M8 Ética y proyecto final

Curso: Inteligencia Artificial Agéntica Aplicada a la Transformación Empresarial
Institución: MIT Professional Education (Digital Plus Programs) — Canvas, curso 17151
Módulo: 8. Ética y proyecto final
Profesores: Dr. Abel Sanchez y Dr. John Williams
Fuentes de estos apuntes: contenido interactivo del módulo (reproductor Elucidat, 9 páginas), guía de referencia oficial MITPE_DT_M8_Reference_Guide.pdf (4 pp.) y el enunciado de la Actividad 8 — Proyecto final en Canvas (assignment 441864).
Extraído el: 28 de agosto de 2026.

Apuntes redactados con palabras propias a partir del material del curso. Las referencias bibliográficas se reproducen íntegras por ser datos factuales.

Índice

Enfoque y objetivos de aprendizaje
Capítulo 1 — Ética
Capítulo 2 — El proyecto final
La Actividad 8 tal como la enuncia Canvas
Preguntas de reflexión
Tareas del módulo
Cifras y datos clave para memorizar
Vídeos y recursos multimedia
Lo que este módulo no trae
Notas de discrepancia entre la web y la guía PDF

1. Enfoque y objetivos de aprendizaje

Enfoque del módulo

El módulo articula dos piezas que a primera vista no encajan —un capítulo de ética y las instrucciones del proyecto final— con un argumento explícito: la ética se pone al final porque es el filtro por el que deben pasar todos los módulos anteriores, y ese mismo filtro es el que separa un proyecto final competente de uno meramente técnico.

La tesis de fondo se puede resumir en una pregunta que el curso repite: ya que podemos aplicar la IA, ¿deberíamos? Y en una reformulación del papel de la ética: no es filantropía ni un freno al negocio, sino gestión de riesgos y una responsabilidad de liderazgo. Los fallos éticos se cobran confianza, compromiso del personal, clientes y escrutinio regulatorio; en esa lectura, integrar la ética en la gobernanza es prudencia empresarial, no virtud.

Capítulo	Pregunta que responde	Qué aporta al proyecto final
1. Ética	¿Bajo qué condiciones debemos desplegar IA, y qué pasa cuando no se pregunta?	El criterio para justificar las decisiones del plan ante empleados, clientes, reguladores y sociedad
2. El proyecto final	¿Qué debe contener el plan y de dónde sale cada pieza?	La estructura de ocho secciones y el mapa de qué módulo alimenta cada una

Objetivos de aprendizaje

Al terminar el módulo, el participante podrá:

Evaluar el componente ético de incorporar la IA en el flujo de trabajo de su empresa.
Consolidar el contenido del curso, fortalecer las conexiones entre los módulos y establecer una estructura para redactar el proyecto final.

2. Capítulo 1 — Ética

2.1 Por qué la ética viene al final

La colocación es deliberada y el curso lo dice expresamente: no es una idea de última hora, sino el lente integrador por el que debe refractarse todo lo aprendido sobre estrategia, gobernanza, riesgo, cumplimiento y tecnología. Las preguntas que abre son de otro orden que las de los módulos previos:

¿Solo porque podamos aplicar la IA, deberíamos hacerlo?
¿Bajo qué condiciones?
¿Cómo se consideran las implicaciones humanas, sociales y de las partes interesadas?

La conexión con el entregable es directa: el proyecto final debe demostrar capacidad técnica, visión estratégica y criterio ético. El curso lo formula como la prueba definitiva del liderazgo responsable.

2.2 Por qué la ética en la IA es diferente de la tecnología tradicional

El argumento se apoya en tres propiedades que separan a la IA de las hojas de cálculo, la nube o la automatización clásica:

Propiedad	Consecuencia ética
Opacidad	Las decisiones a menudo no pueden explicarse por completo ni siquiera por sus desarrolladores
Naturaleza probabilística y adaptativa	El sistema cambia con el tiempo: lo validado ayer no describe necesariamente el comportamiento de hoy (Deriva del modelo)
Escala y velocidad	Los errores se amplifican en vez de contenerse

La formulación que conviene retener es la comparación de magnitud: una fórmula defectuosa en una hoja de cálculo afecta a un equipo; un modelo defectuoso afecta a miles o millones. De ahí que la previsión ética se presente no como barrera sino como imperativo estratégico.

