Gestión de Proyectos con Inteligencia Artificial

Objetivos

Objetivos de la formación Gestión de Proyectos de Inteligencia Artificial

Al finalizar la formación será capaz de:

• Identificar los desarrollos más recientes y las características específicas de los proyectos de inteligencia artificial.
• Establecer el marco operativo, presupuestario y jurídico para proyectos de IA.
• Describir la estructura organizativa propuesta por la norma ISO/IEC 42001.

Duración

Programa

Programa de la formación Gestión de Proyectos de Inteligencia Artificial

Estado del arte de las tecnologías y aplicaciones de la inteligencia artificial

• Definiciones y tipologías de IA: IA predictiva, IA generativa y agentes autónomos.
• Desarrollos recientes: de los LLM —GPT, Llama, Mistral— a las arquitecturas multiagente.
• Visión general de usos por sector: salud, industria, servicios y retail.
• Tendencias: IA agéntica, RAG —generación aumentada por recuperación—, IA en el edge e IA frugal.
• Principales actores: editores de software, proveedores cloud, software open source, empresas de servicios TI y startups.
• Características distintivas de los proyectos de IA.

Ejercicios prácticos

Marco estratégico:

• Presentación del contexto del caso práctico.
• Identificación del tipo de IA relevante: agente conversacional con RAG para responder a partir del conocimiento del producto y de la regulación.
• Definición de los indicadores iniciales de éxito: tasa de resolución sin intervención humana, tiempo de respuesta, conformidad, etc.
• Identificación de riesgos iniciales: confidencialidad de los datos de salud, alucinaciones del modelo, aceptación por parte de los consultores.

Alcance, recursos, costes y plazos

• Definición del alcance funcional y técnico de un proyecto de IA.
• Diferencia entre POC, MVP e industrialización.
• Estimación de recursos: perfiles y competencias —Data Scientist, ingeniero de IA, MLOps, especialista de negocio, especialista jurídico— e infraestructura —cloud, GPU, API—.
• Modelos de coste: costes de desarrollo, costes de inferencia, costes de fine-tuning y costes de mantenimiento.
• Planificación: fases de exploración, desarrollo, prueba, despliegue e iteración.

Ejercicios prácticos

Marco operativo y presupuestario:

• Definición del alcance del MVP —Producto Mínimo Viable—.
• Identificación de los recursos necesarios: project manager de IA, ingeniero de datos, desarrollador de IA —LLM—, especialista de negocio —atención al cliente— y abogado especializado en RGPD/Ley de IA.
• Estimación de costes para 3 meses: cloud —API o modelo open source alojado—, base de datos vectorial e ingesta de datos.
• Elaboración de un plan basado en hitos: definición de alcance > prueba de concepto > piloto en entorno real > prueba con 10 agentes > evaluación.

Marco regulatorio y ético: Ley de IA y RGPD

• RGPD:
  • Licitud del tratamiento.
  • Datos personales y datos sensibles —salud—.
  • Derecho de oposición.
  • Obligación de información.
  • Subcontratación.
• Ley de IA:
  • Clasificación de sistemas de IA: riesgo inaceptable, alto riesgo, riesgo limitado y riesgo mínimo.
  • Requisitos para sistemas de alto riesgo.
  • Caso de los chatbots.
• Interacciones entre el RGPD y la Ley de Inteligencia Artificial:
  • Doble conformidad.
• Ética:
  • Explicabilidad.
  • Transparencia.
  • Supervisión humana.
  • No discriminación.
• Documentación obligatoria:
  • Registro de actividades de tratamiento.
  • Evaluación de impacto —EIPD—.
  • Documentación técnica de la Ley de Inteligencia Artificial.

Ejercicios prácticos

Análisis de conformidad:

• A partir del caso práctico, determinar el nivel de riesgo según la Ley de Inteligencia Artificial.

Enfoque basado en riesgos para proyectos de IA con ISO/IEC 42001

• Introducción a la norma ISO/IEC 42001 —sistema de gestión de IA—: objetivos y estructura.
• Enfoque basado en el riesgo: identificación, evaluación, tratamiento y seguimiento.
• Alineación con la Ley de Inteligencia Artificial: la norma como marco de conformidad.
• Implementación de un registro de riesgos específico para IA.
• Funciones y responsabilidades: responsable de IA, comité de ética y auditores internos.
• Indicadores de riesgo y rendimiento: KPI de seguridad, equidad y robustez.

Ejercicios prácticos

• Elaboración de un registro de riesgos y plan de acción.

Metodología

Metodología de la formación Gestión de Proyectos de Inteligencia Artificial

• Formación teórico-práctica orientada a la planificación, gestión y gobernanza de proyectos de IA.
• Análisis de casos prácticos para definir alcance, recursos, costes, riesgos y criterios de éxito.
• Aplicación de marcos regulatorios y normativos como RGPD, Ley de IA e ISO/IEC 42001.
• Trabajo sobre escenarios reales vinculados a IA generativa, RAG, LLM, agentes autónomos y arquitecturas multiagente.
• Enfoque basado en riesgos para facilitar la toma de decisiones y la gestión responsable de proyectos de IA.

Evaluación de la formación Gestión de Proyectos de Inteligencia Artificial

• Evaluación continua mediante ejercicios prácticos y análisis de casos.
• Validación de la capacidad para definir el alcance, estimar recursos, identificar riesgos y establecer criterios de éxito en proyectos de IA.
• Aplicación de conceptos regulatorios, éticos y normativos a escenarios de inteligencia artificial en contexto empresarial.
• Elaboración de un registro de riesgos y plan de acción como parte del proceso de aprendizaje.

Bonificación Fundae

Esta formación es bonificable a través de FUNDAE para todas las empresas que cuenten con trabajadores en régimen general de la Seguridad Social y dispongan de crédito formativo. SKOLAE Formación gestiona todo el proceso administrativo necesario para que tu empresa pueda recuperar el importe invertido en la formación, siempre que se cumplan los requisitos legales y de comunicación establecidos por FUNDAE.

Formador

La formación es impartida por un profesional especializado en inteligencia artificial, gestión de proyectos tecnológicos, gobernanza de IA y cumplimiento normativo.

Cuenta con experiencia en la definición, planificación y acompañamiento de proyectos de IA en contextos empresariales, incluyendo el análisis de viabilidad, la estimación de recursos, la gestión de riesgos, la evaluación de impacto y la alineación con marcos regulatorios y normativos.

Su enfoque combina conocimiento técnico, visión estratégica y competencias pedagógicas para ayudar a los participantes a concebir y gestionar proyectos de inteligencia artificial de forma estructurada, segura, conforme a la regulación y orientada a la creación de valor para el negocio.

¿Te gustó esta formación? Suscríbete a nuestra Newsletter pinchando aquí. También te animamos a seguirnos en LinkedIn, Instagram y Facebook y así estarás al día de todas nuestras novedades.