MiniBook Avanzando en La IA
MiniBook Avanzando en La IA
MiniBook Avanzando en La IA
Avanzando en la
Inteligencia Artificial
Descripción
Programa de educación laboral diseñado para
mujeres venezolanas migrantes en Chile; orientado a
desarrollar habilidades en el uso responsable y
efectivo de herramientas y aplicaciones de IA
generativa, en el lugar de trabajo.
Las participantes aprenderán sobre la importancia de
la IA generativa, su contribución a las mejoras en la
productividad y la creatividad en las actividades
laborales, conocerán los software gratuitos
disponibles, mejorarán las habilidades para
estructurar los datos de entrada e interactuarán
efectivamente con los modelos de IA
Objetivos Contenido
Identificar y describir los conceptos y
aplicaciones fundamentales de los
productos de la IA generativa. Fundamentos de la Módulo
Inteligencia Artificial
Comprender cuándo y por qué es 1
apropiado utilizar productos de IA Módulo 2
Evaluación
generativa basados en LLM, en el lugar de
trabajo. Mejores Prácticas en el
uso de la IA Generativa
Demostrar habilidad para utilizar
eficazmente productos de IA generativa Evaluación Uso responsable de
para mejorar la productividad en el lugar
Módulo 3 la IA Generativa
de trabajo.
Analizar las limitaciones y riesgos de los Evaluación
Módulo 1
Introducción a la Inteligencia Artificial
Bienvenida Módulo 1
Introducción a la Inteligencia Artificial
Objetivos de aprendizaje
Hoja de ruta
1.1 Introducción a la
Inteligencia
Artificial
Clasificación
1.3 de los
Algoritmos
de
Inteligencia
Artificial
Redes Neuronales
Procesamiento de Lenguaje
Natural (NLP)
Sistemas expertos
Reconocimiento de patrones
Procesamiento de datos
Habilidades a desarrollar
Bienvenida!
Módulo 1
Introducción a la Inteligencia Artificial
INTELIGENCIA
INTELIGENCIA ARTIFICIAL - IA
IA DÉBIL O ESTRECHA
Se refiere a sistemas de IA que están diseñados para
tareas específicas y limitadas.
IA FUERTE O GENERAL
SÚPER IA
IA EN CORREOS
ELECTRÓNICOS
IA EN LA SALUD
Alan Turing
publica
“Computing Machinery
and Intelligence”
John McCarthy, Marvin
Minsky y Claude Shannon
Tras descifrar la máquina
enigma durante la Segunda 1950 idean la expresión
inteligencia artificial
Guerra Mundial y sentar las
bases de la informática Fue ideada la expresión «inteligencia
actual, Turing plantea si las
máquinas pueden pensar y
presenta el Test de Turing
1956 artificial» por John McCarthy, Marvin
Minsky y Claude Shannon en la
Conferencia de Dartmouth
1961
Marvin Minsky publica
“ Pasos hacia la inteligencia
Artificial”
1997
Deep Blue vs Garri Kaspárov
Un coche autónomo
2005
desarrollado por la
Universidad de
Stanford (EEUU) gana
La IA Watson de IBM ganar el
una competición de
vehivulos robot tras
conducir 212 kmde
2011 juego de preguntas Jeopardy.
La inteligencia artificial Watson de
desierto sin apoyo IBM consigue ganar el juego de
humano preguntas y respuestas “Jeopardy”
a los campeones humanos
Fundamentos 1101
1100
Teóricos
1950 -1960 1950
Test de Turing - Juego de la
Imitación
Sistemas y
Término de Inteligencia Artificial Reglas
1960 - 1970
1970
Invierno de la
Inteligencia
Artificial
1970 – 1980
Redes
Neuronales y
Aprendizaje
Automático
1990 1980 – 1990
Big Data y el
Aprendizaje
Profundo
2010 – Act..
Sistemas y programas con un
lenguaje natural y efectivo
2019 - GPT-2 - Open AI
2020 - GPT-3 - Open AI
https://www.linkedin.com/pulse/desde-sus-inicios-la-evoluci%C3%B3n-de-inteligencia-artificial/?originalSubdomain=es1970 – 1980
Módulo 1
Clasificación de Algoritmos de Inteligencia Artificial
Aprendizaje
Profundo
Planificación
Aprendizaje
Automático Robótica
Generación
de Texto
Respuesta a Visión
Preguntas Arificial
Procesamiento del
Extracción de Lenguaje Natural Reconocimiento
Texto de Imagenes
Clasificación
Reconocimiento
Traducción de Voz
Automática
Texto a Voz
Sistema Experto
Voz a Texto
Recopilación de datos
El algoritmo debe contar con un
conjunto de datos relevantes y
representativos para poder Pre Procesamiento de datos
aprender Los datos pueden presentar ruido,
errores o información irrelevante,
por lo que éstos se limpian, ajustan
Selección del Modelo
y normalizan para mejorar su
El algoritmo debe elegir uno o calidad.
varios modelos de aprendizaje
automático que se ajusten al tipo
de problema que se está Entrenamiento del Modelo
intentando resolver. El algoritmo utiliza los datos de
entrenamiento para ajustar y
mejorar el rendimiento del modelo
Validación del Modelo de aprendizaje automático
Datos de
Lanzar En el aprendizaje de máquinas un
Entrenamiento
computador observa datos, construye un
modelo basado en esos datos y utiliza
ese modelo a la vez como una hipótesis
Estudiar el Algoritmo de Modelo ML acerca del mundo y una pieza de
Aprendizaje Clasificación Evaluar
Problema Ejemplo
Automático Regresión software que puede resolver
Entrenar el problemas".Se dice que un agente
modelo
aprende. cuando su desempeño mejora
con la experiencia y mediante el uso de
datos, de forma autónoma.
Analizar Errores
Recompensa
Lucha
contra el Reconocimiento
Spam en de Imágenes
la web
Detección Reconocimiento
de Fraude de voz
online
Soporte Arendizaje
en linea a Automático
clientes en
Educación
Servicios Asistentes
en Medios personales
Sociales virtuales
Ventajas Desventajas
Amplia aplicación
Aprendizaje Profundo - Deep Learning - DL
IA Aprendizaje Automático ML
ML Aprendizaje Suppervisado
Aprendizaje
No Suppervisado
Aprendizaje Reforzado
Los sistemas de reconocimiento automático del El aprendizaje profundo ha sido clave para lograr
habla basados en aprendizaje profundo han avances en el reconocimiento y clasificación de
alcanzado niveles de precisión comparables a los objetos en imágenes y videos. Desde la detección
humanos. Esto ha permitido aplicaciones como de rostros hasta la segmentación de imágenes y la
asistentes virtuales, traducción automática de voz conducción autónoma, las redes neuronales
y transcripciones precisas ( configuración de profundas han demostrado su capacidad para
traductores inteligentes) . comprender y extraer información visual de manera
efectiva
Procesamiento del
Lenguaje Natural Modelado
del Audio
El aprendizaje profundo se ha utilizado para
mejorar la comprensión del lenguaje natural, lo que El aprendizaje profundo se ha utilizado para crear
ha llevado a mejoras en la traducción automática, modelos de audio que pueden separar y reconocer
la generación de texto y la respuesta a preguntas, diferentes fuentes de sonido en una grabación
Se ha usado en el desarrollo de lenguaje natural
para asistentes virtuales Reconocimiento
Facial
Tratamiento Avanzado
de Imágenes El aprendizaje profundo se ha utilizado para el
reconocimiento facial, lo que ha llevado a mejoras
El aprendizaje profundo se ha utilizado para en la seguridad y la identificación de personas
mejorar la calidad de las imágenes, reducir el ruido
y mejorar la resolución Conducción
Autónoma
Generación de
contenido
Los vehículos autónomos utilizan algoritmos de
El aprendizaje profundo se utiliza para generar aprendizaje profundo para reconocer y responder a
contenido como imágenes, música y texto de diferentes situaciones en la carretera, como
manera automatizada, como en la creación de arte detección de peatones, señales de tráfico y
generativo o la redacción automática de noticias. obstáculos.
Redes Neuronales
Una red neuronal es un modelo computacional que emula el modo en que el cerebro
humano procesa la información y aprende. Un número elevado de unidades de
procesamiento interconectadas, que parecen versiones abstractas de neuronas,
funcionan en simultáneo.
Cada neurona está conectada con otras a través de enlaces. En los enlaces el valor
de salida de la neurona anterior es multiplicado por un valor de peso. los sistemas
aprenden y se forman a sí mismos, en lugar de ser programados.
Conjuntos de entrada
Pesos sinápticos
Función de activación o transferencia
Sesgo o error
Autoencoders AE
Son redes neuronales diseñadas para codificar
entradas en representaciones más compactas. Son
fundamentales en tareas de reducción de
dimensionalidad y denoising. Sin embargo, pueden
fallar con datos extremadamente ruidosos o al
capturar la variabilidad en datos muy diversos
Extracción
Extración de las de la Entidad
Relaciones
PLN
Tareas casi Resueltas Tareas que demuestran un Tareas de PLN cuyo grado de
Completamente por PLN rápido y satisfactorio avance en madurez es todavía limitado
PLN
Adquisición y Reconocimiento e
Escenario a Digitalización Procesamiento Obtención de Interpretación de
analizar Previo Características Aplicación
Información
Clasificación de
Detección de
Imagenes
Objetos
Clasifica una imagen dada, como
perteneciente a una de un conjunto de La detección de objetos la
categorías predefinidas. Asigna una imagen puede contener muchos
etiqueta a una imagen completa objetos que se localizan y y
basada en su contenido. clasifican dentro de una imagen.