2.3 Principios éticos fundamentales para la IA en las empresas

Cuatro principios, presentados como los que destacan para quien dirige (y que reaparecen condensados en la guía PDF como equidad, transparencia, responsabilidad y privacidad):

#	Principio	Qué exige	Nota del curso
1	Equidad y no discriminación	Que el sistema no perjudique a personas por características protegidas	La IA replica o afianza sesgos si se entrena con datos distorsionados. El curso insiste en que la equidad también es rentable: hacer justa la IA puede mejorar el desempeño organizacional (Satell y Abdel-Magied, 2020; Kaushik, 2024)
2	Transparencia y explicabilidad	Que las decisiones puedan comunicarse en lenguaje claro a empleados, clientes y reguladores	Los sistemas de caja negra generan desconfianza
3	Responsabilidad y rendición de cuentas	Mantener supervisión y responder por los resultados atribuidos a la IA	La autonomía no exime de responsabilidad — la frase clave del bloque
4	Privacidad y gestión de datos	Tratar los datos con cuidado y propósito	Con la regulación en aumento, la mala gestión es riesgo legal y reputacional (enlaza con GDPR, CCPA, HIPAA del módulo 7)

2.4 Disrupción laboral y pérdida de empleos: la dimensión humana

El curso identifica el desplazamiento laboral como la preocupación que los empleados expresan con más frecuencia, y matiza inmediatamente que el problema no es solo de ingresos: lo que se erosiona es la identidad, el propósito y la dignidad.

El bloque se despliega como una línea de tiempo de cinco entradas:

Entrada	Contenido
Precedente histórico	Una verdad parcial. Los cajeros automáticos sustituyeron tareas de los cajeros humanos, pero los bancos reorientaron visiblemente al personal hacia atención al cliente. Las hojas de cálculo desplazaron la contabilidad manual, pero crearon demanda de analistas financieros. La automatización reduce tareas, pero a menudo transforma funciones en vez de eliminarlas
Ética clásica	La responsabilidad de quien dirige está en gestionar el cambio, no en ignorarlo: invertir en capacitación, apoyar la movilidad interna, comunicar con transparencia y dar apoyo real durante la disrupción (MIT Sloan, 2019)
Mundo real: bancos	El caso Commonwealth Bank of Australia — ver abajo
Mundo real: comida rápida	Proveedores que probaron pedidos automatizados por voz generaron preocupación pública por la pérdida de empleos juveniles y de nivel inicial. La lección: equilibrar eficiencia con empatía y planificación (Parkes-Hupton, 2025) — ver Hungry Jack's
Una realidad híbrida	El consenso experto actual: la IA reconfigurará y reemplazará empleos, desplazando funciones hacia otras de mayor valor y más centradas en la persona. El liderazgo ético consiste en garantizar que el plan transforme el trabajo siempre que sea posible (Georgieva, 2024)

2.5 Riesgos empresariales de los fallos éticos

Tres dominios, tres casos. El marco que los une: cuando la IA falla éticamente, las consecuencias empresariales son rápidas y severas.

Dominio	Caso	Qué ocurrió	Daño empresarial
Algoritmos de contratación sesgados	Amazon (2018)	Descartó una herramienta de reclutamiento con IA tras descubrir que degradaba sistemáticamente los currículos que contenían la palabra "mujeres" (p. ej. "capitana del club de ajedrez de mujeres"). Se había entrenado con datos históricos de una industria dominada por hombres y aprendió a favorecer a los hombres (Dastin, 2018)	Reputacional —la prensa lo presentó como prueba de sesgos "incrustados" en la IA— y legal: las prácticas discriminatorias pueden derivar en demandas o sanciones bajo las leyes de igualdad laboral
Deepfakes y desinformación	Empresa energética del Reino Unido (2019) y el robocall de Biden (2024)	Delincuentes usaron clonación de voz para hacerse pasar por un director y lograr una transferencia de 243.000 USD a una cuenta fraudulenta (Damiani, 2019). En 2024 la FCC prohibió las llamadas automatizadas con voces generadas por IA después de que un mensaje que imitaba al presidente Biden intentara engañar a los votantes (Swenson, 2024)	Va más allá de la reputación: socava la confianza en los directivos, en la publicidad y en las comunicaciones con clientes
Errores de diagnóstico médico	Sin caso nominal	La IA apoya cada vez más el diagnóstico de cáncer, la detección de ictus y otras condiciones graves. Si falla y el paciente resulta dañado, ¿quién responde: el médico, el desarrollador o el hospital? La regulación actual ofrece poca claridad y deja la responsabilidad difusa entre proveedores y vendedores (Bose, 2025)	Sin políticas claras, los pacientes quedan desprotegidos justo mientras la adopción se acelera

