Unidad 1. Fundamentos y técnicas clásicas de la IA.
Para comenzar.
- 1.1 Bienvenida y resumen general de los fundamentos y técnicas clásicas de la inteligencia artificial (IA), contextualizadas en el sector financiero. Descubre las bases históricas, los conceptos clave y las razones por las que estas técnicas siguen siendo esenciales en banca y finanzas modernas. Esta lección te preparará para identificar los principales enfoques clásicos de la IA, sus aplicaciones y ventajas, y el camino que vas a recorrer en la unidad.
2. Historia y conceptos fundamentales de la IA.
- 2.1 En esta lección exploraremos la evolución histórica de la inteligencia artificial, desde los primeros autómatas y teorías lógicas hasta la actual era de la IA generativa. Analizaremos los hitos más relevantes, los principales paradigmas, así como conceptos clave que siguen guiando el desarrollo y la aplicación de la IA en el sector financiero. Se pondrá especial énfasis en la adaptación y relevancia de estas técnicas en contextos altamente regulados.
3. Técnicas clásicas: sistemas expertos.
- 3.1 En esta lección te sumergirás en el mundo de los sistemas expertos: la piedra angular de la inteligencia artificial clásica y su aplicación en finanzas. Aprenderás su historia, arquitectura, componentes, técnicas de inferencia y gestión de la incertidumbre, junto con casos reales, herramientas modernas, ciclo de vida y perspectivas regulatorias. También compararás variantes, analizarás buenas prácticas y consolidarás tu aprendizaje con actividades interactivas. Al finalizar, dominarás tanto la teoría como las claves prácticas para seleccionar, diseñar e implementar sistemas expertos en entornos financieros regulados y orientados a la trazabilidad.
4. Técnicas clásicas: lógica difusa y redes bayesianas.
- 4.1 En esta lección analizaremos dos técnicas fundamentales de la inteligencia artificial clásica que han revolucionado la gestión de la incertidumbre y la toma de decisiones en el sector financiero: la lógica difusa y las redes bayesianas. Nos adentraremos en sus conceptos, historia, ventajas competitivas y limitaciones, aterrizando su aplicación a escenarios reales de riesgos, fraudes y compliance. También conocerás herramientas actuales, estándares y consejos de implementación práctica para expertos del área financiera.
- 4.2 Al finalizar, dominarás cómo y cuándo aplicar lógica difusa y redes bayesianas, cómo se integran con otras técnicas y qué retos regulatorios y operativos presentan para bancos y fintechs en la actualidad y de cara al futuro.
5. Herramientas y lenguajes para IA tradicional.
- 5.1 En esta lección descubrirás cómo las ideas de la inteligencia artificial clásica toman vida en el mundo real de las finanzas mediante herramientas, lenguajes y sistemas desplegados en bancos y fintechs. Aprenderás el papel histórico y actual de lenguajes como LISP y Prolog, motores de reglas como Drools y Blaze Advisor, e incluso bibliotecas de lógica difusa y redes bayesianas. Verás ejemplos reales, buenas prácticas de integración, y
Inteligencia artificial y sector financiero 1/8
obtendrás una visión clara para seleccionar la mejor opción tecnológica según cada reto financiero, priorizando la explicabilidad y el cumplimiento normativo.
6. Ejercicio práctico de libre expresión escrita.
- 6.1 En esta lección pondrás en práctica los conocimientos adquiridos sobre los fundamentos y las técnicas clásicas de la inteligencia artificial aplicadas al sector financiero. Mediante ejercicios de expresión escrita, te invitamos a analizar, proponer y reflexionar sobre casos y situaciones reales donde la creatividad, el razonamiento crítico y la originalidad tendrán un papel fundamental. Aprovecha esta oportunidad para vincular teoría y práctica con argumentos propios que demuestren dominio conceptual y entendimiento del contexto regulatorio financiero.
Recuerda que estas actividades, además de consolidar tus conocimientos, te permitirán ejercitar habilidades de comunicación profesional, análisis de casos y justificación de decisiones tecnológicas.
7. Role playing y estado de avance.
- 7.1 En esta lección de repaso integrarás y reforzarás los conceptos clave sobre inteligencia artificial clásica en el sector financiero. Comenzarás por una revisión intensiva con tarjetas didácticas, que te ayudarán a consolidar terminología, hitos históricos, técnicas y herramientas. Luego, participarás de un ejercicio de role playing donde simularás la colaboración entre un analista de riesgos y un asistente de IA explicable, poniendo en práctica la toma de decisiones y la argumentación ante entornos regulatorios reales. Esta lección te preparará para comunicar tus conocimientos en contextos profesionales.
