Módulo optativo IA

¿Cuál de las siguientes afirmaciones describe mejor la “Narrow AI” o IA débil, que predomina en la actualidad?. Puede aprender y adaptarse a cualquier situación sin necesidad de datos específicos. Se centra en el análisis histórico de datos sin interactuar con aplicaciones prácticas. Está especializada en tareas específicas y es muy eficiente en su dominio, pero no tiene conciencia ni comprensión general. Es capaz de realizar cualquier tarea humana con conciencia completa del mundo.

Desde el año 2000 hasta la actualidad, la inteligencia artificial ha experimentado grandes avances gracias a la era del Big Data y el aprendizaje profundo. ¿Qué factores han sido clave para estos avances?. La eliminación de los algoritmos tradicionales y la disminución de la potencia de cálculo. La reducción de los datos disponibles y la simplificación de las redes neuronales. La sustitución de la IA por métodos estadísticos clásicos. La disponibilidad de grandes cantidades de datos y el desarrollo de redes neuronales más complejas.

¿Cuál de los siguientes sistemas representa mejor la IA discriminativa?. Un programa que crea música original basada en un estilo específico. Un modelo que clasifica correos electrónicos como spam o no spam. Un generador de historias o imágenes a partir de indicaciones. Un sistema que simula conversaciones humanas creativas.

La detección de fraudes en transacciones bancarias, que busca patrones anómalos en grandes volúmenes de datos, es un ejemplo de: Discriminative AI. Analytical AI. Statistical AI. Generative AI.

Sistemas de recomendación en plataformas de streaming (como Netflix o Spotify) se clasifican como: Sistemas estadísticos sin capacidad de aprendizaje. IA fuerte, capaz de realizar cualquier tarea humana. IA con conciencia y comprensión global del mundo. IA débil o Narrow AI, diseñada para tareas específicas.

¿Cuál de los siguientes no constituye un desafío técnico para la inteligencia artificial?. Altos requerimientos de recursos computacionales. La incapacidad de la IA para aprender de datos nuevos. Ausencia de estándares universales. Elevados costos y consumo energético.

Aunque la inteligencia artificial puede manejar grandes volúmenes de datos y realizar tareas complejas, sigue presentando limitaciones. ¿Cuál de las siguientes afirmaciones refleja mejor estas limitaciones?. La IA siempre produce resultados precisos y fiables. Los modelos de IA, especialmente los generativos, pueden cometer errores, reflejar sesgos de los datos de entrenamiento y generar desinformación. Los asistentes de voz siempre interpretan correctamente instrucciones poco claras como “pon mi música favorita”. La IA nunca se equivoca si los datos de entrada son incompletos o ambiguos.

¿Qué caracteriza principalmente a los datos no estructurados?. Son siempre numéricos y fáciles de analizar con herramientas simples. Siguen un formato fijo de filas y columnas que facilita su almacenamiento en bases de datos tradicionales. Carecen de un formato predefinido y se presentan en formas variadas como textos, imágenes, audio o vídeo. Solo se encuentran en bases de datos empresariales.

¿Cuál de las siguientes es una limitación de los datos estructurados?. Son fáciles de almacenar y consultar en bases de datos o hojas de cálculo. No capturan fenómenos complejos y requieren que la información esté bien definida, lo que limita su flexibilidad. Permiten procesar grandes volúmenes de información de forma rápida y precisa. Su formato homogéneo reduce la probabilidad de errores durante el análisis.

¿Qué ocurre cuando un modelo de IA sufre sobreajuste (overfitting)?. El modelo memoriza demasiado los datos de entrenamiento y falla al enfrentarse a casos nuevos. El modelo genera datos completamente inventados sin relación con la realidad. El modelo clasifica correctamente todos los datos nuevos sin necesidad de ajustes. El modelo no aprende lo suficiente y comete muchos errores incluso con los datos de entrenamiento.

¿Por qué es necesario usar técnicas avanzadas como el procesamiento del lenguaje natural o el reconocimiento de imágenes para trabajar con datos no estructurados?. Porque los datos no estructurados son siempre textos cortos y simples. Porque los datos no estructurados no tienen un formato uniforme y requieren métodos complejos para extraer información útil. Porque los datos no estructurados se almacenan automáticamente en bases de datos tradicionales. Porque los datos no estructurados son fáciles de analizar sin herramientas especiales.

