# Artik Lab - llms-full (español) > Todas las páginas en español de ar-tik.com en Markdown, una tras otra, cada una precedida por un comentario con su URL. Los dosieres extendidos para agentes de IA se listan al final, uno por línea. Otros idiomas: [italiano](https://ar-tik.com/llms-full.txt), [English](https://ar-tik.com/en/llms-full.txt), [français](https://ar-tik.com/fr/llms-full.txt), [português do Brasil](https://ar-tik.com/pt-br/llms-full.txt) # Consultoría, cursos y software de IA para reducir costes y retrasos en las decisiones, con resultados medibles. Artik Lab ayuda a empresas y áreas de negocio a elegir, gobernar y realizar el primer uso útil de la IA: mapa de procesos, business case, formación de equipos, análisis de datos y prototipos controlados. La forma más sencilla de empezar: una primera llamada gratuita de 30 minutos para identificar sus necesidades más urgentes. ## Artik Lab construye capacidades de IA que permanecen en la empresa. No se compra una licencia esperando que funcione. Se elige un proceso, se mide el coste, se define el KPI y se decide si formar, rediseñar o construir. - 95% de las organizaciones no obtienen retorno de los proyectos GenAI empresariales. - 70% del valor, según la regla 10-20-70, depende de personas y procesos. - 25 cursos y laboratorios llevan competencias AI a procesos empresariales específicos. Donde falta gobierno directivo, crece el riesgo de proyectos sin retorno: primero las decisiones y los procesos, después las herramientas. Fuentes: MIT Project NANDA, *The GenAI Divide*, 2025; BCG, regla 10-20-70 (AI Radar y publicaciones vinculadas), 2025. ## Del coste oculto al activo operativo. La pregunta no es qué herramienta probar. Es qué proceso debe volverse más rápido, medible y gobernable. 1. Elegir un proceso con coste o riesgo visible. 2. Definir el KPI antes del modelo. 3. Usar el dato que la empresa ya pagó. 4. Construir el piloto mínimo y controlado. 5. Mantener en producción solo lo que genera gobierno y retorno. ## Primero el proceso. Después el modelo. La tecnología entra solo cuando decisión, datos y responsabilidad son suficientemente claros. El recorrido evita pilotos interminables y pone el valor antes que la herramienta. ### Competencias duraderas La dirección aprende cuándo usar IA, cómo verificar salidas y cuándo detener un caso de uso. ### Procesos rediseñados El trabajo se mapea donde la IA puede reducir tiempo, error o demora decisional sin perder control humano. ### Soluciones agénticas Prototipos y sistemas operativos quedan ligados a KPI, datos, responsabilidades y mantenimiento, no a la moda del momento. ## Servicios diseñados como activos, no como consultoría infinita. Cada intervención parte de una pregunta simple: qué proceso cuesta demasiado, qué decisión llega tarde, qué dato ya pagado todavía no trabaja. ### Consultoría directiva de IA Assessment, mapa de oportunidades, gobernanza y hoja de ruta 30/60/90 días con KPI antes del modelo. Página dedicada: https://ar-tik.com/es/consultoria-directiva-ia.md ### Arranque operativo Un día en sede. Queda el procedimiento escrito en el asistente a nombre de la empresa. Los datos se quedan en la empresa. El sistema de gestión no se toca. Página dedicada: https://ar-tik.com/es/arranque-operativo/index.md ### Atlas de aplicaciones IA Ejemplos concretos para reconocer dónde la IA puede ayudar: documentos, operaciones, RR. HH., marketing, software, gobernanza, producción, formación y datos. Página dedicada: https://ar-tik.com/es/atlas-aplicaciones-ia-empresas.md ### Análisis de datos agéntico De datos ya disponibles a señales verificadas: previsiones, prioridades operativas, business case y criterios para detenerse. Página dedicada: https://ar-tik.com/es/analisis-datos-agentico.md ### Cursos para gobernar la IA en la empresa Cursos de IA para dar a dirección y áreas de negocio criterios, políticas y prácticas aplicables al trabajo real. Página dedicada: https://ar-tik.com/es/cursos/index.md ### Preguntas frecuentes sobre IA en empresas Respuestas prácticas para elegir entre consultoría, cursos, análisis de datos, software técnico y patrones del Atlas. Página dedicada: https://ar-tik.com/es/preguntas-frecuentes-ia-empresas.md ### Software técnico y motores de cálculo Desarrollo de sistemas técnicos, motores de cálculo, lectores de datos heredados y aplicaciones verificables para procesos complejos. Página dedicada: https://ar-tik.com/es/desarrollo-software-tecnico.md ## ¿Cuánto cuesta cada año el tiempo dedicado a una tarea repetitiva? La página principal incluye una calculadora de valor interactiva: a partir de cinco datos simples (moneda, personas implicadas, horas por semana, coste medio por hora y parte del tiempo liberable con la IA) estima el coste anual del tiempo dedicado a una tarea manual, el valor liberable cada año y cuánto vale cada mes de espera. No pesa la jornada. Pesa cada mes en que el trabajo se sigue haciendo a mano. Si es un trabajo repetitivo: Arranque operativo. Si es una decisión que mejorar: Análisis de datos. Es una estimación indicativa sobre 45 semanas laborables, no una previsión de resultados ni un presupuesto. ## Cursos para gobernar la IA, no para perseguir herramientas. El catálogo lleva la IA a los procesos que importan: rediseño de flujos de trabajo, decisiones directivas, gobernanza, operaciones, documentos, comunicación y sistemas técnicos. ## Resultados medibles, declarados con sus límites. Ejemplos reales y anónimos del análisis de datos agéntico: cada caso parte de los datos ya disponibles, lleva a una decisión y declara su propio límite. * Hostelería: 8 de cada 10 cancelaciones detectadas ya en el momento de la reserva, sobre más de 119.000 reservas analizadas. * Energía: −77% de error en la previsión de la demanda frente a la regla de referencia. * Última milla: error medio en la ventana de entrega prometida al cliente reducido de 41 a 17 minutos. Detalles: https://ar-tik.com/es/analisis-datos-agentico.md ## Preguntas frecuentes ### ¿Qué hace Artik Lab? Artik Lab ayuda a empresas y áreas de negocio a elegir, gobernar y realizar el primer uso útil de la IA: mapa de procesos, business case, formación de equipos, análisis de datos y prototipos controlados. ### ¿Por dónde conviene empezar? Conviene empezar por una decisión recurrente y costosa: un proceso, riesgo, previsión o prioridad que pueda mejorar en pocas semanas. ### ¿El sitio es legible para agentes de IA? Sí. Cada página contiene texto en el HTML fuente, JSON-LD coherente, espejos Markdown, sitemap, hreflang y archivos llms.txt. # Consultoría directiva de IA para gobernanza, prioridades y competencias internas. La IA no es software que se instala: es una capacidad directiva que se construye. Artik Lab ayuda a la dirección a decidir dónde usarla, dónde detenerse, qué procesos rediseñar y qué competencias deben permanecer en la empresa. ## Una capa directiva para convertir entusiasmo, licencias y experimentos aislados en valor gobernado. La consultoría directiva de IA precede a herramientas, agentes y automatizaciones. Da a la dirección un mapa: qué decisiones justifican inversión, qué actividades requieren supervisión humana, qué competencias faltan, qué datos ya sirven y qué primer piloto puede generar retorno medible. ## Antes de elegir el formato, reconocer el proceso. El Atlas reúne ejemplos concretos de aplicaciones IA para documentos, operaciones, RR. HH., marketing, software, gobernanza, producción, formación y datos. Ayuda a decidir si el caso requiere consultoría, análisis de datos, desarrollo técnico o formación. Página Atlas: https://ar-tik.com/es/atlas-aplicaciones-ia-empresas.md FAQ conectada: https://ar-tik.com/es/preguntas-frecuentes-ia-empresas.md - para elegir entre consultoría, cursos, análisis de datos y software técnico. ## Las empresas no fallan porque falte un modelo. Fallan porque falta una pregunta directiva. El patrón es reconocible: se compran licencias, se hacen demos, algunas personas prueban herramientas personales y luego el uso cae. No es resistencia al cambio. Es falta de contexto, criterios y responsabilidad. La IA debe gestionarse como un colaborador digital: útil con objetivos claros, peligrosa con tareas ambiguas y sin control. ### Shadow AI Las personas usan herramientas personales porque son flexibles. La consultoría no reprime esa energía: la transforma en práctica empresarial segura y gobernada. ### Frontera dentada La IA destaca en algunos trabajos y falla en otros que parecen similares. Hace falta un mapa empírico de procesos, no una lista genérica de casos de uso. ### Fallo silencioso Un sistema puede parecer funcionar mientras degrada la calidad de las decisiones. Por eso se separa lo accionable de lo que requiere juicio humano. ## Competencias, rediseño y tecnología: el orden no es negociable. La tecnología llega solo después de competencias y proceso. Primero se construye juicio directivo, luego se rediseñan flujos de trabajo y solo después se introduce automatización o agentes donde el riesgo está gobernado. ### Competencias Dirección y roles clave aprenden a descomponer trabajo, juzgar salidas de IA, reconocer incertidumbre y separar uso personal de capacidad empresarial. ### Rediseño Los procesos se clasifican por valor, riesgo y supervisión: zona verde para automatización simple, amarilla para copilotos controlados, roja para decisiones humanas. ### Tecnología Solo donde existen KPI, responsabilidades y criterios de aceptación se pasa a prototipos, agentes, flujos de trabajo y memoria organizativa. ## Qué conserva la dirección después del proyecto. El servicio no termina con un workshop inspiracional. Produce activos utilizables por dirección, áreas de negocio y partners técnicos. ### Executive AI Brief Síntesis de decisiones: prioridades, riesgos, límites, sponsors internos y criterios para detener iniciativas débiles. ### Mapa de oportunidades y frontera Procesos ordenados por valor, factibilidad, riesgo y madurez del dato. Cada oportunidad se conecta con una decisión real. ### Gobernanza por zonas Clasificación de actividades en autonomía, supervisión o prerrogativa humana, con límites interpretativos explícitos. ### Hoja de ruta 30/60/90 Secuencia concreta: primeras políticas, formación dirigida, piloto medible, datos a preparar y responsabilidades operativas. ### AI policy y criterios de uso Reglas prácticas para datos confidenciales, cuentas, salidas a verificar, herramientas personales y paso a soluciones empresariales. ### Brief del primer piloto Documento listo para iniciar el caso inicial: KPI, proceso, usuarios, datos, riesgos, baseline y criterio de éxito. ## Cómo se desarrolla una consultoría directiva de IA. 1. Alineación con dirección y sponsors: objetivos, temores, límites y decisiones que hoy llegan tarde. 2. Inventario de procesos y Shadow AI: dónde ya se usa IA, dónde se pierde tiempo, dónde hay riesgo no gobernado. 3. Mapa de frontera: actividades dentro, fuera o en zona incierta respecto a las capacidades actuales. 4. Diseño de gobernanza: zonas de autonomía, supervisión, escalado y criterios de calidad. 5. Elección del primer piloto: pequeño, medible y ligado a un coste o decisión recurrente. 6. Hoja de ruta y transferencia: formación, política, datos, responsabilidades y próximas decisiones. ## Señales de que el tema es directivo, no técnico. - Licencias IA ya compradas pero uso real concentrado en pocas personas. - Personas que usan herramientas personales de IA sin reglas claras. - Dirección interesada en IA pero incierta sobre ROI, riesgos, prioridades y responsabilidades. - Procesos llenos de documentos, emails, ofertas, informes y conocimiento tácito no transferido. - Primeros experimentos útiles a nivel individual pero no convertidos en proceso empresarial. - Temor a perder control sobre datos, calidad, marca o decisiones sensibles. ## Preguntas frecuentes ### ¿Es un servicio distinto del análisis de datos agéntico? Sí. La consultoría directiva de IA define gobernanza, prioridades, competencias y hoja de ruta. El análisis de datos agéntico entra cuando el problema principal es encontrar señales en datos operativos. ### ¿Hace falta saber qué herramienta comprar? No. El objetivo es evitar empezar por la herramienta. Primero se aclara qué proceso mejorar, qué decisión apoyar y qué riesgo gobernar. ### ¿Encaja con empresas sin equipo IT interno? Sí. El servicio está pensado para empresas con fuerte conocimiento de dominio y capacidad técnica limitada. La parte técnica llega solo cuando el perímetro directivo está claro. # Análisis de datos agéntico: de los datos que ya tiene la empresa a una decisión El análisis de datos agéntico no produce gráficos para archivar: busca señales en datos ya disponibles, las conecta con una decisión y declara dónde el modelo no conviene. ## Qué es el análisis de datos agéntico Es un servicio que verifica dónde los datos de la empresa pueden reducir retrasos, desperdicios, errores o riesgos. Si la señal no existe, el resultado útil es saber qué proyecto no financiar. ## Situaciones en las que reconocerse Estas fichas sirven para reconocerse en una situación, no para elegir un sector. Cada situación se cuenta a través de un caso real, es decir un análisis ejecutado hasta el final por Artik Lab, con informe certificado y números medidos. El método vale para cualquier empresa; los números valen para ese caso. Y si los datos no responden a la pregunta, el informe lo dice: es el modo más económico de evitar un proyecto equivocado. ### El tiempo por pieza lo estimo a ojo: si me equivoco, me juego el margen. Taller a terceros · Caso real · análisis certificado. In breve. Qué entra: código de pieza, cantidad, máquina, tiempo observado. Qué sale: el tiempo que hay que poner en el presupuesto, como intervalo. Quién decide: quien hace el presupuesto. En el taller cada mecanizado es pieza, cantidad y máquina, y el presupuesto sale de la experiencia. El análisis estima cuánto tiempo hace falta para una cantidad en una máquina y cuánto de la variabilidad depende de la máquina más que de la pieza, de modo que el precio y la fecha no salgan solo por intuición. **En el caso real:** 2.916 mecanizados en 13 máquinas. Más de la mitad de la diferencia entre un tiempo y otro, el 53%, no la explica nada de lo que el taller registra; el tamaño del pedido pesa el 32%, la máquina el 9%, la pieza el 6%. Un pedido de una pieza pide de forma típica 167 unidades de tiempo; uno de más de dieciséis piezas pide 18. Una máquina no reporta el tiempo en el 53% de sus mecanizados: un agujero de registro, no un milagro. - Señales de necesidad: presupuestos a mano sobre el plano la misma pieza, tiempos distintos según quién estima desvíos descubiertos al cierre del encargo el comprador pide plazos ciertos - Datos que suele haber ya: código de pieza o de útil cantidad máquina duración observada - Decisión inmediata: Cuánto tiempo poner en el presupuesto, como intervalo y no como cifra seca. En qué máquina conviene. Dónde un tiempo ausente es una alarma de registro. - Límite honesto: No hay ingresos en la misma fila: no calcula el margen en euros y no sustituye el archivo único «horas previstas y reales más ingreso por encargo». La unidad de tiempo hay que declararla en la empresa. - Descartado en el informe: cuatro métodos de estimación comparados con el tiempo típico de taller sobre piezas nunca vistas; afinar el modelo no gana a recoger dos o tres informaciones más por mecanizado. - Nota de método: números medidos en el informe certificado; demuestran el método, no prevén los tiempos de otro taller. ### Cada mes el real no cuadra con el presupuesto, y no sé si es inevitable o si hay partidas que no estoy teniendo en cuenta. Control de gestión · Caso real · análisis certificado. In breve. Qué entra: presupuesto y real por mes, línea y partida de coste. Qué sale: las partidas donde el desvío se repite y aquellas donde es solo ruido. Quién decide: quien controla los costes. El control de gestión compara presupuesto y real por partida: mano de obra, material, energía, logística. El análisis dice dónde el desvío se repite mes tras mes, para corregirlo, y dónde cambia de signo al azar, para no perseguirlo. **En el caso real:** 144 filas, doce meses por dos líneas y seis partidas de coste. A fin de año la producción ha gastado 28.879 euros más de lo planificado, el 1,15% de un presupuesto de 2,5 millones: una cifra que en el balance no alarma a nadie. Sumando los desvíos sin compensarlos se llega a 79.948 euros. La prioridad es una sola partida, las materias primas entre julio y septiembre: 28.478 euros, el 86% del desvío anual de esa partida, madurados en tres meses. Al variar los umbrales ninguna de las seis partidas cambia de veredicto. - Señales de necesidad: hoja de desvíos rehecha a fin de mes «estamos por encima de presupuesto» sin saber qué partida presupuesto parado y procesos que se deslizan tiempo perdido en explicar desvíos que son solo ruido - Datos que suele haber ya: por mes: línea o centro de coste categoría de coste importe a presupuesto importe a real - Decisión inmediata: Sobre qué partida intervenir. Qué desvío aceptar como variabilidad ordinaria. Cómo recalibrar el presupuesto. - Límite honesto: Un solo año no separa un suceso de una estacionalidad. Sin precios unitarios y cantidades no distingue precio de volumen. No es previsión de facturación, ni horas e ingreso sobre el mismo encargo. - Descartado en el informe: el solo control sobre el signo de los desvíos habría perdido mano de obra y logística, el 31,8% del movimiento bruto; cuenta la persistencia, no el signo. - Nota de método: números medidos en el informe certificado; demuestran el método, no prevén las cuentas de otra empresa. ### La hoja de pedidos del exterior se rehace cada mes, pero no dice cuánto depende la facturación de unos pocos países y clientes. Oficina de exportación · Caso real · análisis certificado. In breve. Qué entra: filas de pedido con fecha, país, cliente y facturación. Qué sale: la concentración por país y cliente, y dónde abrir clientes nuevos. Quién decide: quien dirige la exportación. El comercial de exportación vive sobre la tabla dinámica: quién ha pedido, desde qué país, cuánto pesa. El análisis hace legible la concentración, es decir qué países y clientes sostienen la facturación y dónde el riesgo de dependencia es alto, sin inventar un mercado que en los datos no está. **En el caso real:** 303 pedidos de 92 clientes en 19 países. Bastan 3 países de 19 para hacer la mitad de la facturación, mientras que hacen falta 26 clientes de 92. La diferencia entre los mercados no nace del tamaño de los pedidos: el número de clientes activos en cada país explica el 82,1% del desvío, así que la palanca es abrir clientes en los países ya cubiertos pero infraatendidos. Noviembre vale 3,15 veces un mes medio porque aporta 3,4 veces más pedidos. Y una trampa típica de los programas de gestión: el mismo histórico marcaba un retroceso del 60,94% o un crecimiento del 41,30% según cómo se comparaba un año incompleto. - Señales de necesidad: la misma tabla dinámica cada mes: país, cliente, producto «Francia y Alemania sostienen» dicho de palabra, sin clasificación estable miedo a perder un cliente grande sin verlo llegar la exportación salva el balance, pero nadie conoce la cola larga - Datos que suele haber ya: filas de pedido con fecha o mes país y cliente código de producto y cantidad facturación, idealmente 24–36 meses - Decisión inmediata: Dónde empujar la lista. A quién cubrir. Cuánto está concentrada la cartera. Qué fecha usar antes de cualquier gráfico. - Límite honesto: No incluye flete, arancel y descuento por mercado: es concentración y perfil, no margen neto. Si el programa de gestión trunca los precios, los importes son mínimos, no medidas. Con fechas incoherentes en el archivo hay que elegir una cronología antes de los gráficos: forma parte del trabajo, no es un detalle informático. - Descartado en el informe: la hipótesis «cada país tiene un gusto de catálogo» cae, porque saber el país reduce solo el 5,8% la incertidumbre sobre la línea de producto. Las dos dataciones del mismo pedido coincidían solo en el 58,55% de las filas: el análisis se reejecutó sobre ambas antes de elegir. - Nota de método: números medidos en el informe certificado; demuestran el método, no prevén la cartera de otra empresa. ### El cliente quiere la misma calidad del lote anterior y yo tengo que ir a remolque de los certificados de laboratorio. Bodega y laboratorio · Caso real · análisis certificado. In breve. Qué entra: análisis de laboratorio por lote y clasificación comercial. Qué sale: los lotes que hay que enviar, retener o destinar a otro canal, antes de la carga. Quién decide: quien cierra el lote. Laboratorio y certificados ya están. El análisis dice, antes de cerrar el lote, cuánto se parece ese perfil a los lotes ya aceptados y dónde el riesgo de rechazo o de reclamación es más alto. No sustituye la cata: la anticipa. **En el caso real:** 1.143 lotes con once medidas químicas de laboratorio cada uno. Solo con los números de laboratorio el sistema reconoce de antemano el 87% de los lotes de prestigio, 108 de 124 en la muestra de verificación, y cuando indica un lote como de prestigio acierta en el 81% de los casos. La calidad no está en un solo indicio sino en un bloque: grado alcohólico, control de la acidez volátil y estabilización con sulfitos leídos juntos. - Señales de necesidad: informes de calidad rehechos a mano para cada cliente o verificación el comprador pide «como el lote de marzo» sin una regla escrita no conformidades y reclamaciones que llegan después del envío certificaciones ya en casa, pero usadas solo a posteriori - Datos que suele haber ya: análisis de laboratorio por lote resultado del ensayo o de la cata clasificación comercial del lote histórico de reclamaciones o devoluciones - Decisión inmediata: Qué lotes enviar, retener o destinar a otro canal, antes de la carga y no después de la reclamación. Qué lotes proteger antes de cortes y mezclas. - Límite honesto: No predice el gusto del mercado y no sustituye la cata. Los lotes de prestigio con bajo grado alcohólico se escapan más a menudo. Sin un histórico de laboratorio estructurado el primer resultado útil puede ser: estos datos no bastan, y he aquí qué falta. - Descartado en el informe: la hipótesis «basta el grado alcohólico», la señal más fuerte por sí sola pero insuficiente; la densidad resultó redundante con el alcohol. - Nota de método: números medidos en el informe certificado; demuestran el método, no prevén los lotes de otra bodega. ### Las máquinas ya registran estados y medidas, pero la avería y las distintas formas de trabajar se ven tarde. Departamento de máquinas · Caso real · análisis certificado. In breve. Qué entra: estados y medidas de máquina ya registrados, tiempos de ciclo y paradas. Qué sale: la alarma de avería en curso y los perfiles de funcionamiento a comparación. Quién decide: quien planifica el departamento. El presupuesto y la promesa de entrega hoy salen de la experiencia de quien conoce el departamento. El análisis mira el histórico de uso y los estados de máquina, o de proceso, y hace visibles los regímenes: cuándo la capacidad está de verdad llena, cuándo un pedido urgente lo desplaza todo, cuándo la promesa no se sostiene. **En el caso real:** las medidas ya registradas por las máquinas han mostrado dos cosas. Sobre más de 7.600 lecturas de estado, el sistema reconoce una avería en curso en unos 84 casos de 100 y, cuando lanza una alarma, acierta en más de 97 veces de 100: la avería se anuncia como una subida conjunta de vibración, temperatura y presión. Sobre cinco máquinas leídas al minuto han surgido ocho perfiles de funcionamiento, con 11,4 puntos de desvío de eficiencia entre el mejor y el peor: la primera palanca no es comprar instalaciones nuevas, es entender por qué las mismas instalaciones rinden de forma tan distinta. - Señales de necesidad: «plazos ciertos» en la página de inicio, pero el plan de máquinas de memoria horas extra y prioridades decididas de palabra en el taller fechas prometidas y fechas reales guardadas en hojas sueltas el comprador pide trazabilidad e informes, no solo la pieza - Datos que suele haber ya: histórico de estados o medidas de máquina por sesión de trabajo tiempos de ciclo y paradas plan o retraso por máquina, si existe ningún proyecto nuevo de sensores si los registros ya existen - Decisión inmediata: Aceptar o rechazar una urgencia. Mover un lote. Prometer una fecha que se pueda cumplir. Ligar la alarma de avería a una orden de trabajo inmediata. - Límite honesto: No calcula el margen del presupuesto: las horas estimadas y el real son las dos situaciones de arriba. Reconoce una avería en curso, no la anuncia con días de antelación. Los perfiles de funcionamiento hay que confirmarlos en una ventana más larga que un día. - Descartado en el informe: la hipótesis «la avería depende del tipo de máquina» queda excluida a igualdad de base; descartados el sensor único resolutivo y el agrupamiento sobre la sola eficiencia. - Nota de método: números medidos en los informes certificados; demuestran el método, no prevén el departamento de otra empresa. ## Cuando el análisis dice que no se invierta Si los datos no responden a la pregunta, se escribe en el informe, con la lista de lo que falta. El informe se paga; la inversión equivocada, no. Dos casos reales y una página que hay en cada informe. ### Estábamos a punto de invertir en un modelo de previsión de retrasos, pero los datos no lo sostenían. Logística y envíos · Caso real · veredicto negativo. In breve. Qué entra: entregas planificadas y resultado real del software de gestión. Qué sale: el veredicto: con los datos de planificación el retraso no se prevé. Quién decide: quien debía financiar el modelo. Un operador logístico quiere saber, en el momento de planificar el viaje, qué entregas llegarán con retraso. El análisis no fuerza una previsión débil: comprueba si la señal existe en los datos disponibles antes de la salida. **En el caso real:** 85.410 entregas reconstruidas a partir de 14 tablas de gestión; el 55,4% llega más tarde de la hora prevista. Con la sola información disponible en planificación, el sistema mejor alcanza una capacidad de distinguir igual a 50,3 sobre 100, donde 50 es el puro azar. El retraso nace durante el viaje, en sucesos que el software de gestión no registra: paradas en carga y descarga, tráfico, meteorología, retrasos aguas arriba. - Señales de necesidad: penalizaciones y reclamaciones por retrasos que nadie ve llegar un proveedor que propone el modelo predictivo sobre los datos de planificación archivo de gestión completo y limpio, pero parado en la salida - Decisión inmediata: Detener el desarrollo de un modelo de planificación. Empezar a registrar unos pocos sucesos de viaje. Rehacer la pregunta cuando los datos nuevos cubran algunos meses. - Límite honesto: Es un límite de naturaleza de los datos, no de calidad: afinar el algoritmo no crea una señal ausente. Las magnitudes económicas hay que recalcularlas sobre los datos de quien decide. - Descartado en el informe: distancia, peso y cliente como predictores, porque el retraso es casi idéntico en cada segmento; el histórico de ruta y conductor, quitado del modelo, mueve el resultado en una cantidad irrelevante. - Nota de método: números medidos en el informe certificado; demuestran el método, no describen la flota de otra empresa. ### Habría querido prever qué prendas volverían como devoluciones, pero el análisis descubrió que, solo con las fichas de producto, no se podía obtener esa respuesta. Venta al por menor y devoluciones · Caso real · veredicto negativo. In breve. Qué entra: fichas de producto, precios, descuentos, devoluciones registradas. Qué sale: el veredicto: solo con las fichas de producto la devolución no se prevé, con los cuatro datos que hay que recoger. Quién decide: quien gestiona las devoluciones. Una tienda en red querría saber qué prendas volverán. La tentación es usar los datos ya cómodos: categoría, precio, color, ficha de producto. El análisis dice si en esos datos hay una señal, antes de que alguien construya un sistema encima. **En el caso real:** 2.176 prendas a catálogo; poco menos de una prenda de cada siete vuelve. Ningún modelo supera la referencia mínima: la característica más informativa, el descuento aplicado, explica menos del 2% del fenómeno; las demás, casi nada. Los métodos más potentes se han probado y lo hacen peor que los simples: la potencia no ayuda cuando no hay nada que aprender. - Señales de necesidad: devoluciones tratadas como un coste sufrido motivo de la devolución rellenado después, o nunca propuesta de un sistema predictivo solo sobre las fichas de producto - Decisión inmediata: No financiar el modelo. Poner en marcha en tres meses la recogida de cuatro datos: ajuste de la prenda, historia del cliente, experiencia después de la entrega, motivo de la devolución registrado en el momento adecuado. - Límite honesto: El «no» no cierra el problema: indica qué datos lo hacen abordable. Añadir otros productos con las mismas características no añade señal. - Descartado en el informe: el motivo de la devolución como variable, porque rellenado solo después de la devolución es un resultado del fenómeno, no una señal anticipadora. - Nota de método: números medidos en el informe certificado; demuestran el método, no describen las devoluciones de otra empresa. ### En el informe también está lo que se ha probado y descartado, con los números. En cada informe · Alternativas descartadas. In breve. Qué entra: los métodos y las hipótesis probados en el análisis. Qué sale: la sección del informe con lo que se ha descartado y por qué, con los números. Quién decide: quien lee el