# M7 · Aplicaciones de IA en la Empresa y Automatización Inteligente **Máster en Inteligencia Artificial, Automatización y Agentes Digitales** · Next Educación · Próxima edición **6 ECTS · 12 sesiones de una hora · Responsable de producción y coordinación: Sami Halawa Ribas** ## Descripción Traslado de la IA a la operación real de la organización: descubrimiento y priorización de casos de uso, diseño de asistentes y agentes con modelos de lenguaje, integración con sistemas corporativos y RPA, orquestación de flujos, supervisión humana, business case y gestión de la adopción. ## Competencias del módulo 1. Mapear casos de uso de IA en una organización. 2. Diseñar asistentes y agentes con LLMs. 3. Integrar IA con procesos y RPA. 4. Agentes de IA. 5. Elaborar business cases. 6. Gestionar la adopción. ## Evaluación | Instrumento | Peso | |---|---:| | Prácticas de sesión | 35% | | Agente corporativo integrado y documentado | 40% | | Business case y defensa | 25% | ## Mapa de sesiones | # | Sesión | Entregable | |---:|---|---| | 1 | Descubrimiento y priorización de casos de uso de IA | Cartera puntuada con tres casos seleccionados y justificación de descartes. | | 2 | Diseño de asistentes corporativos con modelos de lenguaje | Especificación, instrucción versionada y prototipo con registro de pruebas límite. | | 3 | Arquitecturas de agentes: uso de herramientas, ReAct y planificación | Agente ejecutable con trazas de cinco escenarios y análisis de fallos. | | 4 | Sistemas multiagente y delegación de tareas | Cuaderno comparativo con métricas y recomendación de arquitectura. | | 5 | Protocolos de herramientas: llamadas a funciones y MCP | Servidor MCP funcional, conectado al agente y con registro de invocaciones. | | 6 | Integración con sistemas empresariales y RPA | Flujo ejecutable con métricas de acierto y de derivación a revisión. | | 7 | Orquestación de flujos de automatización inteligente | Flujo publicado con veinte ejecuciones registradas y análisis de incidencias. | | 8 | Supervisión humana, control y observabilidad de agentes | Agente instrumentado con panel de métricas y prueba de incidente documentada. | | 9 | Business case y retorno de la inversión | Business case de tres páginas con modelo financiero y análisis de sensibilidad. | | 10 | Gestión del cambio y adopción de la IA | Plan de adopción con indicadores, umbrales y calendario de olas. | | 11 | Taller integrador: agente corporativo extremo a extremo | Solución integrada corregida con registro de objeciones y correcciones. | | 12 | Evaluación del módulo y defensa | Prueba resuelta y defensa realizada. | --- ## Programación sesión a sesión ### Sesión 01 — Descubrimiento y priorización de casos de uso de IA **Objetivos** - Levantar un inventario de oportunidades de IA a partir de los procesos reales de la organización. - Puntuar cada oportunidad según valor, viabilidad y riesgo. - Construir una cartera priorizada defendible ante el comité de dirección. **Contenidos** - **Levantamiento** - Entrevistas a responsables de proceso y análisis de tareas - Minería de procesos y de tareas como fuente de evidencia - Volumen, frecuencia, coste unitario y tiempo de ciclo - Distinción entre dolor percibido y dolor medido - **Criterios de puntuación** - Valor esperado: ahorro, ingreso, calidad y riesgo evitado - Viabilidad: dato disponible, madurez técnica y acceso a sistemas - Riesgo regulatorio y reputacional preliminar - Esfuerzo de integración y de cambio organizativo - **Construcción de la cartera** - Matriz valor-esfuerzo y horizontes de entrega - Casos faro frente a casos de volumen - Dependencias entre casos y efectos de plataforma - Criterios explícitos de descarte y de aplazamiento **Práctica — Cartera priorizada de casos de uso** Inventario y priorización de al menos doce oportunidades de IA sobre un mapa de procesos real o simulado. 1. Recorrer el mapa de procesos e identificar candidatos. 