Ejemplo, para clasificar fotos o
imágenes en post de redes sociales.
Seguimiento de
Identificación Objetos de Videos
de Objetos
Seguir el rastro de los objetos
El objetivo es encontrar instancias de un
de un fotograma a otro
objeto en imágenes. Determinar si el objeto
aparece o no en una imagen y si aparece,
especificar el lugar o los lugares donde
aparece
Reconocimiento Segmentación de
Facial imágenes
Pueden identificar y validar la Es capaz de dividir una imagen en
identidad de una persona a partir de partes o regiones para su análisis.
su rostro. Utilizado en aplicaciones médicas
para segmentar imágenes de
resonancia magnética.
Organización de Salud
contenidos
Procesamiento de imagenes, rayos
Google Apple Resonancia Magnetica,
Fotos Fotos mamografía, entre otros
Motores de Agricultura
Búsqueda Visual
Visión
por Computadora Sistemas para vigilar las cosechas y
Resolver problemas
Google Imagenes motor de busqueda visual
Reconocimiento Automoviles
Facial Autoconductores
Permite a los coches dar sentido a
su entorno
identifica a las personas en las fotos
Realidad
Aumentada
Es la acumulación, transferencia y
Usuario Experto transformación de la experiencia para
Ing . Conocimnto
Sub Sistema de
resolver
Interfaz de Generador de Adquisición de problemas de una fuente de conocimiento
Usuario Explicaciones Conocimientos a un programa de computadora para
construir o expandir la base de
conocimiento
Motor de Interferencia
Base de Conocimientos
Base de Conocimiento
Memoria de Contiene el conocimiento necesario para
trabajo Reglas Marcos comprender, formular y resolver
problemas
Hechos Control
Base de hechos
Diagnóstico Médico
Analizan síntomas y ofrecen posibles diagnósticos
Detección de Fraudes
Identifican transacciones sospechosas en el sector financiero.
Es una disciplina encargada de identificar figuras, reconocer formas o leer patrones, con la
finalidad de recopilar información sobre el objeto que se está estudiando y asignarlo a un
grupo o clase.
Modelos de Modelos de
Dispositivos Pre Reducción de Aprendizaje Prueba
de Medición Procesamiento Dimensionalidad
U=V/ [V]
Aprendizaje
Sensores Filtrado de Ruido Selección de las Supervisado Validación
Mundo real Extracción de características Cruzada
Aprendizaje No
Camaras Caraterísticas Supervisado
Bases de Datos Proyección de las Aprendizaje Bootstrap
Normalización características Semi Supervisado
Adquisición de datos
El responsable de este proceso es un dispositivo llamado
sensor. Funciona transformando magnitudes físicas o
químicas en magnitudes eléctricas. Las variables
captadas pueden ser: color, temperatura, intensidad
lumínica, inclinación, velocidad, fuerza, entre otros.
Selección de Atributos
Es la selección adecuada de atributos para describir a
los objetos
Clasificación de Objetos
Los objetos se clasifican de acuerdo a los atributos
que presentan, asignándolos en un grupo u otro, en
este proceso se
Aplicaciones delutilizan tecnologías de aprendizaje
Reconocimiento de Patrones
automático.
Data
Cruda
Pre Aplicación de Modelo
Procesamiento Data Algoritmos de Modelo
Preparada Seleccionado a
de Datos Aprendizaje Candidato
a la Data Implantar
Data
Cruda
Aplicaciones
Algoritmos de
Módulos de Pre
Procesamiento Aprendizaje
de Datos Automáticos
Limpieza de Datos
Eliminación de valores faltantes:
Si los valores faltantes son pocos, se pueden eliminar sin afectar
significativamente la calidad del conjunto de datos. Si son muchos, es
posible imputarlos utilizando técnicas de imputación apropiadas.
Consistencia de datos
Garantizar que los datos sean coherentes en términos de formato y
unidades
Transformación de datos
Estandarización
Escalar las características para que tengan una media de 0 y una
desviación estándar de 1.
Normalización:
Escalar los datos para que estén en una escala común, lo que es
importante para algoritmos sensibles a la escala, como el análisis de
componentes principales (PCA) o las redes neuronales. Ejemplo:[0, 1].
Codificación one-hot:
Convertir variables categóricas en vectores binarios.
Selección de Características
Pruebas estadísticas
Evalúan la relación entre cada característica y la variable objetivo
Reducción de la dimensionalidad
Análisis de componentes principales (PCA)
Transforma las características originales en un nuevo conjunto de
características (componentes principales) que son ortogonales y
capturan la mayor varianza en los datos.
Selección de características
También puede verse como una forma de reducción de
dimensionalidad. Elimina características irrelevantes o redundantes
.
Técnicas de proyección
Proyectan los datos de alta dimensión en un espacio de menor
dimensión, como LLE (Embedding local lineal) o t-SNE (t-distributed
stochastic neighbor embedding)
Módulo 1
Pre Procesamiento y
Procesamiento de Datos
Análisis de Datos
Mineria de datos
Visualización de Datos
La transformación de datos es
necesaria para preparar los datos para
La selección de características y la el análisis y el modelado.
reducción de la dimensionalidad
simplifican los modelos y mejoran su
eficiencia.
La elección de las técnicas de
preprocesamiento depende del conjunto
de datos y el problema específico. Hay 4.
técnicas: Estandarización, Normalización,
El procesamiento de datos es una Codificación de las categorías y manejo
parte esencial del flujo de trabajo de de valores faltantes.
Data Science.
Industria Financiera
Servicio Médicos
Legal
Transporte y Logística
Educación
Tendencias en el desarrollo de la IA
Gemelos Digitales
Centro de Datos enfoque Cloud Los gemelos digitales se popularizarán y se
Avance en estrategias de nube por industria, utilizarán para simular y mejorar procesos,
con servicios y capacidades ajustadas a las productos y servicios en diversos sectores,
necesidades por sector. como la industria, la salud, la educación, entre
En 2027 estas iniciativas podrían ser otros
elegidas por más del 70% de las empresas
Aumenta la demanda de rendimiento a los
centros de data Computación Cuantica
Reducir el consumo de energía y de agua ·La computación cuántica puede ser un aliado
será uno de los objetivos de la para garantizar que los centros de datos
infraestructura de desarrollo de Nube Verde soporten a la nueva tecnología.
Mejoras en escalabilidad para seguir siendo
rentables. Modelos de Lenguaje de Gran Escala
Los modelos GPT (Generative Pre-trained
Transformer) han revolucionado la forma en
Tecnología Portátil - Wearables que interactuamos con la tecnología,
El mercado crecerá un 137 % en 2024. mejorando las capacidades de comprensión y
generación de texto de manera significativa.
Usados en el ámbito del fitness, la salud o el Estos continúan evolucionando, con mayor
rendimiento atlético y/o actividades diarias. precisión y capacidad
El Ai Pin, diseñado para llevarlo en la ropa, se
puede tocar para hablar con un asistente Avances en integración de IA
virtual. Utiliza un sistema de proyección láser con la Realidad Aumentada (AR)
para mostrar texto e imágenes y Realidad Virtual (VR)
monocromáticas en la mano del usuario Oportunidades innovadoras en: entrenamiento
Nuevos wearables de Apple se integrarán a y capacitación, comercio electrónico,
su ecosistema, junto a XR. Apple Vision colaboración remota y entretenimiento.
Statista anticipó que en 2024 el número de
usuarios de dispositivos móviles de realidad
aumentada (AR) ascenderá a 1.700 millones en
todo el mundo
Tendencias IA en el Empleo
Incremento en la formación de
profesionales No Matemáticos
Inversión en IA
La mayoría de las empresas aumentará su inversión en IA en 2024
Según Salesforce Research, el 45% de los ejecutivos ya están aumentando las
inversiones en IA
Las compañías invertiran en aquellas vías de negocio que les permitan ser
más competitivas y diferenciarse en un mercado: el procesamiento de
lenguaje natural, la detección y predicción de amenazas, la automatización y
optimización de procesos y la captación y fidelización de talento
Inversión en IA Generativa
Casi un tercio de las grandes empresas gastará más de 10 millones de
euros solo en IA generativa este año
Uso de la IA en Pymes
Las pymes comenzarán a fijarse en el potencial de estas tecnologías,
sobre todo en tareas de atención al cliente marketing, utilizando IA
Generativa,
Módulo 2
Mejores prácticas en el uso de
la Inteligencia Artificial Generativa
IAG
Bienvenida Módulo 2
Mejores prácticas en el uso
de la IA Generativa
Objetivos de aprendizaje
Hoja de ruta
2.1
¿Qué es la IA generativa?