informe. Cada informe certificado tiene una sección dedicada a las alternativas descartadas: qué se ha probado, qué se ha tirado y por qué, con los números. Es lo contrario del proveedor que trae el único método que sabe hacer. **En el caso real:** en el análisis de los tiempos de taller, cuatro métodos de estimación se compararon con la referencia mínima, el tiempo típico de taller, sobre piezas nunca vistas. Ningún afinado del modelo gana al enriquecimiento del registro, porque el 53% de la variabilidad no está en los campos que el taller rellena hoy. La recomendación fue recoger dos o tres informaciones más por mecanizado, no comprar un método más refinado. - Métodos: El método retenido y los métodos descartados, con las medidas a comparación y la regla con la que se eligió el más simple a igualdad de resultado. - Hipótesis: Las hipótesis excluidas con un control y las declaradas no verificables con los datos disponibles, sin hacer pasar la ignorancia por exclusión. - Límites: Los límites declarados antes de las recomendaciones, no en una nota a pie de página. - Nota de método: ningún algoritmo en esta página; los nombres y las medidas están en el informe técnico que acompaña cada análisis. ## Traer el archivo que ya se prepara a mano cada mes. Artik Lab dice qué dice, qué no dice y si los datos bastan, antes de comprometerse en un proyecto. La primera conversación dura 30 minutos y es gratuita. ## Los cuadros de mando miran al pasado. Pero vuestros datos pueden ayudaros a decidir de cara al futuro. ## Resultados pensados para decidir ### Executive Summary Resultado principal, decisión recomendada, valor en juego, límites y acciones a 30, 90 o 180 días. ### Informe técnico Datos usados, controles, métodos, métricas, reproducibilidad y evidencia de que el modelo supera una referencia mínima. ### Plan de acción Piloto de bajo riesgo, responsabilidades, tiempos, métricas a observar y criterio para ampliar, cambiar o detener. ### Plan de datos Qué datos recoger después, por qué, con qué prioridad y qué decisión harían más sólida. ## Formas de valor ### Valor recuperado Clientes, pedidos, lotes o reservas salvables antes de perder valor. ### Coste evitado Proyectos predictivos que no deben financiarse si los datos no contienen la señal necesaria. ### Eficiencia organizativa Recursos reasignados a franjas, productos, controles o procesos que realmente importan. ### Promesa al cliente Entregas, disponibilidad, tiempos y comunicaciones más creíbles gracias a mejores estimaciones. ### Gobernanza del dato Recolección menos genérica y más vinculada a decisiones concretas. ## Cuando la señal no está solo en los datos. Muchos proyectos empiezan por los datos, pero el valor puede estar en documentos, emails, procedimientos, software técnico, gobernanza o formación. El Atlas ayuda a reconocer el área correcta antes de plantear el primer proyecto. ## Primera pregunta: ¿qué decisión debe mejorar? ## Otras señales ya demostradas Análisis realmente ejecutados y certificados en otros sectores: hospitalidad, entregas, energía, restauración, banca, controles, manufactura, actividad local. Cada historia dice qué datos operativos entran en el análisis, qué señal emerge y qué decisión se puede tomar. El sector es el del caso; el método es lo que se transfiere. Ningún cliente reconocible, ninguna promesa estándar. ### 1. Hospitalidad: Me entero de las cancelaciones cuando ya es demasiado tarde Un hotel puede leer el riesgo ya en el momento de la reserva: sobre más de 119.000 reservas, el sistema intercepta más de ocho cancelaciones de cada diez. La historia es simple: la dirección ve las cancelaciones solo cuando el daño ya ha llegado. El análisis de datos agéntico — sistemas de IA que buscan señales en los datos y las ligan a una decisión — mira, en cambio, las señales disponibles antes de la estancia, como la antelación de la reserva, el modo de pago y la historia del cliente. Para un hotel, un residence o un grupo de hospitalidad, el dato del motor de reservas se convierte en una lista de prioridad comercial. Las reservas más frágiles se pueden confirmar, recuperar o gestionar con condiciones distintas. El sector es distinto; la señal es la misma: un pedido o un cliente que se enfría antes del cobro, leído a tiempo. Este caso vale para cualquier cartera de reservas o pedidos con antelación, condiciones de pago e historial. - Señal útil: El sistema distingue las reservas sólidas de las que merecen una intervención preventiva. - Decisión posible: Confirmar, recuperar o proteger antes las reservas más expuestas. - Datos útiles después: Resultado de la llamada, valor recuperado y respuesta del cliente. - Límite que hay que declarar: El análisis no elimina las cancelaciones; ayuda a elegir dónde intervenir a tiempo. ### 2. Food delivery: Pierdo el pedido antes incluso de la entrega Cuando la cocina no confirma el pedido como listo, el riesgo de perderlo sube al 35,7%. A primera vista el problema parece estar en la entrega final: un pedido no llega, el cliente reclama, el restaurante pierde confianza. El análisis muestra, en cambio, que la señal nace antes, dentro del flujo operativo de la cocina. Para una plataforma de delivery o una cadena de restaurantes, esto cambia la pregunta: no «qué rider llega tarde», sino «qué pedido está saliendo del proceso antes incluso de ser entregado». - Señal útil: La ausencia de una confirmación intermedia se convierte en un aviso operativo. - Decisión posible: Activar de inmediato un recordatorio, una reasignación o una comunicación al cliente. - Datos útiles después: Causa registrada, recuperación del pedido y coste del fallo de servicio. - Límite que hay que declarar: El modelo funciona si los estados intermedios del pedido se registran bien. ### 3. Última milla: Prometo una hora y luego el servicio de atención se satura La estimación del tiempo de entrega pasa de un error medio de unos 41 minutos a unos 17 minutos. En muchas empresas de logística urbana el problema no es solo entregar más deprisa. Es prometer una hora realista, de modo que el cliente espere menos, la atención reciba menos llamadas y la flota se coordine mejor. El análisis parte de los pedidos y de los tiempos históricos, pero no se detiene en la media. Busca condiciones recurrentes que hacen una entrega más lenta o más rápida y las transforma en una previsión más útil. - Señal útil: Una ventana de llegada más fiable para cada entrega. - Decisión posible: Actualizar comunicaciones al cliente, prioridades operativas y planificación de la flota. - Datos útiles después: Reclamaciones, llamadas evitadas e intervenciones manuales del equipo operativo. - Límite que hay que declarar: No promete entregas más rápidas; promete estimaciones más creíbles. ### 4. Energía: Se compra energía a ojo y se pagan las correcciones cuando la previsión falla. La previsión reduce el error un 77% respecto a la regla de referencia. Un operador energético o un gran consumidor tiene que decidir antes cuánta energía comprar, cubrir o reservar. Si la previsión es demasiado prudente, inmoviliza recursos; si es demasiado baja, expone a costes y correcciones. El análisis lee la serie histórica de los consumos horarios y construye un perfil esperado del día siguiente. El resultado no es un gráfico para archivar, sino un apoyo a la planificación energética. - Señal útil: Un perfil horario esperado más fiable que la regla usada como comparación. - Decisión posible: Comprar, cubrirse o planificar capacidad con menos margen defensivo. - Datos útiles después: Precios, costes de desvío y reglas de aprovisionamiento. - Límite que hay que declarar: El ahorro económico hay que calcularlo con los números reales del contrato energético. ### 5. Restauración: Pido mercancía y monto los turnos como la semana pasada La previsión de los ingresos mejora un 24% respecto a la regla «como la semana pasada». Un restaurante decide cada semana cuánta materia prima pedir y cuántas personas poner de turno. Si decide a ojo, se arriesga a desperdicios en los días flojos y a un servicio insuficiente en los días fuertes. El análisis parte del histórico de ingresos y reconoce el ritmo real del local. La previsión se convierte en una herramienta práctica para preparar cocina, sala y compras antes de que llegue la demanda. - Señal útil: Una estimación de los ingresos futuros más sólida que la regla empírica. - Decisión posible: Acompañar la previsión a las decisiones sobre compras, preparaciones y turnos. - Datos útiles después: Desperdicio real, ventas perdidas y coste del personal. - Límite que hay que declarar: El valor nace solo si la previsión cambia decisiones operativas. ### 6. Retail alimentario: El desperdicio lo veo cuando ya es tarde Los lotes más arriesgados desperdician casi tres veces los más seguros. En un supermercado o en una cadena alimentaria, el desperdicio no aparece de golpe. Nace de señales pequeñas: envase, movimiento, frío, tiempos de llegada, prioridad de venta. El análisis lee estas señales cuando el lote entra en el proceso y crea una graduatoria de riesgo. El punto no es prever cada pérdida, sino decidir qué lotes controlar, rotar o descontar antes. - Señal útil: Una lista de lotes que merecen atención antes del deterioro visible. - Decisión posible: Concentrar controles, rotaciones y rebajas preventivas en los lotes más expuestos. - Datos útiles después: Valor salvado, motivo del desperdicio y margen después de la intervención. - Límite que hay que declarar: No todo el desperdicio es previsible; el objetivo es usar mejor las acciones preventivas. ### 7. Banca: El cliente se va y me entero después El sistema reconoce unos tres clientes en riesgo de cada cuatro. Un banco puede ver salir a un cliente solo cuando la cuenta ya está perdida, o puede leer antes las señales de enfriamiento de la relación. El análisis distingue el riesgo genérico de la palanca comercial sobre la que actuar. La historia útil no es «este cliente se irá», sino «este cliente muestra señales de inactividad y se puede reactivar con una acción dirigida». Es una diferencia decisiva para construir campañas creíbles. El sector es distinto; el tipo de pregunta, quién está a punto de irse, es el mismo para cualquier cartera de clientes, también entre empresas. - Señal útil: Una prioridad de contacto basada en el comportamiento y en el riesgo de abandono. - Decisión posible: Poner en marcha campañas de reactivación dirigidas, no comunicaciones iguales para todos. - Datos útiles después: Histórico de comportamiento, contactos hechos y valor retenido. - Límite que hay que declarar: Reconocer el riesgo hoy no significa siempre preverlo con mucha antelación. ### 8. Restauración rápida: El menú está lleno pero gano con pocas referencias Pocos momentos del día y pocas referencias de menú generan casi tres cuartos de la facturación. En una cadena de restauración rápida, el problema no es solo vender más. Es entender dónde nace de verdad la facturación: qué franjas horarias piden personal, qué productos merecen stock, qué referencias ocupan espacio sin rendir. El análisis descriptivo se convierte en una historia operativa: el menú no es todo igual y el día no pesa todo del mismo modo. Esto ayuda a decidir turnos, existencias y promociones con menos impresiones y más evidencia. - Señal útil: Un mapa de los productos y de los momentos que sostienen la cuenta de resultados. - Decisión posible: Realinear personal, compras, promociones y revisión del menú. - Datos útiles después: Margen por referencia, tiempos de preparación y roturas de stock. - Límite que hay que declarar: No es una previsión; es una prioridad operativa que hay que completar con datos de margen. ### 9. Mantenimiento industrial: La máquina se para y me entero tarde Con los sensores disponibles, el análisis reconoce alrededor del 84% de las averías observadas. En fábrica la avería no es solo un suceso técnico: para personas, pedidos y capacidad productiva. Muchas máquinas ya tienen sensores, pero las señales quedan dispersas o se leen demasiado tarde. El análisis construye un aviso cuando el comportamiento de la máquina se parece a situaciones de avería ya vistas. Es útil si activa de inmediato una orden de trabajo, un control o una verificación sobre el terreno. Hay que leerlo junto con la situación sobre las máquinas de departamento , más arriba. - Señal útil: Una alarma operativa cuando la máquina muestra patrones compatibles con una avería. - Decisión posible: Ligar el aviso a mantenimiento, escalado y verificación de la parada evitada. - Datos útiles después: Tiempo de intervención, coste de la parada y recambios usados. - Límite que hay que declarar: Reconocer una avería en curso no es lo mismo que preverla semanas antes. ### 10. Compliance: Tengo más controles que hacer de los que puedo seguir Con el mismo número de verificaciones, la clasificación intercepta más casos graves. Un organismo de control o una función de cumplimiento tiene siempre más casos que verificar de los que puede seguir de inmediato. La pregunta no es hacer controles infinitos, sino decidir el orden adecuado. El análisis usa el histórico de las verificaciones para construir una lista de prioridad. Los controles siguen siendo humanos, pero la agenda se ordena de modo que aumente la probabilidad de encontrar antes los casos más serios. - Señal útil: Una graduatoria de riesgo para programar verificaciones y seguimiento. - Decisión posible: Ordenar inspecciones, auditorías o controles internos sin aumentar el presupuesto. - Datos útiles después: Resultado del control, reincidencia, gravedad y tiempo de vuelta a la conformidad. - Límite que hay que declarar: El modelo no decide sanciones; ayuda a ordenar las prioridades. ### 11. Manufactura: La misma máquina rinde de forma distinta y no sé por qué Entre los perfiles operativos emerge un desvío de 11,4 puntos de eficiencia. En producción, el consumo medio a menudo esconde historias distintas. La misma máquina puede trabajar de modos más o menos eficientes, pero el dato energético bruto no explica enseguida por qué. El análisis agrupa los comportamientos de la máquina y muestra qué perfiles merecen comparación. Antes de comprar sensores o instalaciones nuevas, la empresa puede preguntarse qué condiciones operativas distinguen el perfil que rinde del que desperdicia. - Señal útil: Un mapa de los perfiles de funcionamiento, no solo del consumo medio. - Decisión posible: Comparar perfiles mejores y peores y poner en marcha un piloto de reducción de desperdicios. - Datos útiles después: Coste de la energía, horas de máquina, producción y ajustes operativos. - Límite que hay que declarar: El valor en euros hay que estimarlo solo cuando consumos y producción están ligados. ### 12. Actividad local: Cientos de reseñas, ninguna decisión Sobre 2.961 reseñas de veinte actividades de la misma categoría y zona, ninguna respondía a las reseñas recibidas. Una actividad local vive de las elecciones de quien lee reseñas antes de entrar, pero del lado del titular quedan una media en estrellas y un flujo de textos que nadie resume. Las reseñas de la actividad y de los competidores de la misma plaza se convierten en una lista de acciones en orden de prioridad, no en un cuadro de métricas que hay que interpretar: un documento que dice por dónde empezar. El análisis no mira solo la actividad: recoge también a los competidores de la misma zona y mide las mismas dimensiones sobre todos. Es la comparación la que hace legible un número, porque una media alta dice poco mientras no se sepa cuán alta es la media de quien está alrededor. En el caso real el veredicto no llegó de la media en estrellas, que ya era excelente, sino de dos cosas que nadie había contado: seis de las siete reseñas críticas hablaban del mismo tema, y ninguna de las veinte actividades de la zona respondía a quien escribía. - Señal útil: Las reseñas críticas no están dispersas: seis de siete giran en torno a un único tema. Ahí se interviene, no sobre todo. - Decisión posible: Responder a las reseñas, que en la zona no hacía nadie, y explicar de antemano qué comprende el precio. - Datos útiles después: Resultado de las respuestas publicadas, peticiones de presupuesto después de la publicación, reseñas nuevas sobre el mismo tema. - Límite que hay que declarar: Los números salen de un corpus de reseñas públicas congelado a una fecha: fotografían esa zona en ese momento, no prevén los resultados de otra actividad. ## Preguntas frecuentes ### ¿Sustituye a los cuadros de mando ya en uso (Business Intelligence)? No. Los cuadros de mando ya en uso (Business Intelligence) vigilan indicadores conocidos; el análisis agéntico diagnostica causas, busca señales poco evidentes y conecta el resultado con una decisión. ### ¿Hacen falta ya datos perfectos, en un único archivo? No. El primer valor puede ser justamente comprobar si los datos existentes sirven, qué límites tienen y qué datos recoger después. ### ¿Qué ocurre si no hay señal? El método declara el veredicto negativo e indica qué inversión evitar, o qué recogida de datos iniciar antes de financiar un modelo. ### ¿Los casos del atlas son clientes de Artik Lab? No. Son análisis realmente ejecutados y certificados por Artik Lab sobre archivos operativos del mismo tipo que los que hay en las empresas, sin clientes reconocibles. Los números demuestran el método; no predicen los resultados de otra empresa. ### ¿Qué hace falta para la primera conversación? El extracto que ya se prepara a mano cada mes y la decisión que debería mejorar. En 30 minutos, gratuitos, se aclara si los datos bastan, qué falta y qué primer proyecto tiene sentido, antes de comprometerse. ### ¿Dónde están los datos durante el análisis? Se trabaja sobre un extracto acordado, con un perímetro escrito. # Qué se puede hacer con la IA en una empresa. Un mapa público de ejemplos concretos para reconocer dónde la inteligencia artificial puede reducir tiempos, errores, riesgos o retrasos en las decisiones en los procesos de la empresa. ## Cada ficha es un ejemplo de trabajo, no un producto que se compra. Cada ficha describe un ejemplo de uso: qué datos o materiales entran, qué resultado se puede producir, qué valor de empresa puede generar y qué controles siguen siendo humanos. Artik Lab parte siempre de una primera conversación de diagnóstico y diseña soluciones específicas sobre el contexto del cliente. ## Explorar por área, necesidad o proceso. Las aplicaciones son ejemplos: ayudan a formular mejores preguntas antes de elegir formación, consultoría, análisis de datos o desarrollo de software técnico. Dataset JSON: https://ar-tik.com/data/ai-applications.es.json Dossier LLM: https://ar-tik.com/es/atlas-aplicaciones-ia-empresas-dossier.md ## Área - Documentos y conocimiento: 4. Cuando el trabajo pasa por PDF, escaneos, contratos o procedimientos. - Procesos operativos: 6. Cuando decisiones, prioridades y pasos manuales ralentizan el proceso. - Personas y RR. HH.: 3. Cuando competencias, onboarding o feedback quedan dispersos entre áreas. - Cliente, marketing y ventas: 4. Cuando clientes, contenidos y ventas generan señales que nadie lee. - Área técnica y software: 4. Cuando reglas, código, planos o sistemas técnicos deben ser verificables. - Gobernanza, compliance y riesgo: 3. Cuando uso de IA, privacidad, riesgo y responsabilidades no tienen límites claros. - Producción, calidad y mantenimiento: 3. Cuando producción, calidad o mantenimiento tienen datos que llegan tarde. - Formación y memoria interna: 2. Cuando conocimiento interno y materiales formativos deben seguir accesibles. - Data science y decisiones: 5. Cuando existen históricos, KPI o señales que validar antes de construir. - Herramientas transversales: 2. Cuando la IA sirve para explorar, sintetizar o preparar decisiones transversales. ## Qué se puede hacer con la IA en una empresa. ### Extraer datos de documentos y escaneos PDF, imágenes y formularios se convierten en texto, tablas y campos estructurados reutilizables. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan pdf y adjuntos para producir base de datos estructurada y apoyar reducción de tiempos, con revisión humana recomendada. - Área: Documentos y conocimiento - Qué entra: PDF y adjuntos, escaneos e imágenes, formularios completados - Qué sale: base de datos estructurada, informe operativo - Valor: reducción de tiempos, menos errores, trazabilidad - Señales de necesidad: documentos dispersos y difíciles de consultar, copias manuales entre emails, hojas y sistemas - Revisión humana: recomendada - Riesgo: medio ### Verificar coherencia entre documentos Informes, contratos, pliegos y procedimientos se comparan para detectar discrepancias y definiciones no alineadas. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan pdf y adjuntos para producir informe operativo y apoyar menos errores, con revisión humana obligatoria. - Área: Documentos y conocimiento - Qué entra: PDF y adjuntos, documentación interna, contratos y políticas, licitaciones y pliegos - Qué sale: informe operativo, mapa de riesgos - Valor: menos errores, reducción de riesgo, trazabilidad - Señales de necesidad: errores recurrentes en documentos, procedimientos o controles, documentos dispersos y difíciles de consultar - Revisión humana: obligatoria - Riesgo: medio ### Hacer consultable el conocimiento empresarial Manuales, procedimientos y bases de conocimiento se convierten en búsqueda semántica con fuentes citables. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan documentación interna para producir búsqueda semántica y apoyar conocimiento transferible, con revisión humana recomendada. - Área: Documentos y conocimiento - Qué entra: documentación interna, PDF y adjuntos, manuales y material formativo - Qué sale: búsqueda semántica, FAQ y respuestas - Valor: conocimiento transferible, decisiones más rápidas, servicio más uniforme - Señales de necesidad: documentos dispersos y difíciles de consultar, conocimiento crítico concentrado en pocas personas - Revisión humana: recomendada - Riesgo: medio ### Convertir reuniones, emails y tickets en memoria operativa Transcripciones e hilos se limpian, resumen y convierten en decisiones, tareas, fechas y riesgos trazables. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan emails y tickets para producir digest accionable y apoyar trazabilidad, con revisión humana recomendada. - Área: Procesos operativos - Qué entra: emails y tickets, transcripciones y notas, tickets y solicitudes - Qué sale: digest accionable, roadmap y prioridades - Valor: trazabilidad, decisiones más rápidas, conocimiento transferible - Señales de necesidad: decisiones recurrentes lentas o basadas en información incompleta, conocimiento crítico concentrado en pocas personas - Revisión humana: recomendada - Riesgo: bajo ### Generar documentos controlados desde plantillas Informes, cartas, contratos, FAQ y comunicaciones se producen desde datos y plantillas con revisión humana. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan base de datos estructurada para producir borradores controlados y apoyar reducción de tiempos, con revisión humana obligatoria. - Área: Documentos y conocimiento - Qué entra: base de datos estructurada, documentación interna, contratos y políticas - Qué sale: borradores controlados, FAQ y respuestas - Valor: reducción de tiempos, menos errores, compliance más gobernable - Señales de necesidad: copias manuales entre emails, hojas y sistemas, errores recurrentes en documentos, procedimientos o controles - Revisión humana: obligatoria - Riesgo: medio ### Mapear procesos y rediseñar flujos de trabajo El trabajo real se reconstruye as-is, se lee por cuellos de botella y se transforma en un escenario objetivo. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan transcripciones y notas para producir roadmap y prioridades y apoyar prioridades más claras, con revisión humana recomendada. - Área: Procesos operativos - Qué entra: transcripciones y notas, logs y estados de proceso, emails y tickets, hojas de cálculo - Qué sale: roadmap y prioridades, business case - Valor: prioridades más claras, decisiones más rápidas, costes evitados - Señales de necesidad: decisiones recurrentes lentas o basadas en información incompleta, copias manuales entre emails, hojas y sistemas, uso de IA ya presente sin reglas compartidas - Revisión humana: recomendada - Riesgo: medio ### Hacer triage de emails, tickets y solicitudes Las comunicaciones entrantes se clasifican por urgencia, tema, responsable y acción requerida. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan emails y tickets para producir digest accionable y apoyar reducción de tiempos, con revisión humana recomendada. - Área: Procesos operativos - Qué entra: emails y tickets, tickets y solicitudes, documentación interna - Qué sale: digest accionable, borradores controlados, ranking de prioridad - Valor: reducción de tiempos, servicio más uniforme, prioridades más claras - Señales de necesidad: copias manuales entre emails, hojas y sistemas, decisiones recurrentes lentas o basadas en información incompleta - Revisión humana: recomendada - Riesgo: medio ### Planificar turnos, recursos y prioridades Disponibilidad, restricciones, competencias, ausencias y demanda se combinan en planes factibles. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan hojas de cálculo para producir plan y asignaciones y apoyar eficiencia productiva, con revisión humana obligatoria. - Área: Procesos operativos - Qué entra: hojas de cálculo, ERP y sistemas de gestión, KPI y series históricas - Qué sale: plan y asignaciones, dashboards y vistas filtrables - Valor: eficiencia productiva, decisiones más rápidas, costes evitados - Señales de necesidad: planificación todavía muy manual, datos históricos disponibles pero no convertidos en señales - Revisión humana: obligatoria - Riesgo: medio ### Prever demanda y carga operativa Históricos de pedidos, ingresos, tickets o producción se convierten en previsiones operativas. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan transacciones y compras para producir previsión verificable y apoyar decisiones más rápidas, con revisión humana recomendada. - Área: Procesos operativos - Qué entra: transacciones y compras, KPI y series históricas, datos de producción - Qué sale: previsión verificable, dashboards y vistas filtrables - Valor: decisiones más rápidas, costes evitados, eficiencia productiva - Señales de necesidad: datos históricos disponibles pero no convertidos en señales, planificación todavía muy manual - Revisión humana: recomendada - Riesgo: medio ### Mantener vivos requisitos, decisiones y stakeholders Reuniones y documentos de proyecto alimentan un dossier evolutivo con requisitos y conflictos latentes. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan transcripciones y notas para producir roadmap y prioridades y apoyar trazabilidad, con revisión humana obligatoria. - Área: Procesos operativos - Qué entra: transcripciones y notas, requisitos y especificaciones, documentación interna - Qué sale: roadmap y prioridades, mapa de riesgos - Valor: trazabilidad, menos errores, conocimiento transferible - Señales de necesidad: decisiones recurrentes lentas o basadas en información incompleta, conocimiento crítico concentrado en pocas personas - Revisión humana: obligatoria - Riesgo: medio ### Leer feedback, reseñas y tickets de cliente Textos no estructurados se agregan por temas, sentimiento, necesidades recurrentes y acciones. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan feedback textual para producir informe operativo y apoyar servicio más uniforme, con revisión humana recomendada. - Área: Cliente, marketing y ventas - Qué entra: feedback textual, tickets y solicitudes, fuentes públicas - Qué sale: informe operativo, ranking de prioridad - Valor: servicio más uniforme, valor comercial recuperado, prioridades más claras - Señales de necesidad: feedback abundante pero no analizado, decisiones recurrentes lentas o basadas en información incompleta - Revisión humana: recomendada - Riesgo: medio ### Descubrir necesidades de mercado y target Fuentes públicas y materiales se sintetizan en mapas de pain point, lenguaje, segmentos y oportunidades. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan fuentes públicas para producir informe operativo y apoyar valor comercial recuperado, con revisión humana recomendada. - Área: Cliente, marketing y ventas - Qué entra: fuentes públicas, feedback textual, documentación interna - Qué sale: informe operativo, business case - Valor: valor comercial recuperado, prioridades más claras, decisiones más rápidas - Señales de necesidad: feedback abundante pero no analizado, decisiones recurrentes lentas o basadas en información incompleta - Revisión humana: recomendada - Riesgo: medio ### Codificar voz de marca y contenidos Entrevistas, ejemplos aprobados y material comercial se convierten en guías y borradores multicanal. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan documentación interna para producir políticas y guardrails y apoyar reducción de tiempos, con revisión humana obligatoria. - Área: Cliente, marketing y ventas - Qué entra: documentación interna, feedback textual, fuentes públicas - Qué sale: políticas y guardrails, borradores controlados - Valor: reducción de tiempos, valor comercial recuperado, trazabilidad - Señales de necesidad: errores recurrentes en documentos, procedimientos o controles, copias manuales entre emails, hojas y sistemas - Revisión humana: obligatoria - Riesgo: bajo ### Apoyar ventas, pricing y recomendaciones Históricos de compra, catálogos e información competitiva ayudan a crear pitches, bundles y escenarios de precio. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan transacciones y compras para producir recomendaciones operativas y apoyar valor comercial recuperado, con revisión humana obligatoria. - Área: Cliente, marketing y ventas - Qué entra: transacciones y compras, documentación interna, fuentes públicas - Qué sale: recomendaciones operativas, business case - Valor: valor comercial recuperado, decisiones más rápidas, prioridades más claras - Señales de necesidad: datos históricos disponibles pero no convertidos en señales, decisiones recurrentes lentas o basadas en información incompleta - Revisión humana: obligatoria - Riesgo: medio ### Mapear competencias y necesidades Competencias, roles, objetivos futuros y tendencias se conectan para priorizar desarrollo y reskilling. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan datos rr. hh. agregados para producir roadmap y prioridades y apoyar conocimiento transferible, con revisión humana obligatoria. - Área: Personas y RR. HH. - Qué entra: datos RR. HH. agregados, documentación interna, fuentes públicas - Qué sale: roadmap y prioridades, informe operativo - Valor: conocimiento transferible, prioridades más claras, formación más rápida - Señales de necesidad: conocimiento crítico concentrado en pocas personas, uso de IA ya presente sin reglas compartidas - Revisión humana: obligatoria - Riesgo: medio ### Apoyar recruiting y onboarding Job descriptions, candidaturas y materiales de entrada se estructuran para evaluaciones y recorridos iniciales. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan cv y candidaturas para producir informe operativo y apoyar reducción de tiempos, con revisión humana obligatoria. - Área: Personas y RR. HH. - Qué entra: CV y candidaturas, datos RR. HH. agregados, manuales y material formativo - Qué sale: informe operativo, borradores controlados - Valor: reducción de tiempos, menos errores, formación más rápida - Señales de necesidad: copias manuales entre emails, hojas y sistemas, conocimiento crítico concentrado en pocas personas - Revisión humana: obligatoria - Riesgo: alto ### Simplificar políticas y solicitudes RR. HH. Políticas, beneficios, procedimientos y solicitudes recurrentes se convierten en FAQ y recorridos guiados. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan datos rr. hh. agregados para producir faq y respuestas y apoyar servicio más uniforme, con revisión humana obligatoria. - Área: Personas y RR. HH. - Qué entra: datos RR. HH. agregados, documentación interna, contratos y políticas - Qué sale: FAQ y respuestas, borradores controlados - Valor: servicio más uniforme, reducción de tiempos, compliance más gobernable - Señales de necesidad: copias manuales entre emails, hojas y sistemas, documentos dispersos y difíciles de consultar - Revisión humana: obligatoria - Riesgo: alto ### Definir requisitos, MVP y criterios de aceptación Una necesidad técnica se transforma en requisitos, user stories, restricciones y límites del primer release. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan requisitos y especificaciones para producir roadmap y prioridades y apoyar menos errores, con revisión humana obligatoria. - Área: Área técnica y software - Qué entra: requisitos y especificaciones, transcripciones y notas, documentación interna - Qué sale: roadmap y prioridades, tests y checklist - Valor: menos errores, trazabilidad, costes evitados - Señales de necesidad: decisiones recurrentes lentas o basadas en información incompleta, errores recurrentes en documentos, procedimientos o controles - Revisión humana: obligatoria - Riesgo: medio ### Acelerar desarrollo, refactoring y tests Código existente y especificaciones guían generación controlada, tests, refactoring y auditoría de calidad. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan código y repositorios para producir tests y checklist y apoyar reducción de tiempos, con revisión humana obligatoria. - Área: Área técnica y software - Qué entra: código y repositorios, requisitos y especificaciones - Qué sale: tests y checklist, informe operativo - Valor: reducción de tiempos, menos errores, trazabilidad - Señales de necesidad: errores recurrentes en documentos, procedimientos o controles, copias manuales entre emails, hojas y sistemas - Revisión humana: obligatoria - Riesgo: alto ### Leer pliegos y producir documentación técnica Licitaciones, pliegos, informes y fichas técnicas se analizan para requisitos críticos y riesgos. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan licitaciones y pliegos para producir informe operativo y apoyar reducción de riesgo, con revisión humana obligatoria. - Área: Área técnica y software - Qué entra: licitaciones y pliegos, documentación interna, planos técnicos - Qué sale: informe operativo, borradores controlados, mapa de riesgos - Valor: reducción de riesgo, menos errores, trazabilidad - Señales de necesidad: documentos dispersos y difíciles de consultar, errores recurrentes en documentos, procedimientos o controles - Revisión humana: obligatoria - Riesgo: alto ### Interpretar imágenes, planos y material técnico Fotos, planos y renders se convierten en fichas, análisis de componentes, cotas y narrativas técnicas. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan fotografías operativas para producir informe operativo y apoyar conocimiento transferible, con revisión humana obligatoria. - Área: Área técnica y software - Qué entra: fotografías operativas, planos técnicos, documentación interna - Qué sale: informe operativo, borradores controlados - Valor: conocimiento transferible, decisiones más rápidas, menos errores - Señales de necesidad: conocimiento crítico concentrado en pocas personas, documentos dispersos y difíciles de consultar - Revisión humana: obligatoria - Riesgo: medio ### Construir gobernanza, políticas y matriz de riesgo IA Actividades, datos y decisiones se clasifican en zonas de autonomía, supervisión o exclusión. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan documentación interna para producir políticas y guardrails y apoyar reducción de riesgo, con revisión humana obligatoria. - Área: Gobernanza, compliance y riesgo - Qué entra: documentación interna, políticas y guías, transcripciones y notas - Qué sale: políticas y guardrails, mapa de riesgos, roadmap y prioridades - Valor: reducción de riesgo, compliance más gobernable, prioridades más claras - Señales de necesidad: uso de IA ya presente sin reglas compartidas, decisiones recurrentes lentas o basadas en información incompleta - Revisión humana: obligatoria - Riesgo: alto ### Preparar documentos de compliance, legales y privacidad Contratos, informativas, registros, procedimientos y cartas se preparan como apoyo preliminar revisable. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan contratos y políticas para producir borradores controlados y apoyar reducción de tiempos, con revisión humana obligatoria. - Área: Gobernanza, compliance y riesgo - Qué entra: contratos y políticas, documentación interna, formularios completados - Qué sale: borradores controlados, mapa de riesgos - Valor: reducción de tiempos, compliance más gobernable, reducción de riesgo - Señales de necesidad: copias manuales entre emails, hojas y sistemas, errores recurrentes en documentos, procedimientos o controles - Revisión humana: obligatoria - Riesgo: alto ### Probar asistentes IA contra usos indebidos Chatbots y asistentes se prueban contra manipulación, fuga de datos e instrucciones conflictivas. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan documentación interna para producir tests y checklist y apoyar reducción de riesgo, con revisión humana obligatoria. - Área: Gobernanza, compliance y riesgo - Qué entra: documentación interna, requisitos y especificaciones, políticas y guías - Qué sale: tests y checklist, políticas y guardrails, informe operativo - Valor: reducción de riesgo, compliance más gobernable, servicio más uniforme - Señales de necesidad: uso de IA ya presente sin reglas compartidas, errores recurrentes en documentos, procedimientos o controles - Revisión humana: obligatoria - Riesgo: alto ### Analizar anomalías HSE desde imágenes operativas Fotos de inspección o área se leen para detectar no conformidades, riesgos y medidas preventivas. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan fotografías operativas para producir informe operativo y apoyar reducción de riesgo, con revisión humana obligatoria. - Área: Producción, calidad y mantenimiento - Qué entra: fotografías operativas, documentación interna - Qué sale: informe operativo, mapa de riesgos - Valor: reducción de riesgo, decisiones más rápidas, compliance más gobernable - Señales de necesidad: errores recurrentes en documentos, procedimientos o controles, copias manuales entre emails, hojas y sistemas - Revisión humana: obligatoria - Riesgo: alto ### Optimizar producción, pedidos y calidad Programas cliente, ERP, ciclos, no conformidades y costes históricos apoyan prioridades y acciones. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan erp y sistemas de gestión para producir plan y asignaciones y apoyar eficiencia productiva, con revisión humana obligatoria. - Área: Producción, calidad y mantenimiento - Qué entra: ERP y sistemas de gestión, datos de producción, hojas de cálculo - Qué sale: plan y asignaciones, informe operativo, recomendaciones operativas - Valor: eficiencia productiva, menos errores, costes evitados - Señales de necesidad: planificación todavía muy manual, errores recurrentes en documentos, procedimientos o controles - Revisión humana: obligatoria - Riesgo: medio ### Gestionar mantenimiento, activos y recambios Histórico de fallos, sensores e intervenciones se convierten en prioridades y alertas operativas. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan sensores y telemetría para producir alertas y umbrales y apoyar eficiencia productiva, con revisión humana obligatoria. - Área: Producción, calidad y mantenimiento - Qué entra: sensores y telemetría, datos de producción, logs y estados de proceso - Qué sale: alertas y umbrales, ranking de prioridad, dashboards y vistas filtrables - Valor: eficiencia productiva, costes evitados, reducción de riesgo - Señales de necesidad: datos históricos disponibles pero no convertidos en señales, planificación todavía muy manual - Revisión humana: obligatoria - Riesgo: medio ### Crear formación, quiz y slides desde materiales internos Manuales, slides y documentos dispersos se convierten en syllabus, quiz y casos por rol. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan manuales y material formativo para producir faq y respuestas y apoyar formación más rápida, con revisión humana recomendada. - Área: Formación y memoria interna - Qué entra: manuales y material formativo, documentación interna, transcripciones y notas - Qué sale: FAQ y respuestas, borradores controlados - Valor: formación más rápida, conocimiento transferible, servicio más uniforme - Señales de necesidad: conocimiento crítico concentrado en pocas personas, documentos dispersos y difíciles de consultar - Revisión humana: recomendada - Riesgo: bajo ### Construir asistentes para memoria empresarial La documentación interna alimenta asistentes Q&A, incluso vocales, con fuentes y límites claros. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan documentación interna para producir búsqueda semántica y apoyar conocimiento transferible, con revisión humana obligatoria. - Área: Formación y memoria interna - Qué entra: documentación interna, manuales y material formativo, políticas y guías - Qué sale: búsqueda semántica, FAQ y respuestas, políticas y guardrails - Valor: conocimiento transferible, servicio más uniforme, reducción de tiempos - Señales de necesidad: conocimiento crítico concentrado en pocas personas, documentos dispersos y difíciles de consultar - Revisión humana: obligatoria - Riesgo: medio ### Producir informes ejecutivos y activos visuales Datos, KPI y materiales heterogéneos se transforman en informes narrativos, infografías y presentaciones. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan kpi y series históricas para producir informe operativo y apoyar decisiones más rápidas, con revisión humana recomendada. - Área: Herramientas transversales - Qué entra: KPI y series históricas, hojas de cálculo, documentación interna - Qué sale: informe operativo, dashboards y vistas filtrables, borradores controlados - Valor: decisiones más rápidas, trazabilidad, valor comercial recuperado - Señales de necesidad: datos históricos disponibles pero no convertidos en señales, copias manuales entre emails, hojas y sistemas - Revisión humana: recomendada - Riesgo: bajo ### Detectar anomalías y degradación en maquinaria Series temporales y sensores industriales se usan para alertas, degradación y mantenimiento predictivo. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan sensores y telemetría para producir alertas y umbrales y apoyar eficiencia productiva, con revisión humana obligatoria. - Área: Data science y decisiones - Qué entra: sensores y telemetría, datos de producción, KPI y series históricas - Qué sale: alertas y umbrales, previsión verificable, dashboards y vistas filtrables - Valor: eficiencia productiva, costes evitados, reducción de riesgo - Señales de necesidad: datos históricos disponibles pero no convertidos en señales, planificación todavía muy manual - Revisión humana: obligatoria - Riesgo: medio ### Segmentar clientes, churn y cross-selling Históricos transaccionales y de comportamiento se convierten en segmentos, riesgo y acciones comerciales. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan transacciones y compras para producir ranking de prioridad y apoyar valor comercial recuperado, con revisión humana obligatoria. - Área: Data science y decisiones - Qué entra: transacciones y compras, feedback textual, KPI y series históricas - Qué sale: ranking de prioridad, recomendaciones operativas, business case - Valor: valor comercial recuperado, prioridades más claras, servicio más uniforme - Señales de necesidad: datos históricos disponibles pero no convertidos en señales, feedback abundante pero no analizado - Revisión humana: obligatoria - Riesgo: medio ### Optimizar energía, calidad y rendimiento de línea Telemetría, consumos, calidad y parámetros máquina revelan perfiles eficientes y desperdicios. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan sensores y telemetría para producir dashboards y vistas filtrables y apoyar eficiencia productiva, con revisión humana obligatoria. - Área: Data science y decisiones - Qué entra: sensores y telemetría, datos de producción, KPI y series históricas - Qué sale: dashboards y vistas filtrables, recomendaciones operativas, business case - Valor: eficiencia productiva, costes evitados, decisiones más rápidas - Señales de necesidad: datos históricos disponibles pero no convertidos en señales, errores recurrentes en documentos, procedimientos o controles - Revisión humana: obligatoria - Riesgo: medio ### Analizar territorios, rentabilidad y tendencias Datos fiscales, territoriales o comerciales agregados se convierten en mapas, clusters y drivers de margen. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan transacciones y compras para producir dashboards y vistas filtrables y apoyar decisiones más rápidas, con revisión humana recomendada. - Área: Data science y decisiones - Qué entra: transacciones y compras, fuentes públicas, KPI y series históricas - Qué sale: dashboards y vistas filtrables, informe operativo, business case - Valor: decisiones más rápidas, prioridades más claras, valor comercial recuperado - Señales de necesidad: datos históricos disponibles pero no convertidos en señales, decisiones recurrentes lentas o basadas en información incompleta - Revisión humana: recomendada - Riesgo: medio ### Saber cuándo no construir un modelo El primer valor puede ser un veredicto negativo: el dato disponible aún no contiene la señal útil. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan kpi y series históricas para producir informe operativo y apoyar costes evitados, con revisión humana recomendada. - Área: Data science y decisiones - Qué entra: KPI y series históricas, transacciones y compras, logs y estados de proceso - Qué sale: informe operativo, business case, roadmap y prioridades - Valor: costes evitados, prioridades más claras, trazabilidad - Señales de necesidad: datos históricos disponibles pero no convertidos en señales, decisiones recurrentes lentas o basadas en información incompleta - Revisión humana: recomendada - Riesgo: bajo ### Usar la IA como laboratorio de descubrimiento Casos, materiales y restricciones se exploran para generar hipótesis, escenarios, conceptos y oportunidades. - Ejemplo operativo: Cuando el proceso muestra una necesidad similar, se usan documentación interna para producir informe operativo y apoyar valor comercial recuperado, con revisión humana recomendada. - Área: Herramientas transversales - Qué entra: documentación interna, feedback textual, fuentes públicas - Qué sale: informe operativo, recomendaciones operativas, borradores controlados - Valor: valor comercial recuperado, prioridades más claras, decisiones más rápidas - Señales de necesidad: decisiones recurrentes lentas o basadas en información incompleta, feedback abundante pero no analizado - Revisión humana: recomendada - Riesgo: bajo ## Para pasar del ejemplo al caso de la empresa se empieza por una conversación. La página sirve para orientarse. La solución nace solo después de haber visto sector, restricciones, datos disponibles, responsabilidades y la decisión que hay que mejorar. 1. **Cuadro preliminar**: Antes del encuentro se prepara una lectura del contexto público y de los materiales que se hayan compartido. 2. **Conversación estructurada**: Durante la llamada se localizan dos o tres procesos de alto potencial y se aclaran restricciones, riesgos y urgencias. 3. **Propuesta dirigida**: El resultado es un recorrido calibrado: formación, consultoría, análisis de datos o prototipo técnico, con resultados esperados y criterios de control. ## Preguntas frecuentes ### ¿El Atlas es un catálogo de productos listos? No. Es un mapa de ejemplos concretos. Artik Lab empieza con una primera conversación de diagnóstico y diseña el recorrido sobre el proceso real del cliente. ### ¿Todas las aplicaciones son automatizaciones? No. Algunas son formación, otras análisis, software técnico o gobernanza. La IA puede asistir, sugerir, encontrar señales o redactar borradores, pero las decisiones sensibles siguen gobernadas. ### ¿Cómo se evitan casos reconocibles? Las fichas agregan patrones y sectores, eliminando nombres, clientes, personas físicas, datos propietarios y detalles identificables. # Preguntas frecuentes de IA para empresas: por dónde empezar, qué elegir, qué evitar. Un repertorio público de preguntas reales para orientar a dirección y áreas de negocio entre consultoría, cursos, análisis de datos, software técnico y Atlas de aplicaciones IA. ## La FAQ funciona como brújula, no como lista de precios. Cada respuesta ayuda a entender el próximo paso útil. Artik Lab parte de una primera conversación de diagnóstico, lee proceso, datos, restricciones y responsabilidades, y propone el formato más adecuado al contexto real del cliente. Dataset JSON: https://ar-tik.com/data/faq.es.json Dossier LLM: https://ar-tik.com/es/preguntas-frecuentes-ia-empresas-dossier.md ## Explorar por área o intención. - Las preguntas que bloquean la decisión: 7. Coste, datos, software, curso ya hecho, tiempos, incentivos: respuestas breves antes de escribir. - Por dónde empezar: 5. Cuando la empresa quiere IA pero aún no tiene un proyecto definido. - Primera conversación y método: 5. Qué ocurre antes de elegir consultoría, curso, análisis o software. - Costes, tiempos y ROI: 5. Cómo razonar sobre inversión, retorno, prioridades y riesgo. - Datos, documentos y privacidad: 5. Cuándo hacen falta datos, cómo prepararlos y qué controles respetar. - Consultoría directiva de IA: 5. Preguntas sobre gobernanza, roadmap, prioridades, políticas y sponsor interno. - Formación y cursos de IA: 5. Cuándo transferir competencias a managers, equipos y áreas. - Análisis de datos agéntico: 5. Cuando el primer valor es validar señales en los datos existentes. - Software técnico y automatizaciones: 5. Cuando hace falta construir un sistema verificable, no solo usar herramientas existentes. - Atlas de aplicaciones IA: 4. Cómo usar ejemplos y patrones sin leerlos como productos estándar. - Gobernanza, riesgos y revisión humana: 4. Responsabilidad, políticas, controles y límites operativos de la IA. - Adopción interna y equipos: 4. Cómo evitar resistencias, uso informal e iniciativas aisladas. - Elegir el recorrido adecuado: 4. Diferencias prácticas entre formación, consultoría, análisis de datos y desarrollo software. - Límites de la IA: 4. Cuándo parar, no automatizar o aplazar el proyecto. - Antes de contactar con Artik Lab: 4. Qué preparar y qué esperar del primer intercambio. ## Las preguntas que bloquean la decisión ### ¿Cuánto cuesta? Respuesta breve: La propuesta llega después del dictamen o después de la primera conversación. Detalle operativo: En estas páginas no hay una tarifa. Límite a considerar: Las respuestas valen para los servicios tal como se describen en estas páginas; el caso concreto se aclara en el dictamen o en la primera conversación. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Dónde están los datos durante el trabajo? Respuesta breve: En Arranque operativo los archivos permanecen en las carpetas de la empresa y el asistente está a nombre de la empresa. Detalle operativo: En el análisis de datos se trabaja sobre un extracto acordado, con un perímetro escrito. Límite a considerar: Las respuestas valen para los servicios tal como se describen en estas páginas; el caso concreto se aclara en el dictamen o en la primera conversación. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿La consultoría sirve para vender después un software? Respuesta breve: La consultoría no es la puerta del software. Detalle operativo: Construir, si hace falta, es una decisión posterior. Arranque operativo no conecta el software de gestión. Límite a considerar: Las respuestas valen para los servicios tal como se describen en estas páginas; el caso concreto se aclara en el dictamen o en la primera conversación. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### Ya he hecho un curso de IA. ¿Hace falta algo más? Respuesta breve: Un curso deja modelos y criterios. Detalle operativo: Aquí, en un día, queda un procedimiento en uso sobre los archivos de la empresa — o un análisis que dice si los datos bastan. Límite a considerar: Las respuestas valen para los servicios tal como se describen en estas páginas; el caso concreto se aclara en el dictamen o en la primera conversación. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Cuándo se ve algo concreto? Respuesta breve: Arranque operativo: un día en la sede. Detalle operativo: Análisis: después del extracto acordado. Primera conversación: 30 minutos, gratuita. Límite a considerar: Las respuestas valen para los servicios tal como se describen en estas páginas; el caso concreto se aclara en el dictamen o en la primera conversación. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Se puede usar un incentivo o un fondo para este trabajo? Respuesta breve: Se puede pedir una comprobación de admisibilidad. Detalle operativo: El trabajo tiene que sostenerse igual sin incentivo: no se prometen convocatorias ni importes. Límite a considerar: Las respuestas valen para los servicios tal como se describen en estas páginas; el caso concreto se aclara en el dictamen o en la primera conversación. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Cuántas actividades se pueden hacer, una detrás de otra? Respuesta breve: Se decide con la empresa, según las necesidades. Detalle operativo: Un trabajo cada vez, llevado hasta el final. Límite a considerar: Las respuestas valen para los servicios tal como se describen en estas páginas; el caso concreto se aclara en el dictamen o en la primera conversación. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ## Por dónde empezar ### ¿Por dónde empezar si la empresa aún no tiene un proyecto de IA? Respuesta breve: Conviene empezar por un proceso, no por una herramienta. Detalle operativo: El primer trabajo es elegir una decisión recurrente, un coste visible o un riesgo que merezca reducción. La primera conversación aclara si corresponde consultoría, curso, análisis de datos o prototipo controlado. Límite a considerar: Empezar por el modelo o la herramienta suele crear pruebas aisladas sin retorno medible. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Cómo elegir el primer proceso a mejorar con IA? Respuesta breve: Elegir un proceso frecuente, observable y ligado a un coste o demora. Detalle operativo: Buenos candidatos son correos repetitivos, documentos que leer, prioridades que asignar o decisiones que llegan tarde. Si el proceso no es observable, primero hay que aclararlo. Límite a considerar: Empezar por el modelo o la herramienta suele crear pruebas aisladas sin retorno medible. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Puede empezar una empresa sin equipo IT interno? Respuesta breve: Sí, si empieza por decisiones, procesos y competencias antes que tecnología. Detalle operativo: Muchas actividades iniciales no requieren desarrollo software: importan mapa de procesos, criterios de riesgo, formación dirigida y elección del primer caso. La parte técnica llega cuando el perímetro está claro. Límite a considerar: Empezar por el modelo o la herramienta suele crear pruebas aisladas sin retorno medible. Próximo paso: Elegir un curso o laboratorio si la necesidad principal es transferir método al equipo. ### ¿Conviene empezar por ChatGPT, por software o por un problema? Respuesta breve: Conviene empezar por el problema empresarial y elegir la herramienta después. Detalle operativo: Una herramienta puede ayudar, pero no decide objetivo, datos, responsabilidad ni criterio de éxito. Artik Lab usa el primer diagnóstico para evitar pruebas aisladas y conectar IA con resultado operativo. Límite a considerar: Empezar por el modelo o la herramienta suele crear pruebas aisladas sin retorno medible. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### ¿Cómo saber si la empresa está lista para usar IA? Respuesta breve: La preparación depende de proceso, sponsor, datos mínimos y responsabilidad clara. Detalle operativo: No hace falta madurez total. Sí hace falta un problema concreto, personas que puedan validar el resultado y una decisión a mejorar. Si no, conviene empezar con formación o mapeo. Límite a considerar: Empezar por el modelo o la herramienta suele crear pruebas aisladas sin retorno medible. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ## Primera conversación y método ### ¿Qué preparar para la primera conversación? Respuesta breve: Conviene preparar un proceso, un ejemplo de material y una decisión a mejorar. Detalle operativo: No hacen falta documentos perfectos. Bastan contexto, restricciones, roles implicados, datos disponibles y una descripción de lo que hoy tarda demasiado o genera riesgo. Límite a considerar: Un diagnóstico genérico no basta para elegir inversión, responsabilidad y datos. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Cuánto dura la primera conversación? Respuesta breve: Treinta minutos, gratuitos, para entender el perímetro inicial. Detalle operativo: El objetivo no es resolverlo todo en la reunión, sino separar necesidad, restricciones y próximo paso. Después puede surgir un curso, consultoría, análisis de datos o prototipo. Límite a considerar: Un diagnóstico genérico no basta para elegir inversión, responsabilidad y datos. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Qué sale del diagnóstico inicial? Respuesta breve: Sale una indicación sobre el formato más sensato y los riesgos a gobernar. Detalle operativo: El diagnóstico puede indicar formación, mapa de oportunidades, validación de datos, prototipo técnico o pausa temporal. El valor es evitar una inversión equivocada antes de comprometer tiempo y presupuesto. Límite a considerar: Un diagnóstico genérico no basta para elegir inversión, responsabilidad y datos. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### ¿Quién debería participar en la primera conversación? Respuesta breve: Al menos quien conoce el proceso y quien puede decidir prioridades. Detalle operativo: Dirección, área implicada y referente operativo evitan lecturas parciales. Si hay datos o sistemas, también puede servir IT o quien gestiona las herramientas. Límite a considerar: Un diagnóstico genérico no basta para elegir inversión, responsabilidad y datos. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Qué ocurre después de la primera conversación? Respuesta breve: Se decide si profundizar, formar, analizar datos, construir un prototipo o parar. Detalle operativo: La conversación no obliga a un proyecto. Convierte una pregunta vaga en una elección práctica con perímetro, prioridades, riesgos y criterios de control más claros. Límite a considerar: Un diagnóstico genérico no basta para elegir inversión, responsabilidad y datos. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ## Costes, tiempos y ROI ### ¿Cuánto cuesta un proyecto de IA? Respuesta breve: El coste depende de perímetro, datos, riesgo, personas implicadas y resultado esperado. Detalle operativo: Antes de estimar hay que saber si se trata de formación, diagnóstico, análisis de datos, prototipo o sistema. Un recorrido pequeño y delimitado suele ser más útil que un proyecto amplio. Límite a considerar: El ROI no debe prometerse antes de conocer proceso, baseline, datos y acciones posibles. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Cómo evaluar el ROI de un proyecto de IA? Respuesta breve: Comparar coste actual, mejora posible y acciones realmente activables. Detalle operativo: Antes del modelo hacen falta baseline, KPI y responsabilidad. Si la IA produce una señal pero nadie puede actuar, el valor queda teórico; si cambia una decisión frecuente, el retorno puede estimarse. Límite a considerar: El ROI no debe prometerse antes de conocer proceso, baseline, datos y acciones posibles. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### ¿Cuánto tiempo hace falta para ver un primer resultado? Respuesta breve: Un primer resultado puede llegar en pocas semanas si el perímetro es pequeño y verificable. Detalle operativo: Puede ser mapa, política, curso adaptado, prueba sobre datos o prototipo mínimo. No siempre es producción: a veces es decidir mejor qué financiar o evitar. Límite a considerar: El ROI no debe prometerse antes de conocer proceso, baseline, datos y acciones posibles. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Se puede empezar con un proyecto pequeño? Respuesta breve: Sí, suele convenir empezar con un perímetro reducido y medible. Detalle operativo: Un caso pequeño valida datos, responsabilidad y valor sin crear expectativas excesivas. Si funciona, se amplía; si no, se aprende antes de gastar demasiado. Límite a considerar: El ROI no debe prometerse antes de conocer proceso, baseline, datos y acciones posibles. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Cómo reducir el riesgo de gastar en un proyecto de IA equivocado? Respuesta breve: Definir un criterio de parada antes de la inversión completa. Detalle operativo: Cada caso debería tener hipótesis, KPI, datos mínimos, responsabilidad y condiciones para parar. Un veredicto negativo sobre datos o proceso puede ser buen resultado si evita costes mayores. Límite a considerar: El ROI no debe prometerse antes de conocer proceso, baseline, datos y acciones posibles. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ## Datos, documentos y privacidad ### ¿Hace falta tener datos ya limpios para usar IA? Respuesta breve: No, pero hay que saber qué datos existen, quién los entiende y qué límites tienen. Detalle operativo: La limpieza perfecta rara vez existe al inicio. El primer trabajo puede ser evaluar calidad, cobertura, errores y utilidad de los datos respecto a la decisión a mejorar. Límite a considerar: Datos personales, regulados o reservados exigen minimización, control de acceso y revisión competente. Próximo paso: Valorar análisis de datos agéntico si hace falta validar la señal antes de construir. ### ¿La IA puede trabajar con documentos, emails y procedimientos? Respuesta breve: Sí, muchos casos parten de materiales textuales ya presentes en la empresa. Detalle operativo: Contratos, manuales, tickets, emails y procedimientos pueden convertirse en búsqueda, síntesis, controles o borradores. Hacen falta fuentes claras, permisos, revisión humana y límites. Límite a considerar: Datos personales, regulados o reservados exigen minimización, control de acceso y revisión competente. Próximo paso: Usar el Atlas para reconocer patrones similares antes de definir el proyecto. ### ¿Cómo evitar riesgos de privacidad con la IA? Respuesta breve: Limitar datos, accesos, herramientas y usos permitidos antes del experimento. Detalle operativo: La gestión correcta empieza por clasificación de datos, minimización, base legal, cuentas autorizadas y revisión especializada cuando procede. La política debe convertirse en comportamiento práctico. Límite a considerar: Datos personales, regulados o reservados exigen minimización, control de acceso y revisión competente. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### ¿Se pueden usar datos reservados o know-how técnico? Respuesta breve: Sí, solo con perímetros, accesos y materiales acordados de forma explícita. Detalle operativo: Código, planos, pliegos, datos industriales y conocimiento experto se tratan como propiedad intelectual. Los ejemplos públicos usan descripciones anonimizadas no identificables. Límite a considerar: Datos personales, regulados o reservados exigen minimización, control de acceso y revisión competente. Próximo paso: Pasar al desarrollo software solo cuando hacen falta sistema verificable, pruebas y mantenimiento. ### ¿Qué ocurre si los datos no bastan? Respuesta breve: El resultado útil puede ser saber qué datos faltan y qué inversiones evitar. Detalle operativo: No siempre se construye un modelo. A veces el mejor trabajo es definir nueva recolección de datos, cambiar el proceso o aplazar la automatización hasta que la señal sea verificable. Límite a considerar: Datos personales, regulados o reservados exigen minimización, control de acceso y revisión competente. Próximo paso: Valorar análisis de datos agéntico si hace falta validar la señal antes de construir. ## Consultoría directiva de IA ### ¿Cuándo sirve la consultoría directiva de IA? Respuesta breve: Sirve cuando faltan prioridades, gobernanza, criterios de riesgo o roadmap. Detalle operativo: La consultoría ayuda a la dirección a decidir dónde usar IA, dónde parar, qué competencias crear y qué primer piloto puede tener valor medible. Límite a considerar: Sin sponsor interno y decisiones reales, la consultoría queda como mapa no aplicado. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### ¿Qué queda después de una consultoría directiva de IA? Respuesta breve: Quedan criterios, mapa de oportunidades, política, roadmap y brief del primer piloto. Detalle operativo: El objetivo no es una presentación inspiradora. Los artefactos ayudan a dirección y áreas a decidir, comunicar reglas, asignar responsabilidad y pasar al siguiente caso con control. Límite a considerar: Sin sponsor interno y decisiones reales, la consultoría queda como mapa no aplicado. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### ¿Cómo gestionar a personas que ya usan IA de forma informal? Respuesta breve: Conviene convertir el uso informal en práctica gobernada, no solo prohibirlo. Detalle operativo: La Shadow IA señala una necesidad real de eficiencia. Hay que distinguir usos permitidos, datos excluidos, controles de resultados y recorridos seguros de empresa. Límite a considerar: Sin sponsor interno y decisiones reales, la consultoría queda como mapa no aplicado. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### ¿Hace falta un sponsor interno para empezar? Respuesta breve: Sí, al menos una persona debe decidir prioridades y validar resultados. Detalle operativo: El sponsor no tiene que ser técnico. Debe entender el valor del proceso, involucrar a las personas correctas y autorizar decisiones sobre datos, tiempos y responsabilidad. Límite a considerar: Sin sponsor interno y decisiones reales, la consultoría queda como mapa no aplicado. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### ¿Cuándo hace falta una política de IA empresarial? Respuesta breve: Cuando el uso crece y datos, herramientas o responsabilidades dejan de estar claros. Detalle operativo: Una política útil no es abstracta: define casos permitidos, datos prohibidos, revisión humana, cuentas, escalado y criterios para pasar de uso personal a uso empresarial. Límite a considerar: Sin sponsor interno y decisiones reales, la consultoría queda como mapa no aplicado. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ## Formación y cursos de IA ### ¿Cuándo tiene sentido hacer un curso de IA? Respuesta breve: Tiene sentido cuando el problema principal es transferir método y criterios al equipo. Detalle operativo: Un curso encaja si las personas ya usan herramientas de IA de forma distinta, faltan reglas comunes o hay que llevar ejemplos prácticos a roles y procesos. Límite a considerar: Un curso genérico no cambia el trabajo si ejemplos, roles y reglas quedan lejos del contexto. Próximo paso: Elegir un curso o laboratorio si la necesidad principal es transferir método al equipo. ### ¿Los cursos son estándar o adaptados al contexto de la empresa? Respuesta breve: La estructura es estable, pero ejemplos, ejercicios y prioridades se adaptan. Detalle operativo: El método DTR recalibra el recorrido sobre procesos, materiales y preguntas de participantes. Evita clases abstractas y facilita convertir la formación en práctica operativa. Límite a considerar: Un curso genérico no cambia el trabajo si ejemplos, roles y reglas quedan lejos del contexto. Próximo paso: Elegir un curso o laboratorio si la necesidad principal es transferir método al equipo. ### ¿Hace falta saber programar para participar en los cursos? Respuesta breve: No en recorridos directivos, introductorios y operativos. Detalle operativo: Programar solo hace falta en cursos técnicos. Para dirección y áreas de negocio el foco es procesos, prompts, revisión, riesgos, datos y criterios de uso responsable. Límite a considerar: Un curso genérico no cambia el trabajo si ejemplos, roles y reglas quedan lejos del contexto. Próximo paso: Elegir un curso o laboratorio si la necesidad principal es transferir método al equipo. ### ¿Qué queda después de un curso de IA para empresa? Respuesta breve: Quedan materiales, criterios de uso, ejemplos adaptados y lectura de procesos prometedores. Detalle operativo: El curso no debería cerrar solo con teoría. Debe dejar herramientas prácticas: checklist, ejercicios, reglas de revisión, ejemplos reutilizables y preguntas para elegir casos posteriores. Límite a considerar: Un curso genérico no cambia el trabajo si ejemplos, roles y reglas quedan lejos del contexto. Próximo paso: Elegir un curso o laboratorio si la necesidad principal es transferir método al equipo. ### ¿Quién debería formarse primero? Respuesta breve: Normalmente sponsor, responsables de área y personas que ya usan IA. Detalle operativo: La prioridad no es formar a todos de inmediato. Es crear un núcleo capaz de reconocer casos útiles, controlar resultados, explicar límites y transferir prácticas. Límite a considerar: Un curso genérico no cambia el trabajo si ejemplos, roles y reglas quedan lejos del contexto. Próximo paso: Elegir un curso o laboratorio si la necesidad principal es transferir método al equipo. ## Análisis de datos agéntico ### ¿Cuándo el análisis de datos agéntico es el primer paso correcto? Respuesta breve: Es correcto cuando una decisión depende de señales ocultas en los datos. Detalle operativo: Si la empresa tiene históricos, pedidos, tickets, sensores o KPI pero no sabe qué prioridades emergen, el análisis valida señal, límites y acciones posibles antes de construir. Límite a considerar: Si el dato no contiene señal, forzar un modelo crea costes y falsa confianza. Próximo paso: Valorar análisis de datos agéntico si hace falta validar la señal antes de construir. ### ¿El análisis de datos agéntico sustituye a Business Intelligence? Respuesta breve: No, la completa cuando los indicadores deben convertirse en decisiones. Detalle operativo: La BI controla métricas conocidas y tendencia pasada. El análisis agéntico busca señales, anomalías, prioridades o criterios de parada ligados a una acción concreta. Límite a considerar: Si el dato no contiene señal, forzar un modelo crea costes y falsa confianza. Próximo paso: Valorar análisis de datos agéntico si hace falta validar la señal antes de construir. ### ¿Qué valor tiene un resultado negativo sobre los datos? Respuesta breve: Tiene valor porque evita financiar un modelo frágil. Detalle operativo: Saber que la señal aún no existe permite cambiar la recolección de datos, revisar el proceso o mover presupuesto a casos más maduros. Es una decisión directiva útil. Límite a considerar: Si el dato no contiene señal, forzar un modelo crea costes y falsa confianza. Próximo paso: Valorar análisis de datos agéntico si hace falta validar la señal antes de construir. ### ¿Qué KPI hace falta antes de analizar datos? Respuesta breve: Hace falta un KPI ligado a una decisión o acción, no solo a un gráfico. Detalle operativo: Ejemplos útiles: pedido a reclamar, lote a controlar, cliente a contactar, turno a reequilibrar. El KPI debe mostrar si el análisis cambia el trabajo. Límite a considerar: Si el dato no contiene señal, forzar un modelo crea costes y falsa confianza. Próximo paso: Valorar análisis de datos agéntico si hace falta validar la señal antes de construir. ### ¿Las decisiones basadas en datos siguen siendo humanas? Respuesta breve: Sí, sobre todo cuando afectan a clientes, personas, calidad, seguridad o riesgo. Detalle operativo: El análisis puede ordenar prioridades, proponer señales y explicar límites. La decisión queda bajo responsabilidad empresarial, con revisión humana y criterios acordados antes del uso operativo. Límite a considerar: Si el dato no contiene señal, forzar un modelo crea costes y falsa confianza. Próximo paso: Valorar análisis de datos agéntico si hace falta validar la señal antes de construir. ## Software técnico y automatizaciones ### ¿Cuándo tiene sentido construir software técnico con IA? Respuesta breve: Tiene sentido cuando hace falta un sistema verificable y las herramientas estándar no bastan. Detalle operativo: Si el proceso incluye cálculos, reglas expertas, datos heredados, integraciones o controles críticos, puede hacer falta desarrollo a medida. Antes van requisitos, pruebas y responsabilidades. Límite a considerar: Automatizar un proceso mal entendido solo acelera errores y ambigüedades. Próximo paso: Pasar al desarrollo software solo cuando hacen falta sistema verificable, pruebas y mantenimiento. ### ¿Cuál es la diferencia entre automatización simple y software técnico? Respuesta breve: La automatización conecta pasos; el software técnico incorpora reglas, pruebas y mantenimiento. Detalle operativo: Si basta mover datos entre herramientas, la automatización puede ser ligera. Si importan cálculos, controles, versiones, auditoría y responsabilidad, hace falta un sistema robusto. Límite a considerar: Automatizar un proceso mal entendido solo acelera errores y ambigüedades. Próximo paso: Pasar al desarrollo software solo cuando hacen falta sistema verificable, pruebas y mantenimiento. ### ¿Se puede modernizar software heredado con IA? Respuesta breve: Sí, pero primero hay que entender lógicas, datos, restricciones y riesgos del sistema existente. Detalle operativo: La IA puede ayudar a leer código, documentación o datos, pero la modernización exige auditoría, comparación de resultados, pruebas de regresión y migración progresiva. Límite a considerar: Automatizar un proceso mal entendido solo acelera errores y ambigüedades. Próximo paso: Pasar al desarrollo software solo cuando hacen falta sistema verificable, pruebas y mantenimiento. ### ¿Qué diferencia hay entre prototipo controlado y sistema en producción? Respuesta breve: El prototipo valida factibilidad; producción exige pruebas, seguridad, mantenimiento y responsabilidad. Detalle operativo: Un prototipo puede ser pequeño y aislado. Un sistema productivo debe gestionar usuarios reales, errores, datos, permisos, registros, documentación y criterios de aceptación. Límite a considerar: Automatizar un proceso mal entendido solo acelera errores y ambigüedades. Próximo paso: Pasar al desarrollo software solo cuando hacen falta sistema verificable, pruebas y mantenimiento. ### ¿El software de IA debe integrarse con los sistemas de la empresa? Respuesta breve: Solo cuando el valor exige continuidad operativa, datos actualizados o uso repetido. Detalle operativo: No todo prototipo debe integrarse de inmediato. La integración es necesaria cuando el sistema entra en el trabajo diario y debe respetar permisos, datos, trazabilidad y mantenimiento. Límite a considerar: Automatizar un proceso mal entendido solo acelera errores y ambigüedades. Próximo paso: Pasar al desarrollo software solo cuando hacen falta sistema verificable, pruebas y mantenimiento. ## Atlas de aplicaciones IA ### ¿El Atlas es un catálogo de productos listos? Respuesta breve: No, es un mapa de patrones para reconocer oportunidades en procesos. Detalle operativo: Cada ficha ayuda a formular mejores preguntas sobre datos, resultados, valor y controles. La solución real nace solo después de revisar contexto, restricciones y prioridades. Límite a considerar: Un patrón público no debe tratarse como promesa estándar o solución lista. Próximo paso: Usar el Atlas para reconocer patrones similares antes de definir el proyecto. ### ¿Cómo usar el Atlas para saber si un caso tiene sentido? Respuesta breve: Buscar un patrón similar y compararlo con datos, resultado y revisión humana. Detalle operativo: Si una ficha se parece al proceso de la empresa, el siguiente paso es verificar materiales disponibles, decisión a mejorar, riesgo y formato adecuado: curso, consultoría, análisis o software. Límite a considerar: Un patrón público no debe tratarse como promesa estándar o solución lista. Próximo paso: Usar el Atlas para reconocer patrones similares antes de definir el proyecto. ### ¿Los ejemplos del Atlas son casos de cliente reconocibles? Respuesta breve: No, son patrones anonimizados y generalizados. Detalle operativo: No se publican nombres, personas físicas, proyectos internos, productos reconocibles ni combinaciones de detalle identificables. El objetivo es reconocer oportunidades, no exponer casos reservados. Límite a considerar: Un patrón público no debe tratarse como promesa estándar o solución lista. Próximo paso: Usar el Atlas para reconocer patrones similares antes de definir el proyecto. ### Después de encontrar una ficha del Atlas, ¿qué servicio elegir? Respuesta breve: Depende del bloqueo principal: decisión, competencia, dato o sistema. Detalle operativo: Si falta decisión directiva, sirve consultoría; si faltan competencias, formación; si la duda está en los datos, análisis; si hace falta motor operativo, software técnico. Límite a considerar: Un patrón público no debe tratarse como promesa estándar o solución lista. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ## Gobernanza, riesgos y revisión humana ### ¿Cuándo hace falta revisión humana de resultados de IA? Respuesta breve: Siempre que el resultado afecte decisiones, clientes, datos sensibles o responsabilidad. Detalle operativo: La revisión no es una formalidad. Debe definir quién controla, con qué criterios, cuándo corregir, cuándo rechazar el resultado y cuándo no usar IA. Límite a considerar: Sin límites de revisión humana, privacidad y responsabilidad, el uso de IA sigue frágil. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### ¿Quién responde por una decisión asistida por IA? Respuesta breve: La responsabilidad sigue en la organización y en las personas encargadas. Detalle operativo: La IA puede sugerir, ordenar prioridades o redactar borradores, pero no debe crear una zona sin responsabilidad. Hacen falta roles, escalado, trazabilidad y criterios de aceptación. Límite a considerar: Sin límites de revisión humana, privacidad y responsabilidad, el uso de IA sigue frágil. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### ¿Hay actividades que la IA no debería hacer? Respuesta breve: Sí, algunas decisiones deben seguir humanas o exigir fuerte supervisión. Detalle operativo: Decisiones legales, RR. HH., seguridad, salud, crédito, calidad crítica o datos sensibles requieren clasificación cuidadosa. En algunos casos la IA prepara material, no decide. Límite a considerar: Sin límites de revisión humana, privacidad y responsabilidad, el uso de IA sigue frágil. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### ¿Cómo controlar la calidad de los resultados de IA? Respuesta breve: Con criterios explícitos, ejemplos aprobados y casos en que rechazar el resultado. Detalle operativo: La calidad no se evalúa por impresión. Hay que definir fuente, tono, completitud, errores críticos, umbral de aceptación y revisión humana, sobre todo en documentos y comunicación externa. Límite a considerar: Sin límites de revisión humana, privacidad y responsabilidad, el uso de IA sigue frágil. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ## Adopción interna y equipos ### ¿Cómo gestionar resistencias del equipo hacia la IA? Respuesta breve: Aclarando propósito, límites y beneficio práctico. Detalle operativo: Las personas colaboran mejor cuando entienden qué cambia, qué sigue humano y qué actividades se alivian. Formación y casos cercanos al trabajo real reducen miedo y confusión. Límite a considerar: La adopción falla si las personas no entienden propósito, límites y reglas de uso. Próximo paso: Elegir un curso o laboratorio si la necesidad principal es transferir método al equipo. ### ¿Hacen falta AI champions internos? Respuesta breve: Ayudan cuando el uso debe pasar de experimentación individual a práctica compartida. Detalle operativo: Los AI champions recogen casos, difunden reglas, señalan riesgos y mantienen continuidad tras formación o consultoría. Necesitan mandato claro y tiempo dedicado. Límite a considerar: La adopción falla si las personas no entienden propósito, límites y reglas de uso. Próximo paso: Elegir un curso o laboratorio si la necesidad principal es transferir método al equipo. ### ¿Cómo medir la adopción interna de IA? Respuesta breve: Con procesos cambiados, resultados verificados y decisiones mejoradas, no solo accesos. Detalle operativo: Contar licencias o prompts no basta. Mejores indicadores son tiempo ahorrado, errores reducidos, casos gobernados, personas formadas, políticas aplicadas y decisiones más rápidas o fiables. Límite a considerar: La adopción falla si las personas no entienden propósito, límites y reglas de uso. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### ¿Cómo evitar que un curso quede aislado? Respuesta breve: Conectarlo con casos reales, sponsor, política y próximas acciones. Detalle operativo: Después de la formación conviene recoger procesos candidatos, elegir dos o tres experimentos controlados y asignar responsabilidades. Así el curso se convierte en adopción. Límite a considerar: La adopción falla si las personas no entienden propósito, límites y reglas de uso. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ## Elegir el recorrido adecuado ### ¿Cuándo sirve consultoría y cuándo basta un curso? Respuesta breve: Sirve consultoría para decidir estrategia; basta un curso para transferir método. Detalle operativo: Si el problema es elegir prioridades, gobernanza y roadmap, sirve consultoría. Si el perímetro está claro y la necesidad es que las personas trabajen mejor, puede bastar un curso. Límite a considerar: Elegir el formato equivocado aumenta costes, frustración y expectativas no gobernadas. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Cuándo hacer análisis de datos y cuándo desarrollar software? Respuesta breve: El análisis valida la señal; el software construye un sistema usable y mantenible. Detalle operativo: Si no está claro que los datos tengan valor, empezar por análisis. Si el valor ya está claro y hay que operarlo con pruebas, interfaces e integraciones, pasar a software. Límite a considerar: Elegir el formato equivocado aumenta costes, frustración y expectativas no gobernadas. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Cuándo usar la FAQ y cuándo el Atlas? Respuesta breve: La FAQ responde dudas de elección; el Atlas muestra ejemplos de aplicaciones. Detalle operativo: Si la pregunta es qué camino elegir, la FAQ orienta. Si la pregunta es dónde podría ayudar la IA en el proceso, el Atlas ofrece patrones comparables. Límite a considerar: Elegir el formato equivocado aumenta costes, frustración y expectativas no gobernadas. Próximo paso: Usar el Atlas para reconocer patrones similares antes de definir el proyecto. ### ¿Qué hacer si nadie posee realmente el proceso? Respuesta breve: Antes de automatizar hay que asignar ownership y criterios de decisión. Detalle operativo: Un proceso sin responsable genera ambigüedad incluso con IA. La consultoría o un laboratorio de rediseño ayudan a aclarar roles, pasos, datos y prioridades. Límite a considerar: Elegir el formato equivocado aumenta costes, frustración y expectativas no gobernadas. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ## Límites de la IA ### ¿Cuándo no conviene usar IA? Respuesta breve: Cuando faltan datos, responsabilidad, acción posible o tolerancia al error. Detalle operativo: Si el error no es aceptable, el proceso es demasiado ambiguo o nadie puede verificar el resultado, es mejor parar, rediseñar o usar herramientas más simples. Límite a considerar: La IA no sustituye juicio, responsabilidad profesional ni datos inexistentes. Próximo paso: Parar o aplazar el caso si faltan sponsor, datos mínimos, responsabilidad o acción posible. ### ¿Cómo gestionar errores y alucinaciones de la IA? Respuesta breve: Preverlos con fuentes, controles, ejemplos aprobados y revisión humana. Detalle operativo: La IA puede producir respuestas plausibles pero erróneas. Hacen falta límites de uso, fuentes citables, pruebas con casos reales y reglas para no usar resultados sin verificar. Límite a considerar: La IA no sustituye juicio, responsabilidad profesional ni datos inexistentes. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ### ¿La IA puede automatizar completamente un proceso? Respuesta breve: Solo raramente: la mayoría de casos necesitan supervisión o intervención humana. Detalle operativo: La automatización total es arriesgada si datos, excepciones, responsabilidad y calidad no son estables. A menudo el mejor valor es un copiloto controlado. Límite a considerar: La IA no sustituye juicio, responsabilidad profesional ni datos inexistentes. Próximo paso: Parar o aplazar el caso si faltan sponsor, datos mínimos, responsabilidad o acción posible. ### ¿Las FAQ sustituyen asesoría legal, fiscal o especializada? Respuesta breve: No, son orientación empresarial, no asesoría especializada regulada. Detalle operativo: Cuando el caso toca obligaciones legales, fiscales, médicas, financieras o de seguridad, hace falta revisión profesional competente. La IA puede preparar material, no sustituir responsabilidad especialista. Límite a considerar: La IA no sustituye juicio, responsabilidad profesional ni datos inexistentes. Próximo paso: Abrir un recorrido de consultoría para aclarar prioridades, gobernanza y roadmap. ## Antes de contactar con Artik Lab ### ¿Cómo contactar con Artik Lab para hablar de un caso? Respuesta breve: Basta escribir a dtr@ar-tik.com con proceso, objetivo y restricciones principales. Detalle operativo: El mensaje puede ser breve: área, problema, materiales disponibles, personas implicadas y urgencia. La primera respuesta aclara si tiene sentido una conversación de diagnóstico. Límite a considerar: Un primer intercambio sin contexto produce respuestas genéricas y menos útiles. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Hace falta tener ya un documento de proyecto? Respuesta breve: No, basta una descripción honesta del problema y del contexto. Detalle operativo: Un documento estructurado ayuda, pero no es indispensable. Es más importante aclarar qué proceso genera coste, demora o riesgo y quién puede validar un resultado. Límite a considerar: Un primer intercambio sin contexto produce respuestas genéricas y menos útiles. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿La primera conversación puede ser en varios idiomas? Respuesta breve: Sí, el sitio y los materiales públicos cubren italiano, inglés, español, francés y portugués de Brasil. Detalle operativo: El idioma operativo se acuerda según las personas implicadas. La coherencia entre versiones ayuda a equipos internacionales a leer el mismo posicionamiento. Límite a considerar: Un primer intercambio sin contexto produce respuestas genéricas y menos útiles. Próximo paso: Llevar el caso a la primera conversación con proceso, objetivo, datos disponibles y restricciones. ### ¿Qué hacer si la empresa aún no está lista para contactar con Artik Lab? Respuesta breve: Puede empezar por el Atlas, esta FAQ y el catálogo de cursos. Detalle operativo: Si la necesidad sigue confusa, conviene recoger ejemplos internos, anotar preguntas recurrentes e identificar un proceso con coste visible. Así la conversación posterior será más concreta. Límite a considerar: Un primer intercambio sin contexto produce respuestas genéricas y menos útiles. Próximo paso: Usar el Atlas para reconocer patrones similares antes de definir el proyecto. ## Preparar la primera conversación Para empezar basta reunir un proceso a mejorar, un ejemplo de material o dato disponible, la decisión que debe ser más fiable y las restricciones a respetar. # Software técnico, programas de cálculo y análisis avanzado de datos. Artik Lab desarrolla por cuenta de los clientes software avanzado cuando el problema no se resuelve con un cuadro de mando o con el software estándar de la empresa: cálculos técnicos, modelos matemáticos, datos operativos, reglas de experto y flujos de trabajo que se puedan controlar con pruebas. ## Cuando el know-how de la empresa es demasiado importante para quedar en hojas de cálculo, código legacy o en la cabeza de pocas personas. Muchas empresas industriales trabajan con cálculos, excepciones y decisiones técnicas que han crecido con el tiempo. A veces viven en hojas frágiles, a veces en software obsoleto, a veces en procedimientos conocidos solo por usuarios expertos. El servicio transforma ese conocimiento en sistemas legibles, testeables y transferibles. ## Sistemas para hacer repetible lo que hoy depende de experiencia, archivos y controles manuales. El valor nace de combinar ingeniería de software, análisis de datos y formalización del conocimiento experto. El resultado no es una demo, sino un sistema con criterios de aceptación, tests, documentación y límites claros. ### Programas de cálculo y comprobación Programas de cálculo que, sobre los mismos datos, dan siempre el mismo resultado: controles, escenarios, simulaciones y comprobaciones repetibles. ### Sistemas de datos y análisis avanzado Recogida, normalización y lectura de los datos operativos para localizar anomalías, patrones, prioridades y riesgos. ### Actualizar un software técnico que ya nadie quiere tocar Auditoría del código existente, reconstrucción de las lógicas, analizadores de formatos históricos y reescritura progresiva. ### Interfaces, informes y API Herramientas utilizables por oficinas técnicas y funciones operativas: cuadros de mando para decidir, informes, exportaciones e integraciones. ## Del proceso técnico al sistema verificable. 