| MODULO | HORAS | CLASES |
| 1: NIVELATORIO | 16 | 4 |
| 2: APRENDIZAJE AUTOMATICO (MACHINE LEARNING) | 16 | 4 |
| 3: APRENDIZAJE PROFUNDO (DEEP LEARNING) | 16 | 4 |
| 4: PROCESAMIENTO DE LENGUAJE NATURAL (NLP) | 12 | 3 |
| 5: MODELOS DE TOMA DE DECISIONES BASADOS EN IA | 16 | 4 |
| 6: IA EN LA TRANSFORMACIÓN DE LAS ORGANIZACIONES | 8 | 2 |
| 7: INTEGRACION DE LA IA CON EL CAPITAL HUMANO | 8 | 2 |
| 8: ETICA, PRIVACIDAD y TRANSPARENCIA EN LA IA | 8 | 2 |
| TOTALES | 100 | 25 |
Nota: La estructura es orientativa y puede variar según la cohorte. Debido a la dinámica de los desarrollos en IA, la diplomatura adapta sus contenidos manteniendo la estructura aprobada.
La Cohorte 2026 incorpora IA Agéntica, Modelos Multimodales, Model Context Protocol (MCP), RAG, Prompt Engineering avanzado y orquestación de agentes, reflejando las tendencias actuales de la disciplina. Algunos contenidos de la estructura original se trabajarán de manera asincrónica mediante el campus virtual.
La Diplomatura tiene una duración aproximada de 4 meses, con un total de 100 horas, distribuidas en clases sincrónicas y en actividades asincrónicas.
La modalidad es virtual. Las clases sincrónicas utilizan la herramienta de videoconferencias Teams de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires. Además, se cuenta con acceso complementario a actividades asincrónicas las 24 horas.
Profesionales o Técnicos de cualquier especialidad y personas con estudios secundarios y experiencia en el uso de herramientas informáticas.
Cada módulo de la diplomatura contará con una instancia de evaluación, definida por el responsable del módulo, que contemplará tanto los contenidos teóricos abordados como el cumplimiento de los trabajos prácticos. Además, la diplomatura incluirá una evaluación final cuya modalidad estará a cargo del coordinador.
Para acceder al diploma de aprobación, los estudiantes deberán haber entregado todos los trabajos obligatorios, haber cumplido con una asistencia mínima del 75% a las clases sincrónicas y haber aprobado las evaluaciones correspondientes.
El mismo será en formato digital con logo de la Universidad de Buenos Aires y Facultad de Ciencias Económicas. Emitido por la Secretaría de Extensión Universitaria, Bienestar Estudiantil y Desarrollo Sustentable de la Facultad. Firmado por el Secretario de Extensión Universitaria y el Coordinador de la Diplomatura. Expondrá que el alumno ha aprobado la diplomatura de referencia.
Las clases inician el día 10 de marzo de 2026. Se dictarán los días martes de 18:00 a 21:00 hs. Algunas clases virtuales se dictarán fuera del cronograma regular, y se realizarán en las siguientes fechas:
– Viernes 20 de marzo.
– Viernes 24 de abril.
– Viernes 22 de mayo.
Formar a los alumnos de la diplomatura en la aplicación de modelos de inteligencia artificial (IA) en entornos digitales de gestión en las organizaciones, con capacidad de entender y poder aplicar estos modelos en una variedad de contextos organizacionales, incluyendo la automatización de procesos, análisis de datos y toma de decisiones.
Brindar una comprensión sólida de las bases teóricas y prácticas de la inteligencia artificial, a partir de la adquisición de un entendimiento fundamental de los algoritmos y modelos subyacentes en la IA, incluyendo aprendizaje automático, procesamiento del lenguaje natural y redes neuronales.
Capacitar en la evaluación crítica de las ventajas y desventajas de la implementación de la IA en diferentes contextos, incluyendo la comprensión de los beneficios potenciales, así como también los riesgos éticos, legales y sociales que pueden surgir.
Quienes finalicen esta diplomatura, podrán identificar los siguientes aspectos:
Tópicos fundamentales de Inteligencia Artificial (IA)
Tópicos de Aprendizaje Automático y Aprendizaje Profundo
Procesamiento de Lenguaje Natural (NPL) y Modelos de tomas de decisiones aplicados a la IA
Transformación de las organizaciones e integración del capital humano a partir de la implementación de modelos de IA.