¿Cuál de los siguientes ejemplos representa el uso de una red neuronal convolucional (CNN)?. Un modelo que analiza correos electrónicos para clasificarlos como spam o no spam. Un sistema de reconocimiento facial que desbloquea un móvil utilizando análisis de imágenes. Un sistema que predice el precio de una vivienda según su tamaño y ubicación. Un modelo que aprende a jugar a un videojuego mediante prueba y error.

¿A qué nos referimos cuando hablamos de herramientas de inteligencia artificial?. A aplicaciones o plataformas de software que utilizan IA para realizar tareas específicas en ámbitos como la creación de contenido, el análisis de datos o la productividad. A sistemas que funcionan sin necesidad de datos ni entrenamiento previo. A dispositivos físicos que sustituyen completamente el trabajo humano. A programas que solo sirven para el entretenimiento y no tienen usos profesionales.

¿Cuál es la práctica más recomendable al crear imágenes con IA para un propósito específico?. Evitar mencionar el público objetivo o referencias, ya que no influyen en el resultado. Dejar que la IA genere imágenes sin ninguna indicación o contexto. Indicar el color principal de la imagen y dejar el resto al azar. Proporcionar instrucciones detalladas sobre propósito, estilo, elementos clave, colores, estado de ánimo y público objetivo.

¿Qué caracteriza al few-shot prompting al elaborar prompts para IA y cuál es su principal ventaja?. Dar instrucciones vagas y sin ejemplos; esto garantiza máxima creatividad. No incluir ejemplos; dejar que la IA genere la respuesta de forma totalmente libre. Incluir cientos de ejemplos para que la IA memorice todas las respuestas posibles. Incluir unos pocos ejemplos que muestren el tipo de respuesta esperada; ayuda a reducir la variabilidad y alinear el estilo de la salida.

¿Cuál de las siguientes afirmaciones describe mejor a Perplexity AI?. Es una herramienta exclusiva para crear imágenes y vídeos mediante IA. Solo sirve para juegos y entretenimiento, sin aplicaciones académicas o profesionales. Es un asistente que genera contenido sin mostrar fuentes ni referencias. Combina chat conversacional con búsqueda en internet, mostrando siempre las fuentes de la información.

Al utilizar IA para transformar imágenes existentes, ¿qué se recomienda para obtener resultados de alta calidad y adecuados al propósito?. Ignorar cualquier aspecto legal o de derechos de propiedad intelectual, ya que la IA siempre protege los contenidos originales. Solo indicar el color principal que se desea cambiar y dejar el resto a la IA. Especificar la naturaleza de la transformación, describir la imagen original, detallar el resultado deseado, incluir herramientas o técnicas, y considerar implicaciones legales. No es necesario detallar la imagen original ni el resultado deseado; la IA generará automáticamente la mejor versión.

En una empresa, ¿cómo puede un empleado integrar la IA en sus tareas diarias de forma práctica y efectiva?. Evitando cualquier uso de IA y realizando todas las tareas manualmente para mantener el control total. Confiando en que la IA resuelva problemas estratégicos complejos sin supervisión humana. Solo utilizando IA para generar contenido creativo, sin aplicarla a tareas administrativas o de análisis. Utilizando IA para automatizar tareas repetitivas, como leer y organizar facturas y contratos, filtrar correos prioritarios, analizar datos de ventas simples y programar reuniones según disponibilidad.

¿Cuál de las siguientes competencias es clave para aprovechar la IA considerando su impacto social y sostenibilidad?. Evitar analizar la brecha digital, ya que todas las personas tienen el mismo acceso a la IA. Aprender únicamente a usar la IA sin preocuparse por consecuencias sociales o ambientales. Evaluar sesgos y discriminación, la brecha digital y el coste energético de los modelos de IA, promoviendo un uso ético y sostenible. Centrarse solo en el rendimiento técnico de la IA, ignorando aspectos éticos o sostenibles.

¿Cuál es la clave para aprovechar la IA de manera efectiva?. Aplicar la IA estratégicamente para complementar nuestras habilidades, enfocándonos en creatividad, ética y liderazgo. Entender todos los algoritmos complejos de la IA para poder reemplazar al ser humano. Usar la IA únicamente para tareas repetitivas, sin considerar el valor humano. Ignorar la IA y centrarse solo en habilidades humanas tradicionales.