8. Evaluación de la unidad.
- 8.1 Pon a prueba tus conocimientos sobre la inteligencia artificial clásica y sus aplicaciones en el sector financiero. Este test abarca los conceptos fundamentales, técnicas clave como sistemas expertos, lógica difusa y redes bayesianas, así como los estándares y mejores prácticas del área. Responde cuidadosamente a cada pregunta para consolidar lo aprendido y detectar posibles áreas de mejora.
Unidad 2. Machine learning y análisis de datos masivos.
1. Para comenzar.
- 1.1 ¡Bienvenido a la unidad sobre Machine learning y análisis de datos masivos en el sector financiero! En esta introducción descubrirás cómo la inteligencia artificial está transformando el mundo bancario, permitiendo detectar fraudes, gestionar riesgos y personalizar servicios a gran escala. Exploraremos los conceptos básicos, los desafíos y el enorme potencial de estas tecnologías para las finanzas modernas.
Prepárate para adentrarte en casos reales, aprender sobre algoritmos, grandes volúmenes de datos y conocer las claves para aplicar el aprendizaje automático de forma ética y segura.
2. Algoritmos supervisados en ML financiero.
- 2.1 En esta lección descubrirás los principales algoritmos supervisados utilizados en el sector financiero para el machine learning. Avanzarás desde los modelos lineales clásicos y árboles de decisión, hasta técnicas avanzadas como redes neuronales y ensambles, incluyendo aspectos regulatorios, métricas, interpretabilidad y casos de uso reales en banca y fintech. Aprenderás a seleccionar algoritmos según el problema, entenderás su ciclo de vida, buenas prácticas y riesgos, y sabrás cómo comunicar y validar tus resultados ante auditores y supervisores. ¡Prepárate para dominar las herramientas clave que transforman datos en decisiones financieras seguras y auditables
3. Aprendizaje no supervisado y detección de patrones.
- 3.1 En esta lección profundizarás en los fundamentos, algoritmos y aplicaciones prácticas del aprendizaje no supervisado, una rama esencial del machine learning orientada a descubrir patrones, estructuras y anomalías en grandes volúmenes de datos sin etiquetas previas. Analizaremos desde técnicas clásicas como clustering y reducción de dimensionalidad, hasta métodos avanzados y casos reales aplicados al sector financiero, abordando sus retos, buenas prácticas regulatorias y las herramientas tecnológicas más relevantes. Además, aprenderás cómo estos métodos ayudan a segmentar clientes, detectar fraudes emergentes y mejorar la gobernanza de datos en banca y finanzas.
4. Proceso de datos masivos: limpieza y preparación.
- 4.1 En esta lección descubrirás cómo las entidades financieras convierten océanos de datos en información fiable para modelos de inteligencia artificial. Aprenderás los fundamentos del procesamiento, limpieza y preparación de datos masivos en arquitectura moderna de datos bancarios. Cubriremos desde los retos de ingestión y gobierno hasta la depuración, escalado, codificación, anonimización y aseguramiento de la calidad para usos regulados como el scoring crediticio y la detección de fraude. Además, explorarás ejemplos reales, riesgos habituales y las mejores prácticas certificadas por normativas internacionales, asegurando así que las bases de tus análisis sean sólidas y auditables.
5. Validación y métricas de modelos predictivos.
- 5.1 En esta lección conocerás en profundidad el proceso de validación de modelos de machine learning en finanzas: de la teoría a la práctica profesional. Aprenderás las estrategias de partición y muestreo, métricas de discriminación y calibración (AUC, KS, Brier, PSI, etc.), evaluación de robustez y equidad y técnicas de monitoreo para mantener un desempeño sólido a lo largo del tiempo. Se ahonda en casos reales, ejemplos de código y referencias regulatorias clave, como la EBA y la AIAct. Es la base para que el modelo no sólo prediga bien, sino que sea defendible ante auditores y reguladores en banca.
6. Ejercicio práctico de libre expresión escrita.
- 6.1 Pon en práctica tus conocimientos sobre machine learning y análisis de datos masivos en el ámbito financiero mediante casos reales y la redacción de respuestas argumentadas. Esta lección te permitirá integrar conceptos técnicos y regulatorios, demostrar creatividad y justificar decisiones clave con rigor profesional.