2.3 OpenAI y
ChatGPT
2.4
Dominando ChatGPT:
Estrategias Efectivas para
Comunicar Instrucciones
2.5 capacidades
Explorando las
de ChatGPT
2.6 Limitaciones de
los LLM y
de ChatGPT
Bienvenida Módulo 2
Mejores prácticas en el uso
de la IA Generativa
Resumen
Redes Antagónicas
Inteligencia Artificial Generativas GAN-
Generativa IAG Generative Adversarial
Networks
Modelos Transformadores
Generativos Codificadores automáticos
Pre entrenados - GPT variacionales (VAE)
Habilidades a desarrollar
¿Qué es la IA generativa?
Traducción de voz
Producción de Clonación de Voz en tiempo real
Audio discurso a partir
de texto. Producción de Conversación de
música en cualquier voz con instrumento
estilo musical
Discriminador
Variable aleatoria latente
Falso
Generador Muestra
falsa
Beneficios de la IA generativa
Imitación de la inteligencia Los modelos de IAG pueden comprender y generar texto similar
al humano, valioso en tareas como: análisis de sentimientos,
humana en tareas informáticas
chatbots y asistentes virtuales. Pueden atender consultas de los
clientes y brindar soporte las 24 horas del día, 7 días de la
semana, mejorando el servicio al cliente.
Los modelos de IA generativa pueden tardar mucho tiempo en entrenarse.
Generación, interpretación y La IAG puede generar una gran cantidad de datos para ser
usados en estudios e investigaciones. Puede procesar y analizar
aplicación de datos grandes volúmenes de datos para extraer información valiosa,
ayudando a las empresas en la toma de decisiones, identificar
tendencias y predecir resultados futuros de manera más
efectiva.
Desafíos de la IA generativa
Ética y responsabilidad
La generación automática de contenido plantea cuestiones éticas,
como la posibilidad de difusión de información falsa o el uso
inapropiado de la tecnología, por lo que es importante establecer
normativas y regulaciones.
Sesgo y Equidad
Si los datos de entrenamiento contienen sesgos o limitaciones,
estos sesgos pueden verse reflejados en las salidas. Las
organizaciones deben trabajar en mitigar estos riesgos,
garantizando la calidad de la data en sus modelos.
Recursos informáticos
Entrenar y ejecutar modelos de AI generativa requiere una cantidad
importante de recursos informáticos (poderosos hardware y gran
capacidad de memoria). Esto aumenta los costos, consumo de
energía y limita la accesibilidad y la escalabilidad de las aplicaciones.
Requisitos de datos
La recopilación y el uso de datos para entrenar modelos de IAG,
plantear riesgos de privacidad y requiere de una gran cantidad de
datos, cuyo almacenamiento, puede resultar costoso y requerir
mucho tiempo.
Falta de interpretabilidad
Los modelos de AI generativa suelen funcionar como "cajas negras",
lo que impacta la comprensión de su proceso de toma de decisiones.
Esto puede dificultar la confianza y la adopción de límites en
aplicaciones esenciales.
Desinformación y manipulación
La IAG se puede utilizar para crear contenido falso realista, como
texto, imágenes y vídeos, que se pueden utilizar para campañas de
desinformación o fraude
Módulo 2
Aplicaciones populares de la
Inteligencia Artificial Generativa - IAG
Jasper.AI
https://www.jasper.ai
Dall-E
Dall-E es una herramienta de IA, creada por
OpenAI, que genera imágenes a partir de
descripciones de texto. Está basado en GPT-3 y
es capaz de combinar conceptos, estilos y
atributos para una imagen y "manipular y
reorganizar" objetos en una imagen.
Crea desde imágenes fotorrealistas hasta
pinturas y emoji, ofreciendo una amplia gama de
opciones creativas para artistas, diseñadores, y
profesionales del marketing, arte y diseño.
Versiones: Dall-E 3 y Dall-E 2
https://openai.com/dall-e-2
https://openai.com/research/dall-e
Artbreeder
Es una herramienta de IA que permite a los
usuarios fusionar imágenes, combinándolas y
dejando que la IA produzca una nueva imagen
basada en las entradas. Puede mezclar retratos,
paisajes, animales, pinturas y más.
DeepArt Effects
DeepArt es una plataforma que permite a los
usuarios transformar fotos en obras de arte.
Utiliza modelos de redes neuronales para
analizar e interpretar el estilo de una obra de
arte y luego lo transfiere y aplica a cualquier
foto.
Adobe Firefly
Leonardo.AI
Midjourney
Es un sistema de IA avanzado diseñado para crear
imágenes a partir de descripciones textuales,
similar a Dall-E y al Stable Diffusion de código
abierto.
Utiliza algoritmos de aprendizaje profundo, para
interpretar y transformar palabras en imágenes
detalladas y creativas.
Los usuarios pueden generar obras de arte, dando
órdenes a un bot alojado en la plataforma Discord,
ya sea enviando mensajes directos o invitando a
dicho bot a un servidor de terceros.
https://www.app-midjourney.com
https://www.midjourney.com/home
https://docs.midjourney.com
Fotor
Fotor es un editor multiplataforma y diseñador
fotográfico. Incluye herramientas como el editor de
fotos, creador de diseños y collage de fotos,
filtros, efectos, herramientas de retoque facial,
mejora automática, texto y súperposiciones,
compatibilidad y almacenamiento en la nube, entre
otros.
https://www.fotor.com/es/
NightCafe Creator
Es una plataforma de arte en línea, que utiliza
varios algoritmos de aprendizaje automático, para
generar obras únicas con creatividad ilimitada.
Craiyon
Craiyon es un modelo de IA que genera
imágenes a través de texto.
RunwayML
RunwayML es una herramienta de diseño de IA con
funcionalidades de texto a voz, imagen, textura 3D
y corrección de color, así como transcripción de
imagen a imagen y de voz a texto. Utiliza
algoritmos de aprendizaje automático.
Phenaki
Phenaki es un modelo de IA que tiene la
capacidad de generar videos a partir de texto.
Puede generar videos de varios minutos de
duración, a partir de palabras, imagen estática o
descripción.
Utiliza un codificador-decodificador de vídeo que
supera a todas las líneas de base por fotograma
utilizadas en la literatura, en términos de calidad
espacio-temporal y número de tokens por vídeo.
Utiliza un transformador bidireccional
enmascarado condicionado a tokens de texto
precalculados. Los tokens de vídeo generados se
destokenizan posteriormente para crear el vídeo
real.
https://phenaki.video
Soundify
Soundify es un sistema de IA diseñado para ayudar
a los editores de video, en el proceso de post
producción de sonido.
Se basa en el aprendizaje automático, utiliza una
combinación de clasificación de imágenes y redes
neuronales; para clasificar y seleccionar efectos de
sonido para un video.
Trabaja en automatizar el proceso de coincidencia
y mezcla de efectos de sonido con el video, para
que los editores puedan centrarse en la creatividad
y la narración visual.
https://soundify.io
Fllki
Fliki es una plataforma en línea que ofrece
herramientas de generación de video
automatizadas para crear videos de alta calidad
en minutos, sin necesidad de habilidades técnicas
o conocimientos de producción de video.
Utiliza tecnología de inteligencia artificial y
aprendizaje automático para analizar texto y
convertirlo en video de forma automática
Puede ayudar a generar videos de diversos tipos,
como presentaciones de negocios, videos de
redes sociales, videos educativos, anuncios
publicitarios y más
https://fliki.ai
Genmo AI
Genmo es una eficiente herramienta impulsada
por la IA, que transforma el texto en videos
cautivadores.
Utiliza el procesamiento de lenguaje natural,
NLP, reconocimiento de imágenes y algoritmos
de aprendizaje automático para producir videos
a partir de texto.
MuseNet
MuseNet es un generador de música de IA de
varios géneros y estilos, lanzado por OpenAI.
Suno.AI
Suno es un sistema de IA capaz de crear
canciones a partir de un comando de texto,
describiendo el tipo de canción que quieres y
definiendo un título.
Mubert
Mubert es una plataforma que utiliza la IA para
crear música eletrónica original y personalizada,
para diferentes propósitos.
Amper Music AI
Amper Music es una aplicación de IA para crear
música, especial para productores musicales,
vendedores, empresas y podcasters.
https://ampermusic.zendesk.com/hc/en-us
Módulo 2
Aplicaciones populares de la
Inteligencia Artificial Generativa - IAG
Grammarly
Boomerang
(Gmail) Gestión correo
Electrónico Make
Sheet AI
Google Search Productividad
Bing IA
Perplexity AI
Buscadores
AI Findy Inteligentes ChatPDF
Angolia Tutor AI
Educación Taskade
Asistida IA
AdCreative
Hootsuite
HubSpot Marketing
Inteligente Buffer
Hootsuite
Gestión de
Moz Redes Sociales
Ahrefs
Optimización
de SEO WiziShop
E-Commerce
Inteligente
DeepMotion
3DFY
LeiaPix Converter Diseño
ZoeDepth en 3D Jasper
Rytr
Escritura CopyMatic
Asistida por IA
Trade UI
Finalle Gestión
Financiera
Inteligente
Gymgenie
HappyMama
Salud
IA
Módulo 2
OpenAI y ChatGPT
¿Quién es OpenAI?
