El marco de capacidades de IA: delegación estratégica, dirección e IA agencial para líderes

1. Introducción al modelo de IA agencial: Entendamos diferentes modelos de IA o un marco genético. Tenemos LLM, que por sí mismo es realmente inteligente. Puedes hacer pregunta, puede responder. Pero igual que la forma en que el interno no puede abrir archivos, no puede buscar las últimas reglas, no puedo recordar lo que les dijiste ayer. Eso es limitación. ese pasante a un trabajador experto o a un trabajador del conocimiento con tres superpoderes adicionales Un LLM aumentada es como actualizar ese pasante a un trabajador experto o a un trabajador del conocimiento con tres superpoderes adicionales, herramientas de recuperación y memoria. Analicemos la recuperación de poderes, acceso al conocimiento externo, como dar acceso a los pasantes al archivador de su empresa y a la búsqueda de Google Esta es una capacidad similar que tiene la parte de recuperación de LLM aumentada Pensemos en un ejemplo de salud. Los agentes de autorización previa extraen las últimas reglas del pagador antes de presentar una solicitud Ejemplo hipotecario agentes de configuración de préstamos recuperan reglas actualizadas de tasa de interés antes de redactar los documentos. Cuaresma, elimina el desperdicio de búsquedas manuales, reduce la reelaboración cuando se usan reglas desactualizadas El segundo son las herramientas, la capacidad de actuar dentro de los sistemas. En lugar de solo leer políticas, el pasante ahora puede iniciar sesión en portales y ejecutar tareas El agente inicia sesión en un portal de pagador, envía el pre automáticamente Los agentes llaman a la API de Credit Bureau para obtener puntajes de crédito. Entonces eso es LLM aumentada. Queremos reducir la transferencia humana para que el tiempo de ciclo se vuelva más rápido El tercer poder importante es la memoria, la capacidad de recordar el contexto a lo largo del tiempo. El pasante lleva un cuaderno para guardar todo lo de reuniones pasadas y no te hace la misma pregunta dos veces Tomemos un ejemplo desde el cuidado de la salud. La junta de Experiencia del Paciente recuerda su última consulta de facturación y continúa sin problemas Auxiliar de préstamos recuerda que en la última reunión faltó el comprobante de ingresos del prestatario última reunión faltó el comprobante de ingresos del Mejorar el rendimiento del primer paso. El objetivo es reducir los errores por falta de contexto. Cuando combinas recuperación más herramientas más memoria, no solo obtienes un chatbot Tiene un agente que puede buscar, actuar y adoptar menos transferencias, menos espera y menos reelaboración, o lo que lleva a tiempo de ciclo más rápido y En la actualidad, una enfermera que maneja la negación pasa 20 minutos. Ella busca las reglas del pagador, las recupera, inicia sesión en tres herramientas del sistema y recuerda los casos de denegación pasados de la Ahora, imagina un LLM aumentada haciendo eso en segundos. Ese es el salto de la IA como ayudante. La IA es miembro del equipo. Un LLM plano puede tomar entradas y darle la salida. Eso es útil, pero es limitado. Olvida el contexto. No siempre se puede acceder a los datos más recientes, y no está diseñado para usar herramientas externas. Mientras que un LLM aumentada corrige eso conectando el modelo a tres extensiones clave, herramientas de recuperación y memoria La recuperación se trata del acceso al conocimiento. LLM puede consultar bases de datos externas, sistemas de conocimiento o documentos para obtener hechos en tiempo real Atención sanitaria, levantando el historial del paciente antes de redactar el resumen. Hipoteca recuperando los puntajes crediticios actualizados y las pólizas antes de la puntuación res Las herramientas tienen la capacidad de actuar. LLM puede llamar a API, activar flujos de trabajo y ejecutar calculadoras Invoque una herramienta de detección de fraude, active una placa RPA para restablecer la contraseña Esa es la capacidad. La memoria es continuidad a lo largo del tiempo. El LLM puede recordar interacciones previas, preferencias y acciones pasadas Recordando los tonos de marca en múltiples comunicados de prensa. Recordemos el progreso de aprendizaje de un estudiante para adaptar las lecciones. Juntos, estos aumentos convierten al colaborador de grado empresarial LLM, uno que puede recordar la historia, extraer hechos y tomar acciones, no Piense en un LLM simple como un pasante brillante. Puede responder preguntas pero se olvida de todo después de la reunión Un LM aumentada es como darle al pasante herramientas de acceso y memoria que pueden garantizar que se esté volviendo más valioso y listo para la empresa 2. Los líderes que piensan con IA: Si la IA es un copiloto en cada herramienta, entonces necesitamos entrenar a los pilotos, no a los pasajeros. De ahí que todos estemos aquí. Los cuatro Ds de AI Capability Framework. Este marco está diseñado para responder preguntas críticas para el líder. ¿Cómo construimos la fluidez de IA a escala, no solo el uso de IA Las cuatro D proporcionan un mapa de capacidad orientado al liderazgo. El primero es delegación. No todo debe ser entregado a la IA. Los líderes deben definir lo que sigue siendo inherentemente juicios humanos, valores, relaciones, versus lo que puede codificarse y escalarse Esta decisión es estratégica, no operativa. Delegación fuera de lugar conduce al riesgo. La delegación reflexiva crea apalancamiento. La segunda D es dirección. La IA es tan efectiva como la claridad del problema que se le pide resolver. Muchos pilotos fallidos de IA no provienen de algoritmos débiles, sino de la mala articulación de las necesidades del negocio. Por ejemplo, en los servicios financieros, si la demanda se enmarca como reducir el fraude, la IA lucha. Pero si se enmarca como detectar transacciones anómalas, por encima de los 10,000 dólares en 5 minutos, el sistema Los eaders deben insistir en la precisión al enmarcar la pregunta. La tercera D es la detección. La IA te dará respuestas, pero los líderes deben construir el músculo para interrogarlos. No todo lo que es posible es correcto. Aquí es donde los equipos senior traen una evaluación crítica. Comprobación cruzada de la salida de la IA con el conocimiento del dominio, el cumplimiento y los resultados del negocio. Por último, diligencia. Implementar IA sin responsabilidad es peligroso. Las tasas de protección ética, el gobierno de datos y las previsiones regulatorias no son elementos de back office Ellos son las prioridades de la sala de juntas. Para los líderes de transformación, la diligencia es la línea entre escalar responsablemente y crear riesgos sistemáticos Este marco es menos