo que ingresas podría potencialmente hacerse público. Anonimiza casos reales antes de consultarlos.
Para cada situación, identifica el riesgo principal de IA involucrado:
Contexto: Eres el responsable de TI de una empresa minera peruana mediana (200 empleados). Los trabajadores han empezado a usar IA (ChatGPT, Gemini) de forma no regulada. Diseña una política básica de uso de IA.
1. Información PROHIBIDA de compartir con IA pública:
2. Usos PERMITIDOS:
3. Validación obligatoria: Todo output de IA debe ser revisado y validado por un humano antes de ser usado en decisiones.
4. Capacitación semestral en riesgos de IA y mejores prácticas.
Cómo verificar fuentes, usar Perplexity y Zotero, reconocer alucinaciones y construir un proceso de validación crítica del contenido generado por IA.
La curaduría de información es el proceso de seleccionar, evaluar, organizar y validar activamente el contenido generado por IA, contrastándolo con fuentes primarias confiables. No es copiar lo que da la IA; es agregar juicio crítico humano.
| Herramienta | Función principal | Fortaleza | Limitación |
|---|---|---|---|
| 🌐 Perplexity | Búsqueda con citaciones automáticas | Respuestas sintéticas con fuentes verificables | Sesgo hacia fuentes en inglés |
| 📖 Zotero | Gestor de referencias bibliográficas | Organización y citas en formato APA/MLA | No verifica la calidad del contenido |
| 🔬 Google Scholar | Búsqueda académica | Acceso a papers revisados por pares | Muchos artículos son de pago |
| 🏛️ INEI / Portales .gob.pe | Datos oficiales del Perú | Estadísticas peruanas verificadas y actualizadas | Puede no cubrir todos los temas |
Contexto: Eres estudiante de Administración de Empresas y debes presentar un informe sobre el impacto de la IA en las PYMES peruanas. Quieres usar IA para ayudarte pero de forma responsable. Diseña tu proceso de curaduría paso a paso.
Paso 1 — Contextualización inicial con Perplexity: Busca "impacto IA en PYMES peruanas 2023-2024" para obtener un panorama general con fuentes citadas. Identifica organismos relevantes (PRODUCE, SBS, MEF).
Paso 2 — Generación de estructura con IA: Usa ChatGPT para generar un esquema de secciones del informe. No uses el contenido, solo la estructura.
Paso 3 — Búsqueda académica verificada: En Google Scholar busca artículos sobre "AI adoption SME Latin America". Usa Zotero para guardar las referencias.
Paso 4 — Datos oficiales peruanos: Consulta INEI para estadísticas de PYMES, PRODUCE para políticas y el MINCETUR para comercio. Estas son fuentes primarias confiables.
Paso 5 — Síntesis con IA asistida: Con tus fuentes verificadas, pide a la IA que te ayude a redactar secciones específicas, proporcionándole los datos reales que encontraste. Tú aportas las fuentes; la IA ayuda con la redacción.
Paso 6 — Citación con Zotero: Genera la bibliografía en formato APA desde Zotero. Nunca uses las referencias "inventadas" que da la IA directamente.
La primera ley de IA del Perú: principios, niveles de riesgo, derechos del usuario, supervisión y trazabilidad de sistemas de inteligencia artificial.
La Ley N.° 31814, "Ley que Promueve el Uso Responsable e Innovador de la Inteligencia Artificial en el Perú", establece principios y obligaciones para el uso de sistemas de IA por parte de entidades públicas y privadas. Complementa la Ley N.° 29733 de Protección de Datos Personales.
Los usuarios deben saber cuando interactúan con un sistema de IA y cómo funciona.
Las decisiones de la IA deben poder auditarse y rastrearse para identificar errores o sesgos.
Los sistemas de IA no deben generar decisiones discriminatorias basadas en características protegidas.
Decisiones de alto impacto deben tener revisión humana; la IA no puede ser el único árbitro.
Los sistemas de IA deben respetar la Ley 29733 y garantizar la protección de datos personales.
Las organizaciones son responsables de los daños causados por sistemas de IA que implementan.
| Nivel | Descripción | Ejemplos | Requisito |
|---|---|---|---|
| 🔴 Inaceptable | Manipulación psicológica, sistema de crédito social, reconocimiento biométrico masivo no autorizado | IA para manipular elecciones, vigilancia total de ciudadanos | Prohibido |
| 🟠 Alto riesgo | IA en decisiones que afectan derechos: salud, educación, empleo, crédito, justicia | Sistema de scoring crediticio, selección de candidatos, diagnóstico médico | Evaluación obligatoria, supervisión humana |
| 🟡 Riesgo limitado | Chatbots, sistemas de recomendación, herramientas de apoyo | Chatbot de atención al cliente, recomendador de películas | Transparencia: informar que es IA |
| 🟢 Riesgo mínimo | Aplicaciones creativas, juegos, filtros de spam | Filtros de correo, generadores de arte, traducción | Sin requisitos adicionales |
El usuario tiene derecho a saber que está interactuando con un sistema de IA, no con un humano. Las empresas deben declarar claramente cuando un chatbot o sistema automatizado toma decisiones.
