Qué es KRYTERION

Facilitado por: Israel López

Introducción

• ¿Qué es IA? ¿Qué no es IA?
• ¿Qué tipos de IA existen? Evolución histórica
• ¿Es la IA buena? ¿Es la IA mala?

Implicaciones laborales de la IA:

• ¿Nos va a quitar el trabajo?
• Preguntas de calidad y pensamiento crítico: capacidades esenciales para un mercado laboral basado en IA

Implicaciones sociales de la IA:

• Nuevos conceptos de "confianza" e "identidad"
• IA para el bien social

Implicaciones económicas de la IA:

• Aumento de la productividad en las empresas.
• IA como nueva riqueza de las naciones.

Implicaciones geopolíticas de la IA:

• Alineamiento internacional - Regulación y normativa vs I+D (USA vs China vs la irrelevancia europea)
• Tecnopoder y el futuro de la democracia - Estado Global vs Empresas Estado
• Asimetría de información y guerra no convencional - Los datos como nuevo colonialismo

Implicaciones legales de la IA:

• Nuevos conceptos de delito, persona jurídica y bien protegido.
• Nuevo concepto de propiedad intelectual.

IA en la práctica: prompts, chats, GPTs y AGIs

Facilitado por: Francisco J. Jariego

Los estudios de futuros se interesan por los futuros posibles, probables, plausibles y los futuros preferidos. Como el futuro aún no existe, el objetivo es el estudio de las proyecciones futuras, las discontinuidades en las tendencias históricas y presentes, las visiones (imágenes y narrativas) actuales del futuro a largo plazo, la estrategia y la transformación de la sociedad y la cultura hacia futuros alternativos.

El pensamiento (de, sobre el) futuro (Futures thinking) es un proceso creativo que ayuda a personas y organizaciones a determinar el futuro que desean y cómo podrían lograrlo.

La prospectiva estratégica (strategic foresight) es una forma estructurada y sistemática de recopilar evidencia sobre el futuro para anticipar y prepararse mejor para, o propiciar, el cambio. El objetivo no es “acertar el futuro”, sino explorar la variedad de acontecimientos posibles y plausibles que deben tenerse en cuenta, y ayudar a encontrar la mejor apuesta de futuro para la persona u organización.

Introducción y fundamentos de los estudios de futuro

• El tiempo. Física y filosofía.
• Sistemas y dinámica de sistemas.
• Predicción.
• Complejidad, Emergencia.
• Enumeración de ámbitos y principales referencias.

Historia de los estudios de futuros

• Cronología.
• Hitos destacados / destacables.
• Lecturas para ganar perspectiva.

Alfabetización en estudios de futuro

• Una "teoría del todo" sobre los estudios de futuro.

Métodos y paradigmas

• Scouting, Environmental Scanning. Fuentes de datos.
• Tendencias.
• Brainstorming.
• Wild Cards / cisnes negros.
• Triángulos, ruedas, conos, etc.
• Análisis causal estructurado (Causal Layered Analysis).
• Imágenes de futuro.
• Narrativa.
• Ficción especulativa y Ciencia Ficción.
• Pensamiento de diseño (Design Thinking).
• Escenarios, planificación de escenarios, historias del futuro.
• El método Delphi.
• Agregación de encuestas.
• Agregación de probabilidades.
• Mercados de predicción (Prediction markets, information markets).
• Modelado estadístico y previsión (forecasting).
• Simulación y juegos.
• Modelos basados en agentes.

Estrategia y estudios de futuro

• Por qué miramos al futuro.
• Jugar con el futuro: De la teoría de juegos al diseño de mecanismos.
• Crear el futuro. Innovación, emprendimiento. Cambio tecnológico y social.