Historia de OpenAI
GPT -1,Dactyl
2018 OpenAI Chapter
Desarrollo inicial del modelo Generative Pre-
Training Transformer (GPT).
Se presenta Dactyl, un brazo robótico.
Se crea OpenAI Charter, los principios que rigen
OpenAI Híbrida 2019 la compañía
Se trabaja en un documento en colaboración con
GPT-2 otras entidades sobre las amenazas de la
inteligencia artificial
Historia de ChatGPT
GPT-1 GPT-1, o «Generative Pre-trained Transformer 1», fue lanzado por OpenAI,
en junio de 2018.
GPT es un modelo de lenguaje grande (LLM) que utiliza la arquitectura de
Transformers.
2018 Modelo diseñado para generar texto natural en una variedad de tareas,
como la generación de texto automático, la traducción automática y la
11 jun
respuesta a preguntas.
API GPT-3
Codex En 2021, OpenAi lanza Codex, es un modelo de lenguaje entrenado
específicamente en código de programación,con 6 mil millones de
parámetros y 800 millones de líneas de código en su arsenal
Codex impulsa a GitHub Copilot, la innovadora herramienta de
2021 completado de código de programación con inteligencia artificial.
El 18 de nov. 2021, fue publicada la API de GPT-3
30 nov
Evolución de ChatGPT
Modelo Modelo transformer Aprendizaje Modelo con capacidad Modelo de Modelo de Modelo de lenguaje más
Pre entrenamiento multitarea no de aprendizaje con lenguaje aprendizaje profundo avanzado hasta la fecha,
generativo. supervisado pocas muestras. entrenado en por refuerzo, con capacidad multimodal,
código de retro alimen-tación puede tomar texto o
Parametros 117 MM 1.5 billones. 175 billones. programación. humana. imagénes como entrada y
6 billones de Combinación de tres generar texto.
Datos de Entrenamiento 8 MM de páginas 40 GB de texto web : 570 GB de texto: parámetros y modelos: code- 170 trillones ( estimado)
web: Common Crawl, Common Crawl, Common Crawl, 800 millones de davinci-002, text-
BookCorpus y texto
BookCorpus. BookCorpus, Wikipedia, líneas de código davinci-002 y text-
web.
Libros, Artículos y más. en su arsenal davinci-003 y 1.3
Longitud de secuencia máxima 1024 2048 billones, 6 billones y
4096 175 billones de
Arquitectura del decodificador 12 capas 96 capas. Las parámetros. Capacidades mejoradas
48 capas.
del transformador variaciones incluyen de razonamiento y mayor
Logró resultados Davinci, Babbage, Curie y Versión mejorada de precisión en la resolución
Resultados para tareas de GPT-2 fue capaz Ada GPT-3, que ha de problemas complejos.
modelado como de completar Revolucionó la forma en llegado a ser Ofrece un plan de
LAMBADA y tareas de que interactuamos con ampliamente suscripción
demostró comprensión de la IA y estableció las utilizada por
rendimiento lectura y de bases para la creación usuarios diarios en
competitivo para traducción de de ChatGPT. Codex impulsa a diversas tareas y
tareas como GLUE y idiomas. GitHub Copilot. contextos.
SQuAD.
Se desconocen los
Otros Genera texto detalles sobre la
coherente, a menudo cantidad de datos
carece de contexto y utilizados para
puede producir entrenar el modelo
resultados
incoherentes y sin
sentido
Para usar ChatGPT, debes tener al menos 18 años y una cuenta OpenAI.
1
Crea una cuenta en OpenAI
Visita el sitio web de OpenAI.
https://openai.com/
2
dejen entrar
Al concluir podrás visualizar la ventana del
chat
Revisar configuración y
condiciones de uso
Recibirás algunos mensajes de
condiciones de uso, capacidades y
limitaciones. Estos incluyen un aviso de
que pueden revisar tu interacción con
ChatGPT para evaluar el rendimiento del
sistema.
Proceso Logros/Metas
Crear instrucciones explicitas
para guiar al modelo de IA
1 2 3
Prompt
¿Cómo pueden ser domesticados los perros?
Pre- Processing
Tokenización: El mensaje se divide en palabras individuales: tokens
Codificación: Se les asignan valores numéricos a los tokens
Incrustación
Asignación de los tokens de mensajes a sus incrustaciones correspondientes
Ventana contextual
El modelo busca en sus datos de entrenamiento información contextual, como
artículos sobre perros o imágenes de perros en casa o con la familia.
Inferencia
El modelo pasa por una serie de pasos de inferencias, calculando probabilidades
para varios tokens candidatos y seleccionando las opciones más probables en
función del contexto
Generación
Los tokens seleccionados se reformatean como texto legible por humanos,
utilizando las guías de estilo que el usuario ha esbozado
Salida/ Respuesta
La domesticación de los perros es un proceso que ha evolucionado durante miles de
años. Aquí te dejo algunos puntos clave sobre cómo se pueden domesticar los perros:
Origen de la domesticación, beneficio mutuo, adaptación a la dieta humana,
entrenamiento y socialización, entre otros.Es importante recordar que cada perro es un
individuo y puede requerir diferentes enfoques de entrenamiento y socialización. La
paciencia, la consistencia y el refuerzo positivo son fundamentales en este proceso.
Módulo 2
Dominando ChatGPT: Estrategias Efectivas
para Comunicar Instrucciones
Conceptos Token
Unidad básica de procesamiento NLP, que puede ser una
palabra, un fragmento de palabra o un símbolo
claves
Priming
Contexto adicional e instrucciones para mejorar
Facilitación los resultados
Elementos
Es la orden que la herramienta de IA
Deben seguir una secuencia lógica
necesita para generar la salida.
que facilite al modelo entender y
Es la tarea que queremos que el
procesar la solicitud
Básicos modelo lleve a cabo.
Creatividad
Adaptabilidad
Ser creativo con los prompts puede
llevar a respuestas más interesantes Un prompt eficaz debe ser capaz
o inesperadas de adaptarse a diferentes
situaciones y requerimientos.
Receta de instrucciones
Instrucción
Prompt
Rol
Tarea
Instrucción
Contexto
Entrada
AI Generativa
Indicación
Bibliotecas de instrucciones
Técnicas de
ingeniería rápida
Estrategias de openAI en la
generación de prompt
de OpenAI
Proporcionar resúmenes
Análisis de sentimientos
Traducción de lenguajes
Responder preguntas
Resumen de textos
Generación de códigos
Respuestas en chatbot
Clasificación de documentación
Captura de Imágenes
Reconocimiento de la entidad nombrada
Módulo 2
Limitaciones de los LLM y ChatGPT
Limitaciones de ChatGPT
Respuestas incorrectas
1 A veces escribe respuestas que suenan plausibles pero incorrectas o sin
sentido. Solucionar este problema es un desafío
Durante el entrenamiento de RL (Reinforcement Learning from Human
Feedback (RLHF)), actualmente no hay una fuente de verdad.
Entrenar al modelo para que sea más cauteloso, hace que rechace
preguntas que puede responder correctamente.
El entrenamiento supervisado induce a error al modelo porque la
respuesta ideal depende de lo que el modelo sabe, en lugar de lo que sabe
el demostrador humano.
4 Sesgo de Datos
El modelo suele ser excesivamente detallado y abusa de ciertas frases. Estos
problemas surgen de sesgos en los datos de entrenamiento (los formadores
prefieren respuestas más largas que parezcan más completas) y de problemas
conocidos de sobreoptimización.
2 Aprendizaje autónomo
Está diseñado para aprender automáticamente del lenguaje natural que
encuentra en línea. Aprende y mejora continuamente mediante actualizaciones de
datos y retroalimentación de los usuarios.
7 Adaptabilidad
Es altamente adaptable y puede ajustarse para satisfacer las necesidades
específicas de un usuario o empresa
8 Desarrollo de código
Es capaz de desarrollar código en varios lenguajes de programación. Puede
generar fragmentos de código, código de ejemplo y código de programación
real copiable y pegable en lenguaje de programación natural. Esto lo hace
idóneo para tareas de desarrollo de aplicaciones, como crear apps o depurar
las existentes
Módulo 2
Explorando la capacidades de ChatGPT
Módulo 3
Uso Responsable de la
Inteligencia Artificial Generativa - IAG
Bienvenida Módulo 3
Uso responsable de la IA generativa
Objetivos de aprendizaje
Hoja de ruta
3.1
Ética y responsabilidad en
la generación de contenido
automatizado
Tendencias en las
3.2 regulaciones y normativas
del uso de la IA generativa
3.3 Seguridad
en la IA
3.4
El sesgo en el
entrenamiento de la IA
3.6
Estrategias para la
mitigación de riesgos
en la generación de
contenido mediante IA
Bienvenida Módulo 3
Uso responsable de la IA generativa
Resumen
Regulaciones y normativas
Ética y responsabilidad
del uso de la IA generativa
Mitigación de riesgos en
la generación de Sesgo
contenido mediante IA
Habilidades a desarrollar
En la generación de contenido
PrivacidadModelado
y Se deben detomar precaucionesAutomático
Aprendizaje para proteger la privacidad de
seguridad de los datos, ofrecer oportunidades de reparación y proporcionar
opciones para que las personas puedan gestionar cómo se
los datos utilizan sus datos, para evitar que se divulguen datos sensibles
.
