1.1. Introducción conceptual: IA predictiva vs. IA generativa
1.2. Principales actores del ecosistema: ChatGPT, Gemini, Claude, DeepSeek y otros
1.3. Mito vs. realidad: desmitificando el impacto de la IA en el trabajo
1.4. El principio fundamental: “La IA asiste, tú decides”
1.5. Prompt engineering: estructura básica
   1.5.1. Contexto / rol
   1.5.2. Tarea
   1.5.3. Condiciones
   1.5.4. Formato
1.6. Ejercicios prácticos en Claude, ChatGPT, Copilot, Gemini o DeepSeek
1.7. Ética y seguridad desde el día 1
   1.7.1. Datos institucionales
   1.7.2. Cuentas personales
   1.7.3. Desactivar entrenamiento con datos
1.8. Introducción a Perplexity AI como buscador con fuentes verificables

2.1. Gemini Notebook: creación de resúmenes, guías de estudio y podcast a partir de documentos propios
2.2. Perplexity AI: investigación avanzada con citas verificables
2.3. Gamma: creación de presentaciones interactivas desde un prompt
2.4. Canva con IA: diseño de gráficos e infografías institucionales
2.5. Claude (Anthropic): análisis profundo de documentos largos
2.6. Taller práctico: transformar un informe extenso en presentación ejecutiva

3.1. Panorama general del ecosistema de IA: principales licencias y sus diferencias
3.2. ChatGPT (OpenAI)
   3.2.1. Versatilidad
   3.2.2. Plugins
   3.2.3. GPTs personalizados
   3.2.4. Análisis de datos con Code Interpreter
3.3. Gemini (Google)
   3.3.1. Integración con Google Workspace
   3.3.2. Búsqueda en tiempo real
   3.3.3. Razonamiento multimodal
3.4. Claude (Anthropic)
   3.4.1. Análisis de documentos largos
   3.4.2. Redacción extensa
   3.4.3. Razonamiento ético
3.5. Microsoft Copilot
   3.5.1. Integración con Microsoft 365
   3.5.2. Datos seguros dentro de la institución
3.6. Otras herramientas relevantes
   3.6.1. DeepSeek
   3.6.2. Perplexity
3.7. Matriz comparativa
   3.7.1. Privacidad de datos
   3.7.2. Costo
   3.7.3. Idioma
   3.7.4. Integración con herramientas de trabajo
   3.7.5. Curva de aprendizaje
3.8. Criterios para elegir la herramienta según el caso práctico
3.9. Taller práctico: comparación de resultados entre dos herramientas

4.1. Diferencia entre asistente y agente
4.2. GPTs en ChatGPT y Gems en Gemini: creación de agentes personalizados
4.3. Claude Projects: espacio para agrupar chats y documentos
4.4. Demostración: creación de un “Agente Normativo”
4.5. Taller de diseño de agentes para un proceso recurrente
4.6. Introducción a sistemas multiagentes
4.7. Reflexión sobre el futuro de la automatización de procesos: RPA + IA

5.1. Síntesis de buenas prácticas
   5.1.1. Datos adentro
   5.1.2. Declarar el uso
   5.1.3. Verificar siempre
   5.1.4. 2FA activo
5.2. Los seis compromisos éticos
   5.2.1. Transparencia
   5.2.2. Imparcialidad
   5.2.3. Seguridad
   5.2.4. Supervisión humana
   5.2.5. Legalidad digital
   5.2.6. Mejora continua
5.3. Marco normativo: ISO/IEC 42001
5.4. Responsabilidad sobre los resultados generados con IA
5.5. Análisis de caso: mal uso de IA que generó una crisis
5.6. Taller final: Plan de Transformación con IA
   5.6.1. Tres acciones concretas
   5.6.2. Un proyecto piloto
   5.6.3. Un compromiso con el equipo
5.7. Presentación voluntaria de compromisos y cierre

6.1. Analítica con IA: posibilidades de análisis de datos
6.2. Copilot en Excel: análisis de tablas sin fórmulas
6.3. ChatGPT y Gemini para análisis de datos
6.3.1. Resúmenes
6.3.2. Patrones
6.3.3. Valores atípicos
6.3.4. Recomendaciones
6.4. Claude para documentos con datos
6.5. De datos a decisiones: estructura de prompts con contexto de negocio o institucional
6.6. Taller práctico: análisis de un conjunto de datos y generación de un informe ejecutivo con recomendaciones estratégicas
6.7. Casos de uso
6.7.1. Análisis de asistencia
6.7.2. Indicadores de gestión
6.7.3. Resultados de encuestas
6.7.4. Reportes de ventas
6.7.5. Evaluación de proyectos