¿Qué describe mejor la colaboración humano-IA en el ámbito laboral y creativo?. La IA solo sirve para trabajo individual y no mejora la cooperación en equipos internacionales. La IA evita la necesidad de sensibilidad o criterio humano en cualquier proyecto. La IA facilita tareas como traducciones, coordinación global y análisis rápido, mientras la persona aporta criterio, ética y empatía. La IA reemplaza completamente al ser humano, tomando todas las decisiones sin intervención.

¿Cuáles de las siguientes competencias son clave para aprovechar la inteligencia artificial de manera eficaz, ética y creativa?. Evitar la interacción con IA y centrarse únicamente en métodos tradicionales de trabajo. Pensamiento crítico, diseño de prompts, creatividad, colaboración humano-IA, aprendizaje continuo, ética digital y alfabetización crítica. Solo aprender a programar sin preocuparse por ética ni impacto social. Memorizar todas las funcionalidades de un software de IA sin cuestionar su uso.

¿Cuál es la función principal de un Supervisor de IA?. Garantizar que los sistemas de IA funcionen correctamente, de manera ética y alineada con los objetivos de la organización. Crear modelos de IA desde cero sin considerar su ética o resultados. Solo gestionar la infraestructura de servidores de IA. Diseñar prompts para generar contenido creativo sin supervisión.

¿Cuáles son algunas de las tareas clave de un Analista de Datos Junior con Enfoque en IA?. Crear imágenes y vídeos con IA sin analizar datos numéricos. Preparar y limpiar conjuntos de datos, identificar patrones con IA, generar visualizaciones y comunicar resultados a equipos no técnicos. Programar redes neuronales profundas sin interpretar resultados. Supervisar el consumo energético de modelos de IA sin procesar datos.

¿Cuál de los siguientes conocimientos es específicamente relevante para un prompt designer?. Diseño de hardware para GPUs de alto rendimiento. Técnicas avanzadas como few-shot prompting y cadena de pensamiento para guiar las respuestas de la IA. Gestión de inventarios y logística de la empresa. Creación de campañas publicitarias sin interacción con la IA.

¿Cuál de las siguientes actividades forma parte de las tareas de un Analista de Datos Junior con Enfoque en IA?. Programar redes neuronales profundas sin interpretar los datos. Preparar y limpiar datos, identificar patrones con IA, crear visualizaciones y comunicar resultados a equipos no técnicos. Supervisar únicamente la seguridad de los servidores de IA. Generar contenido gráfico o audiovisual sin análisis de información.

¿Cuál es la función principal de un Analista de Datos Junior con Enfoque en IA?. Diseñar prompts para chatbots y asistentes virtuales. Desarrollar modelos de IA avanzados desde cero sin analizar datos. Combinar análisis de datos básico con herramientas de IA para optimizar procesos. Gestionar únicamente la infraestructura de servidores de IA.

¿Cuál de estas es una medida para mitigar los sesgos algorítmicos?. Reducir el tamaño de los datos. Supervisión humana sobre los resultados de la IA. Uniformidad de los datos. Usar solo datos históricos.

¿Qué es el sesgo de selección?. Los datos o las preguntas que se introducen en el sistema se diseñan de manera que refuerzan creencias o hipótesis previas. La magnificación de los sesgos ya existentes en los datos de entrenamiento, haciendo que aparezcan con más fuerza de lo que ocurre en la realidad. Los datos de entrenamiento no representan a toda la población. Los métodos de recogida de datos contienen errores o distorsiones.

¿En qué consiste el principio ético de transparencia aplicado a la IA?. Obligación de explicar, justificar y responsabilizarse de los propios actos al usar IA. Divulgar la información relevante sobre cómo funciona y se utiliza la IA. Trato imparcial y justo, sin favoritismos ni discriminación. Proteger la información personal contra la exposición pública o el uso indebido.

¿Qué concepto describe el uso de contenidos generados por usuarios (textos, imágenes, audios) para entrenar modelos de IA sin permiso explícito?. Entrenamiento sin consentimiento. Fugas de datos. Uso no autorizado. Explotación comercial de datos personales.