2. Cuantificar volumen, coste unitario y tiempo de ciclo de cada uno. 3. Puntuar valor, viabilidad y riesgo con la rúbrica común. 4. Seleccionar tres casos y justificar por escrito los descartes. - *Stack:* Python, pandas, hoja de cálculo de priorización - *Entregable:* Cartera puntuada con tres casos seleccionados y justificación de descartes. **Lecturas** - Davenport & Ronanki, Artificial Intelligence for the Real World, Harvard Business Review - MIT Sloan Management Review, informes anuales sobre adopción de IA en la empresa *Materiales:* `teoria/M7_S01_Descubrimiento_y_priorizacion_de_casos_de_uso_de.html` · `code/M7_S01_Descubrimiento_y_priorizacion_de_casos_de_uso_de.ipynb` --- ### Sesión 02 — Diseño de asistentes corporativos con modelos de lenguaje **Objetivos** - Especificar el alcance, el tono y los límites de un asistente corporativo. - Estructurar instrucciones de sistema robustas y verificables. - Definir el comportamiento ante peticiones fuera de alcance. **Contenidos** - **Especificación funcional** - Perfil de usuario, tareas soportadas y tareas explícitamente excluidas - Canales de acceso: portal interno, mensajería corporativa y aplicaciones de negocio - Idioma, registro y política de tratamiento - Requisitos de citación y de trazabilidad de la respuesta - **Instrucción de sistema** - Estructura por secciones: rol, alcance, reglas duras y formato de salida - Salidas estructuradas y validación de esquema - Gestión de la memoria de conversación y del contexto de usuario - Versionado de la instrucción y registro de cambios - **Comportamiento en los bordes** - Rechazo controlado y derivación a persona - Preguntas ambiguas: reformulación frente a suposición - Prevención de inyección de instrucciones en contenido recuperado - Mensajes de error comprensibles para el usuario final **Práctica — Especificación y primer prototipo de asistente interno** Diseño completo de un asistente para un proceso interno y prototipo funcional con salidas estructuradas. 1. Redactar la especificación funcional del asistente. 2. Escribir la instrucción de sistema por secciones. 3. Implementar el prototipo con salida validada por esquema. 4. Probar diez peticiones límite y registrar el comportamiento. - *Stack:* Python, SDK del proveedor de modelo, Pydantic - *Entregable:* Especificación, instrucción versionada y prototipo con registro de pruebas límite. **Lecturas** - Documentación de salidas estructuradas y llamadas a funciones del proveedor de modelo utilizado *Materiales:* `teoria/M7_S02_Diseno_de_asistentes_corporativos_con_modelos_de.html` · `code/M7_S02_Diseno_de_asistentes_corporativos_con_modelos_de.ipynb` --- ### Sesión 03 — Arquitecturas de agentes: uso de herramientas, ReAct y planificación **Objetivos** - Distinguir un asistente conversacional de un agente con capacidad de acción. - Implementar el bucle de razonamiento y acción con herramientas. - Controlar la terminación, el coste y los errores del bucle. **Contenidos** - **Del asistente al agente** - Percepción, decisión, acción y observación - Herramientas como contrato: nombre, descripción y esquema de argumentos - Estado del agente y memoria de trabajo - Criterios para elegir agente frente a flujo determinista - **Patrones de razonamiento** - ReAct: alternancia de razonamiento y acción - Planificación previa y descomposición en subtareas - Reflexión y reintento sobre resultados fallidos - Uso de modelos con razonamiento extendido y su coste - **Control del bucle** - Límite de iteraciones, presupuesto de tokens y tiempo máximo - Manejo de errores de herramienta y reintentos idempotentes - Detección de bucles improductivos - Registro de trazas para depuración **Práctica — Agente con herramientas y control de bucle** Construcción de un agente que consulta una base de datos, calcula y redacta un informe, con límites operativos explícitos. 1. Definir tres herramientas con esquema de argumentos validado. 2. Implementar el bucle de razonamiento y acción. 