Máster en Uso y Aplicaciones de la IA
Once módulos para usar modelos de lenguaje en un trabajo real sin creerse ni la propaganda ni el pánico: cómo funcionan por dentro, qué cuestan por token, cuándo mienten, cómo se comprueba si sirven y qué se puede meter en ellos sin infringir el RGPD — con simuladores para experimentar y quizzes para chequear qué quedó claro.
0 / 11 módulos completados
Cómo funciona un modelo de lenguaje
Tokens, predicción, contexto y temperatura. Por qué no es una base de datos.
Prompting
Instrucción, contexto, ejemplos y formato: qué mueve la aguja y qué es superstición.
Alucinaciones y verificación
Por qué inventa con aplomo y qué revisión hace falta para que no llegue al cliente.
Tokens, coste y latencia
La factura real, el precio por hora ahorrada y por qué el contexto largo se paga dos veces.
Tus datos: RAG y recuperación
Meter tus documentos sin reentrenar nada: trocear, indexar, recuperar y citar.
Automatización y agentes
Herramientas, bucles y la aritmética que hace fracasar las cadenas largas.
Evaluación: saber si funciona
Conjunto de prueba, métricas, modelo como juez y cuántos casos hacen falta.
Contenido generativo
Texto, imagen y voz: qué se puede publicar, de quién es y qué sigue siendo tuyo.
Riesgos, privacidad y cumplimiento
RGPD, Reglamento de IA, qué no se pega en un chat y quién responde si sale mal.
La IA dentro de la operación
Dónde se mete de verdad en un proceso y por qué acelerar una tarea no acelera el conjunto.
Estrategia de adopción
Comprar o construir, cartera de casos, formación del equipo y un plan de 90 días.
Examen final y certificado
33 preguntas integradoras. Se abre al superar los once módulos.
Cómo funciona esto
- Tres capas por módulo. La intuición (la idea como se la contarías a un amigo), el modelo formal (lo que verías en un curso universitario, con su aritmética) y un simulador para que muevas los parámetros tú.
- Un solo negocio de ejemplo. Todo el máster gira alrededor de una gestoría de seis personas con sus números encima de la mesa, así que las cuentas de un módulo encajan con las del siguiente.
- Nada de futurología. Aquí no se discute si la IA va a acabar con el trabajo. Se calcula cuánto cuesta una respuesta, cuántas salen mal y qué hace falta para que eso no llegue a un cliente. Si un número no se puede comprobar, no está.
- Se aprueba con el 70%. Un quiz de 12 preguntas al final de cada módulo, reintentable las veces que quieras. Con los once superados se habilita el examen final de 33 preguntas y el certificado.
El certificado es propio de este programa: acredita que lo completaste y aprobaste, pero no es un título universitario oficial ni tiene validez académica formal. Lo explicamos entero, con lo que sí y lo que no, en la página de los másteres.
Leer no pide nada. Al terminar un quiz se pide tu correo: para ver la nota, saber cuáles fallaste y que tu avance no dependa de este navegador.
Una advertencia sobre la fecha
Este máster enseña cómo se piensa sobre estas herramientas, no qué modelo es hoy el mejor. Los precios por millón de tokens, los nombres comerciales y los rankings cambian cada pocos meses; la aritmética de un embudo de revisión, el efecto de encadenar seis pasos al 95% o la diferencia entre un dato en el contexto y un dato en los pesos, no.
Por eso los ejemplos usan precios genéricos y redondos —3 € por millón de tokens de entrada y 15 € por millón de salida— en vez de la tarifa de un proveedor concreto. Cuando vayas a decidir de verdad, sustituye esos dos números por los de tu factura: el método es el mismo y las conclusiones se recalculan solas.
Lo mismo vale para la parte legal del módulo 9. El Reglamento europeo de IA tiene un calendario de aplicación por fases que ya se ha retocado más de una vez. Se explica la lógica de la norma —cómo clasifica los usos y qué obliga en cada nivel— y se te dice explícitamente que compruebes la fecha vigente antes de firmar nada.
El mapa completo: cómo encaja cada módulo con el siguiente
| Módulo | Pregunta que responde |
|---|---|
| Modelo de lenguaje | ¿Qué está haciendo exactamente esa cosa cuando te contesta, y por qué eso predice cuándo va a fallar? |
| Prompting | ¿Qué partes de una instrucción cambian el resultado de verdad y cuáles son superstición repetida? |
| Verificación | ¿Por qué inventa con tanto aplomo y cuánta revisión hace falta para que un error no llegue al cliente? |
| Coste | ¿Cuánto cuesta esto al mes de verdad, y cuánto cuesta la hora de trabajo que sustituye? |
| Datos propios | ¿Cómo se le dan tus documentos a un modelo que no los ha visto nunca, sin reentrenar nada? |
| Agentes | ¿Cuándo conviene que el modelo actúe solo y por qué las cadenas largas se caen tan rápido? |
| Evaluación | ¿Cómo se sabe si la versión nueva es mejor, en vez de que lo parezca en tres ejemplos? |
| Contenido | ¿Qué se puede publicar, de quién es lo generado y qué parte del trabajo sigue siendo humana? |
| Riesgos | ¿Qué datos no se pegan en un chat, qué obliga la norma europea y quién responde si sale mal? |
| Operación | ¿Por qué automatizar la tarea más lenta a veces no acelera nada, y dónde sí entra? |
| Adopción | ¿Por dónde empieza una organización pequeña, con qué presupuesto y qué mide para saber si va bien? |
Se relacionan en cadena: entender qué hace el modelo explica cómo se le habla; saber cómo se le habla obliga a comprobar lo que devuelve; comprobar cuesta tiempo y el tiempo tiene precio, de ahí el coste; para que el modelo hable de lo tuyo hay que darle tus datos; con datos y herramientas aparece la tentación de dejarlo actuar solo, que solo es sensata si sabes evaluarlo; y evaluación, riesgo y proceso son lo que convierte una demo simpática en algo que una empresa puede sostener.