¿Cuál es una consecuencia de la brecha socioeconómica generada por la IA?. Reducción de desigualdades. Acceso desigual a beneficios de la IA. Mayor eficiencia global. Mejor acceso a internet.

¿Cuál de los siguientes es un ejemplo de datos estructurados?. Grabaciones de voz de conversaciones de clientes sin transcripción. Una hoja de cálculo con el listado de estudiantes: nombre, edad y calificación final. Una colección de correos electrónicos con texto libre y archivos adjuntos. Fotografías y vídeos de un evento sin etiquetas ni categorías.

Si un algoritmo de IA agrupa clientes o imágenes en categorías según similitudes sin usar etiquetas previas, ¿qué técnica está utilizando?. Redes neuronales. Clustering. Regresión. Clasificación.

¿Qué se logra mediante el fine-tuning (ajuste fino) de un modelo de IA?. Evitar que el modelo cometa errores en todos los posibles escenarios sin necesidad de datos adicionales. Optimizar el modelo para aplicaciones específicas, mejorando su precisión y relevancia. Entrenar un modelo desde cero sin utilizar un modelo previo. Que el modelo genere resultados aleatorios sin necesidad de datos de entrenamiento.

¿Qué describe mejor a Microsoft Copilot?. Es un motor de búsqueda que combina chat conversacional con referencias verificables en internet. Es un software exclusivo para juegos y entretenimiento que utiliza IA para generar gráficos. Es una herramienta de IA que solo funciona en Excel para crear fórmulas automáticas. Integra tecnologías de IA en aplicaciones de Microsoft, asistiendo en tareas de productividad como redacción, análisis de datos, creación de presentaciones, gestión de correo y reuniones.

¿Qué describe mejor a Adobe Firefly?. Es un modelo de IA diseñado para análisis de datos financieros. Es un modelo de IA generativa de Adobe especializado en contenido visual, que crea imágenes y efectos a partir de descripciones textuales y se integra en aplicaciones como Photoshop o Illustrator. Es un asistente de productividad de Microsoft que ayuda con correos y presentaciones. Es un chatbot que responde preguntas académicas con referencias verificables.

¿Por qué los modelos de texto de inteligencia artificial son capaces de generar texto coherente y realizar tareas lingüísticas complejas?. Porque analizan únicamente imágenes y vídeos sin necesidad de datos textuales. Porque se entrenan con enormes cantidades de datos textuales, lo que les permite comprender contextos y patrones del lenguaje. Porque funcionan únicamente con bases de datos estructuradas de números y fechas. Porque se basan en reglas predefinidas y no requieren entrenamiento con datos.

¿Cuál de las siguientes es una limitación o precaución importante al generar imágenes con IA?. La calidad de la imagen generada no se ve afectada por la precisión o detalle del prompt. No existen problemas de sostenibilidad ni de sesgos culturales en los modelos de generación de imágenes. La IA siempre genera imágenes perfectas sin necesidad de instrucciones detalladas ni consideraciones legales. Los modelos requieren gran cantidad de recursos computacionales, pueden reproducir sesgos presentes en los datos, surgen dudas sobre propiedad intelectual y los resultados dependen de la claridad del prompt.

¿En qué consiste el role prompting al elaborar un prompt para IA y cuál es su principal ventaja?. Limitar la IA a respuestas de una sola palabra para aumentar la precisión. Asignar un rol o perspectiva a la IA para orientar estilo, vocabulario y criterios; permite obtener respuestas más alineadas con el contexto. Dar instrucciones vagas para que la IA interprete libremente el objetivo; evita limitaciones de contexto. Pedir a la IA que genere contenido sin ninguna indicación sobre rol, estilo o audiencia; asegura máxima creatividad.

En el ejemplo de colaboración entre IA y equipo de marketing, ¿cuál es el papel principal de cada uno?. La IA y el equipo humano realizan exactamente las mismas tareas sin diferenciación de roles. La IA toma todas las decisiones estratégicas, mientras el equipo humano solo aprueba sin cambios. La IA genera borradores de anuncios, eslóganes o diseños; el equipo humano selecciona, pule y asegura que la propuesta final refleje la identidad de la marca. El equipo humano genera los borradores y la IA selecciona cuál refleja mejor la identidad de la marca.