acerca de cómo usar una herramienta. Se trata más de cómo liderarlo con responsabilidad en una empresa impulsada por la IA. Ahora que hemos explorado las cuatro D, conectémoslas con el diseño de nuestra organización. Cómo los líderes pueden integrar estas capacidades en los equipos, la estructura de gobierno y la cultura. Sabemos usar la IA, pero lo que es más importante, sabrás pensar con IA. Esta afirmación está en el centro del motivo por el que hoy estamos aquí. La mayoría de las organizaciones están enseñando a las personas cómo usar la IA, cómo solicitar, cómo ejecutar un modelo, cómo automatizar una tarea. Eso es útil, pero no es transformador. Para los líderes, el verdadero diferenciador es aprender a pensar con IA Eso significa pasar de ver la IA como una herramienta en la esquina a convertirla en un compañero de pensamiento en cómo se enmarcan los problemas, se toman decisiones y se detectan las oportunidades. Considera esto. Usar IA es como pedirle a E que cree un resumen de un informe de mercado. Tintear con la IA es preguntar, ¿qué patrón revela sobre comportamiento del cliente y qué modelos de negocio surgirían de ella El primero es táctico. El segundo es estratégico. En los programas de transformación, esta distinción separa un juego de eficiencia a corto plazo de una reinvención de toda la empresa L eaders que solo saben usar la IA obtendrán ganancias de productividad Los líderes que sepan pensar con IA reimaginarán la industria Entonces mientras reflexionas sobre tu rol, pregúntate, ¿ estoy tratando a la IA como calculadora o como coestratega? ¿ estoy tratando a la IA como calculadora o como coestratega Esa mentalidad es la que dará forma a la ventaja competitiva en la próxima década Veamos ahora cómo esta mentalidad se traduce en capacidades Los líderes de fluidez específicos deben construir en sus equipos para pasar de usar IA a pensar con IA 3. Qué es la delegación: dedicación es la primera y más crucial competencia en AI Capability Framework Para los líderes de transformación, la verdadera pregunta no es si la IA puede hacer algo. Es si debe hacerlo. Demos vida a esto con dos dominios donde muchos de ustedes tienen una supervisión directa, departamento de atención al cliente y procesamiento de reclamos. En el servicio al cliente, la IA puede manejar triaje inicial, consultas de enrutamiento, reconocimiento del estado VIP, extracción de historiales de clientes Eso funciona mejor delegado. Son repetitivos, basados en reglas y propensos a errores humanos si se hacen manualmente Pero cuando se trata de manejar escaladas emocionales, retener a un cliente de alto valor o hacer una excepción de buena voluntad, ese es territorio humano Delegar eso a la IA socavaría confianza y la relación de nuestros clientes humanos En el procesamiento de reclamos, la IA sobresale en validar formularios, verificar la cobertura de la póliza y marcar anomalías delegación de estos pasos reduce drásticamente el tiempo del ciclo Pero las discusiones de solución final, la resolución de disputas y las excepciones de políticas aún requieren supervisión humana porque combinan juicio, empatía y riesgo La competencia de delegación se trata de trazar la línea. ¿Dónde nos da la IA velocidad, precisión y escala, dónde intervención humana preserva la confianza, los matices y la responsabilidad? Los líderes que se equivocan bien desperdician la capacidad humana en trabajos de bajo valor o exponen la empresa a riesgos de reputación y cumplimiento Permítanme aclarar de qué se trata AI Capability Framework y de qué no lo es. No se trata de memorizar los diez primeros prompts o perseguir el último hack en Chat GPT Esos trucos quedaron anticuados en semanas. Lo último es la capacidad, el hábito, las habilidades, el juicio que aportas a cada interacción de IA. Piénsalo de la manera en que piensas sobre N o seis Sigma. Las herramientas evolucionan, pero la mentalidad y la disciplina se mantienen. 4. Delegación: conocimiento de los problemas: Delegación y conciencia del problema. Antes de hablar de IA, hablemos de nosotros. La piedra angular de una buena delegación no es la tecnología. Es claridad. El éxito comienza por saber exactamente lo que estamos tratando de lograr. Con demasiada frecuencia, los equipos se apresuran a aplicar la IA sin definir el objetivo real. El resultado salidas más rápidas que en realidad no resuelven el problema del negocio. Entonces, antes de involucrar a la IA, haga una pausa y haga cuatro preguntas simples pero poderosas. ¿Qué es exactamente lo que estoy tratando de lograr? ¿Quiero reducir el tiempo del ciclo de reclamo, mejorar la resolución de la primera llamada en mi departamento de atención al cliente? ¿Qué es exactamente lo que estoy mirando? ¿Qué aspecto tiene el éxito? Es un tiempo de respuesta más corto, menos errores, mayor NPS o menor costo Necesitamos la claridad para ello. ¿Qué tipo de trabajo se requiere? ¿Es simple pero requiere mucho tiempo, como resumir una política de 20 páginas? ¿Es incierto y exploratorio, como encontrar nuevos patrones de fraude, o es intensivo en juicios, como manejar a clientes VIP descontentos ¿Dónde está el mejor lugar de IA? ¿Dónde debe estar el ser humano a cargo? La IA puede redactar, resumir y clasificar. El ser humano puede decidir, interpretar y rendir cuentas. La delegación no se trata de descargar el trabajo. Se trata de desglosar los flujos de trabajo complejos en partes y asignar cada parte al socio adecuado Humano o IA. Cuando empezamos con metas claras, delegación se vuelve estratégica. Ahí es donde la eficiencia y la efectividad se unen. Gracias. Te veo en la siguiente lección. 5. Delegación: conocimiento de la plataforma: Sensibilización de delegación y plataforma. Ahora, una vez que tenemos claro nuestro problema, la siguiente capacidad es la conciencia de la plataforma. No todas las plataformas de IA están construidas de la misma manera. Algunos son rápidos como el rayo pero poco profundos, otros son lentos, pero mejor razonando. Otros están sintonizados para la creatividad, la elaboración de copias de marketing y la generación de imágenes, y algunos están optimizados para la precisión de los datos, mejor en el manejo de contenido estructurado como facturas o reclamos Este asunto porque elegir la plataforma equivocada es como darle un martillo a un buscador. La herramienta en sí no está mal, pero es la opción incorrecta para el trabajo. Por ejemplo, si necesita velocidad y escala, como escanear miles de correos electrónicos de clientes en busca de sentimientos, puede elegir un modelo de clasificación ligero Si necesitas juicio y razonamiento como analizar un reclamo de fraude, necesitas un modelo de