AcreditaPro
← Alfabetización en Inteligencia Artificial: Qué es, cómo funciona y cómo usarla en el trabajo

Temario: Alfabetización en Inteligencia Artificial: Qué es, cómo funciona y cómo usarla en el trabajo

Descargar manual en PDF

Alfabetización en Inteligencia Artificial: Qué es, cómo funciona y cómo usarla en el trabajo — Material de estudio

Este curso acredita competencias en alfabetización en inteligencia artificial conforme al artículo 4 del Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo (AI Act), en vigor desde febrero de 2025, que obliga a los empleadores a garantizar que el personal que usa sistemas de IA posea un nivel suficiente de alfabetización en esta materia. Es una acreditación de competencias profesionales con base normativa específica.

1. Introducción y objetivos del curso +

La inteligencia artificial ha pasado de ser una tecnología de laboratorio a estar presente en el trabajo diario de millones de personas: en los filtros del email, en los asistentes de redacción, en los sistemas de recomendación, en las traducciones automáticas. Lo más relevante para ti como empleado es que, desde febrero de 2025, la normativa europea (AI Act) obliga a las empresas a garantizar que su personal tenga un nivel suficiente de alfabetización en IA.

Al finalizar este curso, serás capaz de:

  • Explicar qué es la IA y cómo funciona en términos no técnicos.
  • Identificar los usos más frecuentes de la IA en tu entorno laboral.
  • Conocer las obligaciones que establece el AI Act para empleados.
  • Evaluar cuándo confiar en una respuesta de IA y cuándo verificarla.
  • Aplicar buenas prácticas en el uso de herramientas de IA.
2. ¿Qué es la inteligencia artificial? +

La inteligencia artificial (IA) es la capacidad de los sistemas informáticos para realizar tareas que, en principio, requieren inteligencia humana: reconocer imágenes, entender el lenguaje natural, traducir idiomas, generar texto, tomar decisiones, detectar patrones en datos, etc.

Importante: la IA no piensa ni siente como un ser humano. No tiene consciencia, emociones ni motivaciones propias. Es un sistema matemático muy complejo que encuentra patrones en datos y los usa para generar respuestas o predicciones.

Una distinción útil: IA estrecha (la que existe hoy) — muy buena en tareas específicas pero incapaz de generalizar fuera de su dominio. IA general (AGI) — hipotética capacidad de razonar como un humano en cualquier dominio — no existe todavía y los expertos debaten cuándo (o si) existirá.

3. Breve historia de la IA: de los años 50 a hoy +
  • 1950: Alan Turing propone el "Test de Turing" — si una máquina puede mantener una conversación indistinguible de la humana, puede considerarse inteligente.
  • 1956: se acuña el término "inteligencia artificial" en la Conferencia de Dartmouth.
  • Años 80-90: auge de los sistemas expertos (reglas programadas por humanos) y primeros inviernos de IA (expectativas no cumplidas).
  • 2012: los sistemas de aprendizaje profundo (deep learning) baten todos los registros en reconocimiento de imágenes — empieza la era moderna.
  • 2017: Google publica el artículo que describe la arquitectura Transformer, base de todos los modelos de lenguaje actuales (GPT, Claude, Gemini).
  • 2022: lanzamiento de ChatGPT — la IA generativa se vuelve accesible para el público general.
  • 2025: el AI Act europeo entra en vigor, con la obligación de alfabetización en IA para los empleados.
4. Tipos de IA y sus aplicaciones +

Tipos de IA y sus aplicaciones más comunes

Existen varios tipos de IA según lo que hacen:

  • IA generativa de texto: crea texto nuevo a partir de una instrucción (prompt). Ejemplos: ChatGPT, Claude, Gemini. Usos: redacción, resúmenes, traducciones, análisis, código.
  • IA generativa de imágenes: crea imágenes a partir de una descripción. Ejemplos: DALL-E, Midjourney, Stable Diffusion.
  • IA de traducción automática: DeepL, Google Translate. Hoy alcanzan calidad profesional en muchos idiomas.
  • IA de reconocimiento: identifica voz (Siri, Alexa), caras (en aeropuertos), documentos (digitalización automática) u objetos en imágenes.
  • IA predictiva: anticipa resultados a partir de datos históricos. Usos: detección de fraude bancario, sistemas de recomendación (Netflix, Spotify), previsión de demanda en logística.
5. Cómo funciona la IA generativa +

Cómo funciona la IA generativa: el ciclo básico

Los modelos de lenguaje como ChatGPT o Claude funcionan así:

  1. Datos de entrenamiento: el modelo aprende de enormes cantidades de texto de internet, libros y otras fuentes.
  2. Modelo de IA: mediante el proceso de entrenamiento, aprende los patrones del lenguaje y las relaciones entre conceptos.
  3. Tu prompt: la instrucción o pregunta que le envías.
  4. Procesamiento: el modelo predice, token a token, cuál es la continuación más probable y útil de tu prompt.
  5. Respuesta generada: el texto, imagen o código que recibes.

