■ ¿Cómo "piensa" un LLM? Del texto al número: Introducción conceptual a los Embeddings y el espacio semántico. Diferencia entre modelos de lenguaje (GPT-4) y modelos de razonamiento (o1/Gemini Thinking).

■ El lenguaje como código. Técnicas de Chain-of-Thought (CoT), Few-shot Learning y configuración de System Prompts para el control de comportamiento.

○ Práctica: ■ Caso 1 (Estrategia): Análisis de sentimiento y categorización de miles de reseñas de clientes para identificar las 3 fallas principales en un servicio de logística.

■ Caso 2 (Operaciones): Uso de razonamiento lógico avanzado para optimizar una agenda de producción con restricciones de personal y tiempo.

■ Caso 3 (Finanzas): Creación de un "Auditor de Gastos" que detecte automáticamente anomalías o faltas a las políticas de la empresa en reportes de viáticos.

■ Caso 4 (Legal): Generador automático de contratos de prestación de servicios a partir de una lista de acuerdos comerciales básicos.

Navegación autónoma y síntesis de información. Cómo los agentes de IA realizan investigaciones multinivel en la web abierta y bases de datos académicas.

■ ¿Cómo conectar la IA a tus datos sin programar? El concepto de RAG: la diferencia entre la memoria del modelo y el acceso a documentos externos. ○ Práctica:

■ Caso 1 (Marketing): Generación de un estudio de mercado exhaustivo sobre la competencia en una nueva región, analizando precios, fortalezas y debilidades detectadas en la web.

■ Caso 2 (Sostenibilidad/Compliance): Investigación automatizada sobre nuevas normativas ambientales de 2026 aplicables a la industria automotriz en México y la UE.

■ Caso 3 (Ingeniería/Técnico): Construcción de un repositorio interactivo en NotebookLM con todos los manuales de maquinaria de una planta para consultas técnicas de campo instantáneas.

■ Caso 4 (Ventas/Compras): Creación de un "Analista de Licitaciones" que compare pliegos de condiciones de 100 páginas contra las capacidades de la empresa en segundos.

■ Síntesis de voz y clonación visual. El impacto de la multimodalidad en la formación y la identidad corporativa.

■ Diseño generativo y UI/UX sin diseñadores. El concepto de pasar de una idea textual a una interfaz o presentación visualmente profesional. ○ Práctica:

■ Caso 1 (RRHH): Creación de un mensaje de bienvenida del CEO utilizando un avatar en HeyGen, personalizado y traducido a 3 idiomas con sincronización labial para oficinas globales.

■ Caso 2 (Ventas): Generación de "Video-Pitches" personalizados donde la IA menciona el nombre del cliente y sus necesidades específicas para aumentar la tasa de apertura de correos.

■ Caso 3 (Dirección): Creación de una presentación de resultados trimestrales de alto impacto visual en Gamma, incluyendo gráficas generadas por IA.

■ Caso 4 (Innovación): Diseño y despliegue de una Landing Page funcional para un nuevo producto interno usando V0 (o plataformas web generativas), partiendo de un boceto hecho a mano

■ La "Economía de las APIs" explicada para no-técnicos. Cómo conectar aplicaciones (Gmail, Sheets, CRM) para que la IA actúe como un empleado autónomo.

■ Evaluación de la IA (Evals): ¿Cómo saber si mi IA es precisa? Gobernanza de datos corporativos, ética en la automatización y cálculo del ROI.

Práctica:

■ Caso 1 (Atención al Cliente): Flujo en n8n que detecta un correo de queja, la IA analiza la gravedad, redacta una respuesta empática y notifica al gerente si es un caso crítico.

■ Caso 2 (Compras/Admin): Automatización del registro de facturas: la IA lee el PDF recibido por correo, extrae los datos y los sube automáticamente a una base de datos o sistema contable.

■ Presentación del ecosistema integral diseñado por el alumno. Ejemplo: "Mi sistema captura prospectos, genera un video de ventas personalizado y gestiona la agenda d