razonamiento que pueda explicar su lógica. Si estás en una solución creativa de problemas, como repensar el flujo de autoservicio de tu cliente, es posible que quieras un modelo generativo que pueda hacer una lluvia de ideas Y aquí está la parte importante. No encierre a su equipo en una sola plataforma. El campo se mueve demasiado rápido. Fomentar la experimentación. Dale a tu analista y a tus gerentes de operaciones la oportunidad de probar dos o tres plataformas lado a lado. Los líderes de transformación aprenden esta lección con RPA, BPM y herramientas lean La fuerza no está en una sola plataforma. Se trata de saber qué plataforma se ajusta al problema. Entonces aquí está el cambio de mentalidad. Delegación no es solo ¿qué tarea le doy a la IA? También se trata de qué plataforma es la más adecuada para esta tarea. Así es como se combina la conciencia de problemas con la conciencia de la plataforma para hacer de la IA un socio estratégico en lugar de una caja en blanco. Gracias. Te veo en la siguiente lección. 6. Delegación: distribución de tareas: Delegación y distribución de tareas. Una vez que tengas claro tu objetivo y las plataformas de IA disponibles, el arte real comienza a decidir cómo distribuir la tarea entre humanos y IA. No se trata de reemplazar a las personas. Se trata de equilibrio. Piense en tres cubos, la automatización, la IA de tareas puede manejar de manera segura y repetida Estos son los pasos rutinarios basados en reglas donde la escala importa más que el juicio. Extracción automática de números de reclamo del formulario PDF, etiquetando tickets de soporte por categoría antes de enrutarlo. El aumento se trata de una tarea donde lo humano y la IA trabajan codo a codo Aquí, la IA ayuda a acelerar las cosas y ampliar la opción, pero el humano mantiene el control. Un analista de políticas que pide a la IA que redacte una variación en la cláusula, luego refinar la que se ajuste. Un líder de servicio al cliente co-desarrollando plantillas de correo electrónico con IA, luego ajustando el tono para casos sensibles Juicio único humano, tarea que nunca se debe delegar. Estas son las decisiones que exigen conciencia humana, contexto, rendición de cuentas y matices. Decidir si denegar un reclamo de seguro límite. O hacer una interpretación de cumplimiento que conlleve riesgos regulatorios. Y luego hay una cuarta categoría que vale la pena destacar, trabajo repetitivo de bajo valor, las cosas en las que ningún experto debería dedicar su tiempo Estos son candidatos perfectos para agentes de IA. Cosas como generar notas de reuniones, preparar el primer borrador de informes o consolidar métricas de rutina Entonces, la pregunta guía para usted como líderes de transformación es, ¿ qué parte de su proceso está lista para una automatización segura? ¿Dónde puede el aumento crear más valor al mejorar el rendimiento humano? ¿Qué área debe seguir siendo dirigida por humanos para proteger el juicio y la confianza? ¿Y qué trabajo repetitivo podemos entregar con confianza a los agentes de IA Conseguir este equilibrio correcto es lo que separa a la organización que simplemente usa la IA de aquellos que realmente crean valor con la IA. Gracias. Te veo en la siguiente lección. 7. Segunda D: dirección: La segunda D del marco de capacidad de IA es la dirección. Profundicemos un poco más en esta competencia de dirección Piensa en cómo puedes informar a un nuevo miembro del equipo. No solo dices arreglar el problema de SLA. Usted proporciona el contexto de qué es el SLA, por qué es importante, qué herramientas están disponibles, qué excepciones hay que tener y cómo debería ser el entregable final Esa es la dirección. Ahora, reemplace ese miembro del equipo con un sistema de IA. El principio no cambia. Si te saltas el contexto y la claridad, la IA genera resultados vagos o incorrectos y la culpa cambia injustamente a Cuando en realidad, fue un fracaso de comunicación. La dirección es sobre cómo te comunicas con la IA. Se sienta en el corazón de casi todas las interacciones de IA humana. dirección clara transforma la IA de una caja negra en un socio. La mala dirección lo reduce a un ruido. Hagamos esto real con un ejemplo en todos los dominios. Si estás pensando en un servicio de proveedor de atención médica, en lugar de pedir IA, resumir el nodo del paciente, dirigirlo de una manera, es revelador que resuma las tres últimas visitas, resalte los cambios de medicación y próxima prueba Tomemos un ejemplo del proceso de liquidación de reclamos. No digas revisar esta afirmación. En su lugar, verifique este reclamo de motor por riesgo de fraude comparando costo de reparación con los patrones históricos, y la anomalía de la bandera supera el 20% Tomemos un ejemplo de hipoteca. No digas proceso de solicitud, sino decir extraer los detalles de ingresos y empleo, marcar los documentos faltantes, estimar la probabilidad de aprobación base en las reglas de suscripción Si pienso en medios o departamento de comunicación, en lugar de decir borrador de un comunicado de prensa, puede ser más específico en su dirección diciendo borrador un comunicado de 400 palabras para una audiencia de B a B con un tono de confianza, destacando los beneficios regulatorios y de cumplimiento. La competencia de dirección garantiza que la IA brinde un trabajo efectivo, eficiente, ético y seguro Los mismos líderes de transformación de resultados se preocupan por cuando dominas la dirección. La IA deja de ser un adivinador y se convierte en un verdadero contribuyente 8. Dirección: On no se trata de una redacción inteligente o indicaciones complicadas. Piense en ello como escribir un SOP o un documento de proceso. Estás traduciendo la lógica empresarial en instrucciones legibles por IA Así como cuando subes a bordo de un nuevo analista, no solo dices averiguarlo. Les dices cómo debe ser el resultado, qué enfoque deben usar y qué tono deben mantenerse. La mala dirección da como resultado una reelaboración. Si la IA ofrece un tono incorrecto, un formato incorrecto o una lógica perdida, alguien tiene que arreglarlo. Eso mata la adopción. Cada mala salida elimina la confianza del usuario. La consistencia llega sólo cuando la dirección es fuerte. La dirección también se trata de gobernanza. Así es como mantienes la IA alineada con las reglas de negocio sin escribir nuevo código. En cada programa de transformación que has liderado, ya lo has hecho. Has definido cómo es el éxito. Tú decides el enfoque o el método, y alineas el tono y el comportamiento. Entonces estos se convierten en sus tres importantes pilares de dirección. Entonces ahora, simplemente aplicar el mismo rigor es cuando estás interactuando con la IA. Empecemos