Programa cofinanciado por el Fondo Social Europeo Plus y Agencia Digital de Andalucía, Junta de Andalucía
Objetivos
La Escuela de Organización Industrial (EOI) junto con FSE+ y la Agencia Digital de Andalucía, Junta de Andalucía, lanza este programa cuyo principal objetivo es que los participantes aprendan a decidir si deben delegar un proceso de su negocio en un agente de IA y con qué nivel de autonomía: especificar su comportamiento, evaluarlo con casos de referencia, gobernarlo, calcular su coste real y tomar una decisión final de delegación basada en evidencia, sin necesidad de conocimientos de programación. No es un curso de construcción de agentes: no enseña a programar flujos ni a dominar una herramienta concreta, sino lo que hay que saber para que un agente, construido con cualquier herramienta, sea fiable, auditable y rentable.
El temario está concebido para autónomos y personas que trabajan en medianas y pequeñas empresas que quieren operar su propio agente. No es un curso centrado en una herramienta: enseña lo que no caduca con cada versión de una plataforma (decidir, especificar, evaluar, gobernar y operar) y utiliza herramientas gratuitas o de nivel gratuito como vehículo de práctica. Cada participante trabaja durante todo el curso sobre un agente de referencia para un proceso real de su actividad, con datos anonimizados o sintéticos.
Al finalizar la formación, los alumnos dispondrán de un Dossier del Agente: el mapa del flujo de trabajo elegido, una decisión Go/No-Go razonada, la especificación del comportamiento del agente, su base de conocimiento y sus herramientas con permisos mínimos, su ficha de gobernanza y clasificación de riesgo, la evaluación sobre un conjunto de casos de referencia, el plan de operación con hoja de coste y plan de reversión, un agente base configurado y funcionando en modo supervisado (Shadow o Suggest) y una decisión final de delegación documentada con la evidencia obtenida (activar, mantener supervisado, reducir la autonomía o no desplegar). Concluir que no conviene desplegar es un resultado válido y se evalúa igual que cualquier otro.
Alcance y diferenciación. El curso parte de un agente base que el docente proporciona y que cada alumno configura para su proceso; no dedica horas a construir flujos con herramientas de automatización ni a programar, algo que cubren otros cursos. Dedica el tiempo a lo que sigue a la construcción: decidir si hace falta un agente, evaluarlo con casos de referencia, gobernarlo (RGPD y AI Act), calcular su coste real y darle autonomía gradual con plan de reversión. El curso no lleva el agente a producción: operar significa aquí planificar la operación y ejecutar la fase supervisada, y pasar a Approve y Bounded exige semanas de uso real, fuera de las 63 horas. El Dossier deja el plan para dar ese paso con evidencia. El curso termina en una decisión de delegación argumentada, no en un plan de implantación: lo que se evalúa es la calidad de esa decisión y de su evidencia. El curso trabaja con un único agente bien evaluado; los sistemas multiagente quedan como siguiente paso razonado, y el criterio para decidir cuándo añadir un segundo agente y a qué coste se trabaja en el módulo 7.