1. **Auditoría técnica**: Se lee el sistema existente: datos, fórmulas, flujos, dependencias, errores conocidos y riesgo operativo. 2. **Formalización del dominio**: Las reglas expertas se convierten en entidades, restricciones, supuestos, casos límite y criterios decisionales. 3. **Arquitectura verificable**: El núcleo de cálculo se separa de interfaces, reportes y componentes de IA, para mantenerlo controlable. 4. **Prototipo calculable**: Se construye un flujo mínimo completo: datos de entrada, modelo de datos, cálculo, verificación y resultado. 5. **Validación**: Tests automáticos, casos sintéticos, regresión y comparación con referencias conocidas miden diferencias y riesgos. 6. **Producción**: El sistema se vuelve utilizable con interfaces, API, reportes, documentación y responsabilidades de mantenimiento. ## Qué queda en la empresa. - Blueprint técnico con arquitectura, riesgos, datos, supuestos y decisiones abiertas. - Knowledge base estructurada con reglas operativas, restricciones, fuentes y nivel de confianza. - Motor de cálculo, sistema de datos o aplicación técnica con tests automáticos. - Dossier de verificación con discrepancias, tolerancias, criterios de aceptación y prioridades de corrección. - Reportes, interfaces o API para integrar el sistema en el trabajo real. - Roadmap por paquetes progresivos, con entregables verificables y puntos de control técnico. ## Problemas típicos que el servicio puede abordar. ### Documentación técnica fuera de control Una oficina técnica usa archivos complejos para tomar decisiones recurrentes. El riesgo es que las fórmulas ya no sean verificables y que cada cambio pida memoria histórica. El proyecto reconstruye las reglas, las transforma en modelo de datos y añade pruebas para evitar regresiones. ### Software técnico que todavía funciona, pero nadie puede modificarlo con seguridad Una aplicación crítica todavía funciona, pero depende de tecnologías antiguas y de lógicas no documentadas. El trabajo parte de la auditoría, separa lo que hay que preservar de lo que hay que rediseñar y construye una reescritura progresiva con comparación de resultados. ### Datos industriales que no ayudan a tomar decisiones El proceso produce datos, pero la empresa los usa sobre todo para informes retrospectivos. El análisis busca señales útiles para prioridades operativas, anomalías, previsiones y decisiones de control, y declara también cuándo el dato no basta. ### El conocimiento de la empresa que nunca se documenta Algunas decisiones dependen de la experiencia de roles clave. El proyecto hace explícitas reglas, excepciones y umbrales de atención, de modo que el saber siga disponible también cuando cambian las personas, las herramientas o los volúmenes de trabajo. ## Cinco casos reales Qué se consiguió. ### 1. Oficina técnica: Las reglas de cálculo están en el código y en una sola persona, no en un documento de especificaciones. Ocho semanas de análisis sobre unos 267 archivos fuente: 37 reglas de decisión puestas por escrito y 18 puntos críticos que la empresa no sabía que tenía. La situación. Una empresa proyecta por encargo componentes cuyo dimensionado exige comprobaciones normativas. Desde hace más de veinte años el trabajo pasa por un software de cálculo escrito en casa, sobre una plataforma de desarrollo que ya no tiene soporte, con formatos de archivo propietarios que nunca se documentaron. El programa funciona, pero nadie puede modificarlo con una seguridad razonable. Y las especificaciones no existen: las reglas viven dentro del código y en la experiencia de un solo proyectista. Qué se ha hecho. Los requisitos no se han recopilado: se han reconstruido. El trabajo lee en paralelo tres fuentes — el código fuente, el archivo de los proyectos realmente ejecutados y las indicaciones de la oficina técnica — y las hace chocar entre sí: cada regla extraída del código se contrasta con los datos y se lleva al experto; cada indicación del experto se verifica en el código. Ninguna afirmación se acepta por confianza, ni la del experto ni la del código; lo que no es verificable se declara como tal, en lugar de quedar implícito. Qué ha cambiado. La empresa ha dejado de depender de un saber que existía en un solo sitio. Lo que era tácito se ha convertido en un documento discutible y, junto con el mapa del sistema, ha salido la lista de las incongruencias que ya nadie tenía modo de ver, incluidas las divergencias entre lo que prescribe el manual y lo que ejecuta el programa. - Medido en este proyecto: Unos 267 archivos fuente y doce bibliotecas mapeados en ocho semanas de análisis. 37 reglas de decisión formalizadas: 13 restricciones rígidas, 19 heurísticas de optimización, 5 reglas de diagnóstico. - Qué salió a la luz: 18 puntos críticos del software en uso, clasificados por gravedad y cada uno con una propuesta de tratamiento. A estos se suman doce limitaciones documentadas y diez requisitos para el sistema nuevo. - Cómo sigue: Un recorrido por paquetes comprobables, en el que cada etapa tiene un criterio de aceptación numérico acordado antes de empezar. - Límite declarado: Los números salen de este proyecto: dicen qué ha producido el método ahí, no qué producirá en otro sitio. ### 2. Tramitación y back office: Las peticiones llegan por correo. El software de la empresa no las sigue. Dos documentos oficiales ya rellenados con los datos comprobados; ninguna comunicación sale sin la aprobación de una persona. La situación. Una organización recibe las peticiones por correo, en forma libre, escritas por personas distintas. Cada expediente exige datos precisos, algunos verificables solo cruzando varias informaciones, y produce documentos oficiales sobre modelos fijos. El tiempo cualificado se va en el transporte de los datos: releer, pedir el dato que falta, esperar, volver a copiar los mismos campos en varios documentos, reclamar a quien tiene que completar su parte. El cuello de botella no es la decisión: es el transporte. Qué se ha hecho. Un asistente vigila la bandeja. Lee el mensaje, extrae los datos, los comprueba contra las condiciones de la organización y responde explicando en lenguaje corriente qué dato falta y en qué forma se necesita, en lugar de devolver un formulario vacío. Por encima trabaja un gestor que conoce el ciclo de vida del expediente: cuántas veces se ha pedido ya el mismo dato, si quien debe completar su parte ha respondido en los días previstos, si el solicitante ya tiene un expediente abierto. Tras un número declarado de intercambios infructuosos el expediente se congela, en lugar de alimentar un intercambio infinito. Qué ha cambiado. Cuando el expediente está completo, los documentos oficiales salen ya rellenados sobre los modelos de la organización, con los campos poblados por los datos validados. El tiempo cualificado vuelve a la valoración de fondo, que es la única parte que de verdad pedía a una persona experta. - Medido en este proyecto: 135 pruebas automáticas en verde sobre modelos de datos, motor de validación, generación de documentos y gestión de expedientes, entre ellas seis recorridos completos del correo al documento. - Decisión de proyecto: Cero envíos automáticos: cada comunicación de salida pasa por la aprobación de un operador. En un proceso que produce actos, la automatización se detiene un paso antes de la firma. - Límite declarado: El tiempo ahorrado aún no se ha medido antes y después sobre un ciclo completo. El proyecto declara qué hace el sistema, no en cuánto acorta el expediente. ### 3. Equipos sobre el terreno: El plan semanal de los equipos sobre el terreno todavía se hace a mano. El plan semanal se calcula en pocos segundos y se regenera cuando cambia una restricción. Cuánto ahorra aún no está medido, y no se declara. La situación. Cuando una empresa envía equipos a las instalaciones de los clientes, el plan semanal nace de decenas de restricciones que se estorban: direcciones dispersas en un territorio amplio, franjas horarias impuestas por los clientes, prioridades comerciales y plazos legales, duraciones que cambian con el tipo de prestación, equipos que no son intercambiables. Hecho a mano el plan sale siempre practicable pero nunca eficiente, y falta el término de comparación para darse cuenta. Qué se ha hecho. El problema se formula como problema de ruta con ventanas temporales y se resuelve con un motor de optimización. Un primer nivel reparte las intervenciones entre los días, equilibrando la capacidad de los equipos y colocando primero las más onerosas. Un segundo resuelve cada jornada como ruta sobre varios vehículos, con los tiempos de recorrido reales tomados de un servicio viario y las ventanas horarias tratadas como restricciones que no se pueden violar. Qué ha cambiado. El responsable recibe un plan listo para usar: rutas en el mapa, calendario diario por unidad, kilómetros, horas de conducción y saturación de los equipos. Y el mismo plan se regenera en pocos segundos cuando cambia una restricción, que es la parte que hace falta de inmediato, cuando alguien falla. - Cómo se ha comprobado: Sobre un archivo demostrativo con nombres de ficción — 35 sedes, 128 personas, dos unidades móviles — el plan semanal completo sale en pocos segundos, frente a las horas que pide el trabajo a mano. - Qué devuelve: En cada ejecución: kilómetros totales, horas de conducción y porcentaje de saturación por equipo. Son los números que permiten comparar dos planes, en lugar de fiarse del primero. - Límite declarado: Todavía no existe una comparación medida antes y después sobre un cliente real. Mientras no la haya, no se declara ningún porcentaje de ahorro: sería una estimación presentada como medida. ### 4. Servicios al público: Reconocer los artículos del catálogo a partir de una foto, sin una campaña de fotografías clasificadas a mano. Abrir una sede nueva significa cargar un archivo, no recoger y clasificar a mano las fotografías de cada artículo. La situación. Reconocer a partir de una foto los artículos de un catálogo que cambia cada día sale caro si cada sede tiene que recoger y clasificar a mano las fotografías primero. Eso es lo que hace prohibitivos los plazos de activación de las soluciones tradicionales en este tipo de servicio. Qué se ha hecho. El enfoque alternativo es describir el catálogo en lugar de mostrarlo. Las referencias del día se cargan en forma declarativa — nombre, categoría, descripción amplia, ingredientes, cantidades — y un modelo multimodal generalista reconoce a partir de esas descripciones, no de un archivo de imágenes etiquetadas. El sistema gestiona también las referencias compuestas, con coeficientes de ración, de modo que los valores sigan siendo correctos cuando en una misma elección conviven medias raciones de productos distintos. Qué ha cambiado. Activar una sede nueva significa cargar su catálogo. No hace falta hardware dedicado: se usa el teléfono de la persona, sin tótems ni lectores. Y el coste escala con el tráfico, en lugar de ser el coste fijo de un puesto que hay que mantener también cuando pasan diez personas. - Cómo se controla: Una suite de regresión sobre imágenes reales, con la verdad de referencia declarada para cada imagen: un cambio en el modelo o en las instrucciones se mide sobre un banco estable, no a impresión. - Previsto en la especificación: Siete idiomas en toda la interfaz y en los contenidos del catálogo. La localización completa está planificada, no concluida todavía. - Límite declarado: El dato de exactitud aún no es declarable: parte de las imágenes recientes carece de verdad de referencia y queda fuera de las pruebas. Es el primer número que pedirá cualquiera que evalúe esta solución, y no se estima en lugar de medirlo. ### 5. Seguridad y formación: Formación obligatoria que caduca sin que nadie se dé cuenta. 18 tipos de curso obligatorio, cada uno con su propio vencimiento; para cada persona cuatro estados (válido, a punto de caducar, caducado, nunca realizado) y un preaviso que se puede regular. La situación. Quien responde de la formación obligatoria de decenas o cientos de personas mantiene el estado en hojas de cálculo que envejecen con cada contratación y con cada cambio de puesto. El riesgo no es teórico: es enterarse de un vencimiento superado durante una inspección, con lo que eso implica en materia de seguridad en el trabajo. Qué se ha hecho. El problema no es calcular una fecha. Es tener juntos padrones, historial de cursos y reglas de periodicidad distintas por rol y por actividad, y calcular para cada persona y para cada obligación un estado entre cuatro: válido, a punto de caducar dentro del umbral, caducado, nunca realizado. De ahí salen la matriz formativa legible de un vistazo, los recordatorios en registro formal y el informe periódico. Qué ha cambiado. Cuando la matriz existe, el trabajo pasa a ser programar los cursos en lugar de reconstruir el estado. Los datos personales permanecen en el servidor de la organización: ningún envío a servicios externos, obtenido como restricción de arquitectura y no como declaración de intenciones. - Medido en este proyecto: 18 tipologías de curso obligatorio modeladas, con periodicidad de uno a cinco años y algunas de una sola vez. Cuatro estados calculados para cada combinación entre persona y obligación, con preaviso predeterminado a 90 días y configurable por cliente. - Cómo se ha comprobado: Sobre un archivo demostrativo con nombres de ficción: ocho empresas, unas 175 personas y más de 700 registros formativos, con una distribución realista de los estados. - Límite declarado: El cálculo sigue reglas fijas y, sobre los mismos datos, da siempre el mismo resultado, y está bien así: en una regla de periodicidad no hay nada que confiar a un modelo. La IA sirve un paso antes, para meter dentro datos que hoy llegan desordenados, y un paso después, para darse cuenta de que una regla ha cambiado. ## Antes de elegir el formato, reconocer el proceso. El Atlas reúne ejemplos concretos de aplicaciones IA para documentos, operaciones, RR. HH., marketing, software, gobernanza, producción, formación y datos. Ayuda a decidir si el caso requiere consultoría, análisis de datos, desarrollo técnico o formación. Página Atlas: https://ar-tik.com/es/atlas-aplicaciones-ia-empresas.md ## La IA ayuda, pero el núcleo técnico debe seguir siendo explicable. En sistemas técnicos, los componentes opacos no deben sustituir el cálculo verificable. La IA puede explorar datos, explicar resultados, proponer escenarios, leer documentos o asistir al usuario. El núcleo determinístico, las reglas de dominio y los tests siguen siendo el punto de control. ## Dónde está el límite: el cálculo sigue siendo repetible; la IA trabaja por encima. Cinco proyectos distintos, la misma decisión: lo que decide es un cálculo repetible y controlable con pruebas; la IA trabaja por encima. Cada ficha dice dónde está el límite y cómo se controla. ### 1. Oficina técnica: El software calcula, pero las decisiones las toma una sola persona Las elecciones de quien tiene veinte años de oficio se convierten en reglas escritas en el programa de cálculo; los controles de norma siguen siendo un cálculo repetible. En muchas oficinas técnicas el programa ejecuta las comprobaciones, mientras las elecciones que llevan a una solución eficiente siguen siendo de quien tiene veinte años de oficio: por dónde empezar, cómo corregir cuando las comprobaciones no cuadran, cuándo una solución formalmente correcta no es razonable. El proyecto transforma estas decisiones en restricciones, heurísticas y reglas de diagnóstico explícitas, que se convierten en parámetros del motor de cálculo. Por encima del núcleo trabajan agentes especializados, instruidos sobre los casos históricos y sobre las soluciones realmente adoptadas: uno propone la configuración de partida para un problema nuevo, uno elige la estrategia correctora cuando la optimización no converge, uno compara el resultado con los casos análogos y señala cuándo es matemáticamente correcto pero atípico. Los dos planos permanecen separados. Las comprobaciones normativas son deterministas y reproducibles; la IA trabaja por encima del cálculo y no dentro, y el experto permanece en el ciclo para validar, corregir y enriquecer. - Cómo se controla: 695 pruebas automáticas sobre el motor, ejecutadas en cada integración. El motor reconstruido reproduce 58 casos de comprobación de 63 hasta la cifra impresa, y 44 archivos históricos de 44 se releen sin excepciones por decodificadores escritos sin tener la documentación de los formatos. - Qué falta, declarado: La base de los hechos alcanza el 98,8% de completitud — 399 entradas de 404 — y las 5 que quedan están declaradas y motivadas en lugar de omitidas. - Verificación independiente: Ocho campañas conducidas por agentes encargados de refutar el trabajo hecho. Las refutaciones encontradas se repararon antes de la entrega, no se archivaron. ### 2. Tramitación y back office: La inteligencia artificial escribe el borrador; las reglas de la empresa deciden el resultado. Las condiciones para aceptar o rechazar un expediente están en un archivo que la oficina modifica sin tocar el código. La inteligencia artificial prepara los datos y comunica el resultado; no lo establece. En un proceso que produce documentos oficiales, el texto puede escribirlo la inteligencia artificial; si el expediente se acepta o no lo deciden las reglas, no el modelo. Las condiciones para aceptar o rechazar un expediente están en un archivo de configuración legible que la oficina técnica actualiza por su cuenta cuando cambia una regla, sin pasar por el desarrollo. La inteligencia artificial lee los correos, extrae los datos y compone la respuesta; el programa de cálculo decide el resultado y lo motiva. Y el envío sigue siendo un gesto humano: el borrador está listo; la firma es de quien responde. - Cómo se controla: 135 pruebas automáticas en verde, entre ellas seis recorridos completos del correo al documento generado. - Dónde está el límite: El 100% de las comunicaciones de salida pasa por la aprobación de un operador. Ningún envío automático, por decisión de proyecto y no por límite técnico. ### 3. Equipos sobre el terreno: El plan de los equipos enumera también las intervenciones que no se consiguen insertar, y por qué. El programa puede dejar fuera una intervención, y lo declara con un coste ligado a la prioridad, en lugar de producir un plan que sobre el papel se sostiene y en la calle no. El valor no es solo la ruta más corta: es saber qué queda fuera y por qué. En lugar de forzar un programa inviable, el programa puede dejar fuera una intervención y lo declara con un coste ligado a la prioridad. Lo que el responsable recibe es un plan ejecutable más la lista motivada de lo que no era planificable — capacidad insuficiente, ventana horaria incompatible — en lugar de intervenciones que desaparecen en silencio. También el tiempo de cálculo se declara de partida: es un parámetro de proyecto, no un efecto colateral de lo grande que sea el problema. - Cómo se controla: Los indicadores devueltos en cada ejecución — kilómetros, horas de conducción, saturación por equipo — hacen comparables dos planes distintos, que es el único modo de saber si el segundo es mejor que el primero. - Límite declarado: Ninguna comparación medida antes y después sobre un cliente real, por tanto ningún porcentaje de ahorro declarado. ### 4. Servicios al público: Cuando el reconocimiento a partir de una foto se equivoca, la corrección ya está prevista y limitada. La corrección que se ofrece a la persona muestra solo alternativas visualmente similares, y no los precios. Un sistema de reconocimiento en manos del público se juzga por cómo trata los casos en los que se equivoca. Aquí la calidad de la imagen se evalúa antes del envío, y se pide rehacerla cuando está desenfocada o incompleta. Después del reconocimiento la persona confirma o corrige, pero la corrección está diseñada para no convertirse en una vía de escape: la lista de alternativas contiene solo referencias visualmente similares, y los precios no son visibles. La carga de la verificación se desplaza al usuario sin abrir la puerta al abuso, y es esta decisión, más que el modelo, la que determina si el sistema aguanta en explotación. - Cómo se controla: Una suite de regresión sobre imágenes reales con verdad de referencia declarada: los cambios en el modelo o en las instrucciones se miden sobre un banco estable. - Límite declarado: La exactitud aún no es un número declarable, porque parte del banco carece de verdad de referencia. Se dice, en lugar de estimarse. ### 5. Análisis e informes: Los números los calcula el código; la narración la escribe la IA Ningún número del informe nace de un modelo: las magnitudes las calcula un programa que, sobre los mismos datos quietos, da siempre el mismo resultado. En los informes la separación es nítida. Las magnitudes las calcula un programa que, sobre los mismos datos quietos, da siempre el mismo resultado, con pruebas que las reproducen idénticas en cada ejecución; el texto se escribe anclado a esos números y a las citas reales. El documento terminado lo releen después personas sintéticas con un umbral de calidad declarado, por debajo del cual no se entrega. Y cuando la métrica obvia no discrimina — categorías en las que todas las actividades están por encima de 4,8 estrellas — el informe lo dice, en lugar de construir encima un veredicto. - Cómo se controla: Una red de pruebas reproduce los informes ya entregados byte a byte: un cambio en el código que altere un número ya entregado no pasa. - Cómo está escrito cada número: Cada número lleva su propio denominador y su propia fuente. Las afirmaciones que no encuentran respaldo en el corpus se corrigen, también cuando ya habían circulado. ## Señales de que es momento de intervenir. - Cálculos importantes dependen de archivos no documentados o difíciles de verificar. - Un software técnico aún funciona, pero nadie quiere modificarlo. - Existen datos operativos, pero no guían prioridades, anomalías o previsiones. - Las decisiones técnicas dependen de pocas personas expertas y no de un sistema compartido. - La dirección debe invertir, pero no tiene un dossier técnico claro sobre riesgo, valor y factibilidad. ## Preguntas frecuentes ### ¿Es desarrollo software genérico? No. Está pensado para problemas que requieren dominio técnico, datos, matemática, algoritmos, tests y criterios de verificación. ### ¿Hace falta tener especificaciones completas? No. A menudo el primer trabajo es reconstruir especificaciones, reglas, supuestos y casos límite desde el sistema existente y las personas expertas. ### ¿La IA decide en lugar de los técnicos? No. En contextos técnicos la IA se usa como apoyo. Las partes críticas siguen siendo explicables, testeadas y bajo responsabilidad humana. ### ¿Cómo se protege el know-how? El proyecto trabaja con perímetros, accesos, datos y materiales acordados. Los ejemplos públicos usan solo descripciones anonimizadas. # Arranque operativo: en un día se automatiza un proceso importante, con un procedimiento que queda en la empresa y se puede usar de inmediato. Se parte de un trabajo que hoy roba tiempo: preparar una oferta, reunir los documentos para un cliente, comparar tres proveedores, clasificar el correo de la semana. Al final de la jornada queda un procedimiento automático, que la empresa podrá usar por su cuenta. Los archivos permanecen en la empresa. Se excluyen las integraciones a medida con el software ya en uso. No es un curso y no es un software que se instala: es la automatización de un proceso entero con inteligencia artificial. ## Qué es el Arranque operativo. Un curso deja nociones. Un montaje solo deja una herramienta que nadie usa. El Arranque operativo cierra las dos carencias el mismo día: el asistente está a nombre de la empresa, el procedimiento está escrito, los datos de ejemplo ya giran, luego se pasa a los archivos reales. Los archivos se quedan en la empresa. Artik Lab no se los lleva. No se instala ningún enlace al sistema de gestión. Un trabajo de cada vez, llevado hasta el final. ## Cuándo está hecho. Alguien en la empresa es owner del procedimiento. El procedimiento está escrito. La semana siguiente lo usan. Una métrica se dice antes de la jornada, aunque sea tosca: el tiempo de un borrador para releer, no un envío en solitario. ## Cuándo un trabajo está terminado Un trabajo está terminado cuando se cumplen cuatro cosas a la vez: una persona de la empresa tiene el encargo de usar el procedimiento; el procedimiento está escrito en el idioma de la empresa; la medida se acordó antes de la jornada; en la semana siguiente el procedimiento se ha usado sobre los archivos reales. ## Cómo se desarrolla. 