Auditorías y Estándares y
pruebas éticas marcos éticos
Educación y
formación en
ética de la IA
Es importante capacitar a los
desarrolladores, profesionales y
usuarios de la IA en los aspectos
éticos y responsables de su
aplicación.
La educación en ética de la IA
fomenta la conciencia y el
conocimiento sobre los desafíos
éticos y ayuda a desarrollar
habilidades para abordarlos de
manera efectiva.
Módulo 3
Tendencias en las regulaciones y normativas
del uso de la IA generativa
2020
01-02/10/20 El Consejo Europeo debate sobre la
inteligencia artificial
Comprende los usos que presentan un riesgo inaceptable para la seguridad, los
medios de vida y los derechos y libertades de los ciudadanos.
Están prohibidos a menos que estén autorizados por la ley con fines de seguridad
nacional e incluyen los sistemas de IA de puntuación social (identificación
biométrica), la manipulación del comportamiento humano que causa daño y la
Riesgo vigilancia masiva.
inaceptable
Prohibido
Se someten a una evaluación de conformidad antes de que puedan desplegarse
en el mercado.
La evaluación examina la calidad de los conjuntos de datos para minimizar los
Alto riesgo riesgos y los resultados discriminatorios, la documentación y el mantenimiento de
registros para la trazabilidad, la transparencia e información proporcionada a los
Evaluación de Conformidad usuarios, la supervisión humana, la solidez, la precisión y las disposiciones de
ciberseguridad.
Riesgo limitado Está compuesto por los usos de riesgo limitado y sólo tendrá obligaciones
Obligación de Transparencia de transparencia. Por ejemplo, en el caso de los “chatbots” basados en IA,
los usuarios deben ser conscientes de que están interactuando con una
máquina.
Regulaciones en EEUU
Regulaciones en EEUU
Regulaciones en Chile
Proyecto de Ley de IA
Existe un proyecto de ley de IA en Chile que busca establecer
regulaciones para el desarrollo y uso de sistemas de IA. La ley
propone categorizar sistemas en base a su riesgo, con requisitos
específicos para sistemas de alto riesgo
Módulo 3
Seguridad en la IA
Áreas de la seguridad de la IA
Seguridad
Regulación y Normativas Detección de Sesgos
IA Es importante identificar y abordar
La implementación de regulaciones y los sesgos presentes en los
normativas específicas para la conjuntos de datos utilizados para
seguridad en la IA es necesaria. entrenar modelos de IA.
Diversos países y organizaciones Los sesgos pueden llevar a
están trabajando en desarrollar decisiones discriminatorias y
marcos legales para abordar estos representan un riesgo para la
temas equidad y la justicia
Riesgos de Seguridad de la IA
Riesgos de seguridad
de los datos
Complejidad de la
cadena de
suministro de la IA
Reutilización de
código externo de
Inteligencia Artificial
Riesgos de Manipulación de
Deep fakes Voces
Seguridad Uso de IA generativa información
de la IA maliciosa en la
generación de contenido Imágenes Videos Caras
Ciberataques con IA y
optimización de las Uso de IA generativa
capacidades de los a través de técnicas
de ingeniería social Phishing Smishing Spear-phishing
delincuentes
Uso de la IA para ataques
a vulnerabilidades de los
sistemas Corporativos
Evasión de los Adaptación a
Optimizar la mecanismos de entornos Propagación
detección cambiantes
eficiencia y eficacia
del malware Persistencia en
los sistemas
atacados
Metodología para abordar los riesgos de seguridad de la IA, de la fundación Open Web
Application Security Project (Proyecto de Seguridad en Aplicaciones Web Abiertas)
Actores que
amenazan el
sistema social y
económico Ciberdelincuentes
Actores gubernamentales y grupos Cibercriminales
esponsorizados por los estados Su objetivo es lucrarse. Pueden usar los
Sus objetivos pueden ir desde atacar sistemas como herramientas para realizar
sectores e infraestructuras críticas de un ataques o atacarlos directamente
país, hasta desestabilizar su sistema
democrático Script kiddies
Se sirven de herramientas de ataque
Ciberterroristas paquetizadas y scripts pre-escritos para
Buscan causar un daño directo en la vida de poder atacar a sistemas corporativos,ya que
las personas, llegando a provocar muertes, carecen de conocimientos para ataques
por ejemplo, a través de sabotajes a complejos
infraestructuras cruciales o sectores tan
sensibles como el de la salud.
Establecer estrategias y marcos Garantizar la encriptación adecuada de Diseñar modelos de IA que sean
regulatorios para gestionar los datos sensibles utilizados por los interpretables y transparentes, de modo
riesgos de ciberseguridad y modelos de IA para prevenir accesos no que las decisiones tomadas por los
privacidad de los sistemas de IA, en autorizados. modelos sean comprensibles.
todas las fases del ciclo de vida de Prohibir compartir información sensible Asegurarse que los tomadores de
la IA: diseño, desarrollo, despliegue, o privada con plataformas de IA públicas decisiones comprendan cómo funciona
o soluciones de terceros fuera del la IA.
evaluación y uso. control de la empresa. Cualquier información generada por una
La seguridad en el desarrollo incluye No cruzar los flujos de información, ni plataforma de IA debe ser validada o
la selección segura de algoritmos y mezclar datos de dferentes fuentes, sin verificada para confirmar que es
la validación de datos. las debidas precauciones. verdadera y precisa.
Realizar auditorías y/o controles de
seguridad periódicas, para evaluar la
robustez de los sistemas de IA
04 Pruebas Rigurosas
05 Control de Acceso
06 Monitoreo Continuo
Someter los modelos de IA a Gestionar y limitar el acceso a los Establecer sistemas de monitoreo
pruebas rigurosas para identificar y sistemas de IA, asegurando que continuo automatizados, para
corregir posibles vulnerabilidades y solo personas autorizadas tengan la detectar posibles amenazas o
sesgos. capacidad de interactuar o comportamientos anómalos en
modificar los modelos. tiempo real
Es importante tener un sistema de Las empresas deben adoptar y
documentación riguroso y adaptar una postura de confianza Actualización continua de
estandarizado para los sistemas de cero hacia la IA. Esto significa que protocolos, en función de las
IA, que incluya, ¿qué datos utiliza el no se debe confiar en ningún mejores prácticas y adaptación de
modelo?, ¿cuáles son los sistema o usuario sin verificar medidas de acuerdo a las
parámetros y pesos del modelo?, primero necesidades.
¿cómo se entrenan y prueban los
modelos y qué resultados
producen?
07 Desarrollo Ético
08 Colaboración
Comunidad
con la
09 Educación
Definición de sesgo
Sesgo en el entrenamiento de la IA
Sesgos en el entrenamiento de la IA
Sesgo de selección o Ocurre cuando los datos utilizados para entrenar el modelo no son
muestreo de datos representativos de la población general; es decir los datos no
representan con precisión el entorno en el que se espera que se
encuentre el programa, lo que puede llevar a predicciones
incorrectas en situaciones diversas.
Sesgos de supervisión Este sesgo ocurre cuando las etiquetas o las decisiones de los
supervisores humanos introducen prejuicios en el conjunto de
entrenamiento
Beneficios de la IA generativa
Generación, interpretación y La IAG puede generar una gran cantidad de datos para ser
aplicación de datos usados en estudios e investigaciones. Puede procesar y
analizar grandes volúmenes de datos para extraer
información valiosa, ayudando a las empresas en la toma
de decisiones, identificar tendencias y predecir resultados
futuros de manera más efectiva.
Riesgos de la IA generativa
Uso indebido de la
Sesgo y discriminación tecnología
Derechos de autor y
Violación de la privacidad
propiedad intelectual
Riesgos
Riesgos de Seguridad de la IAG Modelo cajas negras
Amenazas cibernéticas
Impacto social y
medioambiental
Módulo 3
Desafíos y Riesgos en la
inteligencia artificial generativa
Riesgos de la IA generativa
Sesgo y discriminación
Los modelos de IAG pueden reproducir o incluso
amplificar los sesgos, pueden mostrar prejuicios
respecto de las personas, mayormente a raíz del
sesgo en sus datos. En este caso, el riesgo puede ser
más alto, dado que también puede generar
Riesgos de seguridad
información errónea y contenido ofensivo o abusivo
en su nombre.