3. Añadir límites de iteración, presupuesto y manejo de errores. 4. Ejecutar cinco escenarios y analizar las trazas. - *Stack:* Python, LangGraph o SDK de agentes del proveedor, SQLite - *Entregable:* Agente ejecutable con trazas de cinco escenarios y análisis de fallos. **Lecturas** - Yao et al., ReAct: Synergizing Reasoning and Acting in Language Models - Anthropic, Building Effective Agents *Materiales:* `teoria/M7_S03_Arquitecturas_de_agentes_uso_de_herramientas_ReA.html` · `code/M7_S03_Arquitecturas_de_agentes_uso_de_herramientas_ReA.ipynb` --- ### Sesión 04 — Sistemas multiagente y delegación de tareas **Objetivos** - Decidir cuándo un sistema multiagente aporta valor sobre un agente único. - Diseñar patrones de coordinación y de traspaso entre agentes. - Evaluar el coste y la fragilidad añadidos por la coordinación. **Contenidos** - **Patrones de coordinación** - Orquestador con agentes especializados - Traspaso directo entre agentes y enrutamiento - Ejecución paralela y agregación de resultados - Evaluador y crítico como agente separado - **Diseño del reparto** - Granularidad de la especialización - Contratos de entrada y salida entre agentes - Estado compartido frente a mensajes explícitos - Prevención de la propagación de errores - **Coste y fragilidad** - Multiplicación del consumo de tokens y de la latencia - Depuración de sistemas distribuidos de agentes - Cuándo un flujo determinista es superior - Criterios de simplificación de la arquitectura **Práctica — Comparación de agente único frente a sistema multiagente** Resolución de la misma tarea compleja con dos arquitecturas y comparación de calidad, coste y latencia. 1. Implementar la solución con un agente único y herramientas. 2. Implementar la variante orquestador más especialistas. 3. Medir calidad, tokens consumidos y latencia en el mismo conjunto de casos. 4. Recomendar una arquitectura con justificación cuantitativa. - *Stack:* Python, LangGraph, registro de métricas propio - *Entregable:* Cuaderno comparativo con métricas y recomendación de arquitectura. **Lecturas** - Documentación de patrones multiagente del framework de orquestación utilizado *Materiales:* `teoria/M7_S04_Sistemas_multiagente_y_delegacion_de_tareas.html` · `code/M7_S04_Sistemas_multiagente_y_delegacion_de_tareas.ipynb` --- ### Sesión 05 — Protocolos de herramientas: llamadas a funciones y MCP **Objetivos** - Exponer capacidades corporativas como herramientas consumibles por modelos. - Implementar y consumir un servidor conforme al Model Context Protocol. - Aplicar controles de autorización y de alcance a las herramientas. **Contenidos** - **Llamadas a funciones** - Definición de esquema, descripción y ejemplos - Herramientas de lectura frente a herramientas con efecto - Idempotencia y confirmación de acciones sensibles - Errores devueltos al modelo de forma accionable - **Model Context Protocol** - Arquitectura cliente-servidor y transporte - Herramientas, recursos y prompts expuestos por el servidor - Descubrimiento dinámico de capacidades - Reutilización del mismo servidor en varios clientes - **Seguridad y alcance** - Autenticación del servidor y del usuario final - Alcance mínimo por herramienta y por rol - Herramientas de terceros: superficie de riesgo - Registro de invocaciones y auditoría **Práctica — Servidor MCP para un sistema corporativo** Implementación de un servidor que expone consultas y una acción con efecto sobre un sistema interno simulado. 1. Definir las herramientas y sus esquemas de argumentos. 2. Implementar el servidor y verificar el descubrimiento desde un cliente. 3. Añadir autorización por alcance y registro de invocaciones. 