Los objetivos específicos del curso son los siguientes:
• Mapear un flujo de trabajo propio y decidir con criterio si necesita un agente, un copiloto o una simple regla, y justificar un Go/No-Go antes de invertir tiempo o dinero
• Especificar el comportamiento de un agente mediante una Loop Specification de nueve componentes: objetivo, contexto, acciones, herramientas, evaluación, memoria, límites, escalado y condiciones de parada
• Aplicar los patrones de arquitectura de un agente único (ReAct, Plan-and-Execute y Router) con criterio de cuándo usar cada uno y cuándo no
• Preparar la base de conocimiento y el mapa de herramientas del agente con permisos mínimos y con datos anonimizados o sintéticos
• Gobernar el agente desde el diseño: clasificación de riesgo, trazabilidad, seguridad frente a la inyección de instrucciones y ficha de gobernanza (PEACE), con el RGPD y el AI Act como marco de referencia
• Evaluar el agente con un conjunto de 10 casos de referencia, medir acierto, invención, coste por tarea y tasa de escalado, y detectar la deriva tras cambios de modelo o de datos
• Operar el agente con la escalera de autonomía (Shadow, Suggest, Approve y Bounded): criterios de promoción entre estadios, mantenimiento, coste mensual real incluida la hora del propietario, y plan de reversión
• Calcular el ROI de un agente, tomar la decisión final de delegación (activar, mantener supervisado, reducir la autonomía o no desplegar) y trazar una hoja de ruta a 12 meses, incluida la decisión de añadir más agentes o mejorar el primero
A continuación, se detallan las competencias a adquirir por los participantes de la acción formativa:
• Digitalización aplicada al entorno profesional
• Operaciones con tecnologías habilitadoras digitales
• Implementación de soluciones basadas en tecnologías habilitadoras digitales
• Gestión de datos y entrenamiento en sistemas de Inteligencia Artificial basados en aprendizaje automático
Datos generales
Los destinatarios de las acciones formativas serán personas empleadas en activo de cualquier sector de actividad dentro de una Pyme, por cuenta propia (autónomos) o ajena.
Estos destinatarios deberán tener gran motivación y compromiso con el programa: personas que deseen mejorar sus capacidades y habilidades, así como adquirir conocimientos para aplicarlos en la mejora de la competitividad de sus empresas.
El curso está especialmente orientado a autónomos y a personas que trabajan en medianas y pequeñas empresas, en particular a quienes responden del resultado de un proceso (propietarios, gerentes, responsables de área) y deben decidir si delegan en un agente de IA propio. Se requiere uso habitual de al menos un asistente de IA generativa; no se requieren conocimientos de programación. No es un curso de introducción a la IA: está pensado para quien ya la usa a diario y se recomienda, sin exigirlo, haber automatizado alguna tarea o creado un asistente propio.
Conocimientos previos sugeridos, no excluyentes: uso básico de herramientas digitales, familiaridad con herramientas básicas de IA y facilidad para el aprendizaje de nuevas tecnologías.
Requisitos técnicos: portátil con Windows 10 u 11, conexión estable a Internet y un mínimo de 8 GB de RAM (16 GB deseables, no excluyentes, solo para la práctica opcional con modelos locales), con permisos para instalar aplicaciones y modificar la configuración de los navegadores. Los alumnos instalarán y configurarán las herramientas necesarias utilizando sus planes gratuitos. El agente puede construirse íntegramente con herramientas en la nube de nivel gratuito; las aplicaciones locales son opcionales.
El curso incluye un kit de nivelación de estudio previo al inicio y una tutoría de nivelación para quien la necesite.
63 horas lectivas (45 h de clase + 18 h de tutoría)
Formación gratuita. Programa cofinanciado por el Fondo Social Europeo Plus y Agencia Digital de Andalucía, Junta de Andalucía
Contenidos
Módulo 1. DECIDIR: ¿NECESITA TU PROCESO UN AGENTE, UN COPILOTO O UNA REGLA?