En una empresa, ¿cómo puede un empleado integrar la IA en sus tareas diarias de forma práctica y efectiva?. Confiando en que la IA resuelva problemas estratégicos complejos sin supervisión humana. Evitando cualquier uso de IA y realizando todas las tareas manualmente para mantener el control total. Utilizando IA para automatizar tareas repetitivas, como leer y organizar facturas y contratos, filtrar correos prioritarios, analizar datos de ventas simples y programar reuniones según disponibilidad. Solo utilizando IA para generar contenido creativo, sin aplicarla a tareas administrativas o de análisis.

¿Por qué son importantes el aprendizaje continuo y la adaptabilidad tecnológica para aprovechar la IA?. Porque la IA no cambia, por lo que la adaptabilidad no es relevante. Porque una vez aprendida una herramienta de IA, nunca es necesario volver a actualizarse. Porque la IA evoluciona rápidamente, y actualizar habilidades permite aprovechar nuevas herramientas y oportunidades. Porque basta con aprender una sola herramienta de software para dominar todas las aplicaciones de IA.

¿Cuál de las siguientes prácticas es fundamental para diseñar prompts efectivos y aprovechar al máximo la IA?. Incluir especificidad, claridad, contexto y definir estilo y tono en las instrucciones. Evitar dar contexto o público objetivo; la IA siempre interpreta correctamente. No indicar estilo ni tono, ya que la IA genera automáticamente el más adecuado. Escribir instrucciones vagas y ambiguas para que la IA decida el contenido por sí misma.

¿Cuáles son habilidades y conocimientos clave para un prompt designer?. Solo habilidades artísticas para generar imágenes sin usar prompts. Supervisión de la energía consumida por los modelos de IA, sin crear instrucciones. Comprensión profunda de modelos de IA, habilidades de comunicación, capacidad para estructurar solicitudes claras y conocimiento de técnicas avanzadas como few-shot prompting. Solo conocer el funcionamiento básico de la IA, sin necesidad de técnicas avanzadas.

¿Cuál es la función principal de un prompt designer?. Generar contenido creativo sin necesidad de interacción con la IA. Crear instrucciones precisas (prompts) para que la IA genere resultados alineados con lo esperado. Supervisar únicamente la infraestructura de hardware de los modelos de IA. Programar algoritmos de IA desde cero sin usar prompts.

¿Cuál es la función principal de un Analista de Datos Junior con Enfoque en IA?. Gestionar únicamente la infraestructura de servidores de IA. Combinar análisis de datos básico con herramientas de IA para optimizar procesos. Diseñar prompts para chatbots y asistentes virtuales. Desarrollar modelos de IA avanzados desde cero sin analizar datos.

¿Cuáles son algunas de las tareas clave de un Analista de Datos Junior con Enfoque en IA?. Programar redes neuronales profundas sin interpretar resultados. Supervisar el consumo energético de modelos de IA sin procesar datos. Crear imágenes y vídeos con IA sin analizar datos numéricos. Preparar y limpiar conjuntos de datos, identificar patrones con IA, generar visualizaciones y comunicar resultados a equipos no técnicos.

¿Cuál es el objetivo de un Analista de Datos Junior con Enfoque en IA en una empresa?. Gestionar únicamente la infraestructura tecnológica de la IA. Optimizar procesos combinando análisis de datos básico con herramientas de IA. Desarrollar modelos de IA avanzados sin procesar datos. Diseñar prompts para asistentes virtuales sin análisis de datos.

¿Qué significa el derecho de portabilidad de datos?. Almacenar datos en un pendrive. Usar datos de terceros sin permiso. Recuperar datos borrados. Exportar tus datos a otro servicio.

¿Qué es el sesgo de confirmación?. Aquel que ocurre cuando la IA aprende de datos que ya están sesgados y reproduce esas distorsiones en sus resultados. Aquel que ocurre cuando los métodos de recogida de datos contienen errores o distorsiones. Aquel que ocurre al reforzar creencias o hipótesis previas en lugar de cuestionarlas al introducir datos o preguntas. Ninguna de las respuestas es correcta.

¿Qué concepto describe el uso de contenidos generados por usuarios (textos, imágenes, audios) para entrenar modelos de IA sin permiso explícito?. Fugas de datos. Entrenamiento sin consentimiento. Explotación comercial de datos personales. Uso no autorizado.

