• Experiencia profesional de al menos 2 años en roles relacionados con la gestión de datos, analítica, arquitectura, gobierno o desarrollo de productos de datos.
• Comprensión sólida del ciclo de vida de los datos y de las fases de un proyecto de analítica (desde la ingesta hasta la visualización o puesta en producción).
• Familiaridad con conceptos de negocio y estrategia (se recomienda tener nociones de cómo se definen los objetivos y KPIs en una empresa).
• No se requieren habilidades avanzadas de programación (Python, R, SQL) o de ingeniería de software, ya que el enfoque del curso es directivo y estratégico, no técnico.

• Analistas y Expertos de Datos Analítica y Business Intelligence que necesiten construir y defender un plan estratégico ante la alta dirección.
• Especialistas en Gobierno de Datos que busquen evolucionar las prácticas tradicionales hacia un gobierno habilitador para la IA.
• Arquitectos de Datos y de IA interesados en comprender el «porqué» del negocio detrás de las decisiones de arquitectura.
• Product Managers y Product Owners de productos de datos que necesiten dominar la priorización y la medición de valor de sus iniciativas.
• Consultores de Estrategia y Negocio que deseen especializarse en la transformación impulsada por datos e IA.

• Al finalizar el curso, los participantes estarán en capacidad de diseñar, articular y gobernar una estrategia integral de Inteligencia Artificial y Datos, alineada con los objetivos corporativos.

• Podrán evaluar la madurez de su organización utilizando frameworks como DCAM, construir un portafolio de iniciativas de alto impacto aplicando modelos de valorización, y diseñar un roadmap ejecutable que maximice el retorno de la inversión. Asimismo, estarán preparados para liderar la transformación hacia una cultura data-driven, estableciendo los pilares de arquitectura, gobierno avanzado y IA Responsable necesarios para generar una ventaja competitiva sostenible en sus organizaciones.

Módulo 1: Diagnóstico y Planificación Estratégica

• 1. Estrategia y Diagnóstico de Madurez de IA & Data

• Estrategia de IA vs Estrategia de Dato vs Estrategia de Negocio
• Uso del framework DCAM
• Laboratorio: Conformación de grupos y pre-work para el trabajo final

• 2. Captura y Formulación de Necesidades

• Procesos de Front-door y Técnicas de discovery
• Traducir necesidades en proyectos
• Laboratorio: Trabajo práctico de la sesión

• 3. Priorización y Valorización de Proyectos de IA & Data

• Palancas de impacto y complejidad de proyectos
• Weighted Scoring para priorización
• Laboratorio: Revisión de 1er avance del trabajo final

• 4. Construcción del Roadmap de IA & Data

• Identificación y gestión de dependencias
• Método de planificación por olas
• Laboratorio: Trabajo práctico de la sesión

Módulo 2: Ejecución y Habilitadores Fundamentales

• 5. Modelo Operativo: Estructura, Roles y Gobierno de la Ejecución

• Organigrama y roles necesarios
• Gobierno de Modelos e IA
• Laboratorio: Trabajo práctico de la sesión

• 6. Gobierno de Datos Avanzado

• Gobierno de datos Estructurados y No Estructurados
• Data Contracts y Data Productos
• Laboratorio: Revisión de 2do avance del trabajo final

• 7. Arquitectura de Datos para la IA

• Capa semántica
• Bases de datos vectoriales
• Laboratorio: Trabajo práctico de la sesión

• 8.  IA Responsable

• Principios de equidad, transparencia y explicabilidad
• Privacidad y Ética de Datos
• Laboratorio: Revisión de 3er avance del trabajo final

Módulo 3: Responsabilidad y Medición de Valor

• 9. Captura de Valor y Cultura Data-Driven

• Métodos de seguimiento de valor
• Cultura IA & Data driven
• Laboratorio: Trabajo práctico de la sesión

• 10. Defensa del Roadmap Estratégico ante Comité de Gerencia

• Presentación final de trabajos