1.1 Historia y antecedentes de la IA
1.2 Panorama Actual de la IA Generativa
1.3 Introducción y configuración de ChatGPT
1.4 Tipo de preguntas para hacele a la IA (ChatGPT)
1.5 Diferencias entre versiones (Free, Plus, Enterprise)
1.6 Cómo personalizar GPTs (exploración de GPTs personalizados)
1.7 Navegación en ChatGPT con herramientas: navegación, código, DALL·E
1.8 Tipos de inputs que puedes usar (texto, imágenes, archivos)
1.9 Cómo estructurar preguntas: abiertas vs. Cerradas
1.10 Técnicas para obtener respuestas más útiles
1.12 Técnicas: zero-shot, few-shot, role-based prompting
1.13 Estructura ideal de un buen prompt
1.14 Diferencia entre modelos y aplicaciones (GPTs personalizados)
1.15 Uso de instrucciones, archivos base y ejemplos
1.16 Cómo usar ChatGPT como asistente y consultor

2.1 Fundamentos de la IA generativa: redes neuronales, modelos de difusión y entrenamiento con datasets visuales
2.2 Prompt engineering visual: cómo estructurar descripciones efectivas
2.3 Uso de herramientas como Midjourney, Firefly y Playground AI
2.4 Coherencia estética, estilos, colorimetría y ambientación
2.5 Buenas prácticas y limitaciones actuales
2.6 IA aplicada al retoque y al fotomontaje: herramientas y flujos
2.7 Mejoramiento de calidad, reiluminación y contextualización
2.8 Herramientas: Photoshop Generative Fill, RemoveBG, Canva AI
2.9 Generación de movimiento desde imágenes estáticas: técnicas de animación con IA (parallax, morphing)
2.10 Plataformas: RunwayML, Pika Labs, Kaiber
2.11 ¿Qué es un avatar? Clasificación: fotorealista, cartoon, híbrido
2.12 Generación de voz con IA: tipos, usos, tonos y ética
2.13 Lip sync automatizado y animación facial
2.14 Herramientas clave: D-ID, HeyGen, Synthesia, ElevenLabs
2.15 Aplicaciones en educación, marketing y comunicación corporativa
2.16 Fundamentos de edición inteligente: cortes automáticos, transiciones y ritmo narrativo
2.17 Ensamblaje de imagen, texto, voz y video 2.18 Exportación optimizada para redes y formatos comerciales
2.19 Subtitulado automático, mejora de audio y efectos generativos
2.20 Herramientas: CapCut IA, Descript, Clipchamp, RunwayML

3.1 Fundamentos de la mercadotecnia digital 3.1.1 La era digital y su impacto en la sociedad, política y economía. Retos y oportunidades
3.1.2 Impacto de la mercadotecnia digital. Casos de marcas nacionales e internacionales
3.1.3 Las generaciones y las tribus digitales
3.1.4 Buyer Persona y Customer Journey

3.2 Marketing de contenidos y estrategias Inbound
3.2.1 Planeación y distribución de contenidos. Branded Content
3.2.2 La data al servicio de la narrativa y como herramienta para amplificar mensajes de marca
3.2.3 Desarrollos multimedia. Videomarketing 3.2.4. Inbound y Outbound Marketing
3.2.5. Tendencias y Social Listening (Taller Brand 24)

3.3 Redes sociales 3.3.1 Identificación y características clave: Youtube, Facebook, LinkedIn, Twitter, Instagram, TikTok, entre otras 3.3.2 Las redes sociales en el Customer Journey 3.3.3 Gestión y crecimiento de comunidad y followers de la marca (Taller de Publicidad en RRSS)
3.3.4 Influencers: tipos, alcances, negociación e indicadores de resultados
3.3.5 Desarrollo de parrillas de contenido para redes sociales
3.3.6 Métricas de implementación en redes sociales

Certificación Marketing Digital

4.1 eCommerce y presencia digital
4.1.1 Página web, tienda en línea y Marketplace 4.1.2 Indicadores clave para medir el éxito y la rentabilidad del eCommerce
4.1.3 Diseño y contenido esencial para un e-commerce: la experiencia de compra
4.1.4 Principales editores de contenido para web (Taller: Shopify / Wix / WordPress
4.1.5 Control de inventarios y stock de productos
4.1.6 Ficha técnica y especificaciones del producto en la plataforma digital
4.1.7 Optimización web: SEO y SEM (Talleres: Auditoría SEO / Google Ads)

4.2 Innovación, IA y nuevas tendencias
4.2.1. Teoría de la Innovación
4.2.2. Innovación en mobile marketing y dispositivos inteligentes
4.2.3. Inteligencia artificial: componentes y dimensiones
4.2.4. Big Data
4.2.5. Internet of Things y Edge Computing 4.2.6. Machine Learning y Deep Learning
4.2.7. Realidad virtual y realidad aumentada

4.3 Inteligencia artificial aplicada
4.3.1. Redes neuronales y datos
4.3.2. IA y analítica predictiva
4.3.3. Análisis del comportamiento del consumidor digital (Taller: uso de herramientas de IA para análisis de datos)
4.3.4. Optimización de UX con IA (Taller: uso de herramientas de IA para generación de contenidos)
4.3.5. IA en la gestión de tráfico web y apps 4.3.6. Visualización de datos con herramientas de IA