Clave para entenderlo: la IA generativa no "sabe" cosas como un enciclopedia — predice qué texto tiene más probabilidad de ser correcto y útil dado tu prompt. Por eso puede equivocarse con plena confianza — no tiene conciencia de lo que sabe y lo que no.

6. Qué puede y qué no puede hacer la IA +

Qué puede hacer bien la IA:

  • Generar borradores de texto, emails, informes, presentaciones.
  • Resumir documentos largos.
  • Traducir entre idiomas con alta calidad.
  • Explicar conceptos complejos en lenguaje sencillo.
  • Generar código de programación.
  • Responder preguntas sobre información que estaba en sus datos de entrenamiento.
  • Brainstorming y generación de ideas.

Qué NO hace bien la IA (o directamente no puede):

  • Conocer eventos ocurridos después de su fecha de corte.
  • Acceder a información de tu empresa que no le has dado.
  • Garantizar que sus respuestas son correctas — puede inventarse datos con total convicción.
  • Razonar con lógica pura — parece razonar pero en realidad predice texto probable.
  • Reemplazar el juicio experto en decisiones de alto impacto.
7. La IA en el entorno laboral: usos más frecuentes +

En el trabajo del día a día, la IA ya está presente en:

  • Email: Gmail y Outlook usan IA para sugerir respuestas, detectar spam y priorizar mensajes.
  • Redacción: herramientas como Copilot en Word o Grammarly sugieren mejoras en tiempo real.
  • Reuniones: plataformas como Teams o Zoom transcriben y resumen reuniones automáticamente.
  • Búsqueda: los resultados de búsqueda ya incorporan respuestas generadas por IA.
  • Atención al cliente: chatbots que responden preguntas frecuentes antes de derivar a humanos.
  • Análisis de datos: Excel con Copilot puede analizar hojas de cálculo en lenguaje natural.
  • Formación: plataformas que adaptan el contenido al nivel del usuario.
8. El AI Act europeo: qué obliga a saber todo empleado +

Art. 4 AI Act: qué obliga a saber todo empleado que usa IA

El Reglamento (UE) 2024/1689, conocido como AI Act, es la primera regulación mundial sobre inteligencia artificial. En vigor desde agosto de 2024 con aplicación progresiva, el artículo 4 establece que los proveedores y desplegadores de IA deben garantizar que su personal tenga un nivel suficiente de alfabetización en IA.

Esto significa que todo empleado que use sistemas de IA en su trabajo debe conocer:

  • Qué es la IA y cómo funciona a nivel básico.
  • Las limitaciones y posibles sesgos de los sistemas que usa.
  • Cuándo confiar en la respuesta de la IA y cuándo verificarla con otras fuentes.
  • Qué usos de IA son apropiados para su rol y cuáles requieren supervisión adicional.

No se exige que los empleados sean ingenieros de IA — se exige que entiendan lo suficiente para usarla de forma responsable.

9. Clasificación de riesgo de los sistemas de IA +

El AI Act clasifica los sistemas de IA según su nivel de riesgo:

  • Riesgo inaceptable (PROHIBIDO): sistemas que manipulan a las personas, sistemas de puntuación social, reconocimiento de emociones en el trabajo. Estos sistemas no pueden usarse en la UE.
  • Alto riesgo (REGULADO): IA usada en contratación de personal, concesión de crédito, justicia penal, infraestructuras críticas. Requieren supervisión humana obligatoria y auditoría.
  • Riesgo limitado (TRANSPARENCIA): chatbots y deepfakes — deben informar al usuario de que está interactuando con IA.
  • Riesgo mínimo (LIBRE): filtros de spam, juegos, herramientas de productividad — sin obligaciones especiales.

La mayoría de herramientas de IA que usan los empleados en su trabajo diario (ChatGPT, Copilot, traducción automática) caen en las categorías de riesgo limitado o mínimo.