4. Conectar el servidor al agente de la sesión 3 y probarlo. - *Stack:* Python, SDK de MCP, FastAPI - *Entregable:* Servidor MCP funcional, conectado al agente y con registro de invocaciones. **Lecturas** - Especificación del Model Context Protocol (modelcontextprotocol.io) *Materiales:* `teoria/M7_S05_Protocolos_de_herramientas_llamadas_a_funciones_.html` · `code/M7_S05_Protocolos_de_herramientas_llamadas_a_funciones_.ipynb` --- ### Sesión 06 — Integración con sistemas empresariales y RPA **Objetivos** - Conectar la solución de IA con ERP, CRM y gestores documentales. - Decidir entre integración por API y automatización de interfaz. - Combinar IA y RPA sin heredar la fragilidad del robot. **Contenidos** - **Integración por API** - Autenticación corporativa, tokens de servicio y rotación - Modelos de datos de ERP y CRM: entidades y claves - Límites de tasa, ventanas de proceso y colas - Consistencia y compensación de operaciones fallidas - **Automatización de interfaz** - RPA atendida y desatendida: casos legítimos - Fragilidad de los selectores y coste de mantenimiento - Sistemas heredados sin API y estrategias de acceso - Gobierno de credenciales del robot - **IA y RPA combinadas** - El modelo como componente cognitivo dentro del robot - Clasificación y extracción documental en el flujo - Puntos de decisión y umbrales de confianza - Registro conjunto de trazas de robot y de modelo **Práctica — Automatización documental extremo a extremo** Flujo que recibe documentos, extrae campos con un modelo, valida y registra el resultado en un sistema de gestión. 1. Extraer campos estructurados de un lote de documentos. 2. Definir umbrales de confianza y ruta de excepción. 3. Registrar los resultados en el sistema destino mediante API. 4. Medir tasa de acierto y volumen derivado a revisión. - *Stack:* Python, biblioteca de extracción documental, API REST del sistema destino - *Entregable:* Flujo ejecutable con métricas de acierto y de derivación a revisión. **Lecturas** - Documentación de integración de la plataforma de RPA utilizada en el aula *Materiales:* `teoria/M7_S06_Integracion_con_sistemas_empresariales_y_RPA.html` · `code/M7_S06_Integracion_con_sistemas_empresariales_y_RPA.ipynb` --- ### Sesión 07 — Orquestación de flujos de automatización inteligente **Objetivos** - Construir flujos de automatización con herramientas de orquestación visual. - Decidir entre flujo visual y código según el caso. - Operar los flujos con control de errores y de versiones. **Contenidos** - **Plataformas** - n8n, Make y Power Automate: modelo de ejecución y conectores - Disparadores por evento, por programación y por webhook - Nodos de IA y llamada a modelos dentro del flujo - Autoalojamiento frente a servicio gestionado - **Diseño del flujo** - Descomposición en pasos observables - Manejo de errores, reintentos y rutas de excepción - Idempotencia y control de ejecuciones duplicadas - Paso de datos, transformaciones y límites de carga útil - **Operación** - Versionado y promoción entre entornos - Registro de ejecuciones y alertas - Coste por ejecución y por operación - Cuándo migrar el flujo a código propio **Práctica — Flujo de atención de solicitudes internas** Orquestación de un flujo que recibe solicitudes, las clasifica con un modelo, actúa y notifica al solicitante. 1. Diseñar el flujo con disparador por webhook. 2. Incorporar la clasificación con modelo y la ruta de excepción. 3. Añadir reintentos, alertas y control de duplicados. 4. Ejecutar veinte solicitudes de prueba y revisar el registro. - *Stack:* n8n autoalojado, API de modelo, webhook de mensajería corporativa - *Entregable:* Flujo publicado con veinte ejecuciones registradas y análisis de incidencias. **Lecturas** - Documentación de n8n: nodos de IA, manejo de errores y despliegue *Materiales:* `teoria/M7_S07_Orquestacion_de_flujos_de_automatizacion_intelig.html` · `code/M7_S07_Orquestacion_de_flujos_de_automatizacion_intelig.ipynb` --- ### Sesión 08 — Supervisión humana, control y observabilidad de agentes **Objetivos** - Diseñar los puntos de intervención humana de un sistema autónomo. - Instrumentar la observabilidad de agentes en producción. - Definir los límites operativos y el procedimiento de