Machine Learning II: IA Generativa y Gobernanza en Organizaciones

Profesor: Naim Bro (naim.bro.k [at] uai.cl)
Ayudante: Benjamín Palacios (bpalacios [at] alumnos.uai.cl)
Magíster en Economía y Políticas Públicas
Escuela de Gobierno, Universidad Adolfo Ibáñez, 2027
Borrador: fechas y contenidos por confirmar

Descripción general del curso: Machine Learning II es un curso aplicado cuyo objetivo central es integrar inteligencia artificial —en particular IA generativa— en procesos del sector público y de las organizaciones que trabajan con él, y gobernar esos sistemas una vez en uso. El foco está en aprender a:

El curso combina cuatro dimensiones:

ML2 Master Game: En varias clases utilizaremos ML2 Master, un juego interactivo en tiempo real donde cada estudiante responde a escenarios sobre IA y procesos públicos. Las respuestas son evaluadas por tres jueces de IA con retroalimentación inmediata.

Filosofía sobre el uso de IA en el proceso pedagógico:

  1. IA, procesos y sector público: marco del curso (05-03-2027)

    Introducción al curso y a su lógica central: pasar de “modelos” a sistemas de decisión y gestión.

    • Estructura del curso y método de evaluación
    • Presentación: IA en proceso pedagógico: link
    • Presentación: proyectos de ML en el sector público: link
    • Presentación: proyectos de curso — formación de equipos: link
    • Entregable próxima semana: ficha preliminar de problema, siguiendo los seis pasos de la fase 1 de la Guía de Referencia para Proyectos de Innovación Pública.
    • Lecturas:

  2. LLMs vía API: del texto al sistema (12-03-2027)

    Uso práctico de APIs de LLMs (Gemini) para tareas estructuradas: clasificación, extracción, resumen, scoring y generación controlada.

    • Charla de María Paz Hermosilla, directora de GobLab UAI: "IA en el sector público"
    • Herramientas algoritmos públicos, GobLab UAI:
      • Evaluación de Impacto Algorítmico: link
      • Medición de Sesgo y Equidad: link
      • Ficha de Transparencia Algorítmica: link
    • Presentación: IA en el aparato de seguridad: link
    • Demo LLM vía API: La API de Gemini
    • ML2 master game: basado en lecturas de la semana pasada.
    • Ejercicio técnico: construir un pipeline simple basado en LLM.
    • Lecturas:

  3. RAG (19-03-2027)

    Cómo aumentar el contexto con documentos locales.

    La idea central: un reporte con IA no es "preguntarle cosas a un LLM", sino diseñar una arquitectura de búsqueda → reducción → síntesis que sea trazable y escalable.

  4. Feriado (26-03-2027)

    no hay clases

  5. Crear un chatbot con IA y presentaciones de avance (02-04-2027)

    En esta clase, combinaremos las técnicas utilizadas en clases anteriores para crear un chatbot.

    • Charla de Klaus Lehmann, director de Data Science en INE: "Ciencia de datos en IA para la producción de estadísticas oficiales"
    • Notebook 4: De RAG a chatbot (Colab): link
    • Presentaciones de avance de proyectos: guía
    • Lecturas:
      • Engineering Retrieval Augmented Generation-based Virtual Assistants in Practice: link
      • Introducing the Model Context Protocol (Anthropic, 2024) — estándar abierto para conectar asistentes con datos y herramientas mediante clientes y servidores MCP; reemplaza integraciones ad hoc por conexiones seguras y bidireccionales.

  6. Gobernanza de IA I: ¿quién decide? (09-04-2027)

    Derechos de decisión entre personas e IA dentro de una organización.

  7. Gobernanza de IA II: riesgo, datos y regulación (16-04-2027)

    Clasificación de riesgo de casos de uso y obligaciones legales en Chile.

  8. Gobernanza de IA III: ciclo de vida y caso aplicado (23-04-2027)

    Cómo una organización aprueba, opera, monitorea y retira sistemas de IA.

  9. Presentaciones finales de proyectos (30-04-2027)

    Presentación final de proyectos como propuestas de innovación pública: problema, solución, arquitectura, evaluación, gobierno y escalabilidad. Guía: link

Evaluación