7. Role playing y estado de avance.
- 7.1 En esta lección consolidarás los conceptos y habilidades adquiridos sobre machine learning y análisis de datos masivos en el sector financiero. Comenzarás con una revisión en formato flashcard de los principales algoritmos, métricas, procesos y buenas prácticas vistas en la unidad. A continuación, podrás practicar situaciones reales a través de un role-play interactivo de analista y mentor IA, enfrentándote a retos que viven los equipos de riesgo y datos en la banca moderna.
8. Evaluación de la unidad.
- 8.1 Pon a prueba tu conocimiento sobre machine learning y análisis de datos masivos en el sector financiero. Este test incluye preguntas sobre algoritmos supervisados y no supervisados, limpieza y preparación de datos, validación de modelos, métricas clave, equidad, monitorización y normativas aplicables. Responde cada pregunta con atención, demostrando tu comprensión de conceptos y buenas prácticas vistas en la unidad.
Unidad 3. Aplicaciones de la IA en el sector financiero.
1. Para comenzar.
- 1.1 Explora cómo la inteligencia artificial está transformando el sector financiero: desde la prevención de fraudes hasta la atención personalizada al cliente. En esta introducción descubrirás de manera sencilla los conceptos clave y las principales oportunidades y retos de la IA en la banca, los mercados y los seguros.
Prepárate para comprender el papel de la IA en el mundo financiero actual y los elementos fundamentales que guiarán tu aprendizaje en esta unidad.
2. Panorama de aplicaciones de IA en banca y seguros.
- 2.1 En esta lección exploraremos el papel de la inteligencia artificial (IA) como motor de transformación en la banca y los seguros. Analizaremos los principales impulsores del auge, un mapa detallado de casos de uso actuales en banca y seguros, las tecnologías clave que están generando valor real, así como los beneficios cuantificados, principales riesgos, tendencias emergentes, buenas prácticas y los conceptos más relevantes para dominar este nuevo panorama. Así, comprenderás la amplitud de impacto de la IA y sus retos en la industria financiera.
3. IA para trading algorítmico y gestión de carteras.
- 3.1 Descubre cómo la inteligencia artificial (IA) está revolucionando el trading algorítmico y la gestión de carteras en el sector financiero. Esta lección te llevará desde las bases microestructurales y los datos que alimentan estos sistemas, hasta los modelos predictivos y de optimización avanzada que actualmente superan a los enfoques clásicos. Analizaremos arquitecturas como Transformers, aprendizaje por refuerzo y redes neuronales de grafos, y cómo se integran en plataformas físicas y nativas en la nube en los principales bancos y fondos de inversión del mundo.
Aprenderás también sobre métricas clave, riesgos regulatorios, seguridad, buenas prácticas y tendencias de la industria, incluyendo la gestión de la latencia, controles pre-trade y la llegada del seguro de desempeño algorítmico.
Con casos prácticos y ejemplos realistas, adquieres competencias centrales para aplicar IA en el análisis de mercados y la toma de decisiones financieras a nivel profesional.
4. Detección de fraude y prevención de blanqueo.
- 4.1 En esta lección profundizaremos en el papel de la inteligencia artificial y las técnicas analíticas modernas en la detección de fraude financiero y la prevención del blanqueo de capitales (AML). Revisarás el panorama global de amenazas, los marcos normativos que rigen estas actividades en Europa y Estados Unidos, los sistemas y algoritmos predominantes en la industria, así como los retos técnicos, éticos y operativos que supone la implementación de soluciones avanzadas. Estudiarás casos reales, aprenderás sobre los indicadores clave de desempeño y descubrirás las tendencias que definirán la evolución de la IA antifraude de aquí a 2027.
5. Mejora de la experiencia de cliente con IA.
- 5.1 Descubre cómo la inteligencia artificial (IA) está revolucionando la experiencia de cliente en el sector financiero. En esta lección conocerás los componentes clave de una experiencia financiera digital impulsada por IA, desde asistentes virtuales conversacionales con modelos LLM y RAG hasta la hiperpersonalización, análisis de sentimiento, automatización omnicanal y las métricas esenciales para medir la satisfacción, la eficiencia y la calidad. Profundizaremos en aplicaciones reales, riesgos éticos y regulatorios, arquitectura tecnológica y tendencias como IA emocional, agentes digitales y entrenamiento federado. Incluye casos reales del sector bancario mundial y ejercicios interactivos para consolidar tu aprendizaje.