¿Qué es el sesgo de selección?. Los datos de entrenamiento no representan a toda la población. La magnificación de los sesgos ya existentes en los datos de entrenamiento, haciendo que aparezcan con más fuerza de lo que ocurre en la realidad. Los datos o las preguntas que se introducen en el sistema se diseñan de manera que refuerzan creencias o hipótesis previas. Los métodos de recogida de datos contienen errores o distorsiones.

¿Qué tipo de sesgo aparece cuando los métodos de recogida de datos contienen errores o distorsiones?. Sesgo en prompts. Sesgo de selección. Sesgo de medición. Sesgo de confirmación.

Aunque la inteligencia artificial puede manejar grandes volúmenes de datos y realizar tareas complejas, sigue presentando limitaciones. ¿Cuál de las siguientes afirmaciones refleja mejor estas limitaciones?. La IA siempre produce resultados precisos y fiables. La IA nunca se equivoca si los datos de entrada son incompletos o ambiguos. Los modelos de IA, especialmente los generativos, pueden cometer errores, reflejar sesgos de los datos de entrenamiento y generar desinformación. Los asistentes de voz siempre interpretan correctamente instrucciones poco claras como “pon mi música favorita”.

¿Qué se logra mediante el fine-tuning (ajuste fino) de un modelo de IA?. Optimizar el modelo para aplicaciones específicas, mejorando su precisión y relevancia. Que el modelo genere resultados aleatorios sin necesidad de datos de entrenamiento. Evitar que el modelo cometa errores en todos los posibles escenarios sin necesidad de datos adicionales. Entrenar un modelo desde cero sin utilizar un modelo previo.

¿Cuál de las siguientes es una ventaja de los datos no estructurados para la inteligencia artificial?. Su volumen y diversidad necesitan grandes capacidades de almacenamiento y cómputo. Contienen gran riqueza informativa y permiten entrenar modelos que reconocen patrones complejos. Pueden introducir sesgos si los conjuntos de entrenamiento no son representativos. Requieren mucho procesamiento previo para ser interpretados por la máquina.

¿Cuál de los siguientes es un ejemplo de datos estructurados?. Una colección de correos electrónicos con texto libre y archivos adjuntos. Fotografías y vídeos de un evento sin etiquetas ni categorías. Una hoja de cálculo con el listado de estudiantes: nombre, edad y calificación final. Grabaciones de voz de conversaciones de clientes sin transcripción.

¿Cuál de las siguientes es una limitación de los datos estructurados?. Permiten procesar grandes volúmenes de información de forma rápida y precisa. Su formato homogéneo reduce la probabilidad de errores durante el análisis. Son fáciles de almacenar y consultar en bases de datos o hojas de cálculo. No capturan fenómenos complejos y requieren que la información esté bien definida, lo que limita su flexibilidad.

¿Por qué los modelos de texto de inteligencia artificial son capaces de generar texto coherente y realizar tareas lingüísticas complejas?. Porque se entrenan con enormes cantidades de datos textuales, lo que les permite comprender contextos y patrones del lenguaje. Porque se basan en reglas predefinidas y no requieren entrenamiento con datos. Porque analizan únicamente imágenes y vídeos sin necesidad de datos textuales. Porque funcionan únicamente con bases de datos estructuradas de números y fechas.

¿Cuál es la práctica más recomendable al crear imágenes con IA para un propósito específico?. Proporcionar instrucciones detalladas sobre propósito, estilo, elementos clave, colores, estado de ánimo y público objetivo. Evitar mencionar el público objetivo o referencias, ya que no influyen en el resultado. Dejar que la IA genere imágenes sin ninguna indicación o contexto. Indicar el color principal de la imagen y dejar el resto al azar.

¿Cuál de las siguientes es una limitación o precaución importante al generar imágenes con IA?. Los modelos requieren gran cantidad de recursos computacionales, pueden reproducir sesgos presentes en los datos, surgen dudas sobre propiedad intelectual y los resultados dependen de la claridad del prompt. La calidad de la imagen generada no se ve afectada por la precisión o detalle del prompt. La IA siempre genera imágenes perfectas sin necesidad de instrucciones detalladas ni consideraciones legales. No existen problemas de sostenibilidad ni de sesgos culturales en los modelos de generación de imágenes.