por la primera dimensión de dirección. Esa es la dirección del producto. Piensa en la frecuencia con la que te decepciona la IA, no porque el modelo sea débil, sino porque no le dijimos exactamente lo que queríamos La IA no es un lector mental. Si lo dejas adivinando, la salida a menudo se pierde la marca dirección del producto significa responder cuatro preguntas simples pero poderosas por adelantado. ¿Cuál es el contexto de este trabajo? Exactamente, ¿qué debería hacer la IA? ¿Qué formato debe tomar la salida? ¿Quién es el público y qué estilo es apropiado? Hagámoslo realidad con algunos ejemplos de recursos humanos en algunos de los subprocesos Equipo de adquisición de talento. En lugar de dar una dirección, decirle a la revisión el currículum, dar una dirección clara del producto. Resumir este currículum en tres viñetas. La sección debe incluir habilidades relevantes, experiencia relevante y fortalezas basadas en evidencia. Evite inferir personalidades o rasgos demográficos. Aquí, la IA ahora sabe qué incluir y qué evitar. Tomemos un ejemplo de la gestión del desempeño, en lugar de decir, escribir comentarios para este empleado, dar una dirección del producto, redactar comentarios de desempeño basados en el comportamiento. Estructurarlo en un logro y fortalezas, áreas de desarrollo y próximos pasos. Use un tono de apoyo neutro que sea adecuado para una revisión intermedia. No se puede adivinar que la IA tiene un plano ahora. Pensemos en la comunicación política. En lugar de pedirle a la IA que explique la nueva política de licencia, dé dirección al producto. Escribir 150 word comunicación empleado, explicando la nueva política de licencia. Usa un lenguaje sencillo, evita jergas de recursos humanos y termina con dos pasos de acción claros El público es todos los empleados de nuestra organización. Puedes dar el nombre de la organización si quieres. Esto asegura claridad, tono y estructura que coincide con los estándares de comunicación de recursos humanos. Tomaremos un ejemplo más equipo de relaciones con los empleados. En lugar de preguntar a la IA, resumir esta queja, dar una dirección clara del producto Resumir la queja del empleado en formato cronológico fáctico, incluir fechas, acciones tomadas y Por favor, no interpretes las emociones ni asignes culpas. Esto mantiene la salida conforme y la investigación lista. Entonces, ¿por qué es importante la dirección del producto? Es porque cuando se proporciona una dirección clara del producto, la IA tiene un plano No lo vas a dejar adivinar. Estás estableciendo requisitos explícitos para que la salida se alinee con tu objetivo y tus estándares y tu audiencia, una vez que tengas clara la dirección del producto, el qué, el siguiente paso es guiar el cómo Ahí es donde entra la dirección del proceso. Voy a cubrir eso en mi próxima clase. 9. Dirección de procesos: Ahora veamos la segunda dimensión de la dirección. Dirección del proceso, el cómo. En entornos complejos o regulados, los métodos importan tanto como el resultado. Piensa en tu propio equipo. A veces no solo te importa que se haga el trabajo. También te importa cómo se está haciendo. Lo mismo se aplica en EI. Con la dirección del proceso, estás guiando el enfoque de la IA. Los resultados no solo son rápidos sino confiables y conformes. Hay varias formas de hacer esto. Orientación general, como manejar el manual de alguien, instrucciones paso a paso como dar una receta, ejemplos trabajados mostrando , así es como lo hago. Esto importa porque la IA ya tiene una formación amplia, pero no conoce tu contexto a menos que lo expliques. Entonces quieres responder preguntas como ¿en qué fuente de datos debería recurrir? ¿Qué temas deben abordarse y en qué orden? ¿Qué estilo de flujo de trabajo o análisis se debe utilizar? Vamos a fundamentar esto con ejemplo de tus dominios. Servicios a los prestadores de atención médica. En lugar de resumir las notas de los pacientes, digamos, resumir las últimas tres visitas en orden cronológico, resaltar los cambios de medicación y luego marcar cualquier Cuando das dirección de proceso, no estás microadministrando Estás dando forma al método de IA para reflejar tus reglas de negocio. Así es como se evitan errores, reducen las reelaboraciones y se asegura el cumplimiento Gracias. Te veo en la siguiente lección. 10. Dirección de interpretación: Dirección de Desempeño. Si hay una comida para llevar de este módulo, es ésta. La IA no es una base de datos. No es una máquina expendedora. No se limita a almacenar hechos o escupir una respuesta fija La IA es un sistema interactivo, o al igual que las personas, su comportamiento cambia en función de cómo la guías. Ahí es donde entra en juego la dirección del desempeño. Dirección de Rendimiento consiste dar forma a cómo quieres que la IA piense, responda y se presente. No se trata de lo que produce la IA. Esa es la dirección del producto. No se trata de cómo la IA debe ejecutar los pasos. Esa es la dirección del proceso. La dirección de performance trata sobre la personalidad y el comportamiento de la salida. Antes de comenzar a trabajar con IA, hágase cuatro preguntas. ¿Necesito un asistente que se estrecha hacia una respuesta correcta o un compañero que explore múltiples posibilidades ¿Quiero que la IA desafíe las suposiciones o simplemente siga mis instrucciones con precisión? ¿El resultado debe ser detallado y rico o conciso y al grano? ¿Quiero el razonamiento paso a paso o simplemente las respuestas pulidas finales? Estas elecciones influyen dramáticamente en la calidad y utilidad de los resultados. Hagamos esto real dentro de RRHH. Performance Direction, veamos algunos ejemplos. En lugar de decir redactar una respuesta a una queja de un empleado, la dirección del desempeño le brinda opciones como escribir una respuesta tranquila y neutral alineada con políticas, que sea adecuada para la comunicación formal. O podrías dar una dirección que diga, escribir un acuse de recibo solidario, empático, de dos frases antes de que comience la investigación de recursos humanos Misma tarea, expectativa de desempeño completamente diferente. Tomemos un ejemplo más equipo de adquisición de talento. En lugar de decir IA, escribe comentarios de entrevistas, estableces la dirección, escribes una retroalimentación estructurada en formato basado en competencias Evite el juicio de personalidad. O puede decir escribir un breve resumen listo para gerentes destacando fortalezas, riesgos y recomendaciones de contratación. La Dirección de Desempeño garantiza la equidad y claridad en la comunicación de la contratación Tomemos un ejemplo del departamento de LND. En lugar de decir explicar esta política, se puede