IA generativa en Administración Pública

Módulo 1: Fundamentos de la IA generativa
3 h 55 min

Objetivo: El objetivo de esta unidad es conocer los fundamentos y analizar el funcionamiento de la inteligencia artificial generativa, para conocer la base con la que están diseñados y construidos los modelos de lenguaje (LLM).

• Arquitectura y funcionamiento básico de los Modelos de IA
• Los Datos: el combustible de la IA
• Tipología de datasets: estructurados y no estructurados
• Fases esenciales de preparación de datos
• El Algoritmo: La Receta del Aprendizaje
• Aprendizaje Supervisado
• Aprendizaje No Supervisado
• Aprendizaje por Refuerzo
• La Arquitectura de un Modelo (Redes Neuronales)
• Estructura básica de una Red Neuronal Artificial
• Entrenamiento de la Red: Ajuste de Pesos y Sesgos
• Hacia la implementación: El ecosistema tecnológico
• La Nube y la IA
• ¿Qué es la IA como Servicio (AIaaS)?
• Ventajas principales del uso de la nube en IA
• Subcampos Fundamentales de la IA
• Machine Learning (Aprendizaje Automático)
• Aplicaciones prácticas en la Administración Pública
• Ventajas clave del aprendizaje automático
• Deep Learning (Aprendizaje Profundo)
• Ventajas principales del Deep Learning
• Ejemplos prácticos en las Administraciones Públicas
• Procesamiento del Lenguaje Natural (PLN / NLP)
• Ejemplos clave de aplicación en las AAPP
• Ventajas estratégicas para la administración pública
• Visión por Computadora (Computer Vision)
• Ejemplos prácticos en la Administración Pública
• Tabla resumen subcampos fundamentales de la IA
• Hemos aprendido

Módulo 2: Agentes de Inteligencia Artificial en la Administración Pública
3 h 35 min

Objetivo: El objetivo de esta unidad es proporcionar una base conceptual sólida sobre los Agentes de Inteligencia Artificial (IA), definiendo sus componentes y tipologías para que se pueda identificar y analizar su potencial transformador en la mejora de la eficiencia y la calidad de los servicios optimizando procesos internos. Simultáneamente, se busca sensibilizar sobre los sobre los desafíos éticos, técnicos y de protección de datos inherentes a su implementación, asegurando que el despliegue de estas herramientas se realice de manera estratégica, responsable y alineada con los principios de transparencia y servicio público.

• Introducción
• Fundamentos de los Agentes de Inteligencia Artificial
• ¿Qué es un Agente de IA?
• Agentes de IA vs Sistemas automatizados tradicionales
• Componentes y Arquitectura Básica de un Agente
• Componentes fundamentales de un agente de IA
• Integración en una arquitectura básica
• Infraestructuras Tecnológicas Necesarias
• Tipos de Agentes de IA
• Desafíos y Consideraciones Éticas en la Implementación de Agentes de IA
• Ética, Transparencia y Responsabilidad
• Transparencia Algorítmica y Explicabilidad (XAI)
• Mitigación de Sesgos en la IA
• Responsabilidad Institucional y Legal
• Privacidad y Protección de Datos
• Retos en la privacidad y protección de datos
• Cumplimiento normativo
• Técnicas de anonimización de datos
• Gestión del consentimiento informado
• Tendencias Futuras y Perspectivas para la Administración Pública
• Agentes Multi-Agente y Sistemas Colaborativos
• Características clave de los sistemas multi-agente
• Aplicaciones prácticas en las Administraciones Públicas
• Ventajas para las Administraciones Públicas
• Agentes con Capacidad de Razonamiento Avanzado
• Componentes de los agentes con razonamiento avanzado
• Hemos aprendido

Módulo 3: Herramientas y utilidades de ChatGPT para optimizar el trabajo digital
4 h 10 min

Objetivo: El objetivo de las herramientas y utilidades de ChatGPT es capacitar al usuario para aprovechar plenamente el potencial de la inteligencia artificial aplicada a la productividad, la creación de contenidos y la toma de decisiones. A través de funciones como la generación de imágenes, vídeos, documentos, automatizaciones, razonamiento avanzado o análisis de datos, se busca que el alumno desarrolle la habilidad de utilizar la IA como un asistente especializado capaz de ampliar sus capacidades creativas, técnicas y analíticas. Se pretende que el estudiante no solo conozca las herramientas, sino que aprenda a integrarlas en su día a día personal y profesional para optimizar procesos, mejorar resultados y trabajar de forma más eficiente.

• Introducción
• ChatGPT, mucho más que un asistente conversacional
• Configuración y registro en ChatGPT
• Herramientas y utilidades de ChatGPT
• Herramientas y utilidades de Creación y Transformación Multimedia
• Herramientas y utilidades de Producción de Conocimiento, Escritura y Aprendizaje
• Herramientas y utilidades de Gestión y Organización Profesional
• Herramientas y utilidades de Inteligencia Cognitiva y Razonamiento Avanzado
• Herramientas y utilidades de Agentes IA, Datos y Programación
• Hemos aprendido

Módulo 4: Herramientas de Google Gemini para transformar y mejorar la operativa diaria
4 h 05 min

Objetivo: Capacitar en la explotación de las funcionalidades avanzadas de Google Gemini para transformar la operativa de trabajo diaria. Se busca el dominio de herramientas como la generación de imágenes y vídeo, el análisis de grandes volúmenes de documentos mediante Deep Research y NotebookLM , y la creación de agentes de IA personalizados ( Gems ). Además, se aborda la integración contextual de Gemini en el ecosistema de Google Workspace (Duet AI), implicando su uso en Gmail, Docs, Sheets y Meet para la asistencia en la redacción, el resumen de reuniones y el análisis de datos .