Conclusión del bloque: pérdida de confianza, desinterés del personal, reacción negativa de los clientes y escrutinio regulatorio. Los errores éticos no son solo fallos morales, son peligros empresariales. Integrar la ética en la gobernanza no es filantropía: es gestión de riesgos.

2.6 Marcos prácticos para la toma de decisiones éticas

El curso es explícito en que quien dirige necesita herramientas, no abstracciones. Ofrece tres pruebas de decisión y tres instrumentos técnicos.

Las tres pruebas:

Prueba	Formulación
No causar daño	Principio inspirado en la medicina, aplicado a las intervenciones de IA
Análisis del impacto en las partes interesadas	Evaluar cómo los cambios afectan a empleados, clientes, inversores y sociedad
Prueba de transparencia pública	¿Se sentiría cómodo explicando la decisión en los titulares de primera plana?

Los tres instrumentos: las tarjetas del modelo, las auditorías de sesgo y las listas de verificación ética. Su función es la misma: convertir los principios en acción mediante orientación estructurada.

2.7 Ética y liderazgo corporativo

La premisa: los líderes marcan la pauta. Una IA ética puede convertirse en diferenciador de marca cuando se apoya en claridad estratégica, no en mensajería.

Como ejemplo de referente sectorial el curso cita a la Partnership on AI, que reúne grupos de interés diversos para fijar normas y guías de implementación responsable. Y traza la línea que separa el discurso de la práctica: la confianza se construye cuando la ética se integra en las operaciones, la capacitación y las estructuras de rendición de cuentas, no solo en la declaración de misión.

El desplazamiento de pregunta que propone el módulo:

De "¿hasta dónde podemos llevar la eficiencia?" a "¿cómo podemos avanzar de forma responsable y sostenible?" (Moltazu, 2019)

2.8 Perspectivas globales y culturales

La ética no es uniforme entre jurisdicciones:

Región	Orientación dominante
Europa	Lidera con normas centradas en la privacidad
Estados Unidos	Favorece enfoques centrados en la innovación, con supervisión emergente
Asia	Variable; en algunos países, experimentación y regulación dirigidas por el Estado

La instrucción para quien opera globalmente: respetar las diferencias legales y culturales manteniendo principios fundamentales —equidad, responsabilidad y bienestar humano—.

2.9 Conclusión del capítulo

La ética es el lente final por el que deben evaluarse todas las estrategias de IA. A diferencia de tecnologías anteriores, la opacidad y la escala de la IA exigen equidad, transparencia, responsabilidad y privacidad. Los errores éticos ponen en riesgo empleos, confianza y cumplimiento. Integrar la ética en la gobernanza la convierte de aspiración moral en gestión estratégica del riesgo y responsabilidad de liderazgo.

3. Capítulo 2 — El proyecto final

3.1 Introducción

El curso reconoce lo evidente: ha cubierto un rango amplio de temas de vanguardia y buena parte del contenido pudo resultar desconocido. El propósito de este capítulo es consolidar, reforzar los vínculos conceptuales y guiar hacia un plan estructurado y aplicable.

El entregable: un documento de 2 a 5 páginas que describa cómo integrar la IA en una función o proceso de la propia organización, cubriendo ocho elementos: contexto empresarial, elección de la tecnología, consideraciones de costes, plan de seguridad, gestión del cambio y capacitación, estrategia de escalado, gobernanza y cumplimiento, e indicadores clave de desempeño.