especificar el comportamiento. Explique esta política en un lenguaje sencillo y amigable para el alumno como si enseñara a los nuevos empleados, o explique esta política en un lenguaje detallado a nivel gerente con ejemplos e implicaciones Esto cambia el tono, la profundidad, y el nivel de complejidad en la salida que sale. Gestión del desempeño, en lugar de decir, resume esta valoración, puedes guiar cómo debe comportarse la IA Resumir la valoración utilizando un lenguaje orientado a la acción y evitar adjetivos genéricos Resumir con tonos de enfoque de coaching, priorizando la modificación del crecimiento dirección de desempeño determina si la IA suena como un entrenador o un administrador de políticas. ¿Por qué es esta una habilidad importante que necesitas conocer? Porque sin ella, la IA se comporta de manera genérica. Con ella, la IA se convierte en una herramienta de precisión que se adapta a tu audiencia, ya sean empleados, gerentes, RRHH, liderazgo, o las nuevas contrataciones Entiende el propósito de la comunicación. ¿Es un feedback, comunicación, coaching o documentación? Entiende el tono, ¿debería ser empático, firme, neutral o formal? La salida se puede definir en un estilo breve y detallado R estructurado. Entonces, cuando combinas la dirección del producto, lo que quieres, la dirección del proceso , cómo hacerlo y la dirección del rendimiento, cómo debería comportarse, IA simplemente no es un asistente. Se convierte en un socio pensante que produce salidas de recursos humanos que coinciden con sus estándares exactos. Ahí es cuando la IA comienza a ofrecer un verdadero valor comercial. Ahora que entiendes cómo guiar la IA con dirección, el siguiente paso sería la detección, desarrollar la disciplina de evaluar críticamente las salidas de IA, para que nunca aceptes una respuesta a su valor nominal. Eso lo cubriremos en el siguiente video. 11. Preparación para la dirección del proceso: Ahora veamos la segunda dimensión de dirección, Dirección de Procesos, el cómo. En RRHH, la forma en que se realiza el trabajo es tan importante como la salida final. Piensa en tu propio equipo de RRHH. No basta con que la tarea esté concluida. Debe hacerse de manera precisa, justa y en cumplimiento de la política. Lo mismo se aplica cuando se trabaja con EI. Process Direction guía los métodos de IA para que los resultados no solo sean rápidos, sean confiables, estructurados y seguros. Hay varias formas de dar dirección al proceso. La orientación general es como entregar a alguien un libro de jugadas. La instrucción paso a paso es como dar un procedimiento o un manual SOP También puedes dar algunos ejemplos trabajados como mostrar cómo suele hacer esto el HR. Este proceso de dirección de procesos es muy importante porque la IA tiene una formación amplia, pero no conoce tu contexto de RRHH a menos que lo digas. Entonces, con la dirección del proceso, ¿aclaras qué datos debe usar primero? ¿Qué se debe verificar en secuencia? ¿Qué estilo de análisis es apropiado para RRHH? ¿Qué pasos son obligatorios para el cumplimiento? Vamos a fundamentar esto con ejemplos de subprocesos de recursos humanos. Para un equipo de adquisición de talento, en lugar de simplemente decir pantalla este currículum, hay que darle una dirección de proceso. Primero, extraer las habilidades relevantes para el trabajo, luego mapearlas al requisito del trabajo, luego identificar tendencias basadas en evidencia y finalmente enumerar información faltante o poco clara para que el reclutador haga un seguimiento Como puedes ver, esto da forma a cómo la IA evalúa a los candidatos de manera justa y sistemática Si tengo que tomar sobre quejas e investigación del proceso de relación con los empleados, en lugar de decir resumir esta queja, damos una dirección de proceso Enumere los eventos en orden cronológico, resalte solo los hechos documentados, luego identifique áreas que requieran aclaraciones adicionales No interpretes las emociones ni asignes culpas. Esto evita suposiciones inexactas. El siguiente ejemplo del equipo de gestión del desempeño podría ser que en lugar de redactar comentarios sobre el desempeño, dar dirección al proceso. Comience por identificar logros medibles, luego vincule el comportamiento con la competencia, luego delinear las áreas de desarrollo usando lenguaje neutro y termine con los siguientes pasos alineados con el marco de desempeño Se puede ver que hemos dado instrucción muy detallada, el proceso que tiene que seguir. Esto hace cumplir la equidad y la consistencia. Pasando a la comunicación política, en lugar de decir explicar esta política, si estamos dando una dirección de proceso, diremos, descomponerla en tres partes. Qué significa la política en términos simples. ¿Cuándo se aplica esta política? ¿Dónde no funciona? Lo que los empleados deben hacer a continuación, evitar cualquier jerga legal a menos que sea necesario Esto asegura claridad y accesibilidad. Crear un resumen de entrenamiento. En lugar de esto, puedo dar una dirección clara del proceso, extraer los objetivos clave de aprendizaje, luego resumir los comentarios de los empleados en temas, luego marcar cualquier brecha de habilidades recurrente que necesite seguimiento Esto mejora la generación de conocimientos. Entonces podrías haber entendido por qué la dirección del proceso es importante. Cuando das dirección de proceso, no estás microadministrando la IA Está configurando el método que sigue para que coincida con los estándares de recursos humanos, las políticas y las expectativas de cumplimiento. Así es como se evitan errores, reducen las reelaboraciones y se mantiene la equidad Esto también ayuda a mejorar la consistencia, asegurar la alineación de políticas. Process Direction es lo que convierte la IA de una herramienta rápida en un socio de recursos humanos confiable. Te voy a ver en la siguiente dimensión. 