5.1 Introducción a Copilot en Excel
5.1.1 Exploración guiada: ¿qué puede hacer Copilot en Excel?

5.2 Estados financieros
5.2.1 Generación automática de estados financieros con fórmulas
5.3 Flujo de efectivo
5.3.1 Creación de dashboards y gráficos interactivos

5.4 Punto de equilibrio
5.4.1 Simulación con escenarios y regresión lineal

5.5 Matemáticas financieras
5.5.1 Automatización de cálculos financieros (VP, VF, tasas)

5.6 Evaluación de proyectos
5.6.1 Comparación de alternativas con IA

5.7 Análisis de sensibilidad
5.7.1 Tablas dinámicas y visualización de impacto

5.8 Proyecto final
5.8.1 Aplicación práctica con Copilot: caso real o simulado

6.1 La gestión de operaciones como eje central en la organización

6.2 El rol de los gerentes de producción y operaciones en la adopción de la IA

6.3 Beneficios clave de la IA: reducción de costos y mejora de la eficiencia

6.4 La IA para la toma de decisiones en tiempo real y la planificación predictiva Optimización de la demanda y el inventario

6.5 Predicción de la demanda de los consumidores: uso de machile learning para evaluar datos y evaluar datos y establecer escenarios futuros con precisión

6.6 Análisis del comportamiento del mercado: ciclos históricos, factores climáticos y sociopolíticos

6.7 Ajuste de stock de inventario: optimización de niveles mínimos y máximos para reducir pérdidas y aumentar la rentabilidadPerfeccionamiento de la cadena de suministro

6.8 Procesamiento de grandes volúmenes de datos para obtener una visión en tiempo real de la cadena de suministro.

6.9 Toma de decisiones estratégicas en logística, sutas, condiciones comercial y selección de proveedores

6.10 Minimización de riesgos en la cadena de suministro gracias a la IA Mantenimiento predictivo y calidad

6.11 Mantenimiento predictivo de maquinaria y equipos: detección de necesidades de mantenimiento para prevenir fallos imprevistos y disruptivos

6.12 Análisis de información sobre el comportamiento de equipos similares y datos históricos de mantenimiento

6.13 Detección de fallos de calidad: uso de patrones, modelos y estándares. Automatización y decisiones informadas

6.14 Automatización de tareas: beneficios de liberar tiempo y minimizar errores humanos

6.15 Ejemplos de automatización: ingreso de datos, respuestas genéricas a clientes/proveedores, formularios contables, procesamiento de facturas.

6.16 Toma de decisiones informadas: el rol del Big Data y Machine Learning

6.17 Procesamiento de millones de datos para decisiones estratégicas (precios, asignación de créditos, obligaciones financieras), incluyendo el uso de procesamiento de lenguaje natural

Certificación Lean Management

7.1 Introducción de proyectos con IA
7.1.1 Tipos de IA aplicables a la gestión de proyectos
7.1.2 Tendencias globales en la adopción de IA para project management
7.1.3 Beneficios y riesgos de integrar IA en proyectos
7.1.4 Repaso práctico: ciclo de vida de un proyecto y herramientas clásicas de gestión (cronogramas, matriz de riesgos, WBS, etc.)
7.1.5 Casos de éxito: empresas que ya utilizan IA en gestión de proyectos

7.2 Prompt engineering para project management
7.2.1 ¿Qué es el prompt engineering? Principios básicos
7.2.2 Buenas prácticas para escribir prompts eficaces (contexto, claridad, sol, formato esperado)
7.2.3 Prompts para planificación: generación de programas, WBS o matrices de stakeholders 7.2.4 Prompts para seguimiento: actualización de estatus e identificación de cuellos de botella 7.2.5 Prompts para informes: minutas, reportes ejecutivos, análisis de riesgos
7.2.6 Técnicas avanzadas: cadena de pensamiento, prompts con iteración, zero-shot vs few-shot

7.3 Planificación y alcance asistido por IA
7.3.1 Introducción a herramientas gratuitas de IA para planificar
7.3.2 Recuperación de requisitos de un proyecto: objetivos, restricciones y entregables
7.3.3 Identificación de stakeholders y responsabilidades con IA
7.3.4 Definición del alcance del proyecto asistido por IA
7.3.5 Creación de entregables y criterios de aceptación con apoyo de IA
7.3.6 Generación automático de WBS paso a paso
7.3.7 Estimación de tiempos y recursos con IA gratuita

7.3.8 Project charter y plan de proyecto
7.3.9 Validación y control: cómo revisar y ajustar los resultados que entrega la IA

7.4 Gestión de riesgos asistida por IA 
7.4.1 Gestión de riesgos en proyectos: conceptos clave
7.4.2 Cómo la IA ayuda a prever y mitigar riesgos; parametrización del plan de gestión de riesgos en un proyecto
7.4.3 Generación de una matriz de riesgos (probabilidad-impacto) con IA
7.4.4 Redac
7.4.5 Buenas prácticas: validación con juicio experto de los resultados de la IA

7.5 Ejecución y comunicación eficiente con IA 7.5.1 IA en la fase de ejecución: qué tareas automatizar
7.5.2 Herramientas colaborativas gratuitas con IA para la ejecución
7.5.3 Automatización de tareas recurrentes y recordaorios
7.5.4 Monitoreo y control de entregables con IA 7.5.5 Redacción de minutas, informes y correos claros y rápidos con IA
7.5.6 Ética y límites: cuándo no delegar a la IA Presentación evidencia de aprendizaje