Ante decisiones que afecten significativamente sus derechos (denegación de crédito, resultado de evaluación, selección de personal), el usuario puede solicitar revisión por un ser humano.
El usuario puede solicitar una explicación de por qué la IA tomó determinada decisión, especialmente en contextos de alto riesgo (crédito, empleo, salud).
El sistema de IA debe tratar los datos personales conforme a la Ley 29733. El usuario puede solicitar acceso, rectificación y eliminación de sus datos utilizados por el sistema.
Clasifica cada sistema de IA según los niveles de riesgo de la Ley 31814 y explica qué obligaciones tendría la empresa:
Categorización automática de datos, mapas mentales con IA, y herramientas: Notion AI, Google Gemini, Miro, Perplexity, Napkin AI y MyLens.
Proceso por el cual sistemas de IA clasifican, ordenan y agrupan información según patrones y criterios, sin intervención manual constante. La IA aprende patrones sutiles y complejos más allá de simples reglas "si contiene X → categoría Y".
Categorizar automáticamente artículos, papers y recursos de investigación por metodología, tema o relevancia.
Clasificar consultas de clientes por tipo (reclamo, consulta, sugerencia) y urgencia automáticamente.
Clasificar videos, PDF, ejercicios y presentaciones por competencia desarrollada.
La IA transforma el proceso de creación de mapas mentales de horas a segundos, generando automáticamente jerarquías, identificando relaciones entre conceptos y personalizando formatos visuales.
| Herramienta | Función principal | Mejor para | Limitación clave |
|---|---|---|---|
| 🗂️ Notion AI | Plataforma todo-en-uno: notas, BD, wikis, gestión de proyectos | Centralizar todo el conocimiento universitario o profesional | Curva de aprendizaje alta; funcionalidades IA de pago |
| 🌐 Google Gemini | IA multimodal: texto, código, imágenes, integrado con Google Workspace | Análisis de código, integración con Drive/Docs/Sheets | Preocupaciones de privacidad; variabilidad en calidad |
| 🗺️ Miro | Pizarra digital colaborativa con generación de mapas desde prompts | Trabajo en equipo remoto, brainstorming visual colaborativo | Plan gratuito limitado; depende de conexión a internet |
| 🔍 Perplexity | Motor de búsqueda conversacional con citaciones automáticas | Investigación verificada con fuentes, análisis de mercado | Sesgo hacia fuentes en inglés; profundidad académica limitada |
| ✏️ Napkin AI | Transforma texto en visualizaciones conceptuales automáticas | Crear diagramas rápidos y profesionales sin diseño | Especializada en visualización; no es herramienta integral |
| 🔬 MyLens AI | Explora información compleja desde múltiples perspectivas | Análisis de temas con "lentes" temáticos interactivos | Menos conocida; integración limitada con otras herramientas |
Perplexity para investigar y verificar fuentes → Notion AI para organizar y centralizar todo → Miro o Napkin AI para visualizar y presentar → Zotero para gestionar referencias bibliográficas.
Contexto: Equipo de 4 estudiantes de Ingeniería Industrial deben desarrollar un proyecto integrador sobre "Automatización de procesos en una empresa de manufactura peruana". Diseña un sistema de organización combinando al menos 3 herramientas de IA.
Fase 1 — Investigación (Perplexity): Cada integrante busca en Perplexity su área asignada (ej: automatización en textiles peruanos, casos en minería, benchmarking internacional). Se comparten los links con citaciones verificadas.
Fase 2 — Organización central (Notion AI): Un workspace compartido en Notion con: base de datos de fuentes (con categorías: primaria/secundaria, relevancia, sector), espacio de redacción colaborativa, cronograma del proyecto y checklist de entregables.
Fase 3 — Visualización (Miro): Mapa mental del proyecto con las conexiones entre conceptos, diagrama de flujo del proceso de manufactura analizado y estructura visual de la presentación final.
Fase 4 — Presentación (Napkin AI): Generar visualizaciones conceptuales de los procesos automatizados para las diapositivas, sin necesidad de diseñar manualmente.
Resultado: El equipo ahorra tiempo en investigación y organización, puede enfocarse en el análisis e interpretación, y entrega un trabajo más estructurado y visualmente profesional.
Qué es un prompt, estructura de prompts efectivos (los 6 componentes), personalización por audiencia y tono. La diferencia entre un prompt básico y uno profesional.
Un prompt es la instrucción, pregunta o conjunto de indicaciones textuales que el usuario proporciona a la IA como entrada (input) para solicitar una respuesta o contenido (output).
Pedir comida en un restaurante: "Quiero comer" → respuesta genérica. "Quiero un ceviche de corvina sin ají limo, con camote y choclo, para llevar" → exactamente lo que necesitas. Igual con los prompts: mientras más específico, mejor resultado.
Información de fondo: ¿para qué es? ¿quién lo usará? ¿en qué entorno? Sin contexto, la IA genera respuestas genéricas.
Qué debe hacer la IA. Usa verbos de acción: analiza, crea, compara, resume, diseña, evalúa, traduce.
¿Para quién es el contenido? Adapta complejidad, tono y vocabulario según la audiencia específica.
Cómo quieres recibir la información: lista, tabla, párrafos, código, script, presentación, etc.
Limitaciones, extensión, tono, qué incluir/excluir, consideraciones culturales o éticas.
Proporcionar ejemplos del estilo deseado. Es el componente más poderoso cuando se incluye correctamente.
Observa cómo la misma solicitud produce resultados radicalmente distintos según la calidad del prompt.
| Tono | Cuándo usarlo | Ejemplo de instrucción |
|---|---|---|
| Formal / Profesional | Documentos legales, reportes ejecutivos, correspondencia institucional | "Usa un tono formal apropiado para un informe al directorio del BCR" |
| Informal / Conversacional | Redes sociales, blogs, comunicación interna casual | "Tono amigable como si hablaras con un amigo en una cafetería de Miraflores" |
| Técnico / Especializado | Documentación técnica, artículos científicos, manuales | "Usa terminología de ingeniería civil para profesionales del sector" |
| Educativo / Explicativo | Material didáctico, tutoriales, guías de usuario | "Explica como si fuera para alumnos de primer ciclo universitario" |
| Empático / Cercano | Comunicación de salud, situaciones sensibles, soporte emocional | "Tono comprensivo y cercano, sin tecnicismos, para pacientes ansiosos" |
| Motivacional / Inspirador | Discursos, campañas, contenido de liderazgo | "Estilo inspirador como charla TED, que motive a jóvenes emprendedores" |
Mejora cada prompt básico aplicando los 6 componentes aprendidos (adapta al contexto peruano cuando sea relevante):
a) Marketing digital mejorado:
b) Derecho penal mejorado:
c) Presentación de negocios mejorada:
Escribe 3 versiones del mismo mensaje sobre "los beneficios de la IA para los trabajadores" adaptando el tono para: (1) Directorio corporativo, (2) Empleados de una fábrica en Gamarra, (3) Publicación en Instagram para jóvenes universitarios.
Para el directorio:
Para empleados de Gamarra:
Para Instagram universitario:
Prompt iterativo (ciclo de mejora), Pruebas A/B con prompts, ajuste del triángulo Precisión–Contexto–Creatividad. Del usuario novato al avanzado.
El prompt iterativo reconoce que es casi imposible crear el "prompt perfecto" en el primer intento. Se trata de un ciclo de mejora continua: generar → evaluar → ajustar → regenerar → evaluar… hasta obtener el resultado deseado.
Especificaciones exactas: número de palabras, estructura predefinida, restricciones explícitas, vocabulario específico.
Cultural, geográfico, socioeconómico, profesional, histórico y de audiencia. Hace el output más relevante y auténtico.
Instrucciones abiertas: "sugiere", "explora", "propón ideas innovadoras". Sin formato rígido. Invitación a experimentar.
Un prompt con máxima precisión pero sin contexto produce texto correcto pero genérico. Uno con máxima creatividad pero sin restricciones produce resultados impredecibles. El dominio del equilibrio entre estas tres dimensiones distingue al usuario avanzado del novato.
Crear dos o más versiones distintas del mismo prompt, ejecutarlas en paralelo y comparar cuantitativamente cuál produce los mejores resultados según criterios definidos. Reduce el sesgo personal y permite tomar decisiones basadas en evidencia.
| Variable | Versión A | Versión B |
|---|---|---|
| Longitud del prompt | Breve (20-30 palabras) | Detallado (100-150 palabras) |
| Tono de instrucción | Directo: "Lista 5 estrategias..." | Conversacional: "¿Qué 5 estrategias recomiendas...?" |
| Nivel de contexto | Sin contexto cultural | Con contexto peruano explícito |
| Estructura | Párrafo corrido | Lista numerada con secciones |
| Especificidad | Objetivo general | Restricciones múltiples detalladas |
| Ejemplos incluidos | Sin ejemplos | Con 1-2 ejemplos ilustrativos |
Tarea: Necesitas generar un email de presentación de tu emprendimiento de comida saludable a posibles inversores peruanos. Muestra el proceso iterativo en 3 versiones del prompt, cada vez más refinado.
❌ Problema: sin contexto, sin estructura, sin audiencia. El email será genérico e inapropiado para inversores peruanos.
⚠️ Mejor, pero falta: estructura del email, qué pedir a los inversores, diferenciación competitiva.
✅ Prompt completo: audiencia específica, estructura definida, datos reales, tono exacto, CTA claro, longitud controlada.
8 preguntas sobre los fundamentos de IA, riesgos y limitaciones, curaduría de información y la Ley N.° 31814. ¡Retroalimentación inmediata!
9 preguntas sobre organización del conocimiento con IA, herramientas, Prompt Engineering y mejoramiento de prompts. ¡Demuestra lo que aprendiste!
Repasaste los 7 temas del curso, exploraste casos prácticos con resolución, ejercitaste la escritura de prompts y pusiste a prueba tu conocimiento. ¡Aplica el optimismo crítico en tu uso cotidiano de IA!