10. Alfabetización en IA: qué significa en la práctica +

La alfabetización en IA no es saber programar ni entender las matemáticas detrás de los modelos. Es:

  • Saber qué herramientas de IA existen y para qué sirve cada una.
  • Saber usar esas herramientas de forma básica (dar buenas instrucciones, evaluar las respuestas).
  • Saber cuándo no usarlas — en qué situaciones el juicio humano es insustituible.
  • Saber los riesgos — privacidad, sesgos, errores, dependencia excesiva.

Es el equivalente digital de saber leer y escribir — no implica ser escritor profesional, pero sí poder funcionar en un mundo donde el texto es el medio principal de comunicación.

11. La IA y el empleo: mitos y realidades +

Mito: "La IA va a quitarme el trabajo". Realidad: la IA va a cambiar los trabajos, no a eliminarlos todos. Las tareas que la IA puede automatizar son las más repetitivas y predecibles. Las tareas que requieren juicio contextual, empatía, creatividad genuina y responsabilidad ética siguen siendo humanas.

Mito: "Si aprendo a usar IA, pierdo valor". Realidad: ocurre exactamente lo contrario — quien sabe usar bien la IA multiplica su productividad y tiene más valor. La amenaza real no es la IA, sino la persona que sabe usarla mejor que tú.

Mito: "La IA siempre tiene razón". Realidad: la IA se equivoca con frecuencia, especialmente en datos factuales específicos, cálculos numéricos y cualquier evento posterior a su fecha de corte de conocimiento.

12. Datos que alimentan la IA: origen y sesgos +

Los modelos de IA aprenden de datos creados por humanos — y los datos humanos contienen sesgos humanos. Si los datos de entrenamiento sobrerrepresentan ciertos grupos, lenguas o puntos de vista, el modelo tenderá a reproducir esos sesgos.

Ejemplos reales de sesgos en IA: sistemas de reconocimiento facial con mayor tasa de error en personas de piel oscura; modelos de lenguaje que asocian automáticamente ciertos roles profesionales con géneros específicos; sistemas de crédito que penalizan a personas de ciertos códigos postales.

La existencia de sesgos no hace inútiles los sistemas de IA — hace necesario entenderlos para usarlos de forma responsable.

13. Privacidad y datos personales en el uso de IA +

Uno de los riesgos más concretos para un empleado es introducir información confidencial en herramientas de IA públicas. Lo que escribes en ChatGPT, Gemini o cualquier herramienta de IA externa puede ser usada para mejorar el modelo o puede quedar registrada en servidores de terceros.

Regla básica: nunca introduzcas en una herramienta de IA pública información que no publicarías en internet: datos de clientes, datos financieros confidenciales de la empresa, información personal de empleados, contratos, patentes o cualquier dato bajo acuerdo de confidencialidad.

Si tu empresa tiene una versión corporativa de la herramienta (Microsoft Copilot con datos corporativos, ChatGPT Enterprise), esa versión sí puede usarse para datos internos — pero siempre verificando la política de tu empresa.

14. El papel del juicio humano en la era de la IA +

La IA no reemplaza el juicio humano — lo asiste. Pero hay un riesgo real: la automatización del pensamiento — dejarse llevar por la respuesta de la IA sin evaluarla críticamente.

El juicio humano sigue siendo insustituible en:

  • Decisiones que afectan a personas (contratación, evaluación, atención médica).
  • Contextos con información que la IA no tiene (política interna de la empresa, relación con un cliente específico).
  • Verificación de datos factuales críticos.
  • Responsabilidad legal y ética — la IA no puede ser responsable de sus errores, las personas sí.
15. Cómo evaluar si una respuesta de IA es fiable +

Antes de usar o compartir una respuesta de IA, hazte estas preguntas:

  1. ¿Incluye datos específicos? (fechas, cifras, nombres propios) — verifícalos en fuentes primarias.
  2. ¿La IA podría no tener esa información? — si es un evento reciente o información interna de tu empresa, probablemente no la tiene.
  3. ¿El razonamiento tiene sentido? — lee la respuesta críticamente, no solo el resultado final.
  4. ¿Hay algo en la respuesta que te suena raro? — confía en tu intuición experta cuando la tienes.
  5. ¿Las consecuencias de un error son importantes? — si sí, verifica más. Si es solo un borrador de email interno, menos.
16. La IA en distintos sectores profesionales +
  • Hostelería: sistemas de reservas con IA, menús personalizados, gestión dinámica de precios, chatbots de atención al cliente.
  • Comercio: recomendaciones personalizadas, gestión de inventario predictiva, detección de fraude en pagos.
  • Administración: digitalización automática de documentos, clasificación de solicitudes, redacción de correspondencia.
  • Logística: optimización de rutas de reparto, previsión de demanda, gestión de almacenes.
  • Sanidad: diagnóstico asistido por IA, análisis de imágenes médicas, gestión de citas.
17. El futuro próximo de la IA: qué esperar +