12. Dirección débil: Una dirección débil sería como, escribir un correo electrónico de cliente sobre el retraso. La salida de IA sería como, querido cliente, tu producto se retrasa. Pedimos disculpas. Una dirección fuerte cubriría el proceso y el rendimiento del producto. Entonces dirás, escribe un correo electrónico de tres líneas a un cliente VIP que haya experimentado un retraso de tres días en la entrega. Mencione la razón por la que como vendedor emita y ofrezca un cupón de descuento del 10% y mantenga el tono cálido pero profesional. La salida de IA será muy diferente. Dirá, Estimado señor Ramesh, lamentamos un retraso de tres días causado por un problema de proveedor Como muestra de disculpa, aquí tienes un 10% de descuento para tu próximo pedido y gracias por tu paciencia El mismo modelo de IA, la misma tecnología. La única diferencia fue la dirección. Y por lo tanto, es una habilidad importante de construir. Si alguien dice que solo está incitando o es solo ingeniería rápida, la respuesta es no La dirección se trata de claridad operativa. Al igual que el RPA falla cuando automatizamos con pasos equivocados, IA falla sin una dirección clara Esta disciplina evita el mal uso y ayuda a construir la confianza. En sus últimos proyectos de transformación, ¿con qué frecuencia se comunicó mal la creación de retrabajo, retraso y sobrecostos La IA no es diferente. El costo de la mala dirección es el mismo. Reelaboración, frustración y pérdida de confianza. La rentabilidad de una buena dirección también es la misma, tiempo de ciclo más rápido, mayor calidad y adopción confiable 13. Tercera D: detección: Ahora que hemos cubierto dirección, pasemos a la detección de contraparte. Si la dirección se trata comunicar claramente lo que quieres, detección se trata de control de calidad, evaluando si lo que la IA producida es realmente apta para HRuse esta es una de las competencias más críticas como líderes, porque no importa cuán avanzado sea el modelo, la IA puede y comete errores de razonamiento, malinterpretará tu contexto, malinterpretará tu contexto, de comunicar claramente lo que quieres, la detección se trata de control de calidad, evaluando si lo que la IA producida es realmente apta para HRuse esta es una de las competencias más críticas como líderes, porque no importa cuán avanzado sea el modelo, la IA puede y comete errores de razonamiento, malinterpretará tu contexto, producirá sesgados o no congelación conforme. Puede pasar por alto evidencias importantes o generar respuestas que no esperabas La detección requiere que hagas una pausa y hagas tres preguntas cada vez. ¿Esta salida es valiosa o problemática? ¿Muestra la fuerza de la IA o expone su limitación? ¿Está listo para usar o necesita refinamiento antes de llegar a empleados o gerentes Hacer bien la detección requiere dos cosas. Su experiencia en el dominio de recursos humanos, su capacidad para juzgar la calidad en el contexto de RRHH. Entonces tomemos un ejemplo. Puedes reconocer instantáneamente si la IA ha malinterpretado una habilidad o inferido algo Puedes ver si los comentarios están basados en el comportamiento o en la personalidad. Se puede decir si el resumen de la queja es fáctico, neutral y está listo para la investigación Para el departamento de compensación y beneficios, sabes si la IA entendió mal los criterios de elegibilidad y los componentes salariales mal calculados Necesitamos entender las limitaciones de la IE, sabiendo dónde suele quedar corta la IA. EI a veces fabrica detalles que nunca estuvieron en el documento Puede escribir comentarios que suenan seguros pero violan la política de recursos humanos o el estándar de equidad. La IA puede malinterpretar los tonos volviéndose demasiado duros o demasiado casuales. AI puede pasar por alto notas manuscritas y H casos o excepciones Veamos un ejemplo. AI redacta un anuncio sobre una nueva política de licencia, pero la redacción suena involuntariamente provocativa La detección te dice que el tono dañará la confianza si se publica. 14. Actividad de IA de agente: Permítanos entender cómo puede tener su plan personal de fluidez de IA Te voy a dar algunas actividades que pueden ayudarte a evaluar tus habilidades actuales y cómo puedes desarrollar tu competencia alrededor del marco de capacidades FOD AI Entonces el primer paso es evaluar tus habilidades actuales con ejemplos. Entonces digamos que quieres calificarte en la competencia FOD Se podría decir que soy una persona novata no tiene mucha idea al respecto. Se podría decir que todavía estoy desarrollando habilidades para llegar allí, o soy un usuario seguro del framework. Entonces la plantilla es muy sencilla. Tienes la competencia en la primera columna. Te calificas a ti mismo. Es una autoevaluación. ¿Cuáles son las fortalezas que sientes que tienes en este espacio, y cuál es la brecha que quieres cumplir? Entonces, por ejemplo, eres un usuario nos. ¿Cuáles sientes que son los huecos y quieres llenarlo? Entonces tomemos algunos ejemplos que he llenado. Entonces uno de mis amigos estaba trabajando en el dominio de RRHH para el equipo de adquisición de talento. Por lo que calificamos a la baja las cuatro competencias en la primera columna que es delegación, descripción, detección y diligencia Entonces para la primera competencia de delegarla como desarrolladora, es una autoevaluación que había calificado Sólo te estoy ayudando a entender cómo se tiene que llenar la mesa. Entonces delegación, que se trata de desarrollar, la fortaleza que tiene es que puede decirle a AI para resumir el SVS Y las brechas que cayó es que no es buena decidir cuándo la IA no debe seleccionar a un candidato. Entonces como puedes ver en la pantalla, esta es la plantilla que ha sido llenada por ella, ¿verdad? Entonces te resulta fácil entender que para cada una de las Ds en el marco de competencias, vas a hacerte tú mismo calificando, identificar esas fortalezas y llenar los vacíos El segundo es la descripción. Por lo que se ha marcado como en desarrollo. Ella es buena escribiendo algunas indicaciones básicas, pero le cuesta dar ejemplos y está teniendo dificultades para obtener el tono y las restricciones correctos La detección es la tercera D del marco de capacidad de IA. Ella se califica a sí misma como nos y puede detectar errores obvios, pero es difícil identificar el sesgo en los resúmenes de candidatos generados por IA Diligencia. Ella se marcó como marcador en desarrollo. Ella es consciente de las reglas de privacidad de datos, pero no está segura de cómo decidir qué datos de candidatos es seguro subir. Ahora tomemos un ejemplo más equipo de suscripción de préstamos Entonces nuevamente, la competencia, la calificación, la fuerza, y las brechas Entonces este es el otro amigo mío que lo ha calificado. Por lo tanto, Diligence lo marcó como un desarrollo bueno pedirle a la IA que extraiga datos financieros clave, pero no estoy seguro de cuándo dejar que la IA recomiende versus solo resumir Descripción, confiada en la gestión de la parte de descripción porque puede dar instrucciones claras sobre el tono y el formato. Necesidad de trabajar en las indicaciones de varios pasos. La tercera etapa es la detección. Se encuentra en una etapa de desarrollo, bueno y puede verificar números, pero es necesario detectar alucinaciones de El oficial de suscripción de préstamos para la parte de Diligence se mencionó o se calificó como novas, consciente del riesgo de cumplimiento, pero no confiada en el requisito de gobierno de datos