3.2 Resumen de los módulos y conexiones con el proyecto final

El corazón del capítulo. Siete entradas —no hay entrada para el módulo 8— que emparejan un resumen del módulo con su aporte concreto al entregable.

Módulo	Resumen	Conexión con el proyecto final	Actividad que alimenta
M1	Fundamentos de la IA generativa: historia, arquitectura subyacente y aplicaciones actuales. Evolución de los chatbots, compensaciones coste/desempeño, modelos de interacción multimedia. Cierra con aplicaciones avanzadas y una vista previa del potencial de la IA agéntica	La base conceptual de la propuesta. Comprender cómo escalan los precios permite hacer estimaciones financieras realistas	Actividad 1 — Evaluar el coste de los sistemas de IA
M2	El auge de las plataformas agénticas y comparación de las principales opciones. Vibe coding como nuevo paradigma, agente único frente a múltiples agentes, Código abierto frente a Código cerrado	Identificar plataformas y arquitecturas adecuadas. El vibe coding da la experiencia práctica para imaginar cómo integrar la tecnología en el flujo de trabajo	Actividad 2 — Vibe coding
M3	Integración de la IA agéntica en flujos y sistemas existentes: infraestructura heredada, datos aislados, MCP, y la importancia de la empatía y el Ajuste fino en agentes de cara al cliente	Diseñar las estrategias de integración. La actividad da práctica directa o un ejercicio de planificación estratégica, ambos útiles para el diseño	Actividad 3 — Concebir y diseñar agentes
M4	Ciberseguridad en la era de la IA: riesgos clásicos y amenazas nuevas de los sistemas agénticos. Prevención y respuesta, límites de la percepción de la IA, peligros de la Alucinación, la desinformación y el sesgo	Construir un plan de seguridad realista: método estructurado para identificar vulnerabilidades y diseñar protecciones a medida	Actividad 4 — Riesgos de IA y plan de seguridad
M5	Aplicación por función —RR. HH., finanzas, TI, desarrollo de producto—. Ciclo de madurez de adopción, arquitecturas centralizadas frente a distribuidas y el papel de los consultores ante la reestructuración de flujos y modelos de subcontratación	Identificar casos de uso prácticos. La actividad del proceso de diseño da un punto de partida concreto sobre un flujo real	Actividad 5 — La IA y el proceso de diseño
M6	Del piloto al despliegue completo: agentes de voz, barreras de integración, resistencia interna y gestión del cambio. Monitoreo del desempeño con KPI para que el piloto se traduzca en valor duradero	Herramientas para ampliar y medir. Los KPI definidos en la actividad entran directamente en la propuesta	Actividad 6 — KPI para la IA
M7	Marcos de gobernanza y regulación: GDPR, CCPA, HIPAA y estándares emergentes de prueba de agentes. Equilibrar velocidad y supervisión, Sandboxing y pruebas A/B, documentación para auditoría	Redactar la sección de gobernanza y cumplimiento: marco estructurado para adaptar los requisitos regulatorios al contexto propio	Actividad 7 — Plan de gobernanza

4. La Actividad 8 tal como la enuncia Canvas

El reproductor solo dice que las instrucciones están en el campus. El enunciado real está en el assignment 441864.

Dato	Valor
Nombre	Actividad 8 — Proyecto final
Carácter	Obligatoria, evaluada como parte de la calificación final
Modalidad	Individual
Extensión	2 a 5 páginas
Formato	Word o PDF
Entrega	"Empezar tarea" → adjuntar documento → "Entregar tarea"
Fecha límite	1 de septiembre de 2026, 16:29 UTC

Premisa del enunciado: a lo largo del programa ya se han completado ejercicios prácticos con herramientas de IA y examinado coste, seguridad, adopción por parte de los empleados, gestión del cambio y KPI. La tarea no es crear material nuevo, sino reunir el trabajo previo y aplicarlo en un plan coherente y viable.