• Del asistente al agente: qué cambia cuando un sistema pasa de responder a actuar (percepción, decisión, acción y consecuencias)
• Autodiagnóstico de madurez: dónde está hoy el uso de IA del negocio y por qué no se salta de un asistente a varios agentes sin pasar por un agente único evaluado
• Cuándo NO usar un agente: tareas deterministas, riesgo alto sin supervisión y coste mayor que beneficio
• Marco de decisión: regla, plantilla, automatización clásica, copiloto o agente
• Mapa del flujo de trabajo actual: pasos, decisiones, datos de entrada y salida, tiempos y puntos donde falla o se pierde tiempo
• Go/No-Go: qué problema, qué datos, cómo se mide el éxito y qué riesgo existe
• Elección y justificación del flujo de trabajo de referencia y del agente que lo ejecutaría, que cada alumno desarrolla durante todo el curso
• Entregable 1: mapa del flujo de trabajo y ficha de decisión Go/No-Go
Módulo 2. ESPECIFICAR: QUÉ HACE EL AGENTE, QUÉ NO HACE Y CUÁNDO SE DETIENE
• Anatomía de un agente: percepción, razonamiento, acción, memoria y herramientas
• Contrato de comportamiento: qué hace, qué no hace y qué hace cuando falla
• Patrones de arquitectura para un agente único (ReAct, Plan-and-Execute y Router): cuándo usar cada uno y cuál es su riesgo principal
• Loop Specification: objetivo, contexto, acciones, herramientas, evaluación, memoria, límites, escalado y condiciones de parada
• Taller de especificación con revisión cruzada entre compañeros
• Los límites de la autonomía: principios de diseño de agentes fiables (controlar el contexto, controlar el flujo, agentes pequeños de un solo objetivo y estado explícito)
• Entregable 2: Loop Specification (nueve componentes)
Módulo 3. PREPARAR: QUÉ SABE, QUÉ RECUERDA Y QUÉ HERRAMIENTAS USA EL AGENTE
• De dónde sabe el agente lo que sabe: conocimiento curado, recuperación sobre documentos (RAG) y memoria de interacciones
• Calidad del dato: completitud, actualidad, consistencia y cobertura
• Memoria y RGPD: qué recordar y qué olvidar, minimización y supresión de datos personales
• Herramientas y espacio de acciones: principio de la herramienta mínima y permisos mínimos
• Taller: construcción de la base de conocimiento del agente y del mapa de herramientas con datos anonimizados o sintéticos
• Taller: configuración del agente base proporcionado para el proceso de cada alumno (instrucciones, conocimiento y herramientas con permisos mínimos), sobre datos anonimizados o sintéticos
• Entregable 3: base de conocimiento, mapa de herramientas con permisos mínimos y agente base configurado
Módulo 4. GOBERNAR: DATOS, CUMPLIMIENTO Y SEGURIDAD DESDE EL DISEÑO
• Marco normativo como referencia (RGPD y AI Act): lo mínimo que condiciona el diseño del agente (responsable del tratamiento y clasificación de riesgo) y fuentes oficiales para consultar el calendario de aplicación vigente
• Trazabilidad mínima: qué debe registrar un agente y derecho de información sobre decisiones automatizadas
• Gobernanza ejecutable: límites, escalado, permisos, condiciones de parada y registro escritos como configuración y no solo como política
• Seguridad: inyección de instrucciones en documentos y correos de terceros, mínimo privilegio y herramientas aisladas
• Sesgos: pruebas mínimas de trato desigual por tipo de cliente, tamaño, idioma o zona
• Ficha de gobernanza PEACE: propósito, ética, auditoría, cumplimiento y escalado
• Entregable 4: ficha PEACE, clasificación de riesgo y registro mínimo
Módulo 5. EVALUAR: ¿ACIERTA EL AGENTE Y CUÁNTO CUESTA CADA TAREA?