Entonces pasemos al siguiente ejemplo que tenemos sobre el servicio del proveedor de atención médica. Entonces nuevamente, se listan D de fuerza, descripción de delegación, detección y diligencia, y han puntuado para cada una de las competencias Han calificado a la baja las fortalezas para cada una de las competencias y las brechas que hay que llenar. Entonces, como puede ver, es importante para nosotros llenar estas puntuaciones de autoevaluación de competencias Esto nos puede ayudar a entender lo que necesitamos para aprender más. El paso dos sería reflexionar sobre los tres modos de interacción de la IA. ¿Te acuerdas de los tres modos? Sí, es automatización, aumento y agencia. Hay que mencionar cuál es su nivel de comodidad. Entonces la plantilla vuelve a ser, muy sencilla, como se puede ver en la pantalla, es decir se listan los modos, automatización, aumento y agencia ¿Cuál es el nivel de comodidad? Es alto, medio o bajo, y tu comentario. Entonces entendamos con ayuda de un ejemplo. Entonces desde RRHH en un equipo de LND, la persona ha calificado esa automatización, la comodidad es muy alta, usa IA para generar preguntas y resúmenes de MCQ Aumento, el nivel de confort es medio. Han tratado de usarlo para co-crear viajes de aprendizaje. Agencia, es baja, no han utilizado agentes de IA para reportes auto generados, ahí que no se sienta cómodo con esta parte del modo de interacción con IA. Ahora pasemos al siguiente ejemplo de identificación de áreas prioritarias, ¿verdad? Entonces nuevamente, aquí, competencia, puedo priorizar primero Primero, evaluando mis habilidades en la competencia de las cuatro D, es decir descripción de delegación, detección y diligencia, me enfocaré en la descripción y detección Por lo que estás estableciendo una prioridad donde sientas que quieres aprender primero esta competencia en detalle Estas dos competencias tendrán un mayor impacto en mi desempeño profesional porque frecuentemente trabajo con IA para escribir resúmenes, redactar contenido de recursos humanos, analizar documentos y apoyar las decisiones La segunda pregunta es ¿por qué importan estas competencias? Necesito una explicación detallada. Entonces aquí, ¿por qué importa la descripción? ¿Por qué es eso como prioridad el aprendizaje primero de estas competencias He notado que cuando mis indicaciones carecen de detalles, golpean salidas que son demasiado genéricas, no coincidentes en tono, coincidentes en tono, incompletas o desalineadas con lo que Instrucción clara, salida de alta calidad, pero instrucciones vagas me dan resultados aleatorios inconsistentes La descripción es mi cuello de bott más grande. Cómo me beneficiaré, los procesos de recursos humanos se volverán más consistentes. Ejemplo, guías de entrevistas, creación de JD. Las tareas de resumen de estilo bancario serán más precisas Ejemplo, resumen de políticas. Un agente de servicios de atención médica podría decir que las tareas administrativas de atención médica como resúmenes evitarán jergas y errores. Si el ejemplo del contenido mediático será finalmente coincidente con el requisito de tono de comunicación interna y newsletter. ¿Qué debo dejar de hacer? Debería dejar de escribir indicaciones de una línea, no dar ejemplos, no definir tono o audiencia, no especificar qué no incluir, esperando que la IA entienda mágicamente el contexto Entonces estas son las cosas que debería dejar de hacer. Ahora, muriendo, ¿por qué tomé la prioridad de la detección como mi segunda prioridad con la que quiero trabajar IA a menudo produce detalles fabricados, razonamiento incorrecto, afirmaciones sobre confianza y lenguaje sesgado. La detección me ayuda a evaluar la salida críticamente en lugar de creer todo lo que ve la IA. Cómo me beneficiaré en RRHH, voy a evitar sesgos para retomar resúmenes. En la banca, verificaré números en lugar de confiar en los datos alucinados Para un servicio de proveedor de atención médica, me beneficiaré diciendo que evitaré la interpretación clínica accidental. Desde el punto de vista de los medios, tal vez veas que evitaré que la IA genere afirmaciones o estadísticas no verificadas Lo que debo dejar de hacer aceptando el primer draft como final, asumiendo que los números son exactos, olvidando pedirle a AI el puntaje de confianza. Dejar que la IA inferya detalles demográficos como A, género, etcétera, no contrastando el documento fuente El tercer paso sería la habilidad más valiosa para construir dentro de cada competencia. Hay que ser profundo, específico y relevante de dominio. Entonces la prioridad número uno era la descripción. Entonces esta es la habilidad para construir. Esta es la primera habilidad, dando instrucción de múltiples capas. Esa es una habilidad que quiero construir en descripción. Tomemos un ejemplo. En lugar de decir resumir este currículum, escribiría resumir este currículum, enfocándose únicamente en las habilidades y la experiencia relevante para el trabajo No inferir edad, género, personalidad, ni cualidades educativas Aportar tres fortalezas, una áreas de desarrollo y justificar todo con evidencia. Tono y audiencia especificados. Comunicación mediática. El ejemplo es escribir 200 palabras inversionista actualización en tono de retorno de datos confiados. Evita objetivos como asombrosos y revolucionarios. Usa oraciones cortas. La habilidad tres es que quiero ser incitador rico en contexto Ejemplo, podríamos resumir este caso de paciente solo para documentación administrativa No diagnosticar, recomendar tratamientos ni interpretar sistemas. Dando ejemplos y restricciones, crear un resumen de evaluación que siga cada formato o este formato y excluya la suposición Quiero enfocar mi segunda prioridad en el conjunto de habilidades descriptivas. Entonces la habilidad que quiero construir es dar instrucción de múltiples capas. Un buen aviso de recursos humanos le dice a la IA en qué enfocarse , qué evitar y qué estructuras seguir. Entonces, en lugar de decir resumir este currículum, un fuerte aviso de recursos humanos es resumir este currículum, enfocándose únicamente en habilidades y experiencia relevantes para el trabajo, proporcionar tres fortalezas con evidencia del Un área de desarrollo, también reglas basadas en evidencia no deduce un, género, personalidad, o actitud Esto evita sesgos y le da a la IA una dirección clara. La herramienta de habilidad es especificar el tono y la audiencia. Diferentes tareas de RRHH requieren diferentes tonos, gerenciales, empáticos, neutros o correctivos Entonces el ejemplo aquí podría ser reescribir esta actualización de política en un tono claro y sencillo para los empleados Evite las jergas técnicas de recursos humanos. Usa frases cortas