Las ocho secciones exigidas:

#	Sección	Qué pide literalmente
1	Contexto	Sector y tipo de negocio; departamento, proceso o función donde se implementará la IA
2	Elección de la tecnología	Qué sistema o sistemas de IA se usarán y por qué
3	Consideraciones de costes	Estimación que incluya CapEx, OpEx y gastos de personal o capacitación
4	Plan de seguridad	Privacidad de los datos, ciberseguridad y mitigación de riesgos
5	Gestión del cambio y capacitación	Plan de adopción por parte de los empleados, comunicación y capacitación
6	Estrategia de escalado	Cómo se despliega usando el modelo "gatear, caminar, correr"
7	Gobernanza y cumplimiento	Cómo se garantiza el cumplimiento de las regulaciones y estándares relevantes
8	KPI	Indicadores medibles para evaluar el éxito de la implementación

Video Testimonial Final (assignment 441868)

Tarea separada y de otra naturaleza: grabar un vídeo contando la experiencia en el programa, para animar a nuevos participantes. Como el campus no admite archivos de vídeo, hay que subirlo a una plataforma en línea y entregar el enlace; Canvas adjunta un PDF con las opciones de subida (OPCIONES PARA SUBIDA DE VIDEO 2-1.pdf, archivo 6893540). No es evaluable en el sentido académico.

5. Preguntas de reflexión

Solo aparecen en la guía PDF; la web no las incluye. Son tres y están orientadas a preparar el entregable:

¿Los estándares éticos están incorporados en su mensaje de misión, plan de negocios y flujos de trabajo? ¿Tendrán que adaptarse a la IA? ¿Cómo?
¿A quién va dirigido su informe final: la alta dirección, recursos humanos, los empleados?
¿Qué necesitará para implementar su plan: un nuevo presupuesto, nuevo personal, consultores o trabajadores autónomos, volver a capacitar al personal actual?

6. Tareas del módulo

Tarea	Tipo	Canvas
Actividad 8 — Proyecto final	Obligatoria, evaluada, individual	Assignment 441864
Video Testimonial Final	Voluntaria	Assignment 441868
Módulo 8: Encuesta de Retroalimentación	Cuestionario	Quiz 328689
Encuesta final	Cuestionario (módulo aparte)	Quiz 328692

7. Cifras y datos clave para memorizar

Cifra	Contexto	Fuente
45 puestos de centro de llamadas	Lo que el Commonwealth Bank of Australia intentó sustituir por un bot de voz en agosto de 2025 — y luego recontrató	(Chalmers, 2025)
243.000 USD	Transferencia lograda con clonación de voz suplantando a un director, en una empresa energética del Reino Unido, 2019	(Damiani, 2019)
2018	Año en que Amazon descartó su herramienta de reclutamiento con IA por sesgo contra currículos con la palabra "mujeres"	(Dastin, 2018)
2024	Año de la prohibición de la FCC a las voces generadas por IA en llamadas automatizadas, tras el robocall que imitaba a Biden	(Swenson, 2024)
2019	Año en que investigadores de Google introdujeron el concepto de tarjeta del modelo	(Desai, 2023)
2 a 5 páginas · 8 secciones	Extensión y estructura del proyecto final	Actividad 8
4 principios	Equidad, transparencia, responsabilidad, privacidad	Cap. 1
3 pruebas de decisión	No causar daño, impacto en las partes interesadas, transparencia pública	Cap. 1

8. Vídeos y recursos multimedia

#	Título	Plataforma	Página del módulo	Duración	URL
1	`MPE_DTR_ESP_M8_Intro`	videocast.emeritus.org (Opencast/Paella 7)	Introducción	1 min 32 s	https://videocast.emeritus.org/paella7/ui/watch.html?id=d7d51083-d9b3-4283-bfb9-7b0a467b02ff
2	AI Is Dangerous, but Not for the Reasons You Think — Sasha Luccioni, TED	YouTube	1. Ética (modal "Video recomendado")	—	https://www.youtube.com/watch?v=eXdVDhOGqoE

Notas del barrido:

El vídeo 2 está diferido en un modal: su URL solo aparece en el atributo data-media (youtube:https://www.youtube.com/watch?v=eXdVDhOGqoE), no hay iframe en el DOM hasta que se pulsa la tarjeta. Un extractor que solo mire iframe[src] lo pierde.
No hay Padlets en este módulo, ni ninguna otra actividad interactiva de terceros.
El barrido de las nueve páginas devolvió exactamente estos dos recursos multimedia.
En el cuerpo, el vídeo de Luccioni se presenta así: la investigadora de IA "analiza los temores abstractos y los problemas tangibles relacionados con esta tecnología, y ofrece consejos muy prácticos". El título completo en YouTube es "AI Is Dangerous, but Not for the Reasons You Think | Sasha Luccioni | TED".