Facilitado por: María Blanco y Javier G. Recuenco

Dinámicas de Incertidumbre en la empresa

• Concepto de incertidumbre.
• Factores que mitigan o activan la incertidumbre.
• Mecanismos humanos para procesar la incertidumbre.
• Efectos en la gestión empresarial de la incertidumbre.
• Detonantes que están acelerando la incertidumbre en nuestros días.
• Consecuencias en el universo empresarial de este fenómeno.
• Cómo se puede afrontar una incertidumbre acelerada en la empresa

Facilitado por: Arthur Cahuantzi

Análisis de la industria y su impacto en el desempeño financiero de las empresas

• Análisis de las cinco fuerzas de Porter.
• Impacto de las 5 fuerzas de Porter en el Estado o Cuenta de Resultados.
• Cadena de Valor.
• Actividades estratégicas vs actividades clave.
• Cadena de valor integral vs modular.

Evaluación financiera de las estrategias genéricas de diferenciación y líder en costos

• Indicadores básicos de rentabilidad.
• ROIC, el ADN de la empresa, financieramente hablando.
• Las empresas tienen dos rutas para llegar al mismo ROIC.
• Margen de utilidad (Pricing Power) X rotación de capital (Capital Velocity), la simbiosis perfecta de la estrategia empresarial.

¿Cómo evaluar, financieramente, una estrategia empresarial?

• Rentabilidad y costos del capital de la hoja de balance.
• ROIC vs WACC.
• Estrategias que destruyen valor (crecimiento toxico).
• Estrategias que no crean ni destruyen valor.
• Estrategias que crean valor.

Facilitado por: Israel López

Introducción 

• ¿Qué es Data Science?
• ¿Qué no es Data Science?
• Flujo D-I-K-S

Fases de un proyecto de Data Science para apoyar la toma de decisiones

La importancia de la selección de las fuentes y conjuntos de datos.

Extracción de información: bases de datos y web scrapping

Estadística básica para Data Science

• Descriptivos
• Correlación y regresión
• Probabilidad
• Muestreo, Inferencia y Contraste de Hipótesis
• Análisis de Varianza

Modelos para Data Science

• Bootstrap (muestreo sintético)
• Reducción dimensional
• Clustering
• Análisis de series temporales y modelos autorregresivos
• Breve introducción a las redes neuronales

Visualización de la información: storytelling poderoso basado en datos

• Análisis exploratorio de datos y data wrangling
• Programación en R de los ítems descritos.

Facilitado por: Sylvia Díaz-Montenegro

El pensamiento sistémico propone ver los sistemas como entidades no divisibles en sus componentes, para poder estudiar -y gestionar- el comportamiento del sistema agregado: el comportamiento emergente del sistema complejo.

Introducción – conceptos y vocabulario

• Sistemas complejos.
• Niveles de integración.
• Comportamiento sistémico.
• Los silos.
• Ley de Metcalf.

Sistemas complejos

• Las industrias de servicios – industrias de relaciones.
• La marca humana: el sistema demenciado (#Golem).
• De quién es el comportamiento? Quién tiene la culpa? Por qué no lo corrige?
• El síndrome del proceso único.
• Las jerarquías y los silos.

Diseño de procesos: silos y jerarquías

• Workflows y BPMN: La técnica y las hipótesis de partida (i.e. no se mueven los datos, el actor único).
• El gap entre la idea y la ejecución: la paradoja de la simplificación y el coste de la fricción.
• Procesos interactivos.

Diseño de comportamientos

• Procesos de alta variabilidad (orientado a objeto).
• Modelo BALSA – Artifact Centric.
• Modelo BALSA jerárquico (SoSE) – Arquitecturas compuestas.
• Model driven – sistemas en caja blanca.
• Low Code – sistemas que aprenden rápido.

Facilitado por: Pedro Pajares

Facilitado por: José Manuel de la Chica 

Ecosistema Tecnológico

• Metaverso
• AI Generativa vs. AI Predictiva
• Blockchain
• Quantum Computing
• Singularidad Tecnológica
• Biología Sintética
• Robots next-gen