Amenazas cibernéticas
Los sistemas de IAG pueden ser vulnerables a
ataques. Ejemplos:
Violación de la privacidad Un atacante podría tratar de manipular el
La capacidad de la IAG para relacionar información en conjunto de datos de entrenamiento para hacer
grandes conjuntos de datos (y generar nuevos datos que el sistema de IAG produzca resultados
según sea necesario), podría violar sus controles de dañinos.
privacidad. Actores maliciosos podrían analizar los correos
Al identificar relaciones entre puntos de datos electrónicos, las publicaciones en redes sociales
aparentemente dispares, podría identificar individuos y las apariciones en video de sus ejecutivos para
o entidades que usted haya anonimizado y imitar su estilo de redacción, forma de expresión
disponibilizar su información confidencial. y gestos faciales y la IAG podría elaborar correo
o vídeo (deep fakes) con igual apariencia con
información falsa, para difamar a individuos,
propagar desinformación o realizar actividades
Derechos de autor y fraudulentas.
propiedad intelectual
Alucinaciones
La IAG tiene la excelente capacidad de generar
respuestas convincentes a casi todas las preguntas
Modelo cajas negras que se le formulen. Sin embargo, en algunos casos,
sus respuestas son absolutamente incorrectas. Esto
la IAG se ejecuta sobre un "modelo base" desarrollado debido a que los modelos están diseñados para
por un tercero especializado. Al no ser propietario del generar contenido que parezca razonable, aunque no
modelo o inclusive no tener acceso a los detalles sea correcto,
internos sobre cómo funciona el modelo, puede hasta
resultar imposible entender por qué se produjo un
resultado específico
Responsabilidad y
Rendición de Cuentas
Puede ser difícil determinar quién es responsable
Impacto social y medioambiental
cuando un sistema de IAG produce resultados dañinos Entrenar y ejecutar modelos de AI generativa requiere
o ilegales. Esto plantea preguntas sobre la una cantidad importante de recursos informáticos
responsabilidad y la rendición de cuentas (poderosos hardware y gran capacidad de memoria).
Esto aumenta los costos, consumo de energía y
limita la accesibilidad y la escalabilidad de las
aplicaciones.
IModelo de nteligencia artificial generativa: cómo potenciar las oportunidades de manera responsable, tomado de publicaión de PWC
Módulo3
Desafíos y Riesgos en la
inteligencia artificial generativa
Desafíos de la IA generativa
Gobernanza de la IAG
Se refiere a la formulación y aplicación de políticas, normas y
regulaciones que guían el desarrollo, implementación y uso
ético de la IA
Exige un aprendizaje basado en las lecciones y buenas prácticas
que surgen de las diferentes jurisdicciones en todo el mundo.
Ética y responsabilidad
La generación automática de contenido plantea cuestiones éticas,
como la posibilidad de difusión de información falsa o el uso
inapropiado de la tecnología, por lo que es importante establecer
normativas y regulaciones.
Sesgo y Equidad
Si los datos de entrenamiento, o los algoritmos de los sistemas, o
las personas del equipo de diseño, desarrollo e implantación,
contienen sesgos o limitaciones,estos sesgos pueden verse
reflejados en las salidas. Las organizaciones deben trabajar en
mitigar estos riesgos, garantizando la calidad de la data en sus
modelos.
Recursos informáticos
Entrenar y ejecutar modelos de AI generativa requiere una cantidad
importante de recursos informáticos (poderosos hardware y gran
capacidad de memoria). Esto aumenta los costos, consumo de
energía y limita la accesibilidad y la escalabilidad de las aplicaciones.
Requisitos de datos
La recopilación y el uso de datos para entrenar modelos de IAG,
plantear riesgos de privacidad y requiere de una gran cantidad de
datos, cuyo almacenamiento, puede resultar costoso y requerir
mucho tiempo.
Falta de interpretabilidad
Los modelos de AI generativa suelen funcionar como "cajas
negras", lo que impacta la comprensión de su proceso de toma de
decisiones. Esto puede dificultar la confianza y la adopción de
límites en aplicaciones esenciales.
Desinformación y manipulación
La IAG se puede utilizar para crear contenido falso realista,
como texto, imágenes y vídeos, que se pueden utilizar para
campañas de desinformación o fraude
Módulo 3
Estrategia para la mitigación de riesgos en la
generación de contenido mediante IA
La supervisión humana
La ética y responsabilidad de la IAG
La transparencia y explicabilidad
Las restricciones y limitaciones de uso
El entrenamiento responsable
La colaboración interdisciplinaria
La participación de la comunidad
Monitoreo y actualización constante.
Aplicación correcta de la IAG. Identificar si el problema concreto a resolver, requiere o no, una
solución IA/ML No todas las situaciones requieren la
implementación de la IAG
Módulo 4
La Inteligencia Artificial Generativa -
IAG
y el Lugar de Trabajo
Bienvenida Módulo 4
La IA generativa y el lugar de trabajo
Objetivos de aprendizaje
Hoja de ruta
4.1
Automatización de procesos
en el entorno laboral /
Tipos de procesos comerciales
beneficiados por la IA
Comunicaciones con
4.3 el cliente mediante
ChatBot
4.4
Casos prácticos de
implementación de la IA
generativa en la empresa
Caso de uso
4.5 en la creación de
contenido generativo
4.6
Desafíos de la IA
en el lugar de trabajo
Bienvenida Módulo 4
La IA generativa y el lugar de trabajo
Resumen
Automatización de
procesos en el entorno Asistentes virtuales
laboral
Chatbot Implementación de la IA
generativa en la empresa
Desafíos de la IA en el
lugar de trabajo
Habilidades a desarrollar
Bienvenida!
Módulo 4
Automatización de procesos en el entorno laboral
Tipos de procesos comerciales beneficiados por la IA
Desarrollo o selección de
algoritmos de IA
Las empresas pueden desarrollar sus
propios algoritmos de IA o utilizar algoritmos
existentes. La elección depende de lsus
necesidades específicas y de su capacidad
en el desarrollo de algoritmos.
Entrenamiento y prueba de los
modelos de IA
Una vez que se han seleccionado los
algoritmos, se deben entrenar con los datos
recopilados. Después del entrenamiento,
los modelos se prueban para asegurar que
funcionan correctamente
Implementación de los
modelos de IA
Una vez que los modelos de IA han sido
entrenados y probados, se pueden
implementar en el entorno de trabajo. Esto
puede implicar la integración de la IA en los
sistemas existentes o la creación de nuevos
sistemas basados en la IA
Monitoreo y ajuste
Después de la implementación, es
importante monitorear el rendimiento de la
IA y hacer ajustes según sea necesario.
Esto puede implicar reentrenar los modelos
con nuevos datos o ajustar los algoritmos
para mejorar su rendimiento
Módulo 4
Automatización de procesos en el entorno laboral
Tipos de procesos comerciales beneficiados por la IA
Aplicación de la IA
en la automatización de procesos
Aplicación de la IA
en la automatización de procesos
Aplicación de la IA
en la automatización de procesos
Procesos Financieros
Siri
Siri es un ayudante de creación voz de Apple. Se basa en
la interfaz de usuario (UI) de lenguaje natural y las
consultas de voz, lo que le permite realizar muchas
funciones útiles. Disponible en las principales
plataformas de Apple como IOS, macOS y iPadOS. Es
altamente personalizado, adaptándose a los idiomas,
búsquedas, preferencias y mucho más de los usuarios.
algunas de las principales funciones de Siri: Contestar
preguntas, hacer recomendaciones, hacer llamadas
telefónicas y enviar mensajes de texto, dictar ubicación,
se refiere a los servicios de Internet.
https://www.apple.com/siri/
Alexa
Alexa de Amazon, utiliza interacción de voz, NLP, consultas
de voz y mucho más para realizar tareas. También puede
crear listas de tareas pendientes, configurar alarmas,
reproducir audiolibros y transmitir podcasts. Algunas de sus
otras características principales incluyen información en
tiempo real sobre el tráfico, noticias, clima, deportes y más.
Principales funciones: reproducción de música y audiolibros,
listas de tareas pendientes, transmisión de podcasts,
noticias y actualizaciones deportivas, datos meteorológicos
y de tráfico en tiempo real.
https://www.amazon.com/b?ie=UTF8&node=21576558011
Microsoft Copilot
Es un asistente digital impulsado por IA que proporciona
asistencia personalizada a usuarios para una serie de
tareas y actividades.
Conecta ChatGPT con Microsoft 365; combina la
potencia de grandes modelos lingüísticos (LLM) con
tus datos en Microsoft Graph.
Permite: Programar reuniones y eventos, gestionar tu
bandeja de entrada y tareas, crear y editar documentos,
presentaciones y hojas de cálculo, buscar y encontrar
información, traducir y transcribir idiomas, generar
perspectivas e informes y automatizar flujos de trabajo
y procesos.
https://www.microsoft.com/es-es/microsoft-copilot
Asistente de Google
Se ha convertido en uno de los principales asistentes
virtuales de voz habilitados para IA. Se considera uno de los
más avanzados en el mercado. Tiene un amplio alcance y
funciona con 10,000 dispositivos de muchas marcas.
Principales funciones:
Entrada de voz y texto
Disponible en muchos dispositivos
Control activado por voz
La terminación de la tarea
Recordatorios y citas
Traducción en tiempo real
https://assistant.google.com
Módulo 4
Asistentes virtuales y automatización de tareas
Bixby
Es una aplicación de asistente personal de Samsung.
Solo se puede acceder a ella en dispositivos Samsung.
Busca resultados en la web, descarga aplicaciones de
Google Play y refleja asombrosamente todo su
contenido móvil en Samsung Smart TV.
https://www.samsung.com/es/support/mobile-
devices/que-es-bixby-voice-y-como-funciona/
Otter.ai - Nutria
Es un asistente de reuniones de IA que graba audio,
escribe notas, captura diapositivas automáticamente y
genera resúmenes.