parada. **Contenidos** - **Supervisión humana** - Aprobación previa, revisión posterior y muestreo - Umbrales de confianza y de importe que exigen aprobación - Diseño de la interfaz de revisión y coste del revisor - Registro de la decisión humana como evidencia - **Observabilidad** - Trazas de ejecución, extensiones e identificadores de correlación - Métricas de calidad, latencia, coste y tasa de error de herramienta - Evaluación continua sobre muestras de producción - Detección de degradación tras cambio de modelo o de prompt - **Control operativo** - Permisos mínimos y entornos aislados de ejecución - Límites de gasto y cortacircuitos - Procedimiento de parada y reversión - Plan de respuesta ante comportamiento anómalo **Práctica — Instrumentación y control del agente corporativo** Incorporación de trazado, métricas, punto de aprobación humana y cortacircuito al agente construido en el módulo. 1. Instrumentar el agente con trazado y métricas de coste. 2. Introducir un punto de aprobación humana según umbral. 3. Configurar el cortacircuito por gasto y por tasa de error. 4. Simular un incidente y ejecutar la parada y la reversión. - *Stack:* Python, OpenTelemetry, plataforma de observabilidad de LLM - *Entregable:* Agente instrumentado con panel de métricas y prueba de incidente documentada. **Lecturas** - Documentación de trazado semántico para agentes de la plataforma de observabilidad utilizada *Materiales:* `teoria/M7_S08_Supervision_humana_control_y_observabilidad_de_a.html` · `code/M7_S08_Supervision_humana_control_y_observabilidad_de_a.ipynb` --- ### Sesión 09 — Business case y retorno de la inversión **Objetivos** - Cuantificar el beneficio y el coste total de una solución de IA. - Construir un caso de negocio con hipótesis explícitas y verificables. - Defender la inversión ante un comité con criterios financieros. **Contenidos** - **Cuantificación del beneficio** - Ahorro de tiempo, reducción de error y aumento de capacidad - Ingreso incremental y retención - Beneficios difíciles de monetizar: cómo tratarlos - Línea base honesta y medición previa - **Coste total** - Construcción, integración y datos - Inferencia, licencias e infraestructura - Operación, supervisión humana y mantenimiento - Coste de cumplimiento normativo - **Evaluación financiera** - Flujo de caja, periodo de recuperación y valor actual neto - Análisis de sensibilidad sobre las hipótesis críticas - Escenarios pesimista, base y optimista - Criterios de continuidad y de cancelación **Práctica — Business case del caso seleccionado** Modelo financiero completo del caso priorizado en la sesión 1, con hipótesis, escenarios y sensibilidad. 1. Cuantificar beneficio anual con hipótesis documentadas. 2. Modelar el coste total a tres años. 3. Calcular periodo de recuperación y valor actual neto. 4. Ejecutar el análisis de sensibilidad e identificar la hipótesis crítica. - *Stack:* Python, pandas, hoja de cálculo financiera - *Entregable:* Business case de tres páginas con modelo financiero y análisis de sensibilidad. **Lecturas** - Provost & Fawcett, Data Science for Business, cap. 11 *Materiales:* `teoria/M7_S09_Business_case_y_retorno_de_la_inversion.html` · `code/M7_S09_Business_case_y_retorno_de_la_inversion.ipynb` --- ### Sesión 10 — Gestión del cambio y adopción de la IA **Objetivos** - Anticipar las resistencias reales a la adopción de una solución de IA. - Diseñar el plan de despliegue, formación y soporte. - Medir la adopción y actuar sobre sus indicadores. **Contenidos** - **Análisis de partes interesadas** - Mapa de afectados, patrocinadores y detractores - Impacto sobre el puesto y sobre la carga de trabajo - Efecto en la evaluación del desempeño y en los incentivos - Representación de los trabajadores y obligaciones de información - **Plan de despliegue** - Piloto acotado, criterios de salida y ampliación por olas - Formación diferenciada por perfil de usuario - Red de usuarios de referencia y soporte de primer nivel - Comunicación honesta sobre límites y errores del sistema - **Medición de la adopción** - Uso activo, cobertura de proceso y tasa de abandono - Confianza percibida y calidad reportada - Bucle de retroalimentación hacia el equipo de producto - Retirada ordenada de la alternativa manual **Práctica — Plan de adopción del asistente corporativo** Diseño del plan de despliegue, formación, comunicación y medición para el caso del módulo. 