• Conjunto de casos de referencia: por qué las pruebas tradicionales no sirven con sistemas no deterministas
• Construcción de 10 casos con la respuesta que daría el propio alumno
• Comprobaciones deterministas y juicio de modelo con rúbrica
• Observabilidad mínima: acierto, coste por tarea, tasa de escalado, tiempo hasta resolución y tasa de invención
• Deriva: repetir los casos tras cualquier cambio de modelo, instrucciones o datos y comparar
• Cambios controlados: una variable cada vez y comparación de versiones en modo Shadow
• Entregable 5: casos de referencia, rúbrica y primera ronda de evaluación
Módulo 6. OPERAR: AUTONOMÍA POR ETAPAS, CON SUPERVISIÓN Y MARCHA ATRÁS
• La escalera de autonomía: Shadow, Suggest, Approve y Bounded
• Criterios de promoción entre estadios, fijados de antemano por cada alumno
• Mantenimiento: qué se rompe con el tiempo (cambio de modelo, de tarifas o del proceso del negocio), responsable, calendario de revisión y horas necesarias
• Coste real de operar: hoja de coste mensual que incluye la hora de supervisión del propietario y el coste esperado de un error
• Parada y reversión: condiciones de parada, vuelta a la versión anterior y quién decide parar
• Entregable 6: plan de operación
Módulo 7. DECIDIR LA DELEGACIÓN: ROI, DECISIÓN FINAL Y SIGUIENTE PASO
• ROI de un agente: ahorro de tiempo valorado frente al coste total, y cautela con las horas ahorradas que nadie recupera
• Decisión final de delegación: activar, mantener supervisado, reducir la autonomía o no desplegar, con la evidencia de los casos de referencia, el coste y los riesgos
• ¿Más agentes o un agente más capaz?: coste de complejidad de cada agente adicional
• Hoja de ruta a 12 meses: qué agente sube de estadio, qué proceso se evalúa después y qué se descarta
• Entregable 7: hoja de ROI, decisión final de delegación y hoja de ruta de una página
Módulo 8. CIERRE: ENTREGA Y EVALUACIÓN DEL DOSSIER DEL AGENTE
• Consolidación del Dossier del Agente (entregables 1 a 7) con una portada de una página
• Evidencia de ejecución incluida en el documento: el agente resolviendo sus casos de referencia, con su tabla de evaluación y su plan de operación
• Evaluación del Dossier mediante rúbrica por el instructor, con revisión cruzada por escrito entre compañeros
• Evidencia mínima: el agente base configurado ejecuta al menos 10 casos de referencia con registro de ejecución (se admite una ejecución asistida, con pasos semiautomáticos, siempre que el alumno lo declare) y una comparación entre lo que hizo y lo que habría hecho el alumno
• Criterio de honestidad: el alumno declara lo que no funciona y las limitaciones de su agente; una decisión final de no desplegar, bien argumentada con la evidencia, es un resultado válido y se evalúa con la misma rúbrica
Metodología
EOI ha desarrollado y puesto en práctica una metodología que se basa en la formación de carácter práctico y en la atención individualizada que permita el correcto desarrollo de los conocimientos adquiridos y su adecuación a las características de cada participante, a través de formación grupal, tutorías individualizadas y desarrollo de numerosas actividades.
Cada participante trabaja durante todo el curso sobre un agente de referencia de su propia actividad. El docente proporciona un agente base sobre una herramienta de nivel gratuito, que cada alumno configura; el curso no enseña a construir flujos desde cero ni a programar. Quien no pueda usar datos de su empresa, por ejemplo por trabajar por cuenta ajena, utiliza datos propios o públicos anonimizados o sintéticos. Cada módulo produce un entregable que se acumula en el Dossier del Agente. La tutoría de nivelación es opcional y solo para quien la necesite, porque el curso reúne a perfiles con experiencia en IA muy distinta. El resto de las tutorías se dedican a revisar los entregables en grupos pequeños, a ayudar individualmente con la configuración del agente y a preparar la entrega final. El tutor guía y detecta errores, pero no construye el agente por el alumno.
Se entregará un DIPLOMA acreditativo a todos aquellos alumnos que hayan alcanzado los porcentajes de asistencia requeridos, tanto a las sesiones lectivas como a las tutorías y hayan superado con la calificación de Apto la prueba de conocimiento establecida.
Para evaluar la adquisición de conocimientos se realizarán, en su caso, proyectos fin de curso, cuestionarios, formularios, casos prácticos individuales y/o grupales acerca de los contenidos vistos a lo largo del curso. El proyecto final (Dossier del Agente) se entrega como documento e incluye la evidencia de ejecución del agente sobre sus casos de referencia y la decisión final de delegación. Se evalúa la calidad de la decisión y de su evidencia, no que el agente llegue a producción.
HORAS DE DIPLOMA: 100 horas
63 horas lectivas (45 h de clase + 18 h de tutoría) + 37 horas de Trabajo del alumno