9. Lo que este módulo no trae

Merece sección propia porque rompe el patrón de los siete módulos anteriores y afecta a cómo se estudia:

Elemento	M1–M7	M8
Glosario en PDF (`Glosario_MN.pdf`)	Sí, en el CDN de Elucidat	No existe. La consulta `a[href="cdn.elucidat.com"]` solo devuelve fuentes y hojas de estilo, y el modal "Recursos" del reproductor está vacío*
Preguntas de autoevaluación	Sí, con respuestas correctas	No hay. El índice de navegación tiene 9 páginas y ninguna es de autoevaluación
Sección "Definiciones" propia	Sí	Solo una definición suelta, la de Tarjeta del modelo, embebida en el capítulo 1
Preguntas de reflexión en la web	Variable	Solo en el PDF
Guía de referencia en texto	PDF con capa de texto	PDF rasterizado — "Microsoft: Print To PDF", sin capa de texto ni anotaciones de hipervínculo. `pdftotext` devuelve 4 bytes; hay que leerlo como imagen
Número de capítulos	4–7	2

10. Notas de discrepancia entre la web y la guía PDF

La guía MITPE_DT_M8_Reference_Guide.pdf (4 páginas) es una condensación fiel del contenido web. Es el único módulo del curso en el que ambas listas de referencias coinciden exactamente (11 referencias + 1 recurso, mismas entradas en el mismo orden). Diferencias observadas:

#	Diferencia	Detalle
1	El PDF añade las preguntas de reflexión	Tres preguntas que la web no incluye (ver 5. Preguntas de reflexión)
2	El PDF añade el cierre del capítulo 2	"El proyecto final no es un ejercicio teórico, sino una prueba de liderazgo responsable…" — ausente en la web
3	Terminología: "tarjeta del modelo" vs. "ficha de modelo"	La web usa tarjeta del modelo (y da la definición completa); el PDF, en el resumen de marcos prácticos, dice fichas de modelo. Es el mismo concepto (model card)
4	La web es mucho más rica en casos	El PDF condensa los tres fallos éticos en una sola frase ("los algoritmos de contratación sesgados, los deepfakes o los diagnósticos médicos erróneos") y omite por completo Commonwealth Bank, la comida rápida, Amazon, la estafa de los 243.000 USD, la FCC y la Partnership on AI. Quien solo lea el PDF se queda sin ningún caso nominal del módulo
5	La web añade "Perspectivas globales y culturales"	El bloque Europa / EE. UU. / Asia no está en el PDF
6	Título del programa	El PDF encabeza con "IA agéntica aplicada para la transformación organizacional"; el nombre oficial del curso en Canvas es "Inteligencia Artificial Agéntica Aplicada a la Transformación Empresarial"
7	Título del módulo	Coinciden: "Módulo 8. Ética y proyecto final" en ambos

Erratas de la fuente: están detalladas en M8 Referencias. Las relevantes al citar son la cita "Damianai, 2019" en el cuerpo (la referencia dice Damiani), "Kaushik y Kai, 2024" para una referencia de autor único, "Moltazu" por Moltzau, y "MIT Sloan, 2019" citado sin referencia en ninguna de las dos bibliografías.

Relacionado

M7 Gobernanza, cumplimiento y pruebas de agentes · M8 Referencias · Curso IA Agéntica (MOC) · Tarjeta del modelo · No causar daño · Análisis del impacto en las partes interesadas · Prueba de transparencia pública · Auditoría de sesgo · Commonwealth Bank of Australia · Hungry Jack's · Amazon — herramienta de reclutamiento · Partnership on AI

Módulo 8 — Ética y proyecto final