Ética, Regulación y Gobernanza en Inteligencia Artificial
Análisis integral del impacto ético de la IA y el nuevo marco normativo europeo (AI Act).
Sobre el curso
El rápido desarrollo de la Inteligencia Artificial exige profesionales capaces de garantizar su uso seguro y conforme a la ley. Este curso analiza el reglamento de IA europeo, la auditoría de sesgos y la implementación de marcos de gobernanza.
Qué aprenderás
- Conocer los pilares de la Ley de Inteligencia Artificial de la UE (AI Act).
- Identificar y mitigar sesgos en los conjuntos de datos y modelos.
- Diseñar planes de gobernanza y control de calidad ético.
- Comprender la responsabilidad legal de los desarrolladores y usuarios de IA.
Temario
-
1 Por qué hablar de ética en IA: principios y marcos de referencia
Objetivo: comprender por qué la inteligencia artificial plantea retos éticos específicos, conocer los principios básicos que se aplican a su diseño y uso, e identificar los principales marcos internacionales de referencia que inspiran la…
La lección completa está en el aula virtual.
-
2 El Reglamento Europeo de IA (AI Act): objetivo, ámbito y actores
Objetivo: conocer la finalidad del Reglamento Europeo de Inteligencia Artificial, entender a qué sistemas y organizaciones se aplica y distinguir los distintos actores de la cadena de valor, con especial atención a proveedores y…
La lección completa está en el aula virtual.
-
3 Clasificación por niveles de riesgo y modelos de IA de uso general
Objetivo: aprender a clasificar un uso de IA según los niveles de riesgo del Reglamento Europeo (prácticas prohibidas, alto riesgo, obligaciones de transparencia y riesgo mínimo) y conocer el régimen específico de los modelos…
La lección completa está en el aula virtual.
-
4 Obligaciones para sistemas de alto riesgo y calendario de aplicación
Objetivo: conocer los requisitos que el Reglamento de IA impone a los sistemas de alto riesgo, distinguir las obligaciones de proveedores y responsables del despliegue, y entender que su aplicación es progresiva. 1. Los…
La lección completa está en el aula virtual.
-
5 Sesgos en datos y modelos: tipos, casos reales y detección
Objetivo: entender qué es un sesgo en un sistema de IA, reconocer sus tipos más frecuentes a partir de casos reales de dominio público y aprender métodos sencillos para detectarlos sin necesidad de ser…
La lección completa está en el aula virtual.
-
6 Mitigación de sesgos y métricas de equidad
Objetivo: conocer las principales estrategias para reducir sesgos en sistemas de IA a lo largo de su ciclo de vida y comprender, sin fórmulas complejas, las métricas de equidad más utilizadas y sus limitaciones.…
La lección completa está en el aula virtual.
-
7 Transparencia y explicabilidad
Objetivo: distinguir transparencia y explicabilidad, conocer las obligaciones de información al usuario y de señalización de contenido generado por IA, y comprender a alto nivel las técnicas que permiten explicar el funcionamiento de un…
La lección completa está en el aula virtual.
-
8 Privacidad y protección de datos: RGPD e IA
Objetivo: aplicar los principios básicos del Reglamento General de Protección de Datos (RGPD) a proyectos de IA, entender las decisiones automatizadas y la evaluación de impacto, y conocer el papel de la AEPD y…
La lección completa está en el aula virtual.
-
9 Responsabilidad legal y plan de gobernanza de la IA
Objetivo: comprender cómo se reparte la responsabilidad entre desarrolladores, proveedores y usuarios de IA, qué aspectos cuidar en los contratos, y cómo diseñar una estructura de gobernanza interna con comité de ética, políticas de…
La lección completa está en el aula virtual.
-
10 Auditoría y control de calidad ético: caso práctico integrador
Objetivo: aprender a planificar una auditoría ética y de cumplimiento de un sistema de IA, establecer mecanismos de control de calidad continuos y aplicar todo lo aprendido en el curso a un caso práctico…
La lección completa está en el aula virtual.