En los próximos 2-3 años, las tendencias más relevantes para los trabajadores:

  • Agentes de IA: sistemas que no solo responden preguntas sino que realizan tareas de forma autónoma (buscar información, enviar emails, reservar reuniones).
  • IA multimodal: modelos que combinan texto, imágenes, audio y vídeo de forma integrada.
  • IA en el puesto de trabajo: integración cada vez más profunda en las herramientas que ya usas (Office, Google Workspace, CRM, ERP).
  • Regulación creciente: el AI Act es el primero de una serie de marcos regulatorios que definirán cómo se puede usar la IA en el trabajo.
18. Buenas prácticas en el uso de IA en el trabajo +
  • Verifica siempre los datos factuales que proporciona la IA antes de usarlos en un documento oficial.
  • No compartas información confidencial en herramientas de IA públicas.
  • Usa la IA como punto de partida, no como resultado final — edita, adapta y añade tu criterio.
  • Declara cuando uses IA si tu empresa tiene política al respecto, o si el destinatario del documento necesita saberlo.
  • Mantente actualizado — las herramientas de IA evolucionan muy rápido y lo que era limitación hace 6 meses puede ya no serlo.
19. Resumen de puntos clave +
  • La IA no piensa ni siente — predice la respuesta más probable dado el contexto.
  • El Art. 4 del AI Act obliga a las empresas a garantizar que sus empleados tienen alfabetización básica en IA.
  • La IA puede equivocarse con plena confianza — verificar datos factuales es responsabilidad del usuario.
  • Nunca introduzcas información confidencial de la empresa en herramientas de IA públicas.
  • La IA no reemplaza el juicio humano — lo asiste. La responsabilidad final siempre es de la persona.
20. Anexo normativo: marco legal de referencia +
  • Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024, por el que se establecen normas armonizadas en materia de inteligencia artificial (Reglamento de Inteligencia Artificial, AI Act). El artículo 4 obliga a garantizar la alfabetización en IA del personal que utiliza o desarrolla sistemas de IA.
  • DigComp 3.0 (Comisión Europea, diciembre 2025): Área 5 (Resolución de Problemas), que incluye la identificación de necesidades digitales y el uso crítico de herramientas de IA.
21. Glosario de términos +
  • Inteligencia Artificial (IA): capacidad de los sistemas informáticos para realizar tareas que en principio requieren inteligencia humana.
  • IA generativa: tipo de IA que crea contenido nuevo (texto, imágenes, código) a partir de una instrucción.
  • Modelo de lenguaje (LLM): tipo de IA entrenada en grandes cantidades de texto que genera respuestas en lenguaje natural.
  • Prompt: instrucción o pregunta que se le da a un sistema de IA para obtener una respuesta.
  • Alucinación: fenómeno por el que un sistema de IA genera información falsa con apariencia de veracidad.
  • Sesgo algorítmico: tendencia de un sistema de IA a producir resultados discriminatorios debido a sesgos en sus datos de entrenamiento.
  • AI Act: Reglamento (UE) 2024/1689, la primera regulación mundial sobre inteligencia artificial, aprobada por la Unión Europea.
  • Alfabetización en IA: conocimiento básico sobre qué es la IA, cómo funciona, sus limitaciones y cómo usarla de forma responsable.
  • Deep learning (aprendizaje profundo): tipo de aprendizaje automático basado en redes neuronales artificiales con múltiples capas.
  • Transformer: arquitectura de red neuronal publicada por Google en 2017, base de todos los modelos de lenguaje modernos (GPT, Claude, Gemini).
  • IA estrecha: IA actual, capaz de realizar tareas específicas pero sin capacidad de generalizar fuera de su dominio.
  • Automatización del pensamiento: riesgo de aceptar respuestas de IA sin evaluarlas críticamente.

¿Listo para comprobarlo?

Empieza el examen cuando quieras

Formas más ligeras de repasar antes del examen: