{ "$schema": "https://ar-tik.com/data/schemas/course-record.schema.json", "generatedAt": "2026-07-02", "publisher": "Artik Lab s.r.l.", "canonicalDomain": "https://ar-tik.com", "course": { "id": "ai-software-engineering", "locale": "es", "language": "es", "family": "technical", "familyLabel": "Técnico", "featured": false, "title": "AI Software Engineering", "subtitle": "Curso corporativo práctico para aplicar IA a ingeniería de software con IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza.", "summary": "Curso corporativo práctico para aplicar IA a ingeniería de software con IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza.", "duration": "5 horas, 2 sesiones de 2,5 horas", "mode": "Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente.", "profile": "technical", "profileDescription": "Para equipos técnicos con bases de programación y arquitectura software.", "problem": "Muchas empresas abordan ingeniería de software con IA con experimentos dispersos: algunas instrucciones, usuarios entusiastas y muchas dudas sobre datos, calidad y responsabilidad. El curso convierte esa incertidumbre en método operativo. Los participantes trabajan sobre escenarios realistas, aprenden dónde la IA ayuda, dónde sigue siendo esencial la revisión humana y cómo repetir la práctica en la empresa.", "audience": "Para equipos técnicos con bases de programación y arquitectura software.", "whenToChoose": "Elegir este curso cuando la empresa quiere avanzar de forma concreta en ingeniería de software con IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta.", "chooseIf": "Cuando la empresa quiere avanzar de forma concreta en ingeniería de software con IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta.", "outcomes": [ "Mapear trabajo y decisiones donde la IA puede reducir fricción.", "Construir instrucciones, checklists y criterios de revisión.", "Identificar límites de datos, privacidad y responsabilidad.", "Crear ejemplos reutilizables para el equipo.", "Definir próximos pasos de adopción y gobernanza." ], "modules": [ { "title": "Arquitectura y requisitos", "description": "Objetivos, límites, datos, servicios y supuestos de riesgo." }, { "title": "Construcción e integración", "description": "Flujos técnicos, interfaces, contexto, permisos y pruebas." }, { "title": "Evaluación y calidad", "description": "Métricas, revisión, pruebas de regresión y modos de fallo." }, { "title": "Producción y gobernanza", "description": "Monitorización, seguridad, auditoría, costes y mantenimiento." } ], "exercises": [ "Mapear un proceso realista conectado con ingeniería de software con IA.", "Crear resultados asistidos por IA y revisarlos críticamente.", "Definir puntos de escalado y revisión humana.", "Construir una checklist reutilizable para el trabajo diario." ], "materials": [ "Canvas operativo para ingeniería de software con IA.", "Plantillas de instrucciones.", "Checklist de calidad y privacidad.", "Matriz riesgo/control.", "Notas de adopción para el equipo." ], "privacy": "El curso usa materiales sintéticos, públicos, anonimizados o aprobados por el cliente. Explica cómo minimizar exposición de datos, proteger información confidencial, verificar resultados y mantener explícita la responsabilidad humana.", "prerequisites": "Se recomienda familiaridad técnica básica con software, datos o arquitectura de sistemas.", "faqs": [ { "question": "¿Depende de una herramienta?", "answer": "No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente." }, { "question": "¿Se pueden usar datos de empresa?", "answer": "Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados." }, { "question": "¿Qué queda después del curso?", "answer": "Materiales reutilizables, ejemplos, checklists y próximos pasos claros." }, { "question": "¿Es teórico?", "answer": "No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real." } ], "output": "Canvas operativo para ingeniería de software con IA.", "searchIntents": [ "curso AI empresarial sobre ingeniería de software con IA", "formación práctica para AI Software Engineering", "training AI para equipos técnicos", "recorrido Artik Lab para Canvas operativo para ingeniería de software con IA", "cómo introducir ingeniería de software con IA en procesos empresariales" ], "needSignals": [ "ingeniería de software con IA ya aparece en conversaciones internas, pero falta un método compartido para convertirlo en práctica.", "Las personas prueban herramientas AI de forma autónoma y la empresa aún no ve criterios, controles y resultados comparables.", "El proceso conectado con ingeniería de software con IA consume tiempo, genera pasos manuales u outputs difíciles de verificar.", "La dirección necesita decidir si invertir, formar o detenerse antes de introducir automatizaciones frágiles.", "La empresa necesita un resultado concreto: Canvas operativo para ingeniería de software con IA." ], "extraExamples": [ { "title": "Del curso genérico al proceso real", "description": "Una empresa pide formación sobre ingeniería de software con IA, pero el problema real emerge al mapear el trabajo: tareas repetidas, controles informales y responsabilidades distribuidas. El recorrido usa ejemplos cercanos al trabajo diario y convierte la formación en un primer modelo operativo, no en teoría." }, { "title": "De experimentación individual a práctica gobernada", "description": "Algunas personas ya encontraron atajos con AI y otras están bloqueadas. El curso crea una base común: qué se puede hacer, qué debe revisarse, qué datos no deben exponerse y cuándo escalar. El resultado es Canvas operativo para ingeniería de software con IA." }, { "title": "Del entusiasmo a la decisión", "description": "La dirección necesita saber si ingeniería de software con IA merece presupuesto y continuidad. El laboratorio separa beneficios inmediatos, riesgos operativos y dependencias de datos. La empresa sale con criterios para decidir el siguiente paso." } ], "selectionCriteria": [ "Elegir este curso si la necesidad principal es ingeniería de software con IA, no una panorámica genérica sobre AI.", "Preferirlo cuando existe un proceso, documento, workflow o responsabilidad empresarial sobre la que trabajar.", "Aplazarlo si aún no hay sponsor interno o si el problema es solo comprar una licencia software.", "Combinarlo con AI Workflow Redesign Lab cuando primero hace falta entender qué procesos priorizar." ], "limits": [ "No promete automatización completa ni sustitución de responsabilidades humanas.", "No exige cargar datos confidenciales en entornos no aprobados.", "No es asesoría legal, fiscal, HR o técnica especializada cuando esas responsabilidades corresponden a funciones competentes.", "Produce competencias, criterios y materiales reutilizables; la adopción continua requiere sponsorship, gobernanza y práctica interna." ], "relatedCourseIds": [ "workflow-redesign", "secure-ai-sdlc", "rag-engineering", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/es/cursos/ai-software-engineering.html", "markdown": "https://ar-tik.com/es/cursos/ai-software-engineering.md", "dossier": "https://ar-tik.com/es/cursos/ai-software-engineering-dossier.md", "json": "https://ar-tik.com/es/cursos/ai-software-engineering.json", "catalog": "https://ar-tik.com/es/cursos/", "catalogMarkdown": "https://ar-tik.com/es/cursos/index.md" } } }