6. Ejercicio práctico de libre expresión escrita.
- 6.1 En esta lección tendrás la oportunidad de consolidar y demostrar tu comprensión de los conceptos clave sobre aplicaciones de la inteligencia artificial en el sector financiero desarrollados en la unidad. A través de ejercicios de redacción creativa y reflexión crítica, pondrás en práctica tu capacidad para analizar, argumentar y proponer soluciones en contextos reales, con especial énfasis en el uso responsable y ético de la IA en banca y finanzas.
La estructura de la lección te permitirá explorar distintas áreas de la IA financiera, analizando beneficios, riesgos y tendencias en profundidad. Estos ejercicios te ayudarán a fortalecer tu pensamiento analítico y a expresarte con claridad y originalidad frente a los retos actuales del sector.
7. Role playing y estado de avance.
- 7.1 En esta lección vas a repasar los conceptos clave sobre aplicaciones de la inteligencia artificial en el sector financiero, consolidando lo aprendido a través de tarjetas de memoria (flashcards) y una simulación interactiva con IA.
Refuerza tus conocimientos y entrénate para resolver escenarios del mundo real.
8. Evaluación de la unidad.
- 8.1 Pon a prueba tus conocimientos sobre las aplicaciones de la inteligencia artificial en el sector financiero. Responde a preguntas que comprueban tu comprensión de los conceptos clave, casos de uso reales, métricas, riesgos, buenas prácticas y marcos regulatorios estudiados en la unidad.
Este examen es una oportunidad para consolidar lo aprendido y detectar cualquier área que necesite refuerzo antes de avanzar en el curso.
Unidad 4. IA en la calificación crediticia.
1. Para comenzar.
1.1 Bienvenido a la unidad sobre inteligencia artificial en la calificación crediticia. Aquí descubrirás cómo la IA revoluciona los motores de scoring, cuáles son sus ventajas para la inclusión financiera, los retos regulatorios, los conceptos clave y el impacto de la explicabilidad y la equidad. Esta introducción te ayudará a comprender el contexto general antes de sumergirte en cada tema en profundidad.
2. Modelos de scoring: de lo tradicional a la IA.
- 2.1 En esta lección explorarás la evolución de los modelos de calificación crediticia, desde los enfoques estadísticos tradicionales hasta los más avanzados basados en inteligencia artificial. Descubrirás los fundamentos del credit scoring, el salto de las técnicas clásicas a algoritmos modernos, el impacto de nuevas fuentes de datos, los retos de transparencia, equidad y regulaciones, y las mejores prácticas internacionales. Al finalizar, serás capaz de analizar críticamente los modelos actuales, entender sus componentes clave y anticipar tendencias emergentes en la industria financiera, situándote a la vanguardia del desarrollo ético y eficiente de motores de scoring con IA.
3. Construcción de un modelo de scoring con ML.
- 3.1 En esta lección aprenderás a diseñar, construir y desplegar un modelo de scoring crediticio basado en machine learning, siguiendo todos los pasos del ciclo de vida: desde la ingesta de datos y la ingeniería de variables hasta la selección algorítmica, el entrenamiento, la validación y el monitoreo. Analizaremos cómo asegurar la calidad de los datos, cumplir con los requisitos regulatorios, validar y calibrar las predicciones, implementar explicabilidad con técnicas avanzadas, y desplegar la solución a producción bajo estrictos controles de latencia y seguridad. También exploraremos casos prácticos, ejemplos de código y mejores prácticas de gobernanza y MLOps aplicados al sector financiero.
4.Interpretabilidad y explicabilidad en scoring.
- 4.1 En esta lección estudiarás a fondo la interpretabilidad y la explicabilidad en los modelos de credit scoring basados en inteligencia artificial (IA). Aprenderás por qué es fundamental comprender y comunicar las decisiones algorítmicas en el sector financiero: desde la diferencia entre interpretabilidad global y explicabilidad local, hasta las herramientas y métodos más avanzados (SHAP, LIME, contrafácticos, attention, dashboards de equidad) para auditar, explicar y justificar decisiones ante reguladores, auditores y clientes.
5. Integración del modelo en el flujo de concesión de crédito.
- 5.1 En esta lección explorarás cómo se inserta un modelo de inteligencia artificial, capaz de calcular el credit scoring, en el proceso completo de concesión de crédito de una entidad financiera moderna. Aprenderás las etapas, arquitecturas y buenas prácticas para lograr una integración eficiente, cumpliendo exigencias de latencia, calidad, gobernanza y regulatorias (AIAct, ECOA, SR 11-7).
