Se seleccionarán las personas participantes de acuerdo con los criterios siguientes:
• Para aquellos cursos que tengan requisitos específicos, se tiene que comprobar que efectivamente las personas solicitantes los reúnen.
• Se otorgará preferencia a las peticiones de aquellas personas solicitantes que no hayan realizado cursos de características parecidas en los últimos tres años.
• Así mismo, se otorgará preferencia a aquellos que no hayan realizado cursos de formación en los últimos tres años.
• En caso de empate entre solicitantes en aplicación de los anteriores criterios, habrá que ajustarse al riguroso orden de entrada de las solicitudes (día y hora de presentación)

Al finalizar la actividad formativa, las personas participantes serán capaces de:
1.    Comprender el funcionamiento básico de los modelos de lenguaje y de los agentes de IA, así como sus capacidades y limitaciones en el contexto universitario.
2.    Diseñar interacciones estructuradas y agentes sencillos adaptados a necesidades concretas de docencia, investigación y gestión.
3.    Integrar herramientas de IA en sus flujos de trabajo de manera eficiente, mejorando la calidad, coherencia y productividad de sus tareas habituales.
4.    Evaluar críticamente las respuestas generadas por sistemas de IA, identificando riesgos de sesgo, imprecisión o alucinación.
5.    Aplicar criterios éticos, legales y de protección de datos en el uso institucional de herramientas basadas en IA.
6.    Adoptar una actitud proactiva y estratégica ante la incorporación de la IA en el entorno académico, evitando tanto la dependencia acrítica como el rechazo infundado.

1. Fundamentos de la Inteligencia Artificial generativa
•    Qué son los modelos de lenguaje y cómo funcionan a nivel conceptual.
•    Capacidades, limitaciones y riesgos (alucinaciones, sesgos, dependencia excesiva).
•    Diferencia entre uso básico y diseño estructurado de interacción.
2. Diseño de agentes de IA
•    Concepto de agente: rol, contexto, memoria y herramientas.
•    Ingeniería de instrucciones (prompting) orientada a objetivos.
•    Introducción a recuperación de información (RAG) y uso de documentación propia.
3. Aplicaciones en el entorno universitario
•    Docencia: generación y adaptación de materiales, tutorización asistida, apoyo a la evaluación.
•    Investigación: revisión y estructuración de bibliografía, apoyo a la redacción y análisis crítico de proyectos y artículos.
•    Gestión: automatización de comunicaciones, análisis de normativa, organización y síntesis documental.
4. Gobernanza, ética y marco legal
•    Protección de datos y confidencialidad institucional.
•    Buenas prácticas en el uso académico de IA.
•    Impacto organizativo y transformación de procesos.
 

•  Competencia digital avanzada: capacidad para comprender y utilizar de manera crítica herramientas basadas en Inteligencia Artificial generativa en el entorno académico.
•  Diseño estratégico de procesos asistidos por IA: habilidad para integrar agentes de IA en flujos de trabajo docentes, investigadores y administrativos de forma estructurada y orientada a objetivos.
•  Pensamiento crítico y evaluación de resultados: capacidad para analizar, validar y supervisar contenidos generados por sistemas de IA, identificando errores, sesgos o inconsistencias.
•  Competencia en gestión de la información: habilidad para estructurar documentación, sintetizar contenidos complejos y organizar conocimiento mediante herramientas de recuperación y asistencia inteligente.
•  Responsabilidad ética y cumplimiento normativo: capacidad para aplicar criterios de protección de datos, confidencialidad y uso responsable en el contexto institucional.
•  Adaptabilidad tecnológica: disposición para incorporar de manera reflexiva nuevas herramientas digitales, manteniendo el criterio profesional y la supervisión humana como elemento central.
 

CONSULTAR NORMATIVA:normativa del SFPIE