¿Qué describe mejor la colaboración humano-IA en el ámbito laboral y creativo?. La IA reemplaza completamente al ser humano, tomando todas las decisiones sin intervención. La IA evita la necesidad de sensibilidad o criterio humano en cualquier proyecto. La IA facilita tareas como traducciones, coordinación global y análisis rápido, mientras la persona aporta criterio, ética y empatía. La IA solo sirve para trabajo individual y no mejora la cooperación en equipos internacionales.

¿Cuál es la clave para aprovechar la IA de manera efectiva?. Ignorar la IA y centrarse solo en habilidades humanas tradicionales. Aplicar la IA estratégicamente para complementar nuestras habilidades, enfocándonos en creatividad, ética y liderazgo. Entender todos los algoritmos complejos de la IA para poder reemplazar al ser humano. Usar la IA únicamente para tareas repetitivas, sin considerar el valor humano.

¿Cuál de las siguientes competencias es clave para aprovechar la IA considerando su impacto social y sostenibilidad?. Evaluar sesgos y discriminación, la brecha digital y el coste energético de los modelos de IA, promoviendo un uso ético y sostenible. Centrarse solo en el rendimiento técnico de la IA, ignorando aspectos éticos o sostenibles. Aprender únicamente a usar la IA sin preocuparse por consecuencias sociales o ambientales. Evitar analizar la brecha digital, ya que todas las personas tienen el mismo acceso a la IA.

¿Cuál de las siguientes prácticas es fundamental para diseñar prompts efectivos y aprovechar al máximo la IA?. No indicar estilo ni tono, ya que la IA genera automaticamente el más adecuado. Escribir instrucciones vagas y ambiguas para que la IA decida el contenido por sí misma. Incluir especificidad, claridad, contexto y definir estilo y tono en las instrucciones. Evitar dar contexto o público objetivo; la IA siempre interpreta correctamente.

¿Cuál es la función principal de un Supervisor de IA?. Solo gestionar la infraestructura de servidores de IA. Diseñar prompts para generar contenido creativo sin supervisión. Crear modelos de IA desde cero sin considerar su ética o resultados. Garantizar que los sistemas de IA funcionen correctamente, de manera ética y alineada con los objetivos de la organización.

¿Por qué es importante que un prompt designer tenga comprensión profunda de los modelos de IA?. Para generar contenido sin necesidad de instrucciones detalladas. Para programar la infraestructura de servidores de la IA. Para analizar únicamente los costes energéticos de los modelos. Para poder crear instrucciones precisas que maximicen la calidad y relevancia de las respuestas de la IA.

¿Cuáles son algunas de las responsabilidades clave de un Supervisor de IA?. Monitorizar resultados para detectar sesgos o errores, evaluar calidad y relevancia de salidas, ajustar parámetros y aplicar salvaguardas éticas. Analizar únicamente el coste energético de los sistemas de IA. Programar algoritmos sin evaluar la calidad de los resultados. Generar automáticamente contenido visual y textual sin supervisión ética.

¿Cuál es el objetivo de un Analista de Datos Junior con Enfoque en IA en una empresa?. Desarrollar modelos de IA avanzados sin procesar datos. Gestionar únicamente la infraestructura tecnológica de la IA. Optimizar procesos combinando análisis de datos básico con herramientas de IA. Diseñar prompts para asistentes virtuales sin análisis de datos.

¿Cuál es la función principal de un Analista de Datos Junior con Enfoque en IA?. Desarrollar modelos de IA avanzados desde cero sin analizar datos. Combinar análisis de datos básico con herramientas de IA para optimizar procesos. Gestionar únicamente la infraestructura de servidores de IA. Diseñar prompts para chatbots y asistentes virtuales.

¿Cuál de estas es una medida para mitigar los sesgos algorítmicos?. Uniformidad de los datos. Reducir el tamaño de los datos. Supervisión humana sobre los resultados de la IA. Usar solo datos históricos.

¿Qué implica el principio de equidad en la IA?. Favorecer siempre al grupo mayoritario. Reducir el número de datos. Que la IA no funcione en todos los países. Trato justo e imparcial sin discriminación.

¿Qué tipo de sesgo ocurre cuando la pregunta al sistema ya incluye un prejuicio?. Sesgo de confirmación. Sesgo de selección. Sesgo en prompts. Sesgo de medición.