Graba y transcribe llamadas al instante.
Permite agregar comentarios y resaltar puntos clave.
Se conecta a Google y Microsoft Calendar.
Captura e inserta automáticamente diapositivas en
las notas de la reunión.
Genera resúmenes automáticamente y los envía por
correo electrónico.
https://www.unite.ai
Luciérnagas
Es un asistente de reuniones de IA que utiliza NLP para
eliminar la necesidad de tomar notas durante una reunión:
Graba, transcribe y busca fácilmente en conversaciones
de voz, usando una plataforma de uso intuitivo. Dispone
de extensión de Chrome, para capturar reuniones y
llamadas directamente desde el navegador. El bot de
reunión es facil de usar y permite unirse automáticamente
a las llamadas en su calendario. Transcribe cualquier co
https://fireflies.ai
Murf
Se usa a menudo para crear asistentes de IA. Murf permite
a cualquier persona convertir texto a voz, voz en off y
dictados, y es utilizado por una amplia gama de
profesionales como desarrolladores de productos,
podcasters, educadores y líderes empresariales. Algunas de
las características principales de Murf:
Gran biblioteca -más de 100 voces de IA, en todos los
idiomas
Estilos expresivos de habla emocional
Soporte de entrada de audio y texto
Estudio de voz en off con IA
Personalizable a través del tono, los acentos y más
https://murf.ai
Módulo 4
Asistentes virtuales y automatización de tareas
Socrático
Es una aplicación impulsada por IA diseñada para ayudar a
los estudiantes con las matemáticas y la tarea. Permite
tomar fotografías con la cámara de su teléfono antes de usar
la IA para brindar explicaciones visuales de los conceptos.
Se basa en el reconocimiento de texto y voz, y se puede
utilizar para diferentes disciplinas como ciencias,
matemáticas, literatura y estudios sociales. Está disponible
tanto en iOS como en Android, y es compatible con el iPad.
Principales características
Ayuda a los estudiantes con el aprendizaje y la tarea.
Explicaciones visuales de conceptos.
Reconocimiento de texto y voz
Compatible con varios temas. https://socratic.org
Elsa Speak
Una aplicación impulsada por IA que ayuda a los usuarios a
aprender a hablar inglés, es un gran ejemplo de cómo estos
asistentes pueden usarse con fines educativos. los
estudiantes pueden mejorar la pronunciación en inglés a
través de la interacción con diálogos cortos. principales
características de ELSA Speak:
Diálogos cortos
Retroalimentacion instantanea
Tecnología de reconocimiento de voz
Periodo de prueba
Disponible en Android e iOS.
https://elsaspeak.com/en/
Tuyo
Youper esta clasificada cómo una de las mejores
aplicaciones de asistente de salud emocional impulsada por
IA. Los usuarios pueden hacer un seguimiento de su estado
de ánimo y sintonizarse mejor con sus sentimientos. Se
basa en la IA para personalizar las técnicas para cada
persona y se clasifica constantemente como una de las
mejores aplicaciones de salud mental. Principales
características:
iOS y Android
Conversaciones rápidas
Meditaciones personalizada
https://www.youper.ai
DataBot
Es un asistente virtual en Android, que funciona en todos los
dispositivos. Incluye varias aplicaciones y servicios que realizan
diversas tareas. Además, permite personalizar el idioma, el
nombre, el comportamiento, entre otros.
Principales funciones:
Búsqueda de información en Google, Wikipedia y fuentes
RRSS
El bot puede hablar en diferentes idiomas: inglés, español,
francés, italiano, alemán y portugués, entre otros.
Compartir mensajes en las redes sociales o por SMS
Ayuda a identificar rápidamente los contenidos y generar
presentaciones multimedia personalizadas.
Organizar y almacenar notas, recordatorios, alarmas y
contactos, entre otras tareas
La aplicación se encuentra disponible y es compatible con
diversas plataformas
https://play.google.com/store/apps/details?
id=com.testa.databot&pcampaignid=web_share
Módulo 4
Comunicaciones con el cliente mediante ChatBot
¿Qué es un chatbot?
Los bot de charla o bot conversacional (en inglés: chatbot ), son
aplicaciones software que simulan mantener una conversación con una
persona al proveer respuestas automáticas, las cuales son
previamente establecidas por un conjunto de expertos a entradas
realizadas por el usuario.
Wikipedia
Chatbots de
Respuesta de Interacción de Texto (ITR)
Se conocen como «bots Utilizan botones y siguen una Son adecuados para
de árbol de decisiones» lógica secuencial para emular operaciones sencillas y
y funcionan con una conversación a partir de rápidas selecciones de
ITR conversaciones un menú de opciones.
basadas en flujos opciones/comandos No pueden comprender el
predefinidos. establecido. lenguaje natural ni generar
nuevas respuestas.
Chatbots de
Reconocimiento de la palabra clave
Funcionan mediante Son más Pueden ser adecuados Uso en para casos de
el reconocimiento de conversacionales y no para casos de negocio negocio menos
palabras clave y necesitan tecnología menos complejos complejos
ofrecen respuestas NLP. Sin embargo, solo donde no se requiera
preconfiguradas en interpretan keywords y una experiencia de uso
función de esas no consideran el muy sofisticada
palabras clave contexto o la intención.
aunQa.ai
blog.inConcertcc.com
Módulo 4
Comunicaciones con el cliente mediante ChatBot
Tipos de Chatbot
según cómo interactúan con el usuario
Chatbots de texto
Chatbots multimedia
Integran textos, imágenes,
Son los chatbots más botones, gift y otros contenidos,
Chatbot comunes y atractivos.
según el para dar mayor conexión y
medio expresivo personalización a las
conversaciones.
Tipos de Chatbot
según función o aplicación práctica
Chatbots Sociales
Orientados a humanizar la marca, potenciar el engagement con la
comunidad en redes sociales y brindar contenidos personalizados en forma
conversacional.
Tipos de Chatbot
según la capacidad operativa del bot
Chatbots transaccionales
aunQa.ai
aunQa.ai
blog.inConcertcc.com
blog.inConcertcc.com
Módulo 4
Comunicaciones con el cliente mediante ChatBot
Ejemplos de chatbot
ChatGPT
Copilot
Jasper
ChatSonic
Bard Zendesk
copy.ai HubSpot
HuggingChat Generación y Watson Assistant
ZenoChat resumen de contenido Cliengo
Aivo
Jivochat
Ada
Einstein GPT
Servicio de atención VirtualSpirits
al cliente y CX
Bard
ChatGPT
Traducciones
Bing - Microsoft copilot
Bard - Gemini Google
Perplexity
Navegar por la web
Character.AI
Replika
Claude
Conversación
HuggingChat
Claude
Gestión de tareas
Khanmigo
Socrático - Google
Educación
ChatGPT
Amazon Code
Whisperer
Microsoft copilot
Codificación
Bing
Rose AI
Recolección,
análisis y
visualización de datos Bing
Jasper
Character.AI
Gráficos ChatSonic
MY AI
Character.AI
Replika
Pi Entretenimiento
Woebot
Salud mental
www.zendesk.com
Módulo 4
Comunicaciones con el cliente mediante ChatBot
Ejemplos de chatbot
You.com
Investigación
Ideal
Recursos humanos
y contratación
Mi IAI
Redes Sociales
ChatSpot
Drift
Ada
Marketing Tidio Lyro
Claud
Chatfuel
ChatSpot
Cliengo Ventas
Ada
E-commerce
Tecnología
financiera
www.zendesk.com
Módulo 4
Casos prácticos de implementación de
la IA generativa en la empresa
IBM
IA en la gestión de inventario
IA en la gestión de inventario
Inflow
Es uno de los software de gestión de inventario de código
abierto más populares destinado a optimizar la gestión
de inventario en pequeñas y medianas empresas, en una
amplia gama de nichos; ya sea mayorista, minorista,
comercio electrónico, fabricación, atención médica,
gobierno y administración, entre otros.
Proporciona copias de seguridad de datos automáticas e
incluye herramientas que están diseñadas para ayudar a
las organizaciones a realizar un seguimiento de los
procesos de ventas, desde hacer pedidos hasta recibir
pagos.
https://www.inflowinventory.com
Oddo
https://www.capterra.es/software/187639/twicecommerce
ProfitBooks
Es un software que cuenta con herramientas de
gestión de inventarios, aunque se centra en la
contabilidad y la gestión de nóminas. Desde el menú
principal, los usuarios pueden acceder al menú
"Inventario" para ver las unidades en stock y añadir
nuevos productos.
Permite configurar alertas de reposición, preferencias
de lote y otras opciones de control de inventario y
ventas, hacer seguimiento de las materias primas, los
pedidos de compra, las devoluciones y los productos
terminados, entre otros,
https://www.capterra.es/software/142288/profitbooks
Módulo 4
Casos prácticos de implementación de
la IA generativa en la empresa
Zoho Inventory
https://www.zoho.com/es-xl/
ABC Inventory
Monday
Ofrece gestión de inventarios que puede ayudar a
importar datos de productos con la herramienta
integrada "Sistema operativo de trabajo".