6. Ejercicio práctico de libre expresión escrita.
6.1 En esta lección tendrás la oportunidad de aplicar tu creatividad, pensamiento crítico y conocimientos técnicos para abordar cuestiones clave sobre la inteligencia artificial en la calificación crediticia.
7. Role playing y estado de avance.
7.1 En esta lección podrás repasar y consolidar los conocimientos clave mediante flashcards y simulaciones de comité de crédito, poniendo a prueba tu capacidad de argumentación técnica y regulatoria.
8. Evaluación de la unidad.
8.1 En esta evaluación medirás tu comprensión sobre modelos de scoring, validación, explicabilidad, integración y aspectos regulatorios del credit scoring con IA.
Unidad 5. Chatbots y asistentes virtuales en la relación con el cliente.
1 Para comenzar.
- 1.1 En esta lección introductoria exploraremos por qué los chatbots y asistentes virtuales se han vuelto esenciales en el sector financiero, cuáles son sus conceptos y tecnologías clave, y qué oportunidades y desafíos presentan. Descubrirás el impacto de la inteligencia artificial en la relación con la clientela bancaria.
2. Procesamiento del lenguaje natural para chatbots.
- 2.1 En esta lección exploraremos cómo los chatbots y asistentes virtuales bancarios comprenden, procesan y generan lenguaje humano, desde sistemas basados en reglas hasta modelos LLM.
3. Diseño de conversaciones en entornos financieros.
- 3.1 En esta lección aprenderás a diseñar conversaciones fluidas, seguras e inclusivas para asistentes virtuales bancarios, abordando intención, contexto y experiencia de usuario.
4. Integración de chatbots en canales omni-canal.
- 4.1 En esta lección exploraremos cómo los chatbots avanzados se integran en web, app, WhatsApp, IVR y otros canales financieros, garantizando continuidad de contexto.
5. Medición de rendimiento y optimización.
- 5.1 En esta lección aprenderás a medir y optimizar el rendimiento de chatbots mediante métricas como FCR, CSAT, latencia y técnicas de monitorización.
6. Ejercicio práctico de libre expresión escrita.
- 6.1 En esta lección pondrás en práctica diseño conversacional, análisis crítico y aplicación de chatbots en entornos financieros reales.
7.Role playing y estado de avance.
- 7.1 En esta lección consolidarás conocimientos mediante simulaciones de atención al cliente y revisión de conceptos clave.
8.Evaluación de la unidad.
- 8.1 En esta evaluación se mide tu comprensión sobre chatbots, asistentes virtuales, diseño conversacional e integración.
Unidad 6. Marco normativo y consideraciones éticas de la IA financiera.
1. Para comenzar.
- 1.1 En esta lección descubrirás la importancia del marco normativo y ético de la inteligencia artificial en el sector financiero, incluyendo riesgos y gobernanza.
2. Regulación de IA: propuestas europeas y marco español.
- 2.1 En esta lección estudiarás el AIAct, DORA, RGPD y su impacto en la regulación de la IA financiera en Europa y España.
3. Protección de datos y privacidad en proyectos de IA.
- 3.1 En esta lección analizarás el RGPD, técnicas de anonimización, seudonimización y privacidad en sistemas de IA.
4. Ética, sesgos y transparencia.
- 4.1 En esta lección profundizarás en sesgos algorítmicos, equidad, métricas de fairness y transparencia en modelos de IA.
5. Gobernanza y cumplimiento en proyectos de IA.
- 5.1 En esta lección explorarás modelos de gobernanza, control de riesgos y marcos de cumplimiento en proyectos de IA financiera.
6. Ejercicio práctico de libre expresión escrita.
- 6.1 En esta lección aplicarás análisis ético, normativo y técnico en escenarios reales del sector financiero.
7. Role playing y estado de avance.
- 7.1 En esta lección consolidarás conocimientos mediante simulaciones de cumplimiento normativo y auditoría.
8. Evaluación de la unidad.
- 8.1 En esta evaluación se mide tu comprensión del marco normativo, ético y de gobernanza de la IA.
1. Evaluación final.
- 1.1 En este examen final pondrás a prueba todos los conocimientos adquiridos sobre inteligencia artificial aplicada al sector financiero, abarcando fundamentos, técnicas, aplicaciones, normativa, ética y gobernanza mediante preguntas de opción múltiple y un ejercicio de redacción.