• Introducción
• ¿Qué es Gemini?
• Gemini como plataforma multifuncional de productividad avanzada
• Registro y personalización en Gemini
• Herramientas y utilidades de Gemini
• Herramientas de Creación y Análisis Multimodal (Imágenes, Vídeo y Audio)
• Herramientas de Productividad y Automatización de Procesos
• Herramientas de Investigación, Síntesis y Conocimiento
• Herramientas de desarrollo y Soluciones Técnicas
• Hemos aprendido

Módulo 5: Procesamiento Inteligente de Documentos (IDP) para la extracción de datos de valor
3 h 05 min

Objetivo: Conocer y entender la solución de Procesamiento Inteligente de Documentos (IDP). Los alumnos aprenderán a diferenciarlo de métodos tradicionales de extracción de datos, y a reconocer su potencial para optimizar la gestión documental. Explorarán el flujo de trabajo completo del IDP, desde la digitalización hasta la automatización, y cómo se integra con los sistemas actuales de gestión.

• ¿Qué es el IDP? Visión general y utilidad en la administración
• Uso de inteligencia artificial y aprendizaje automático
• Utilidad del IDP en la administración pública
• Diferencias respecto a la captura de datos tradicional
• Flujo de trabajo típico del IDP: digitalización, OCR, extracción, clasificación y automatización
• 1. Digitalización: Conversión de documentos físicos a formato digital
• ¿Cómo se lleva a cabo la digitalización?
• 2. OCR (Reconocimiento Óptico de Caracteres): Conversión de imágenes de texto a texto editable
• Principales fases del proceso OCR
• Ventajas del OCR para las Administraciones Públicas
• Limitaciones y buenas prácticas
• 3. Extracción de datos: Búsqueda y captura de campos de información específicos
• Funcionamiento de la extracción automática de datos
• Ventajas para las Administraciones Públicas
• 4. Clasificación: Identificación automática del tipo de documento
• ¿Cómo funciona la clasificación de documentos en IDP?
• Ventajas de la clasificación automática
• Optimización de procesos y reducción de errores
• 5. Automatización: Envío de datos a sistemas correspondientes
• Beneficios para las administraciones públicas
• Extracción de datos estructurados de documentos no estructurados
• Desafío de los documentos con formato libre
• Uso de Procesamiento del Lenguaje Natural (PLN)
• Extracción de información relevante y contextual
• Hemos aprendido

Módulo 6: NotebookLM. Herramienta para optimizar las capacidades cognitivas y de procesamiento de información
3 h 20 min

Objetivo: El objetivo de esta unidad es que los alumnos conozcan y aprendan a utilizar NotebookLM como herramienta de apoyo al trabajo con información. Se analizará cómo cargar y organizar fuentes (documentos, textos o enlaces) para obtener resúmenes, ideas clave y respuestas basadas en el contenido aportado. Además, se desarrollarán habilidades para formular buenas preguntas y aprovechar la IA para mejorar la comprensión y la productividad. Finalmente, el alumnado será capaz de aplicar NotebookLM en tareas reales de análisis, síntesis y generación de contenidos de forma eficiente y fiable.

• Introducción
• Ámbitos de uso de NotebookLM
• Notebook LM. Definición y principio de funcionamiento
• Definición y origen de la información
• Origen de la información: Diferencias clave frente a LLM generalistas
• Principio de funcionamiento de NotebookLM
• Primeros pasos con NotebookLM
• Acceso y registro en NotebookLM
• Ejemplo de uso
• Planes y Límites (Gratuito vs. Pro/Plus)
• Configuración del Cuaderno y Carga de Fuentes
• Estructura del Cuaderno
• Tipos de Cuadernos
• Crear un cuaderno y subir fuentes
• Fuentes: Investigación rápida o profunda (Deep research)
• NotebookLM: Interacción, Análisis y Verificación
• Funcionalidades clave de la zona de Chat
• Configuración del Chat (Funciones Pro/Avanzadas)
• Hemos aprendido

Módulo 7: NotebookLM. Área de Studio. Producción de contenidos para el trabajo administrativo
2 h 50 min

Objetivo: El objetivo de esta unidad es que los alumnos conozcan y aprendan a utilizar el área denomindado STUDIO de NotebookLM que transformar la información cargada (documentos, notas y fuentes) en contenidos estructurados y reutilizables. Es posible generar automáticamente resúmenes, guiones, esquemas o audios tipo podcast basados exclusivamente en las fuentes del usuario. Su finalidad es acelerar la síntesis, comprensión y comunicación del conocimiento dentro de un entorno asistido por IA.

• Área de Studio. Creación de Informes y formatos de estudio avanzados
• Resumen de audio. Opciones de Personalización y formato
• Resumen de video
• Herramientas de estudio y retención
• Mapa mental
• Informes
• Tarjetas didácticas
• Cuestionarios
• Hemos aprendido