1. **La necesidad**: Se describe el proceso a aligerar: quién lo ejecuta hoy, cuántas veces al mes, dónde se pierde tiempo. No hace falta saber qué herramienta comprar. Qué entra: quién hace el trabajo hoy, cuántas veces al mes, dónde se pierde tiempo · Qué queda: la descripción del trabajo · Quién decide: quien lo hace hoy y la dirección · Cuánto dura: una primera conversación 2. **La verificación**: Se comprueba que el procedimiento sea estable y descriptible, que los datos existan y se puedan exportar, que haya una persona interna con el mandato de adoptarlo, y que no queden restricciones de reserva sin resolver. Los bloqueos se descubren aquí, antes de la propuesta. Qué entra: la descripción y un ejemplo de archivo · Qué queda: un dictamen escrito: cabe en un día o no, y qué no se hará · Quién decide: Artik Lab · Cuánto dura: antes de proponer la jornada 3. **La propuesta**: Indica la actividad, qué contiene la jornada, qué licencias debe tener la empresa a su nombre, qué carpetas preparar. Artik Lab no revende las licencias ni responde de ellas. Qué entra: el dictamen · Qué queda: la propuesta: qué trabajo, qué contiene la jornada, qué suscripción activar, qué carpetas preparar · Quién decide: la empresa · Cuánto dura: el tiempo de leerla 4. **El entorno**: Llega ya preparado, con datos de ejemplo. Se puede abrir y probar antes del encuentro. Qué entra: las carpetas preparadas · Qué queda: el procedimiento ya configurado, con ejemplos, para probarlo antes del encuentro · Quién decide: la persona encargada · Cuánto dura: antes de la jornada 5. **La primera prueba**: Una jornada en sede: de los ejemplos a los archivos reales. Al final del día queda un resultado real, no un ejercicio. Si el proceso debe cambiar, eso es consultoría, no una extensión de la jornada. Qué entra: los archivos reales · Qué queda: un resultado real y el procedimiento escrito · Quién decide: la persona encargada, con Artik Lab en la sala · Cuánto dura: un día en la sede ## Algunos ejemplos de automatización Once trabajos repetitivos que caben en un día. Cada ejemplo dice la situación de hoy, qué queda al final del día, dónde se detiene la persona y cuándo no es adecuado. El sector es un ejemplo, no una condición: cambia el documento, no el método. ### Ofertas y tarifas a partir del correo y de los archivos Llega una petición por correo, a menudo con PDF sueltos. Hace falta un presupuesto o una tarifa actualizada con las fichas adjuntas, y quien vende pierde tiempo copiando desde tres carpetas. - En breve: Qué entra: correo y PDF de la petición, tarifa, fichas. Qué queda: el borrador de oferta sobre el modelo de la empresa, con la lista de lo que falta. Quién controla: quien vende, sobre precio, descuento y envío. - Al final del día queda: Un procedimiento que, a partir del correo y de los PDF, compone el borrador de oferta o de tarifa sobre el modelo de la empresa y señala qué falta. El borrador lo relee quien vende. - Dónde se detiene la persona: precio y descuento; sí o no a la petición; envío al cliente. - Archivos que hacen falta: correo y PDF de la petición; tarifa interna; fichas de producto; modelo de oferta. - Dónde ocurre a menudo: transformación alimentaria; mecánica a terceros; edificación e instalaciones. - Cuándo no es adecuado: Si el presupuesto es una medición a partir de un plano o una negociación: eso es el oficio, no este servicio. - En el formulario: marca «Ofertas, tarifas y fichas a juntar (correo y PDF), para que quien vende las relea.». - URL: https://ar-tik.com/es/arranque-operativo/ofertas-desde-correo.html ### El lote de documentos que piden cada vez Un cliente, un auditor, un órgano de contratación o un transitario pide «los papeles». Hoy el lote se rehace desde cero cada vez, pescando en el correo certificado, en carpetas y en portales de los que se descarga un PDF. - En breve: Qué entra: petición del cliente o de la licitación, lista de piezas, carpetas sueltas. Qué queda: lista de control del lote y carpetas ordenadas, con qué descargar y qué pedir en casa. Quién controla: quien entrega el lote. - Al final del día queda: Una lista de control del lote, las carpetas ordenadas y un procedimiento que reúne los documentos que ya están en casa, señala los caducados o ausentes y prepara el expediente para entregar. - Dónde se detiene la persona: control final del expediente; petición de los documentos que faltan; entrega o carga. - Archivos que hacen falta: PDF ya descargados: DURC, informes registrales, pólizas, certificados; lista de lo que suelen pedir; modelo de carta de acompañamiento. - Dónde ocurre a menudo: edificación e instalaciones; vino y exportación; mecánica para licitaciones y suministros. - Cuándo no es adecuado: Firma del técnico, documentos que existen solo dentro de portales cerrados, carga en plataformas de licitación o conservación a norma. - En el formulario: marca «El lote de documentos que clientes, licitaciones, auditores o transitarios piden cada vez.». ### Comparar tres ofertas de proveedores Tres PDF o tres correos en formatos distintos, uno incompleto. Hace falta una tabla con precio, plazos, rendimientos y condiciones antes de que quien negocia se siente a la mesa. - En breve: Qué entra: tres presupuestos desordenados, criterios de la empresa. Qué queda: tabla de comparación lista para quien negocia. Quién controla: quien decide el proveedor. - Al final del día queda: Una parrilla de comparación fija de la empresa y un procedimiento que lleva cada oferta a la parrilla, destaca las diferencias y las partidas que faltan y prepara las preguntas para los proveedores. - Dónde se detiene la persona: negociación y elección del proveedor; pedido en el software de gestión; búsqueda de proveedores nuevos. - Archivos que hacen falta: ofertas recibidas en PDF o por correo; parrilla o tabla de comparación ya en uso; histórico de compras, si existe. - Dónde ocurre a menudo: compras alimentarias y de envases; mecánica y tratamientos; subcontratas en edificación. - Cuándo no es adecuado: Si la elección depende de una negociación abierta o si las compras ya pasan por una plataforma con su propio proceso de evaluación. - En el formulario: marca «Comparar tres ofertas de proveedores y tener una tabla antes de quien negocia.». ### Correo y PEC de la semana En la bandeja llegan pedidos, peticiones de fichas, recordatorios, no conformidades, comunicaciones de organismos. Hace falta una lista clara: qué hacer, qué pasar al despacho, qué archivar, qué plazo. - En breve: Qué entra: bandeja de la semana, reglas de clasificación. Qué queda: qué hacer, qué pasar, qué archivar — sin enviar por cuenta propia. Quién controla: quien gestiona el correo. - Al final del día queda: Criterios de clasificación escritos sobre el tipo de correo de la empresa, un modelo de reenvío y un procedimiento que, a partir de una exportación de la bandeja, produce la lista semanal con los plazos. - Dónde se detiene la persona: respuesta y envío; decisiones sobre los plazos; todo lo que concierne a personas, nóminas o accidentes. - Archivos que hacen falta: exportación de la bandeja en EML o PDF; lista de remitentes y de temas recurrentes; modelo de reenvío al despacho o al departamento. - Dónde ocurre a menudo: todos los sectores; PEC de licitación; empresas con domicilio digital obligatorio. - Cuándo no es adecuado: Si hace falta entrar en la bandeja sin exportar o si se pide el envío automático de las respuestas. - En el formulario: marca «Clasificar el correo certificado y el correo de la semana.». ### Fichas, certificados y packing list que hay que adjuntar La pieza, el lote o la instalación ya está decidida. Falta el expediente que acompaña el envío: ficha técnica, certificado, packing list, conformidad, cada uno en una carpeta distinta. - En breve: Qué entra: fichas técnicas y certificados en PDF, modelo de packing list, pedido ya decidido. Qué queda: el expediente listo para cada pedido o envío, con el orden de los anexos y las faltas señaladas. Quién controla: quien controla el expediente antes de la salida. - Al final del día queda: Un procedimiento que dice dónde están los PDF, en qué orden se adjuntan y qué señalar si falta una pieza, con el expediente listo para cada pedido o envío. - Dónde se detiene la persona: control del expediente antes de la salida; ensayo y mediciones; firma de los certificados. - Archivos que hacen falta: fichas técnicas y certificados en PDF; modelo de packing list; pedido o confirmación ya decididos. - Dónde ocurre a menudo: mecánica con envíos certificados; alimentación con fichas y HACCP documental; vino con packing list y origen. - Cuándo no es adecuado: El ensayo, las mediciones, el HACCP en línea y el plano quedan fuera: aquí se prepara el expediente, no se certifica. - En el formulario: marca «Adjuntar fichas, certificados y packing list a un envío o a un pedido ya decidido.». ### Un informe a partir del archivo Excel ya exportado del software de la empresa El titular o el comercial pregunta cómo van clientes, encargos o ventas. Los datos ya están en el software de gestión, pero salen en Excel y el informe se rehace a mano cada mes. - En breve: Qué entra: exportación en Excel o CSV del software de gestión, modelo del informe. Qué queda: listas y resumen regenerados en cada exportación nueva, con las reglas escritas. Quién controla: quien lee el informe y decide. - Al final del día queda: Reglas escritas, por ejemplo desde cuántos meses un cliente está parado o cómo se calcula la mezcla, y un procedimiento que, a partir de una exportación nueva, regenera las listas y el resumen para quien tiene que leerlo. - Dónde se detiene la persona: lectura y decisiones comerciales; contacto con los clientes; corrección de los datos en el software de gestión. - Archivos que hacen falta: exportación en Excel o CSV del software de gestión; modelo del informe que se prepara hoy; lista de las preguntas recurrentes de la dirección. - Dónde ocurre a menudo: comercial y ventas; encargos en mecánica; liquidaciones a partir de albaranes. - Cuándo no es adecuado: Si no existe una exportación o si se pide una previsión: aquí se ordena lo que hay, no se prevé. - En el formulario: marca «Un informe desde un export Excel para la dirección o el comercial.». ### Acta y lista de acciones a partir de apuntes de reunión Después de una reunión o de una visita quedan apuntes, fotos y, a veces, una grabación. El acta con las decisiones y las cosas por hacer llega tarde, o no llega. - En breve: Qué entra: apuntes, fotos o transcripción de la reunión, modelo de acta. Qué queda: el borrador de acta con decisiones, acciones, responsable y fecha. Quién controla: quien aprueba el acta y la envía. - Al final del día queda: Un modelo de acta de la empresa y un procedimiento que, a partir de los apuntes o de la transcripción, prepara el borrador con decisiones, acciones, responsable y fecha, para aprobarlo antes de circularlo. - Dónde se detiene la persona: aprobación del acta; asignación definitiva de las acciones; envío a los participantes. - Archivos que hacen falta: apuntes, fotos o transcripción de la reunión; modelo de acta; lista de participantes. - Dónde ocurre a menudo: obras y visitas; reuniones de producción; consejos y comités internos. - Cuándo no es adecuado: Grabaciones sin el consentimiento de los presentes o reuniones en las que se habla de personas: ese material no se copia a una carpeta. - En el formulario: marca «Convertir los apuntes de una reunión o visita en acta y lista de acciones.». ### Respuesta a reclamaciones y no conformidades Llega el correo de un cliente con fotos, número de lote o de pedido y una petición. La respuesta hay que escribirla bien y deprisa, y el registro de no conformidades se actualiza a mano. - En breve: Qué entra: correo y anexos del cliente, modelo de respuesta, registro de no conformidades. Qué queda: el borrador de respuesta y la fila para el registro, con los puntos a comprobar. Quién controla: quien decide sobre la reclamación y envía la respuesta. - Al final del día queda: Un procedimiento que reúne las referencias (pedido, lote, documentos), prepara el borrador de respuesta sobre el modelo de la empresa y la fila para el registro, con los puntos a comprobar destacados. - Dónde se detiene la persona: decisión sobre la reclamación: aceptar, rechazar, reembolsar; análisis de la causa; envío de la respuesta. - Archivos que hacen falta: correo y anexos del cliente; modelo de respuesta; registro de no conformidades en Excel. - Dónde ocurre a menudo: alimentación y vino; mecánica y componentes; suministros de catálogo. - Cuándo no es adecuado: Si se pide que la respuesta salga sola o si la reclamación afecta a seguridad, salud o litigios: ahí decide una persona, de inmediato. - En el formulario: marca «Preparar el borrador de respuesta a una reclamación o no conformidad, con el registro actualizado.». ### Calendario de vencimientos de documentos y certificados DURC, pólizas, certificaciones, carnés, calibraciones de instrumentos: cada uno con su vencimiento, en PDF sueltos entre carpetas y correos. Uno se entera del vencimiento cuando alguien lo pide. - En breve: Qué entra: PDF de los documentos con vencimiento, lista de lo que piden clientes y auditores. Qué queda: la tabla de vencimientos y el recordatorio de lo que vence en el mes. Quién controla: quien renueva los documentos. - Al final del día queda: Una tabla de vencimientos construida a partir de los PDF, un procedimiento para actualizarla cuando llega un documento nuevo y un recordatorio de lo que vence en el mes. - Dónde se detiene la persona: renovación de los documentos; petición a los organismos o a los proveedores; comprobación de las fechas ambiguas. - Archivos que hacen falta: PDF de los documentos con vencimiento; lista de lo que piden clientes y auditores; una tabla ya en uso, si existe. - Dónde ocurre a menudo: edificación e instalaciones; transporte por carretera y logística; calidad certificada. - Cuándo no es adecuado: Documentos que viven solo en portales cerrados o vencimientos que dependen de cálculos normativos: la tabla los registra, no los interpreta. - En el formulario: marca «Llevar el calendario de vencimientos de certificados, pólizas, certificaciones y carnés a partir de los PDF.». ### Fichas y tarifas en otro idioma para el extranjero La ficha de producto y la tarifa existen en italiano. El cliente extranjero las quiere en su idioma, sobre el modelo de la empresa, y hoy se traduce a trozos con copia y pega. - En breve: Qué entra: fichas y tarifas en italiano, modelo en el idioma de destino, glosario. Qué queda: el borrador en el idioma elegido sobre el modelo, con la lista de lo que hay que releer. Quién controla: quien conoce el idioma y al cliente, sobre textos legales, precios y condiciones. - Al final del día queda: Un glosario de los términos de la empresa, el procedimiento que produce el borrador en el idioma elegido sobre el modelo y la lista de lo que hay que releer siempre antes del envío. - Dónde se detiene la persona: relectura de quien conoce el idioma y al cliente; textos legales y etiquetas; precios y condiciones. - Archivos que hacen falta: fichas y tarifas en italiano; modelo en el idioma de destino, aunque sea imperfecto; glosario o traducciones ya aprobadas. - Dónde ocurre a menudo: agroalimentación y vino; mecánica con clientes extranjeros; componentes y catálogos. - Cuándo no es adecuado: Traducciones juradas, etiquetado obligatorio y textos contractuales: quedan en quien responde de ellos. - En el formulario: marca «Preparar fichas de producto y tarifas en otro idioma sobre la plantilla de la empresa, para que alguien las relea.». ### Control de coherencia entre pedido, confirmación y albarán El pedido del cliente, la confirmación de pedido y el albarán deberían decir lo mismo. Códigos, cantidades y precios se controlan a ojo, y las diferencias se descubren en la factura o en la reclamación. - En breve: Qué entra: pedido del cliente, confirmación de pedido, albarán en PDF. Qué queda: la lista de diferencias, ordenada por gravedad, antes del envío o de la factura. Quién controla: quien corrige en el software de gestión y decide qué enviar. - Al final del día queda: Un procedimiento que compara los tres documentos en PDF y produce la lista de diferencias, ordenada por gravedad, antes del envío o de la factura. - Dónde se detiene la persona: corrección en el software de gestión; decisión sobre qué enviar; contacto con el cliente. - Archivos que hacen falta: pedido del cliente en PDF o por correo; confirmación de pedido; albarán. - Dónde ocurre a menudo: distribución y suministros de catálogo; mecánica a terceros; alimentación con pedidos frecuentes. - Cuándo no es adecuado: Si los documentos no se pueden exportar en PDF o si se pide emitir el albarán: eso permanece en el software de gestión. - En el formulario: marca «Comparar el pedido del cliente, la confirmación de pedido y el albarán y señalar las diferencias antes del envío.». ## Qué está incluido. Qué es un segundo día. Tras un día en sede queda el asistente a nombre de la empresa y el procedimiento escrito. Desde el primer momento alguien sabe hacerlo. El sistema de gestión no se toca. Si hay que cambiar el proceso, es un segundo día, y se llama consultoría. - Incluido en la jornada: Instrucciones, convenios de carpetas, criterios de verificación del procedimiento elegido. - Pasa a ser consultoría: Reescritura del método sobre un proceso distinto. - Incluido en la jornada: Datos de ejemplo y su sustitución con los archivos de la empresa. - Pasa a ser consultoría: Limpieza o reorganización del archivo. - Incluido en la jornada: Sesión en sede sobre datos reales. - Pasa a ser consultoría: Jornadas repetidas en otros equipos u otros casos. - Incluido en la jornada: Documentación de uso. - Pasa a ser consultoría: Integración con sistema de gestión, correo de la empresa o portales cerrados. - Incluido en la jornada: Corrección de lo entregado en la jornada. - Pasa a ser consultoría: Formación amplia de la organización. ## A quién sirve este día. **Para quién es.** Una empresa con un trabajo que se repite, una persona que lo hace hoy y archivos que se pueden copiar a una carpeta. **Para quién no es este servicio.** Quien busca un curso general sobre inteligencia artificial, o un sistema conectado al software de gestión: son otros servicios, y están en esta misma página. ## Requisitos. - Suscripción al asistente a nombre de la empresa. El entorno probado se indica en la propuesta, no en la página de inicio. - Una persona interna con el mandato de adoptar el procedimiento. - Datos exportables en los formatos indicados, sin entrar en los sistemas de la empresa. ## Cuándo no es adecuado. - El procedimiento aún no es estable, o nadie en la empresa sabe describirlo. - El volumen es irrelevante: pocas ejecuciones al año no compensan la adopción. - El dato necesario no existe o solo se puede reconstruir a mano. - Queda una restricción de reserva o de tratamiento de datos sin resolver. - Hace falta una integración permanente a los sistemas: eso es desarrollo de software. - Hace falta cambiar el proceso o tocar el sistema de gestión: eso es consultoría. ## Qué no es, dicho una vez. - No es un curso. Los cursos siguen, y enseñan la competencia general. - No es un software para instalar. El desarrollo técnico queda aguas abajo, cuando hace falta la integración permanente. - No es un complemento al sistema de gestión. El clic del pedido no se toca. - No sustituye al administrativo, al comercial, al presupuestista, al técnico. - No es un agente que envía solo, que negocia, que firma. - No es un cómputo desde plano, PriMus, AutoCAD. - No es la carga en portales de licitación. - No es nóminas. - No es un recorrido de semanas con integración. Si hace falta eso, es otro servicio Artik, ya en página. - No se prometen incentivos, convocatorias ni vales. ## El Arranque no sustituye nada de lo existente. - [Cursos](https://ar-tik.com/es/cursos/index.md): Los cursos siguen siendo el recorrido de competencia general. El Arranque es el procedimiento concreto encendido. - [Consultoría directiva de IA](https://ar-tik.com/es/consultoria-directiva-ia.md): La consultoría está aguas arriba, o es el día 2 si se toca el proceso. - [Análisis de datos](https://ar-tik.com/es/analisis-datos-agentico.md): El análisis de datos está al lado, cuando el problema es la señal en los datos. - [Software](https://ar-tik.com/es/desarrollo-software-tecnico.md): El desarrollo de software está aguas abajo, cuando hace falta la integración permanente. - [Atlas IA](https://ar-tik.com/es/atlas-aplicaciones-ia-empresas.md): El Atlas ayuda a reconocer el propio proceso. - [FAQ](https://ar-tik.com/es/preguntas-frecuentes-ia-empresas.md): Las FAQ ayudan a elegir entre los servicios. ## Tres campos. Un informe de viabilidad. Luego, si encaja, la jornada. El informe es una puerta, no el producto. Se usa el sitio público indicado. Nada de razón social obligatoria, nada de NIF, nada de plantilla. Después del informe: si encaja, verificación y jornada; si no, curso o consultoría. ## Preguntas frecuentes ### ¿Es un curso? No. Un curso deja modelos y criterios. Aquí queda un procedimiento escrito, ya configurado sobre la inteligencia artificial a nombre de la empresa, con los archivos que permanecen en la empresa. ### ¿Se hacen integraciones a medida con el software ya en uso? No. Están excluidas. Si hace falta conectar los sistemas que ya hay en la empresa, es consultoría o desarrollo de software: otro trabajo. ### ¿Los datos salen de la empresa? Los archivos permanecen en la empresa. El asistente está a nombre de la empresa. Artik Lab no se los lleva. ### ¿Se pueden hacer cinco trabajos a la vez? No, de uno en uno. La jornada sirve para dejar un procedimiento en uso, y un procedimiento en uso vale más que cinco esbozos. ### ¿El dictamen del formulario ya es el servicio? No. Solo sirve para ver si encaja. Después: si tiene sentido, comprobación y jornada; si no, curso o consultoría. ### ¿Cuánto cuesta? La propuesta llega después del dictamen. En esta página no hay una tarifa. ### ¿Cuántas actividades se pueden hacer, una detrás de otra? Se decide con la empresa, según las necesidades. Un trabajo cada vez, llevado hasta el final. ### ¿Se puede usar un incentivo o un fondo para este trabajo? Se puede pedir una comprobación de admisibilidad. El trabajo tiene que sostenerse igual sin incentivo: no se prometen convocatorias ni importes. # Cursos de IA para empresas: elegir el recorrido adecuado La inteligencia artificial crea valor cuando entra en el trabajo diario con método: documentos, decisiones recurrentes, traspasos entre funciones, controles de calidad y responsabilidades operativas. Los cursos de Artik Lab no son un catálogo genérico de clases sobre IA. Son recorridos diseñados sobre los procesos del cliente para convertir el uso individual de herramientas de IA en prácticas gobernables, medibles y repetibles. ## Empezar por AI Workflow Redesign Lab Para la mayoría de las empresas, el primer problema no es elegir una herramienta de IA. Es entender qué actividades deben rediseñarse, qué datos pueden usarse, qué riesgos deben gobernarse y qué capacidades deben permanecer en la empresa. ## Formación adaptada al contexto de la empresa, no clases estándar. Dynamic Training Rework es la metodología propietaria de Artik Lab: el recorrido no permanece igual desde la primera hasta la última sesión, sino que se recalibra sobre procesos, roles, materiales y prioridades que emergen con los participantes. Las empresas reciben demasiadas propuestas genéricas de formación en IA, a menudo alejadas del trabajo real. DTR evita ese desperdicio y convierte herramientas de IA avanzadas en prácticas realmente utilizables. ## Antes de elegir el formato, reconocer el proceso. El Atlas reúne ejemplos concretos de aplicaciones IA para documentos, operaciones, RR. HH., marketing, software, gobernanza, producción, formación y datos. Ayuda a decidir si el caso requiere consultoría, análisis de datos, desarrollo técnico o formación. [Abrir el Atlas](https://ar-tik.com/es/atlas-aplicaciones-ia-empresas.md) ## Catálogo de cursos ### AI Workflow Redesign Lab Curso corporativo práctico para aplicar IA a rediseño de flujos de trabajo, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 8 horas, modulables en 2 o 4 sesiones - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en rediseño de flujos de trabajo y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para rediseño de flujos de trabajo. - URL: https://ar-tik.com/es/cursos/workflow-redesign.html ### Managing AI Curso corporativo práctico para aplicar IA a adopción directiva de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas, 2 sesiones de 2 horas - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en adopción directiva de IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para adopción directiva de IA. - URL: https://ar-tik.com/es/cursos/managing-ai.html ### Managing AI para equipos empresariales mixtos Curso corporativo práctico para aplicar IA a alineamiento de IA entre funciones, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas, 2 sesiones de 2 horas - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en alineamiento de IA entre funciones y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para alineamiento de IA entre funciones. - URL: https://ar-tik.com/es/cursos/managing-ai-general.html ### Gobernanza operativa de AI Curso corporativo práctico para aplicar IA a gobernanza operativa de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas, 2 sesiones de 2 horas - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en gobernanza operativa de IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para gobernanza operativa de IA. - URL: https://ar-tik.com/es/cursos/ai-governance.html ### AI Business Case & ROI Sprint Curso corporativo práctico para aplicar IA a business case y ROI de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas o sprint de media jornada - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en business case y ROI de IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para business case y ROI de IA. - URL: https://ar-tik.com/es/cursos/ai-business-case-roi.html ### AI Adoption Manager / AI Champions Curso corporativo práctico para aplicar IA a champions de adopción de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 6-8 horas, modulables - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en champions de adopción de IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para champions de adopción de IA. - URL: https://ar-tik.com/es/cursos/ai-adoption-manager.html ### Alfabetización AI por rol y uso responsable Curso corporativo práctico para aplicar IA a alfabetización en IA por rol, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-8 horas, adaptables por rol - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en alfabetización en IA por rol y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para alfabetización en IA por rol. - URL: https://ar-tik.com/es/cursos/ai-literacy.html ### Curso AI: gestionar documentos con AI Curso corporativo práctico para aplicar IA a gestión documental, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 8 horas, personalizables - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en gestión documental y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para gestión documental. - URL: https://ar-tik.com/es/cursos/ai-documenti.html ### Curso AI: marketing y comunicación AI driven Curso corporativo práctico para aplicar IA a marketing y comunicación, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 8 horas, personalizables - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en marketing y comunicación y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para marketing y comunicación. - URL: https://ar-tik.com/es/cursos/ai-marketing.html ### Curso AI: venta B2C y B2B con AI Curso corporativo práctico para aplicar IA a ventas B2B y B2C, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 8 horas, personalizables - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en ventas B2B y B2C y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para ventas B2B y B2C. - URL: https://ar-tik.com/es/cursos/ai-vendite.html ### AI para administración y control de gestión Curso corporativo práctico para aplicar IA a administración y control de gestión, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en administración y control de gestión y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para administración y control de gestión. - URL: https://ar-tik.com/es/cursos/ai-admin-finance.html ### AI Operations Curso corporativo práctico para aplicar IA a operaciones y coordinación de procesos, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas, 2 sesiones de 2 horas - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en operaciones y coordinación de procesos y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para operaciones y coordinación de procesos. - URL: https://ar-tik.com/es/cursos/ai-operations.html ### AI Legal Ops y compliance documental Curso corporativo práctico para aplicar IA a legal operations y compliance documental, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en legal operations y compliance documental y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para legal operations y compliance documental. - URL: https://ar-tik.com/es/cursos/ai-legal-ops.html ### AI para procurement e inteligencia de proveedores Curso corporativo práctico para aplicar IA a procurement e inteligencia de proveedores, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en procurement e inteligencia de proveedores y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para procurement e inteligencia de proveedores. - URL: https://ar-tik.com/es/cursos/ai-procurement.html ### AI para atención al cliente y triage de tickets Curso corporativo práctico para aplicar IA a atención al cliente y triage de tickets, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en atención al cliente y triage de tickets y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para atención al cliente y triage de tickets. - URL: https://ar-tik.com/es/cursos/ai-customer-service.html ### AI para calidad y no conformidades Curso corporativo práctico para aplicar IA a calidad y no conformidades, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en calidad y no conformidades y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para calidad y no conformidades. - URL: https://ar-tik.com/es/cursos/ai-quality-management.html ### AI People Ops Curso corporativo práctico para aplicar IA a People Ops y procesos HR, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en People Ops y procesos HR y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para People Ops y procesos HR. - URL: https://ar-tik.com/es/cursos/ai-people-ops.html ### AI Brand Voice y comunicación Curso corporativo práctico para aplicar IA a brand voice y comunicación, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas, 2 sesiones de 2 horas - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en brand voice y comunicación y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para brand voice y comunicación. - URL: https://ar-tik.com/es/cursos/ai-brand-voice.html ### Búsqueda semántica y bases de conocimiento AI Convertir archivos y conocimiento interno en búsqueda por significado, con embeddings: representaciones numéricas del significado de un texto. - Duración: 60-90 minuti o modulo breve - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en búsqueda semántica y bases de conocimiento y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para equipos técnicos con bases de programación y arquitectura software. - Resultado final: Canvas operativo para búsqueda semántica y bases de conocimiento. - URL: https://ar-tik.com/es/cursos/embeddings.html ### RAG Engineering para sistemas AI fiables Diseñar sistemas RAG (Retrieval-Augmented Generation): recuperan los documentos de la empresa y generan la respuesta citándolos. - Duración: 5 horas, 2 sesiones de 2,5 horas - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en RAG engineering y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para equipos técnicos con bases de programación y arquitectura software. - Resultado final: Canvas operativo para RAG engineering. - URL: https://ar-tik.com/es/cursos/rag-engineering.html ### AI Coding Agents para equipos software Usar agentes de código como partes controladas del ciclo software: desarrollo, revisión, pruebas y publicación, con responsabilidad declarada. - Duración: 4 horas, 2 sesiones de 2 horas - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en agentes de IA para coding y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para equipos técnicos con bases de programación y arquitectura software. - Resultado final: Canvas operativo para agentes de IA para coding. - URL: https://ar-tik.com/es/cursos/ai-coding-agents.html ### AI Software Engineering Diseñar software AI-native, con la IA dentro del producto y no al lado: arquitectura, evaluación y go-live (entrada en producción). - Duración: 5 horas, 2 sesiones de 2,5 horas - Elegirlo si: 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. - Perfil: Para equipos técnicos con bases de programación y arquitectura software. - Resultado final: Canvas operativo para ingeniería de software con IA. - URL: https://ar-tik.com/es/cursos/ai-software-engineering.html ### Secure AI SDLC Insertar controles específicos de IA en el ciclo de desarrollo: design (diseño), build (construcción), test, release (publicación) y operation (explotación). - Duración: 4-6 horas, personalizables - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en ciclo de vida seguro para software con IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para equipos técnicos con bases de programación y arquitectura software. - Resultado final: Canvas operativo para ciclo de vida seguro para software con IA. - URL: https://ar-tik.com/es/cursos/secure-ai-sdlc.html ### Secure AI at Work Curso corporativo práctico para aplicar IA a uso seguro de IA en el trabajo, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas, adaptables por función - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en uso seguro de IA en el trabajo y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para uso seguro de IA en el trabajo. - URL: https://ar-tik.com/es/cursos/secure-ai-at-work.html ### AI Output Quality & Human Review Curso corporativo práctico para aplicar IA a calidad de resultados de IA y revisión humana, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en calidad de resultados de IA y revisión humana y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para calidad de resultados de IA y revisión humana. - URL: https://ar-tik.com/es/cursos/ai-output-quality.html ## Preguntas frecuentes ### ¿Por qué empezar por AI Workflow Redesign Lab? Porque antes de introducir herramientas o automatizaciones la empresa debe entender qué flujos de trabajo tienen potencial real, qué datos pueden usarse y qué controles son necesarios. ### ¿Los cursos son estándar o personalizados? La estructura es estable, pero contenidos, ejemplos, ejercicios y prioridades se adaptan a los procesos del cliente. ### ¿Hace falta saber programar? No en recorridos introductorios, directivos y operativos. Solo se requiere en recorridos técnicos. ### ¿Qué queda después del curso? Materiales operativos, ejemplos adaptados al contexto, criterios de uso y una lectura de los procesos con mayor potencial. # AI Workflow Redesign Lab Curso corporativo práctico para aplicar IA a rediseño de flujos de trabajo, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 8 horas, modulables en 2 o 4 sesiones - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para rediseño de flujos de trabajo. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en rediseño de flujos de trabajo y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan rediseño de flujos de trabajo 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. ## Destinatarios Para equipos empresariales, funciones operativas y managers; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en rediseño de flujos de trabajo y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Mapear el trabajo real Actividades, decisiones, traspasos de información y cuellos de botella. ### 2. Evaluar el potencial de IA Impacto, factibilidad, riesgo, calidad del dato y nivel de control. ### 3. Rediseñar el flujo de trabajo Roles, entradas, salidas, revisiones, escalado y trazabilidad. ### 4. Pasar a la adopción Métricas, gobernanza mínima, roadmap y responsabilidad operativa. ## Ejercicios prácticos - Mapear un proceso realista conectado con rediseño de flujos de trabajo. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para rediseño de flujos de trabajo. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [Managing AI](https://ar-tik.com/es/cursos/managing-ai.md): Curso corporativo práctico para aplicar IA a adopción directiva de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Managing AI para equipos empresariales mixtos](https://ar-tik.com/es/cursos/managing-ai-general.md): Curso corporativo práctico para aplicar IA a alineamiento de IA entre funciones, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Gobernanza operativa de AI](https://ar-tik.com/es/cursos/ai-governance.md): Curso corporativo práctico para aplicar IA a gobernanza operativa de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # Managing AI Curso corporativo práctico para aplicar IA a adopción directiva de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas, 2 sesiones de 2 horas - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para adopción directiva de IA. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en adopción directiva de IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan adopción directiva de 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. ## Destinatarios Para managers y equipos no técnicos; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en adopción directiva de IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Comprensión compartida Capacidades, límites, responsabilidades e implicaciones de negocio. ### 2. Evaluación de casos de uso Valor, factibilidad, riesgo, datos y responsabilidad. ### 3. Gobernanza y calidad Reglas, revisión, escalado y decisiones responsables. ### 4. Roadmap de adopción Prioridades, competencias, métricas y próximos pasos. ## Ejercicios prácticos - Mapear un proceso realista conectado con adopción directiva de IA. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para adopción directiva de IA. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [Managing AI para equipos empresariales mixtos](https://ar-tik.com/es/cursos/managing-ai-general.md): Curso corporativo práctico para aplicar IA a alineamiento de IA entre funciones, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Gobernanza operativa de AI](https://ar-tik.com/es/cursos/ai-governance.md): Curso corporativo práctico para aplicar IA a gobernanza operativa de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI Business Case & ROI Sprint](https://ar-tik.com/es/cursos/ai-business-case-roi.md): Curso corporativo práctico para aplicar IA a business case y ROI de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # Managing AI para equipos empresariales mixtos Curso corporativo práctico para aplicar IA a alineamiento de IA entre funciones, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas, 2 sesiones de 2 horas - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para alineamiento de IA entre funciones. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en alineamiento de IA entre funciones y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan alineamiento de IA entre funciones 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. ## Destinatarios Para managers y equipos no técnicos; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en alineamiento de IA entre funciones y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Comprensión compartida Capacidades, límites, responsabilidades e implicaciones de negocio. ### 2. Evaluación de casos de uso Valor, factibilidad, riesgo, datos y responsabilidad. ### 3. Gobernanza y calidad Reglas, revisión, escalado y decisiones responsables. ### 4. Roadmap de adopción Prioridades, competencias, métricas y próximos pasos. ## Ejercicios prácticos - Mapear un proceso realista conectado con alineamiento de IA entre funciones. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para alineamiento de IA entre funciones. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [Gobernanza operativa de AI](https://ar-tik.com/es/cursos/ai-governance.md): Curso corporativo práctico para aplicar IA a gobernanza operativa de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI Business Case & ROI Sprint](https://ar-tik.com/es/cursos/ai-business-case-roi.md): Curso corporativo práctico para aplicar IA a business case y ROI de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI Adoption Manager / AI Champions](https://ar-tik.com/es/cursos/ai-adoption-manager.md): Curso corporativo práctico para aplicar IA a champions de adopción de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # Gobernanza operativa de AI Curso corporativo práctico para aplicar IA a gobernanza operativa de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas, 2 sesiones de 2 horas - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para gobernanza operativa de IA. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en gobernanza operativa de IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan gobernanza operativa de 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. ## Destinatarios Para managers y equipos no técnicos; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en gobernanza operativa de IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Comprensión compartida Capacidades, límites, responsabilidades e implicaciones de negocio. ### 2. Evaluación de casos de uso Valor, factibilidad, riesgo, datos y responsabilidad. ### 3. Gobernanza y calidad Reglas, revisión, escalado y decisiones responsables. ### 4. Roadmap de adopción Prioridades, competencias, métricas y próximos pasos. ## Ejercicios prácticos - Mapear un proceso realista conectado con gobernanza operativa de IA. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para gobernanza operativa de IA. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [AI Business Case & ROI Sprint](https://ar-tik.com/es/cursos/ai-business-case-roi.md): Curso corporativo práctico para aplicar IA a business case y ROI de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI Adoption Manager / AI Champions](https://ar-tik.com/es/cursos/ai-adoption-manager.md): Curso corporativo práctico para aplicar IA a champions de adopción de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Alfabetización AI por rol y uso responsable](https://ar-tik.com/es/cursos/ai-literacy.md): Curso corporativo práctico para aplicar IA a alfabetización en IA por rol, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # AI Business Case & ROI Sprint Curso corporativo práctico para aplicar IA a business case y ROI de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas o sprint de media jornada - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para business case y ROI de IA. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en business case y ROI de IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan business case y ROI de 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. ## Destinatarios Para managers y equipos no técnicos; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en business case y ROI de IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Comprensión compartida Capacidades, límites, responsabilidades e implicaciones de negocio. ### 2. Evaluación de casos de uso Valor, factibilidad, riesgo, datos y responsabilidad. ### 3. Gobernanza y calidad Reglas, revisión, escalado y decisiones responsables. ### 4. Roadmap de adopción Prioridades, competencias, métricas y próximos pasos. ## Ejercicios prácticos - Mapear un proceso realista conectado con business case y ROI de IA. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para business case y ROI de IA. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [AI Adoption Manager / AI Champions](https://ar-tik.com/es/cursos/ai-adoption-manager.md): Curso corporativo práctico para aplicar IA a champions de adopción de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Alfabetización AI por rol y uso responsable](https://ar-tik.com/es/cursos/ai-literacy.md): Curso corporativo práctico para aplicar IA a alfabetización en IA por rol, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Secure AI at Work](https://ar-tik.com/es/cursos/secure-ai-at-work.md): Curso corporativo práctico para aplicar IA a uso seguro de IA en el trabajo, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # AI Adoption Manager / AI Champions Curso corporativo práctico para aplicar IA a champions de adopción de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 6-8 horas, modulables - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para champions de adopción de IA. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en champions de adopción de IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan champions de adopción de 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. ## Destinatarios Para equipos empresariales, funciones operativas y managers; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en champions de adopción de IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Comprensión compartida Capacidades, límites, responsabilidades e implicaciones de negocio. ### 2. Evaluación de casos de uso Valor, factibilidad, riesgo, datos y responsabilidad. ### 3. Gobernanza y calidad Reglas, revisión, escalado y decisiones responsables. ### 4. Roadmap de adopción Prioridades, competencias, métricas y próximos pasos. ## Ejercicios prácticos - Mapear un proceso realista conectado con champions de adopción de IA. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para champions de adopción de IA. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [Alfabetización AI por rol y uso responsable](https://ar-tik.com/es/cursos/ai-literacy.md): Curso corporativo práctico para aplicar IA a alfabetización en IA por rol, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Secure AI at Work](https://ar-tik.com/es/cursos/secure-ai-at-work.md): Curso corporativo práctico para aplicar IA a uso seguro de IA en el trabajo, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI Output Quality & Human Review](https://ar-tik.com/es/cursos/ai-output-quality.md): Curso corporativo práctico para aplicar IA a calidad de resultados de IA y revisión humana, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # Alfabetización AI por rol y uso responsable Curso corporativo práctico para aplicar IA a alfabetización en IA por rol, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-8 horas, adaptables por rol - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para alfabetización en IA por rol. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en alfabetización en IA por rol y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan alfabetización en IA por rol 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. ## Destinatarios Para equipos empresariales, funciones operativas y managers; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en alfabetización en IA por rol y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Comprensión compartida Capacidades, límites, responsabilidades e implicaciones de negocio. ### 2. Evaluación de casos de uso Valor, factibilidad, riesgo, datos y responsabilidad. ### 3. Gobernanza y calidad Reglas, revisión, escalado y decisiones responsables. ### 4. Roadmap de adopción Prioridades, competencias, métricas y próximos pasos. ## Ejercicios prácticos - Mapear un proceso realista conectado con alfabetización en IA por rol. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para alfabetización en IA por rol. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [Secure AI at Work](https://ar-tik.com/es/cursos/secure-ai-at-work.md): Curso corporativo práctico para aplicar IA a uso seguro de IA en el trabajo, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI Output Quality & Human Review](https://ar-tik.com/es/cursos/ai-output-quality.md): Curso corporativo práctico para aplicar IA a calidad de resultados de IA y revisión humana, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Managing AI](https://ar-tik.com/es/cursos/managing-ai.md): Curso corporativo práctico para aplicar IA a adopción directiva de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # Curso AI: gestionar documentos con AI Curso corporativo práctico para aplicar IA a gestión documental, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 8 horas, personalizables - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para gestión documental. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en gestión documental y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan gestión documental 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. ## Destinatarios Para equipos empresariales, funciones operativas y managers; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en gestión documental y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Contexto de trabajo Documentos, canales, tareas y decisiones recurrentes. ### 2. Uso práctico de IA Instrucciones, ejemplos, criterios de revisión y límites. ### 3. Flujo reutilizable Plantillas, checklists, traspasos y controles. ### 4. Adopción segura Datos, privacidad, calidad y próximos pasos. ## Ejercicios prácticos - Mapear un proceso realista conectado con gestión documental. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para gestión documental. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [Curso AI: marketing y comunicación AI driven](https://ar-tik.com/es/cursos/ai-marketing.md): Curso corporativo práctico para aplicar IA a marketing y comunicación, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Curso AI: venta B2C y B2B con AI](https://ar-tik.com/es/cursos/ai-vendite.md): Curso corporativo práctico para aplicar IA a ventas B2B y B2C, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI para administración y control de gestión](https://ar-tik.com/es/cursos/ai-admin-finance.md): Curso corporativo práctico para aplicar IA a administración y control de gestión, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # Curso AI: marketing y comunicación AI driven Curso corporativo práctico para aplicar IA a marketing y comunicación, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 8 horas, personalizables - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para marketing y comunicación. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en marketing y comunicación y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan marketing y comunicación 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. ## Destinatarios Para equipos empresariales, funciones operativas y managers; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en marketing y comunicación y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Contexto de trabajo Documentos, canales, tareas y decisiones recurrentes. ### 2. Uso práctico de IA Instrucciones, ejemplos, criterios de revisión y límites. ### 3. Flujo reutilizable Plantillas, checklists, traspasos y controles. ### 4. Adopción segura Datos, privacidad, calidad y próximos pasos. ## Ejercicios prácticos - Mapear un proceso realista conectado con marketing y comunicación. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para marketing y comunicación. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [Curso AI: venta B2C y B2B con AI](https://ar-tik.com/es/cursos/ai-vendite.md): Curso corporativo práctico para aplicar IA a ventas B2B y B2C, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Curso AI: gestionar documentos con AI](https://ar-tik.com/es/cursos/ai-documenti.md): Curso corporativo práctico para aplicar IA a gestión documental, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI para administración y control de gestión](https://ar-tik.com/es/cursos/ai-admin-finance.md): Curso corporativo práctico para aplicar IA a administración y control de gestión, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # Curso AI: venta B2C y B2B con AI Curso corporativo práctico para aplicar IA a ventas B2B y B2C, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 8 horas, personalizables - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para ventas B2B y B2C. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en ventas B2B y B2C y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan ventas B2B y B2C 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. ## Destinatarios Para equipos empresariales, funciones operativas y managers; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en ventas B2B y B2C y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Contexto de trabajo Documentos, canales, tareas y decisiones recurrentes. ### 2. Uso práctico de IA Instrucciones, ejemplos, criterios de revisión y límites. ### 3. Flujo reutilizable Plantillas, checklists, traspasos y controles. ### 4. Adopción segura Datos, privacidad, calidad y próximos pasos. ## Ejercicios prácticos - Mapear un proceso realista conectado con ventas B2B y B2C. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para ventas B2B y B2C. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [Curso AI: gestionar documentos con AI](https://ar-tik.com/es/cursos/ai-documenti.md): Curso corporativo práctico para aplicar IA a gestión documental, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Curso AI: marketing y comunicación AI driven](https://ar-tik.com/es/cursos/ai-marketing.md): Curso corporativo práctico para aplicar IA a marketing y comunicación, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI para administración y control de gestión](https://ar-tik.com/es/cursos/ai-admin-finance.md): Curso corporativo práctico para aplicar IA a administración y control de gestión, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # AI para administración y control de gestión Curso corporativo práctico para aplicar IA a administración y control de gestión, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para administración y control de gestión. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en administración y control de gestión y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan administración y control de gestión 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. ## Destinatarios Para managers y equipos no técnicos; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en administración y control de gestión y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Mapa del proceso Trabajo recurrente, documentos, decisiones, excepciones y traspasos. ### 2. Resultados asistidos por IA Síntesis, clasificaciones, borradores, informes y checklists. ### 3. Controles del flujo Revisión, escalado, trazabilidad y responsabilidad. ### 4. Adopción operativa Métricas, materiales, rutinas y gobernanza. ## Ejercicios prácticos - Mapear un proceso realista conectado con administración y control de gestión. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para administración y control de gestión. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [AI Operations](https://ar-tik.com/es/cursos/ai-operations.md): Curso corporativo práctico para aplicar IA a operaciones y coordinación de procesos, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI Legal Ops y compliance documental](https://ar-tik.com/es/cursos/ai-legal-ops.md): Curso corporativo práctico para aplicar IA a legal operations y compliance documental, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI para procurement e inteligencia de proveedores](https://ar-tik.com/es/cursos/ai-procurement.md): Curso corporativo práctico para aplicar IA a procurement e inteligencia de proveedores, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # AI Operations Curso corporativo práctico para aplicar IA a operaciones y coordinación de procesos, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas, 2 sesiones de 2 horas - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para operaciones y coordinación de procesos. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en operaciones y coordinación de procesos y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan operaciones y coordinación de procesos 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. ## Destinatarios Para managers y equipos no técnicos; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en operaciones y coordinación de procesos y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Mapa del proceso Trabajo recurrente, documentos, decisiones, excepciones y traspasos. ### 2. Resultados asistidos por IA Síntesis, clasificaciones, borradores, informes y checklists. ### 3. Controles del flujo Revisión, escalado, trazabilidad y responsabilidad. ### 4. Adopción operativa Métricas, materiales, rutinas y gobernanza. ## Ejercicios prácticos - Mapear un proceso realista conectado con operaciones y coordinación de procesos. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para operaciones y coordinación de procesos. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [AI Legal Ops y compliance documental](https://ar-tik.com/es/cursos/ai-legal-ops.md): Curso corporativo práctico para aplicar IA a legal operations y compliance documental, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI para procurement e inteligencia de proveedores](https://ar-tik.com/es/cursos/ai-procurement.md): Curso corporativo práctico para aplicar IA a procurement e inteligencia de proveedores, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI para atención al cliente y triage de tickets](https://ar-tik.com/es/cursos/ai-customer-service.md): Curso corporativo práctico para aplicar IA a atención al cliente y triage de tickets, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # AI Legal Ops y compliance documental Curso corporativo práctico para aplicar IA a legal operations y compliance documental, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para legal operations y compliance documental. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en legal operations y compliance documental y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan legal operations y compliance documental 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. ## Destinatarios Para managers y equipos no técnicos; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en legal operations y compliance documental y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Mapa del proceso Trabajo recurrente, documentos, decisiones, excepciones y traspasos. ### 2. Resultados asistidos por IA Síntesis, clasificaciones, borradores, informes y checklists. ### 3. Controles del flujo Revisión, escalado, trazabilidad y responsabilidad. ### 4. Adopción operativa Métricas, materiales, rutinas y gobernanza. ## Ejercicios prácticos - Mapear un proceso realista conectado con legal operations y compliance documental. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para legal operations y compliance documental. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [AI para procurement e inteligencia de proveedores](https://ar-tik.com/es/cursos/ai-procurement.md): Curso corporativo práctico para aplicar IA a procurement e inteligencia de proveedores, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI para atención al cliente y triage de tickets](https://ar-tik.com/es/cursos/ai-customer-service.md): Curso corporativo práctico para aplicar IA a atención al cliente y triage de tickets, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI para calidad y no conformidades](https://ar-tik.com/es/cursos/ai-quality-management.md): Curso corporativo práctico para aplicar IA a calidad y no conformidades, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # AI para procurement e inteligencia de proveedores Curso corporativo práctico para aplicar IA a procurement e inteligencia de proveedores, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para procurement e inteligencia de proveedores. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en procurement e inteligencia de proveedores y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan procurement e inteligencia de proveedores 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. ## Destinatarios Para managers y equipos no técnicos; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en procurement e inteligencia de proveedores y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Mapa del proceso Trabajo recurrente, documentos, decisiones, excepciones y traspasos. ### 2. Resultados asistidos por IA Síntesis, clasificaciones, borradores, informes y checklists. ### 3. Controles del flujo Revisión, escalado, trazabilidad y responsabilidad. ### 4. Adopción operativa Métricas, materiales, rutinas y gobernanza. ## Ejercicios prácticos - Mapear un proceso realista conectado con procurement e inteligencia de proveedores. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para procurement e inteligencia de proveedores. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [AI para atención al cliente y triage de tickets](https://ar-tik.com/es/cursos/ai-customer-service.md): Curso corporativo práctico para aplicar IA a atención al cliente y triage de tickets, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI para calidad y no conformidades](https://ar-tik.com/es/cursos/ai-quality-management.md): Curso corporativo práctico para aplicar IA a calidad y no conformidades, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI People Ops](https://ar-tik.com/es/cursos/ai-people-ops.md): Curso corporativo práctico para aplicar IA a People Ops y procesos HR, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # AI para atención al cliente y triage de tickets Curso corporativo práctico para aplicar IA a atención al cliente y triage de tickets, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para atención al cliente y triage de tickets. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en atención al cliente y triage de tickets y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan atención al cliente y triage de tickets 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. ## Destinatarios Para managers y equipos no técnicos; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en atención al cliente y triage de tickets y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Mapa del proceso Trabajo recurrente, documentos, decisiones, excepciones y traspasos. ### 2. Resultados asistidos por IA Síntesis, clasificaciones, borradores, informes y checklists. ### 3. Controles del flujo Revisión, escalado, trazabilidad y responsabilidad. ### 4. Adopción operativa Métricas, materiales, rutinas y gobernanza. ## Ejercicios prácticos - Mapear un proceso realista conectado con atención al cliente y triage de tickets. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para atención al cliente y triage de tickets. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [AI para calidad y no conformidades](https://ar-tik.com/es/cursos/ai-quality-management.md): Curso corporativo práctico para aplicar IA a calidad y no conformidades, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI People Ops](https://ar-tik.com/es/cursos/ai-people-ops.md): Curso corporativo práctico para aplicar IA a People Ops y procesos HR, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI Brand Voice y comunicación](https://ar-tik.com/es/cursos/ai-brand-voice.md): Curso corporativo práctico para aplicar IA a brand voice y comunicación, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # AI para calidad y no conformidades Curso corporativo práctico para aplicar IA a calidad y no conformidades, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para calidad y no conformidades. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en calidad y no conformidades y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan calidad y no conformidades 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. ## Destinatarios Para managers y equipos no técnicos; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en calidad y no conformidades y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Mapa del proceso Trabajo recurrente, documentos, decisiones, excepciones y traspasos. ### 2. Resultados asistidos por IA Síntesis, clasificaciones, borradores, informes y checklists. ### 3. Controles del flujo Revisión, escalado, trazabilidad y responsabilidad. ### 4. Adopción operativa Métricas, materiales, rutinas y gobernanza. ## Ejercicios prácticos - Mapear un proceso realista conectado con calidad y no conformidades. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para calidad y no conformidades. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [AI People Ops](https://ar-tik.com/es/cursos/ai-people-ops.md): Curso corporativo práctico para aplicar IA a People Ops y procesos HR, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI Brand Voice y comunicación](https://ar-tik.com/es/cursos/ai-brand-voice.md): Curso corporativo práctico para aplicar IA a brand voice y comunicación, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI para administración y control de gestión](https://ar-tik.com/es/cursos/ai-admin-finance.md): Curso corporativo práctico para aplicar IA a administración y control de gestión, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # AI People Ops Curso corporativo práctico para aplicar IA a People Ops y procesos HR, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para People Ops y procesos HR. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en People Ops y procesos HR y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan People Ops y procesos HR 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. ## Destinatarios Para managers y equipos no técnicos; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en People Ops y procesos HR y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Mapa del proceso Trabajo recurrente, documentos, decisiones, excepciones y traspasos. ### 2. Resultados asistidos por IA Síntesis, clasificaciones, borradores, informes y checklists. ### 3. Controles del flujo Revisión, escalado, trazabilidad y responsabilidad. ### 4. Adopción operativa Métricas, materiales, rutinas y gobernanza. ## Ejercicios prácticos - Mapear un proceso realista conectado con People Ops y procesos HR. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para People Ops y procesos HR. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [AI Brand Voice y comunicación](https://ar-tik.com/es/cursos/ai-brand-voice.md): Curso corporativo práctico para aplicar IA a brand voice y comunicación, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI para administración y control de gestión](https://ar-tik.com/es/cursos/ai-admin-finance.md): Curso corporativo práctico para aplicar IA a administración y control de gestión, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI Operations](https://ar-tik.com/es/cursos/ai-operations.md): Curso corporativo práctico para aplicar IA a operaciones y coordinación de procesos, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # AI Brand Voice y comunicación Curso corporativo práctico para aplicar IA a brand voice y comunicación, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas, 2 sesiones de 2 horas - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para managers y equipos no técnicos; no requiere programación. - Resultado final: Canvas operativo para brand voice y comunicación. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en brand voice y comunicación y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan brand voice y comunicación 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. ## Destinatarios Para managers y equipos no técnicos; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en brand voice y comunicación y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Mapa del proceso Trabajo recurrente, documentos, decisiones, excepciones y traspasos. ### 2. Resultados asistidos por IA Síntesis, clasificaciones, borradores, informes y checklists. ### 3. Controles del flujo Revisión, escalado, trazabilidad y responsabilidad. ### 4. Adopción operativa Métricas, materiales, rutinas y gobernanza. ## Ejercicios prácticos - Mapear un proceso realista conectado con brand voice y comunicación. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para brand voice y comunicación. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [AI para administración y control de gestión](https://ar-tik.com/es/cursos/ai-admin-finance.md): Curso corporativo práctico para aplicar IA a administración y control de gestión, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI Operations](https://ar-tik.com/es/cursos/ai-operations.md): Curso corporativo práctico para aplicar IA a operaciones y coordinación de procesos, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [AI Legal Ops y compliance documental](https://ar-tik.com/es/cursos/ai-legal-ops.md): Curso corporativo práctico para aplicar IA a legal operations y compliance documental, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # Búsqueda semántica y bases de conocimiento AI Convertir archivos y conocimiento interno en búsqueda por significado, con embeddings: representaciones numéricas del significado de un texto. - Duración: 60-90 minuti o modulo breve - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para equipos técnicos con bases de programación y arquitectura software. - Resultado final: Canvas operativo para búsqueda semántica y bases de conocimiento. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en búsqueda semántica y bases de conocimiento y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan búsqueda semántica y bases de conocimiento 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. ## Destinatarios Para equipos técnicos con bases de programación y arquitectura software. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en búsqueda semántica y bases de conocimiento y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Arquitectura y requisitos Objetivos, límites, datos, servicios y supuestos de riesgo. ### 2. Construcción e integración Flujos técnicos, interfaces, contexto, permisos y pruebas. ### 3. Evaluación y calidad Métricas, revisión, pruebas de regresión y modos de fallo. ### 4. Producción y gobernanza Monitorización, seguridad, auditoría, costes y mantenimiento. ## Ejercicios prácticos - Mapear un proceso realista conectado con búsqueda semántica y bases de conocimiento. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para búsqueda semántica y bases de conocimiento. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos Se recomienda familiaridad técnica básica con software, datos o arquitectura de sistemas. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [RAG Engineering para sistemas AI fiables](https://ar-tik.com/es/cursos/rag-engineering.md): Diseñar sistemas RAG (Retrieval-Augmented Generation): recuperan los documentos de la empresa y generan la respuesta citándolos. - [AI Coding Agents para equipos software](https://ar-tik.com/es/cursos/ai-coding-agents.md): Usar agentes de código como partes controladas del ciclo software: desarrollo, revisión, pruebas y publicación, con responsabilidad declarada. - [AI Software Engineering](https://ar-tik.com/es/cursos/ai-software-engineering.md): Diseñar software AI-native, con la IA dentro del producto y no al lado: arquitectura, evaluación y go-live (entrada en producción). [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # RAG Engineering para sistemas AI fiables Diseñar sistemas RAG (Retrieval-Augmented Generation): recuperan los documentos de la empresa y generan la respuesta citándolos. - Duración: 5 horas, 2 sesiones de 2,5 horas - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para equipos técnicos con bases de programación y arquitectura software. - Resultado final: Canvas operativo para RAG engineering. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en RAG engineering y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan RAG engineering 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. ## Destinatarios Para equipos técnicos con bases de programación y arquitectura software. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en RAG engineering y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Arquitectura y requisitos Objetivos, límites, datos, servicios y supuestos de riesgo. ### 2. Construcción e integración Flujos técnicos, interfaces, contexto, permisos y pruebas. ### 3. Evaluación y calidad Métricas, revisión, pruebas de regresión y modos de fallo. ### 4. Producción y gobernanza Monitorización, seguridad, auditoría, costes y mantenimiento. ## Ejercicios prácticos - Mapear un proceso realista conectado con RAG engineering. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para RAG engineering. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos Se recomienda familiaridad técnica básica con software, datos o arquitectura de sistemas. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [AI Coding Agents para equipos software](https://ar-tik.com/es/cursos/ai-coding-agents.md): Usar agentes de código como partes controladas del ciclo software: desarrollo, revisión, pruebas y publicación, con responsabilidad declarada. - [AI Software Engineering](https://ar-tik.com/es/cursos/ai-software-engineering.md): Diseñar software AI-native, con la IA dentro del producto y no al lado: arquitectura, evaluación y go-live (entrada en producción). - [Secure AI SDLC](https://ar-tik.com/es/cursos/secure-ai-sdlc.md): Insertar controles específicos de IA en el ciclo de desarrollo: design (diseño), build (construcción), test, release (publicación) y operation (explotación). [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # AI Coding Agents para equipos software Usar agentes de código como partes controladas del ciclo software: desarrollo, revisión, pruebas y publicación, con responsabilidad declarada. - Duración: 4 horas, 2 sesiones de 2 horas - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para equipos técnicos con bases de programación y arquitectura software. - Resultado final: Canvas operativo para agentes de IA para coding. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en agentes de IA para coding y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan agentes de IA para coding 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. ## Destinatarios Para equipos técnicos con bases de programación y arquitectura software. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en agentes de IA para coding y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Arquitectura y requisitos Objetivos, límites, datos, servicios y supuestos de riesgo. ### 2. Construcción e integración Flujos técnicos, interfaces, contexto, permisos y pruebas. ### 3. Evaluación y calidad Métricas, revisión, pruebas de regresión y modos de fallo. ### 4. Producción y gobernanza Monitorización, seguridad, auditoría, costes y mantenimiento. ## Ejercicios prácticos - Mapear un proceso realista conectado con agentes de IA para coding. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para agentes de IA para coding. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos Se recomienda familiaridad técnica básica con software, datos o arquitectura de sistemas. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [AI Software Engineering](https://ar-tik.com/es/cursos/ai-software-engineering.md): Diseñar software AI-native, con la IA dentro del producto y no al lado: arquitectura, evaluación y go-live (entrada en producción). - [Secure AI SDLC](https://ar-tik.com/es/cursos/secure-ai-sdlc.md): Insertar controles específicos de IA en el ciclo de desarrollo: design (diseño), build (construcción), test, release (publicación) y operation (explotación). - [Búsqueda semántica y bases de conocimiento AI](https://ar-tik.com/es/cursos/embeddings.md): Convertir archivos y conocimiento interno en búsqueda por significado, con embeddings: representaciones numéricas del significado de un texto. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # AI Software Engineering Diseñar software AI-native, con la IA dentro del producto y no al lado: arquitectura, evaluación y go-live (entrada en producción). - Duración: 5 horas, 2 sesiones de 2,5 horas - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para equipos técnicos con bases de programación y arquitectura software. - Resultado final: Canvas operativo para ingeniería de software con IA. - Elegirlo si: 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. ## El problema que resuelve 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. ## Destinatarios Para equipos técnicos con bases de programación y arquitectura software. ## Cuándo elegirlo 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. ## Resultados concretos - 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. ## Programa ### 1. Arquitectura y requisitos Objetivos, límites, datos, servicios y supuestos de riesgo. ### 2. Construcción e integración Flujos técnicos, interfaces, contexto, permisos y pruebas. ### 3. Evaluación y calidad Métricas, revisión, pruebas de regresión y modos de fallo. ### 4. Producción y gobernanza Monitorización, seguridad, auditoría, costes y mantenimiento. ## Ejercicios prácticos - 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. ## Materiales entregados - 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. ## Datos, privacidad y límites 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. ## Requisitos Se recomienda familiaridad técnica básica con software, datos o arquitectura de sistemas. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [Secure AI SDLC](https://ar-tik.com/es/cursos/secure-ai-sdlc.md): Insertar controles específicos de IA en el ciclo de desarrollo: design (diseño), build (construcción), test, release (publicación) y operation (explotación). - [Búsqueda semántica y bases de conocimiento AI](https://ar-tik.com/es/cursos/embeddings.md): Convertir archivos y conocimiento interno en búsqueda por significado, con embeddings: representaciones numéricas del significado de un texto. - [RAG Engineering para sistemas AI fiables](https://ar-tik.com/es/cursos/rag-engineering.md): Diseñar sistemas RAG (Retrieval-Augmented Generation): recuperan los documentos de la empresa y generan la respuesta citándolos. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # Secure AI SDLC Insertar controles específicos de IA en el ciclo de desarrollo: design (diseño), build (construcción), test, release (publicación) y operation (explotación). - Duración: 4-6 horas, personalizables - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para equipos técnicos con bases de programación y arquitectura software. - Resultado final: Canvas operativo para ciclo de vida seguro para software con IA. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en ciclo de vida seguro para software con IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan ciclo de vida seguro para 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. ## Destinatarios Para equipos técnicos con bases de programación y arquitectura software. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en ciclo de vida seguro para software con IA y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Arquitectura y requisitos Objetivos, límites, datos, servicios y supuestos de riesgo. ### 2. Construcción e integración Flujos técnicos, interfaces, contexto, permisos y pruebas. ### 3. Evaluación y calidad Métricas, revisión, pruebas de regresión y modos de fallo. ### 4. Producción y gobernanza Monitorización, seguridad, auditoría, costes y mantenimiento. ## Ejercicios prácticos - Mapear un proceso realista conectado con ciclo de vida seguro para 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. ## Materiales entregados - Canvas operativo para ciclo de vida seguro para software con IA. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos Se recomienda familiaridad técnica básica con software, datos o arquitectura de sistemas. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [Búsqueda semántica y bases de conocimiento AI](https://ar-tik.com/es/cursos/embeddings.md): Convertir archivos y conocimiento interno en búsqueda por significado, con embeddings: representaciones numéricas del significado de un texto. - [RAG Engineering para sistemas AI fiables](https://ar-tik.com/es/cursos/rag-engineering.md): Diseñar sistemas RAG (Retrieval-Augmented Generation): recuperan los documentos de la empresa y generan la respuesta citándolos. - [AI Coding Agents para equipos software](https://ar-tik.com/es/cursos/ai-coding-agents.md): Usar agentes de código como partes controladas del ciclo software: desarrollo, revisión, pruebas y publicación, con responsabilidad declarada. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # Secure AI at Work Curso corporativo práctico para aplicar IA a uso seguro de IA en el trabajo, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4 horas, adaptables por función - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para uso seguro de IA en el trabajo. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en uso seguro de IA en el trabajo y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan uso seguro de IA en el trabajo 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. ## Destinatarios Para equipos empresariales, funciones operativas y managers; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en uso seguro de IA en el trabajo y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Comprensión compartida Capacidades, límites, responsabilidades e implicaciones de negocio. ### 2. Evaluación de casos de uso Valor, factibilidad, riesgo, datos y responsabilidad. ### 3. Gobernanza y calidad Reglas, revisión, escalado y decisiones responsables. ### 4. Roadmap de adopción Prioridades, competencias, métricas y próximos pasos. ## Ejercicios prácticos - Mapear un proceso realista conectado con uso seguro de IA en el trabajo. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para uso seguro de IA en el trabajo. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [AI Output Quality & Human Review](https://ar-tik.com/es/cursos/ai-output-quality.md): Curso corporativo práctico para aplicar IA a calidad de resultados de IA y revisión humana, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Managing AI](https://ar-tik.com/es/cursos/managing-ai.md): Curso corporativo práctico para aplicar IA a adopción directiva de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Managing AI para equipos empresariales mixtos](https://ar-tik.com/es/cursos/managing-ai-general.md): Curso corporativo práctico para aplicar IA a alineamiento de IA entre funciones, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # AI Output Quality & Human Review Curso corporativo práctico para aplicar IA a calidad de resultados de IA y revisión humana, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - Duración: 4-6 horas, personalizables - Modalidad: Laboratorio presencial u online, con ejercicios guiados y materiales adaptados al cliente. - Perfil: Para equipos empresariales, funciones operativas y managers; no requiere programación. - Resultado final: Canvas operativo para calidad de resultados de IA y revisión humana. - Elegirlo si: Cuando la empresa quiere avanzar de forma concreta en calidad de resultados de IA y revisión humana y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## El problema que resuelve Muchas empresas abordan calidad de resultados de IA y revisión humana 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. ## Destinatarios Para equipos empresariales, funciones operativas y managers; no requiere programación. ## Cuándo elegirlo Elegir este curso cuando la empresa quiere avanzar de forma concreta en calidad de resultados de IA y revisión humana y necesita formación que produzca flujos de trabajo utilizables, no teoría abstracta. ## Resultados concretos - 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. ## Programa ### 1. Comprensión compartida Capacidades, límites, responsabilidades e implicaciones de negocio. ### 2. Evaluación de casos de uso Valor, factibilidad, riesgo, datos y responsabilidad. ### 3. Gobernanza y calidad Reglas, revisión, escalado y decisiones responsables. ### 4. Roadmap de adopción Prioridades, competencias, métricas y próximos pasos. ## Ejercicios prácticos - Mapear un proceso realista conectado con calidad de resultados de IA y revisión humana. - Crear resultados asistidos por IA y revisarlos críticamente. - Definir puntos de escalado y revisión humana. - Construir una checklist reutilizable para el trabajo diario. ## Materiales entregados - Canvas operativo para calidad de resultados de IA y revisión humana. - Plantillas de instrucciones. - Checklist de calidad y privacidad. - Matriz riesgo/control. - Notas de adopción para el equipo. ## Datos, privacidad y límites 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. ## Requisitos No requiere programación. Es útil conocer el proceso de negocio. ## FAQ ### ¿Depende de una herramienta? No. Los patrones se adaptan a las herramientas y políticas elegidas con el cliente. ### ¿Se pueden usar datos de empresa? Solo cuando cuentas, contratos y políticas internas lo permiten; si no, se usan datos sintéticos o anonimizados. ### ¿Qué queda después del curso? Materiales reutilizables, ejemplos, checklists y próximos pasos claros. ### ¿Es teórico? No. Está construido sobre ejercicios prácticos y decisiones cercanas al trabajo real. ## Cursos relacionados - [Managing AI](https://ar-tik.com/es/cursos/managing-ai.md): Curso corporativo práctico para aplicar IA a adopción directiva de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Managing AI para equipos empresariales mixtos](https://ar-tik.com/es/cursos/managing-ai-general.md): Curso corporativo práctico para aplicar IA a alineamiento de IA entre funciones, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. - [Gobernanza operativa de AI](https://ar-tik.com/es/cursos/ai-governance.md): Curso corporativo práctico para aplicar IA a gobernanza operativa de IA, con ejercicios sobre trabajo realista, materiales reutilizables y criterios claros de gobernanza. [Volver al catálogo de cursos](https://ar-tik.com/es/cursos/index.md) # Ofertas y tarifas desde el correo y los archivos Llega una solicitud por correo, a veces con PDF. Queda un borrador sobre el modelo de la empresa, para que quien vende lo relea. - Duración: Un día en sede ## La necesidad Hace falta un presupuesto o una tarifa actualizada, con fichas adjuntas, sin que quien vende vuelva a copiar desde tres carpetas. El oficio — negociar, cerrar, introducir el pedido — sigue siendo de la persona. Lo que se aligera es el trabajo alrededor: reunir desde correo y archivos, componer, señalar huecos. ## Qué atraviesa Correo electrónico, PDF de solicitud, tarifas internas, fichas de producto, modelos de oferta de la empresa. No escribe en el sistema de gestión. No atraviesa PriMus ni el dibujo. ## Qué hace la jornada Deja explícito el procedimiento: de dónde se toman tarifa y fichas, cómo se compone el borrador sobre el modelo de la empresa, dónde se detiene la persona (precio, descuento, sí o no). Se parte de tres solicitudes de ejemplo desordenadas; se pasa a los archivos reales. Al final del día el procedimiento está escrito y alguien en la empresa sabe repetirlo la semana siguiente. ## Qué contiene - Instrucciones del procedimiento, en el idioma de la empresa. - Convenios de carpetas: entradas, borradores, para releer, archivo. - Criterios de verificación: campos obligatorios, adjuntos esperados, qué señalar si falta una pieza. - Puntos de parada humana: precio, descuento, envío. ## Cómo es la jornada 1. **Entorno ya preparado**: Se abre con los tres ejemplos, antes de los archivos reales. 2. **Recorrido sobre los ejemplos**: Se ve cómo el procedimiento trata el desorden: adjunto torcido, código ausente, razón social escrita de dos modos. 3. **Paso a los archivos reales**: Los ejemplos quedan en carpetas separadas. Los archivos de la empresa los sustituyen, no los borran. 4. **Un borrador real**: Se produce al menos un borrador para releer, sobre el modelo de la empresa. 5. **Qué queda**: Owner interno, métrica dicha antes, procedimiento escrito. ## Datos de ejemplo Inventados, desordenados, nunca de clientes. ### Correo de Nord Latticini Srl (empresa inventada) Asunto: «urgente tarifa HORECA??». Cuerpo con la razón social escrita de dos modos, un PDF rotado, una ficha de producto en .docx con alérgenos en una tabla rota, una tarifa Excel con una columna de precios vacía. ### Correo certificado de Officina Valle Bruna (empresa inventada) Solicitud de oferta de una pieza torneada, dibujo en PDF de baja resolución, cantidad «unas 200 / por confirmar», plazo ya vencido, tres códigos de artículo de los que uno no existe en la tarifa de ejemplo. ### Correo de Edilcantiere Quarto (empresa inventada) Pliego copiado en el cuerpo del correo, precios de proveedores en tres PDF con unidades distintas, una partida «como la última vez», un adjunto que falta («os mando después la ficha del recrecido»). ## Qué queda El procedimiento escrito, el entorno en el asistente a nombre de la empresa, los criterios de parada, al menos un borrador real para releer, un owner interno. La semana siguiente el procedimiento se puede repetir sin Artik en la sala. ## Cuándo no es adecuado - El «presupuesto» es un cómputo desde plano (PriMus, AutoCAD) o una estimación de horas de obra: eso es el oficio. - Hace falta negociar, cerrar el descuento o decidir la estrategia de precio en licitación. - Hace falta escribir el pedido o la confirmación en el sistema de gestión. - La solicitud llega una o dos veces al año. - Tarifa y fichas no existen, o existen solo en la cabeza de una persona y no se pueden exportar. - Se pide un asistente que envíe la oferta solo. ## Requisitos. - Asistente a nombre de la empresa. - Owner interno (suele ser quien ya junta las ofertas). - Un modelo de oferta o de tarifa, aunque sea imperfecto. - Carpeta o export del que sacar tarifas y fichas, sin entrar en el sistema de gestión. Se trabaja con los archivos de la empresa, en el entorno a su nombre. Artik Lab no se lleva los documentos. No se entra en el sistema de gestión. Los datos de ejemplo están inventados. ## Ejemplos, no un menú El sector es una etiqueta. El proceso es el mismo. ### Transformación alimentaria Tarifa para distribución o hostelería y fichas de producto desde el correo. ### Mecánica de terceros Solicitud de oferta con dibujo en PDF. ### Edificación o instalaciones Pliego y precios de proveedores a juntar antes del cómputo, que queda fuera. ## Preguntas frecuentes ### ¿La oferta sale sola? No. Sale un borrador. Quien vende relea, decide precio y descuento, envía. ### ¿Se entra en PriMus? No. Si el presupuesto es un cómputo, esta ficha no es adecuada. ### ¿Se actualiza el sistema de gestión? No. ### ¿Hace falta un comercial en la sala? Hace falta quien ya junta las ofertas, con el mandato de adoptar el procedimiento. No es un curso para la red comercial. ## Servicios relacionados - [Arranque operativo](https://ar-tik.com/es/arranque-operativo/index.md) ## Dosieres extendidos para agentes de IA (español) - https://ar-tik.com/es/atlas-aplicaciones-ia-empresas-dossier.md - https://ar-tik.com/es/preguntas-frecuentes-ia-empresas-dossier.md - https://ar-tik.com/es/desarrollo-software-tecnico-dossier.md - https://ar-tik.com/es/arranque-operativo/index-dossier.md - https://ar-tik.com/es/cursos/index-dossier.md - https://ar-tik.com/es/cursos/workflow-redesign-dossier.md - https://ar-tik.com/es/cursos/managing-ai-dossier.md - https://ar-tik.com/es/cursos/managing-ai-general-dossier.md - https://ar-tik.com/es/cursos/ai-governance-dossier.md - https://ar-tik.com/es/cursos/ai-business-case-roi-dossier.md - https://ar-tik.com/es/cursos/ai-adoption-manager-dossier.md - https://ar-tik.com/es/cursos/ai-literacy-dossier.md - https://ar-tik.com/es/cursos/ai-documenti-dossier.md - https://ar-tik.com/es/cursos/ai-marketing-dossier.md - https://ar-tik.com/es/cursos/ai-vendite-dossier.md - https://ar-tik.com/es/cursos/ai-admin-finance-dossier.md - https://ar-tik.com/es/cursos/ai-operations-dossier.md - https://ar-tik.com/es/cursos/ai-legal-ops-dossier.md - https://ar-tik.com/es/cursos/ai-procurement-dossier.md - https://ar-tik.com/es/cursos/ai-customer-service-dossier.md - https://ar-tik.com/es/cursos/ai-quality-management-dossier.md - https://ar-tik.com/es/cursos/ai-people-ops-dossier.md - https://ar-tik.com/es/cursos/ai-brand-voice-dossier.md - https://ar-tik.com/es/cursos/embeddings-dossier.md - https://ar-tik.com/es/cursos/rag-engineering-dossier.md - https://ar-tik.com/es/cursos/ai-coding-agents-dossier.md - https://ar-tik.com/es/cursos/ai-software-engineering-dossier.md - https://ar-tik.com/es/cursos/secure-ai-sdlc-dossier.md - https://ar-tik.com/es/cursos/secure-ai-at-work-dossier.md - https://ar-tik.com/es/cursos/ai-output-quality-dossier.md - https://ar-tik.com/es/arranque-operativo/ofertas-desde-correo-dossier.md