y da un mensaje de apoyo. La dirección del tono evita la falta de comunicación. La habilidad tres que quiero construir se trata de incitación rica en contexto La IA se vuelve mucho más precisa cuando se proporciona un contexto específico de recursos humanos. Resumir esta queja del empleado en la investigación de recursos humanos, incluya solo eventos fácticos, fechas y No asignes culpa, interpretes emociones ni ofrezcas soluciones. Agregar contexto evita que la IA haga suposiciones inseguras. La habilidad cuatro consiste en dar ejemplos y restricciones. Mostrar a la IA cómo se ve bien ayuda a que se ajuste a tus expectativas. Ejemplo, crear una revisión de desempeño usando la misma estructura que este ejemplo, logros clave, fortalezas, áreas de desarrollo, como la siguiente tarea, y mantener el tono neutral y evitar reclamos no respaldados Este ejemplo y restricción mantienen la salida consistente e imparcial Ahora, detección, ¿verdad? Nuevamente, estoy tomando algunos ejemplos solo de RRHH. Entonces, si la detección es la habilidad que quieres construir, detección en recursos humanos significa evaluar salida de IA de manera cuidadosa, crítica y segura. Por lo que nunca se confía en suposiciones, sesgos o declaraciones no respaldadas La escala uno sería sobre pedir razonamiento y verificar pasos. La IA a veces llega a una conclusión que parece lógica pero que no se fundamenta en el material fuente. Entonces, cuando estés proyectando un currículum, en lugar de aceptar ciegamente la salida, solicita transparencia Debe indicarse que muestre exactamente qué líneas de currículum, apoye cada fortaleza que haya identificado. Si algo no es apoyado directamente por el currículum, por favor resáltelo. ¿Por qué importa esto? Porque evita que la IA invente habilidades o infiere rasgos de personalidad La habilidad también podría consistir en identificar sesgos y suposiciones dañinas. sesgo solo puede aparecer fácilmente en las salidas de recursos humanos si no se monitorea. Pensemos en una escritura de revisión de desempeño. Si AI escribe, John parece desmotivado. Pregunte a la IA, ¿qué evidencia del comportamiento del documento respalda esto? Ninguno existe, instruye, reescribe solo la observación fáctica basada en el comportamiento Eliminar toda interpretación de la personalidad. Garantiza que los comentarios sigan siendo justos, defendibles y conformes. Comprobación de la precisión del dominio. La IA puede malinterpretar las políticas, los marcos y los límites legales de recursos humanos los marcos y los límites legales Si pienso en una interpretación de políticas, pida que califique su confianza en cada término de recursos humanos que necesite, ejemplo, retroalimentación constructiva, mala conducta o PIP Destaca cualquier cosa por debajo del 80% de confianza. Entonces verifica manualmente todo o cualquier cosa que sientas que sea incierta. Las terminologías de recursos humanos incorrectas pueden crear riesgos legales y éticos Salidas contrastantes para tono, claridad e idoneidad En ocasiones es necesario identificar diferentes estilos para elegir. Ejemplo, a partir de la comunicación de los empleados sería pedir a EI que genere tres versiones. Una conservadora, que está utilizando unas emociones mínimas formales. Segundo, un término versión solidaria, empático y tono bomba, y el tercero podría ser neutral, es decir, una versión concisa, hechos directos Después evaluar cuál se ajusta a la situación. Por ejemplo, anunciar una nueva política versus atender un agravio Diferentes escenarios HR requieren diferentes tonos, y la versión contrastante te ayuda a elegir el tono más seguro y efectivo. Qué modo de interacción de IA voy a priorizar. El modo principal a mejorar es el aumento. 15. Gracias por elegir la clase Elegir a los agentes de IA: Al llegar al final de esta clase, quiero hacer una pausa por un momento y decir algo sencillo y sincero. Gracias. Gracias por ser mis alumnos. Y muchas gracias por tomarse tiempo y completar este curso conmigo. No solo viste la lección. Usted se involucró con ideas complejas, desde lenguaje y los modelos fundacionales hasta el sistema de agentes completamente autónomo Exploras lo que hace que un agente sea diferente del flujo de trabajo. Aprendió cómo las LLM aumentadas combinan recuperación, herramientas, memoria y razonamiento Examina patrones de arquitectura reales como encadenamiento rápido, enrutamiento, optimizador, paralelización Lo más importante es que ahora entiendes algo poderoso. La IA agéntica no se trata de agregar complejidad. Se trata de agregar el nivel adecuado de autonomía en el momento adecuado para el problema correcto. Al completar esta lección, ahora tiene un marco práctico para diseñar sistemas de IA confiables, transparentes y mantenibles Ya sea que vaya a crear flujos de trabajo de agentes autónomos, planificadores de tareas o facilitadores de herramientas, ya no solo usa IA, está diseñando Y eso importa. La mejora continua, ya sea en operaciones de IA o liderazgo, siempre comienza con personas que eligen aprender. A la gente le gustas. Déjame compartir un poco sobre mí. Quién soy yo más allá de esta clase. Soy Dimple Sangui, diseñador instruccional, creador de capacidades de IA, capacitador corporativo y fundador de Avisa A lo largo de los años, he trabajado con profesionales y organizaciones en todas las industrias, ayudándoles a construir sistemas eficientes, inteligentes y listos para el futuro. Mi objetivo siempre ha sido claro para hacer que el concepto complejo sea práctico, hacer que las herramientas poderosas sean accesibles y ayudar a las personas a construir capacidades que realmente creen impacto. Esta clase es sólo una parte de esa misión. Pero tu viaje no termina aquí, y me encantaría que nos mantengamos conectados. Puedes conectarte conmigo en Linden, donde regularmente comparto ideas sobre sistemas de IA, mejora continua, productividad y liderazgo También puedes unirte a mi comunidad de WhatsApp para obtener micro lecciones rápidas y algunas herramientas prácticas y ejemplos del mundo real y programas dirigidos por instructores, que la mayor parte del tiempo están disponibles de forma gratuita. Si quieres un aprendizaje más profundo estructurado, explora la aplicación Aviza Learning donde encontrarás cursos adicionales, plantillas, programa de certificación y desafíos de aprendizaje guiado Sigue construyendo, sigue aprendiendo, sigue experimentando, sigue diseñando sistemas que piensen mejor y funcionen de manera más inteligente Lo más importante, sigue invirtiendo en ti mismo. Gracias una vez más por ser mis alumnos y ser parte de este viaje de aprendizaje. Te veo en la siguiente clase. Gracias.