1. Elaborar el mapa de partes interesadas y sus objeciones. 2. Definir piloto, criterios de salida y olas de ampliación. 3. Diseñar el plan de formación y de soporte por perfil. 4. Fijar los indicadores de adopción y su umbral de alarma. - *Stack:* Plantilla de plan de adopción y cuadro de indicadores - *Entregable:* Plan de adopción con indicadores, umbrales y calendario de olas. **Lecturas** - Kotter, Leading Change, capítulos introductorios *Materiales:* `teoria/M7_S10_Gestion_del_cambio_y_adopcion_de_la_IA.html` · `code/M7_S10_Gestion_del_cambio_y_adopcion_de_la_IA.ipynb` --- ### Sesión 11 — Taller integrador: agente corporativo extremo a extremo **Objetivos** - Integrar asistente, agente, herramientas e integración en una solución única. - Someter la solución a una revisión estructurada por pares. - Dejar la solución preparada para el expediente de conformidad del Módulo 8. **Contenidos** - **Integración de la solución** - Ensamblado de asistente, herramientas MCP y flujo de orquestación - Supervisión humana en el punto crítico - Registro de trazas y de coste por ejecución - Documentación de operación para un tercero - **Revisión por pares** - Protocolo de revisión en veinte minutos - Prueba adversaria de la solución ajena - Detección de acciones con efecto sin control - Registro de objeciones y plan de corrección - **Cierre** - Evidencias que exigirá el Módulo 8 - Riesgos abiertos y decisiones aplazadas - Preparación del business case para la defensa - Compromisos de continuidad hacia el Módulo 9 **Práctica — Revisión cruzada de agentes corporativos** Cada alumno demuestra su solución integrada y la somete a prueba adversaria de dos compañeros. 1. Demostrar la solución integrada en diez minutos. 2. Someter la solución ajena a cinco pruebas adversarias. 3. Registrar objeciones y clasificarlas por severidad. 4. Corregir las dos objeciones más graves y volver a entregar. - *Stack:* Entorno del máster - *Entregable:* Solución integrada corregida con registro de objeciones y correcciones. *Materiales:* `teoria/M7_S11_Taller_integrador_agente_corporativo_extremo_a_e.html` · `code/M7_S11_Taller_integrador_agente_corporativo_extremo_a_e.ipynb` --- ### Sesión 12 — Evaluación del módulo y defensa **Objetivos** - Defender la solución de automatización inteligente ante el tribunal docente. - Justificar las decisiones de arquitectura y de control. - Cerrar el módulo con el material listo para el Módulo 8. **Contenidos** - **Prueba práctica** - Diseño de una herramienta y su esquema a partir de un enunciado - Diagnóstico de un agente con bucle improductivo - Cálculo del coste por ejecución de un flujo - Elección razonada entre flujo determinista y agente - **Defensa** - Presentación de siete minutos de la solución y del business case - Preguntas sobre arquitectura, control y adopción - Justificación de los puntos de supervisión humana - Criterios de la rúbrica - **Cierre y transición** - Devolución individual - Errores comunes detectados en el grupo - Evidencias trasladadas al Módulo 8 - Preparación del Módulo 8 **Práctica — Prueba práctica y defensa** Evaluación sumativa del módulo. 1. Resolver la prueba práctica. 2. Defender la solución y el business case. 3. Responder a las preguntas del tribunal. 4. Recibir devolución. - *Stack:* Entorno del máster - *Entregable:* Prueba resuelta y defensa realizada. *Materiales:* `teoria/M7_S12_Evaluacion_del_modulo_y_defensa.html` · `code/M7_S12_Evaluacion_del_modulo_y_defensa.ipynb` ---