Permite crear vistas personalizadas, flujos de trabajo
y automatizaciones utilizando plantillas de inventario,
widgets y fórmulas.
El cuadro de mandos central muestra los productos y
cualquier deficiencia, lo que permite a las empresas
comprobar los registros de inventario, supervisar los
niveles de existencias y acceder a las valoraciones de
ventas en tiempo real
https://www.capterra.es/software/147657/monday-com
llamasoft - coupa
11 Creación de contenido
La IA generativa puede producir contenido de alta calidad, como
publicaciones de blog, descripciones de productos, textos
publicitarios, generación de imágenes y videos publicitarios y
contenido de correo electrónico.
2 Publicidad personalizada
La IA generativa puede analizar grandes cantidades de datos
para entender las preferencias individuales de los clientes y crear
anuncios personalizados, para audiencias específicas. Puede
analizar datos del comportamiento del usuario y generar
mensajes personalizados y relevantes para cada individuo,
basados en el historial de compras y navegación de un cliente.
4 Chatbots inteligentes
En marketing, se implementan chatbots basados en IA
generativa para interactuar con los clientes en tiempo real.
Los chatbots pueden responder preguntas, proporcionar
recomendaciones de productos y ofrecer asistencia
personalizada las 24 horas del día. Utilizan el PLN, por lo que
pueden mantener conversaciones similares a las humanas e
interactuar con los clientes de forma personalizada.
8 Análisis predictivo
Al analizar patrones en los datos históricos, la IA generativa
puede predecir tendencias futuras, permitiéndo ajustar la
estrategia de marketing en consecuencia y la toma de
decisiones sobre productos, organizaciones basadas en datos.
9 Optimización de SEO
La IA generativa puede ayudar a optimizar el contenido para
los motores de búsqueda. Por ejemplo, una empresa puede
usar IA generativa para sugerir palabras claves relevantes, para
incluir en el contenido del sitio web de un cliente, mejorando
así su clasificación en los resultados de búsqueda.
11 Ventas
Con las herramientas de marketing de IA, las empresas pueden
hacer previsiones sobre las cifras de ventas futuras.
Los algoritmos de IA analizan los datos de ventas anteriores y las
tendencias estacionales para crear previsiones de ventas
precisas. Esto ayuda a las empresas a planificar el inventario, los
recursos y las estrategias de venta.
Módulo 4
Caso de uso en la creación de contenido generativo
Control y
Llamada a tomar seguimiento de
Objetivos: dar bienvenida, envío indicadores:Tasa
información sobre productos (boletín), Crea correos acción: Descargar,
electtónicos que aprender, finalizar, de apertura,
campaña estacional, felicitación por Tasa de clics
cumpleaños, entre otros. luzcan geniales entre otros (CTR), Tasa de
Segmentar automáticamente a los conversión o
contactos Tasa de
Automatizar todo el ciclo de vida de tus cancelación de
clientes, configura las respuestas suscripción
automáticas, haz test A/B y programa los
correos electrónicos, entre otros.
Módulo 4
Caso de uso en la creación de contenido generativo
Mailchimp
https://cloud.google.com/vision
Automizy
Es una plataforma de automatización de marketing
para ayudar a las empresas a mejorar sus estrategias
de marketing por correo electrónico.
Proporciona herramientas para la creación y envío de
correos electrónicos, así como funciones de
automatización para optimizar campañas y mejorar
la participación del usuario.
Incluye: Pruebas A/B, segmentación de listas y
análisis de resultados, para que los profesionales del
marketing puedan tomar decisiones informadas
sobre sus campañas.
https://automizy.com
Módulo 4
Caso de uso en la creación de contenido generativo
https://www.hubspot.es/marketing
Rytr
Es una plataforma de redacción asistida por
inteligencia artificial (IA). Utiliza tecnología de
procesamiento del lenguaje natural para ayudar
a los usuarios a crear contenido escrito de
manera más eficiente y efectiva. Rytr puede ser
utilizado para redactar diversos tipos de
contenido, como artículos, correos electrónicos,
publicaciones en redes sociales y más.
https://rytr.me
Neuroflash
Es un generador de contenido que utiliza inteligencia
artificial para ayudar en la creación de contenido de alta
calidad en diversos tipos de texto, como descripciones de
productos, textos publicitarios, introducciones de blog y
otros.
Facilita la generación de contenido optimizado para
diferentes plataformas de marketing.
Ahorra tiempo y esfuerzo en la creación de textos
publicitarios.
Mejora la efectividad de las campañas publicitarias al
generar contenido relevante y de alta calidad.
https://neuroflash.com/es/
https://app.neuro-flash.com
CrawIQ
Es una herramienta de redacción basada en IA que
tiene como objetivo ayudar a los usuarios a obtener
datos precisos de SEO de la web y luego crear
contenido dirigido por láser basado en esa
investigación.
Debes crear un espacio de trabajo y darle un nombre
y una URL. Luego, debes escribir el contenido
específico que deseas generar utilizando la IA.
Ofrece opciones como blogs y artículos, redacción
publicitaria de ventas, reescritura de texto y resumen
de texto, entre otros.
https://crawlq.ai
Módulo 4
Desafíos de la IA en el lugar de trabajo
Habilidades a desarrollar
Se requieren adquirir habilidades técnicas
como programación, aprendizaje
Desarrollo de habilidades automático, análisis de datos e ingeniera en
La capacitación y el desarrollo de software, que complementen y trabajen en
competencias de los profesionales en el conjunto con la IA. Así mismo, se necesitan
manejo de la IAG, es esencial para su desarrollar habilidades blandas
adopción efectiva y exitosa en el campo transversales. tales como: resolución de
laboral. problemas, pensamiento análitico y liderzgo
inclusivo, entre otras..
Las empresas deben llevar a cabo un plan
Los trabajadores de todas las
de cierre de brechas de habilidades de
organizaciones deberán aprender a trabajar
IAG y proprcionar los recursos a sus
con herramientas de IA generativa.
organizaciones, para poder alcanzar la
nueva transformación digital. Los trabajadores de TI deben volver a
capacitarse para trabajar con herramientas
de IA generativa para hacer su trabajo y
adquirir las habilidades necesarias para
respaldar la tecnología en todas las
organizaciones de la empresa
Riesgos
Definir las pautas de riesgo asociadas al uso
Seguridad de la IA generativa
Prevenir el mal uso de la IA generativa, como
la creación de información falsa o la
Amenazas de ciberseguridad
manipulación de contenido, es un desafío
La IA generativa adopta la personalidad, los
importante. Se necesita implementar
gestos y las frases que usaría una persona
medidas de seguridad para proteger contra
real, en la elaboración de correos
posibles amenazas.
electrónicos, mensajes, audios, vídeos, entre
otros; eludiendo la biometría.
Los piratas informáticos usan la IAG para
ataques sofisticados, que pueden hacer que
los controles de seguridad queden
obsoletos. Se requiere implementar nuevos
controles de seguridad, que permitan la
protección de los sistemas de IA y datos.
Ética y Sesgo
La IA generativa puede heredar sesgos
existentes en los datos con los que ha sido
entrenada, lo que podría resultar en decisiones
discriminatorias o injustas en el ámbito de
recursos humanos
Gestión del capital humano
La IA puede contribuir a la toma de decisiones Interpretación Humana
objetivas basadas en el análisis de datos de La generación de texto por parte de la IA puede
recursos humanos. El desafío en esta área, es llevar a interpretaciones erróneas o
reducir los prejuicios que pueden surgir en cada malentendidos, ya que la comprensión
uno de sus procesos, por ejemplo, en captación contextual y emocional de la IA, a veces puede
cuando el estado de ánimo del entrevistado no ser limitada.
es el idóneo, o cuando el personal de Recursos
Humanos, se identifica con el candidato
basándose en afinidades relacionadas con la Privacidad y Seguridad
edad, la raza o el perfil demográfico, entre El uso de datos sensibles en procesos
otros. generativos plantea preocupaciones sobre la
Es importante lograr una integración efectiva
entre la IAG y los profesionales de recursos privacidad de los empleados. Es crucial
humanos, para aprovechar al máximo las garantizar la seguridad de la información en
capacidades de la tecnología, garantizar una todos los aspectos
toma de decisiones colaborativa y efectiva,
para maximizar sus beneficios y minimizar los
riesgos asociados.
Falta de Transparencia
Los modelos generativos son cajas negras, lo
que significa que es difícil entender
completamente cómo llegan a ciertas
conclusiones. La falta de transparencia puede
generar desconfianza en las decisiones
tomadas por la IA.
Módulo 4
Desafíos de la IA en el lugar de trabajo
Cumplimiento
El cumplimiento de las leyes de protección de
datos, las normas de propiedad intelectual, las
pautas específicas de la industria y los
estándares éticos es crucial.
Regulación y Políticas Las organizaciones y equipos de dirección,
La falta de regulaciones claras en torno al uso deben trabajar en estrecha colaboración con
de IA generativa puede generar incertidumbre. los equipos legales para comprender y abordar
Establecer políticas y normativas adecuadas es las implicaciones legales asociadas con la IA
esencial para mitigar riesgos y garantizar un uso generativa
ético