Módulo 1. Fundamentos de IA para la estrategia de programas

• IA, Machine Learning y Deep Learning.
• Ciclo de vida de la IA.
• Aplicaciones reales e impacto social.
• Caso práctico y actividad con Teachable Machine.

Módulo 2. Identificación de oportunidades y casos de uso

• Frameworks de alineación estratégica.
• AI Canvas.
• Matriz valor vs. viabilidad.
• Técnicas de priorización y ROI ajustado al riesgo.
• Priorización práctica de iniciativas.

Módulo 3. Gobierno y ética en IA

• Principios de IA responsable.
• Sesgos y mitigación de riesgos.
• Auditoría de modelos y equidad.

Módulo 4. Ciclo de vida e integración de proyectos de IA

• Planificación de proyectos.
• CRISP-DM.
• Build vs. Buy vs. Partner.
• Herramientas de gestión.
• Simulación de proyectos con Asana.

Módulo 5. Estrategia de datos e infraestructura

• Gobierno y calidad de datos.
• Pipelines de datos.
• Gestión de información sensible.
• Casos prácticos de seguridad y automatización.

Módulo 6. Integración de IA: desarrollar, comprar o colaborar

• Evaluación de soluciones.
• Gestión y selección de proveedores.
• Criterios de decisión.

Módulo 7. Gestión de riesgos y cumplimiento

• Marcos regulatorios.
• Detección y mitigación de sesgos.
• Compliance en despliegues de IA.

Módulo 8. Herramientas y técnicas de IA para gestión de proyectos

• Herramientas de gestión.
• Herramientas de datos.
• Gestión de workflows de IA.
• Simulación de cronogramas e hitos.

Módulo 9. Liderazgo en IA

• Liderazgo de equipos.
• Gestión del cambio.
• Gestión de stakeholders.
• Comunicación.

Módulo 10. Escalado de iniciativas de IA

• Del piloto al despliegue.
• Modelos de madurez.
• Roadmaps de escalado.

Módulo 11. Tendencias futuras en IA

• Tecnologías emergentes.
• NLP, Deep Learning y nuevas aplicaciones.

Módulo 12. Proyecto final y presentación

• Capstone Project.
• Presentación y feedback.
• Revisión final y preparación para la certificación