En la última década, la inteligencia artificial (IA) ha experimentado avances significativos y ha comenzado a tener un impacto transformador en diversas industrias y disciplinas. Las organizaciones de todos los sectores están explorando cómo pueden utilizar la IA para mejorar la eficiencia y aumentar la productividad.
A pesar de este creciente interés y necesidad de integrar la IA en las operaciones organizacionales, hay una escasez de capital humano que posea tanto un entendimiento sólido de los conceptos y técnicas de la IA como una comprensión de cómo aplicar estos conocimientos en contextos organizacionales reales.
Esta brecha representa un desafío para las organizaciones que buscan aprovechar los beneficios de la IA, pero también una oportunidad para los profesionales que pueden adquirir estas habilidades.
La Diplomatura en Inteligencia Artificial aplicada a Entornos Digitales de Gestión está diseñada para responder a estas necesidades. Proporcionará a los estudiantes una formación integral en los fundamentos de la IA, junto con la oportunidad de aplicar este conocimiento a problemas prácticos en un contexto organizacional.
A través de esta diplomatura, los estudiantes estarán equipados con las habilidades que necesitan para liderar y contribuir en la transformación digital y la adaptación a la era de la IA.
Es importante destacar que esta diplomatura también abordará cuestiones críticas de ética y responsabilidad social en IA, preparando a los estudiantes para aplicar la IA de manera que sea beneficiosa para todas las partes interesadas.
Introducción a los modelos de inteligencia artificial. Fundamentos de programación en Python. Librerías especificas en Python para IA. APIs de IA en Python. Práctica integradora.
Definición de Machine Learning. Tipos de aprendizaje: Supervisado, No Supervisado y Por Refuerzo. Algoritmos y técnicas fundamentales en Machine Learning. Aplicaciones del Machine Learning en la gestión organizacional. Práctica Integradora.
Introducción al Deep Learning. Arquitecturas de Redes Neuronales. Redes Neuronales Convolucionales (CNN). Redes Neuronales Recurrentes (RNN). Aplicaciones del Deep Learning en la gestión organizacional. Práctica Integradora.
Introducción al procesamiento del lenguaje natural. Técnicas y herramientas en NLP. Análisis de sentimientos y extracción de información. Aplicaciones en la gestión organizacional. Práctica Integradora.
Introducción a la Toma de Decisiones Basada en IA.Árboles de Decisión y Random Forest. Sistemas Basados en Reglas. Aprendizaje por Refuerzo. Algoritmos Genéticos y Optimización. Procesos de Markov de Decisión (MDP). Práctica Integradora.
El Papel de la IA en la Transformación Digital. Implementación de la IA en las Organizaciones. IA y Gestión de Datos en las Organizaciones. IA en la Cadena de Suministro y Logística. Práctica Integradora.
La Coexistencia de la IA y el Capital Humano. Formación y Desarrollo de Habilidades en la Era de la IA. IA y Cambio Organizacional. Desafíos Culturales y Psicológicos de la Integración de la IA. Práctica Integradora.
Dilemas éticos en el uso de IA. Privacidad y protección de datos. Transparencia y explicabilidad de los modelos de IA. Sesgo algorítmico y sus implicaciones en la toma de decisiones. Práctica Integradora.
Diego Alejandro Parrás
Licenciado en Administración y Contador Público de la Universidad de Buenos Aires (UBA), Facultad de Ciencias Económicas (FCE).
Doctorando en el Doctorado en Ciencias Económicas de la Universidad de Buenos Aires, Subárea Finanzas, Facultad de Ciencias Económicas. Posee más de 15 años de experiencia profesional en el ámbito de las tecnologías de información aplicadas a las organizaciones públicas y privadas, como consultor externo.
Actualmente se desempeña como Director del Centro de Estudios en Modelos de Inteligencia Artificial aplicados a las Ciencias Económicas (CeMIACE) de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires.
Es creador de la metodología GIA (Gestión de la Inteligencia Amplidada) y del framework BAIPS (Augmented Intelligence Business Process Security).
Es autor de los libros:
– “Inteligencia Artificial. Fundamentos y Aplicaciones”. Fondo editorial Edicon.
– “Inteligencia Artificial. Gestión de la Inteligencia Ampliada”. Fondo editorial Edicon.
Primer embajador argentino de n8n, plataforma líder mundial de automatización orientada al diseño de procesos, integración de datos y pensamiento sistémico.
En la docencia universitaria de grado es profesor asociado a cargo de cátedra en la materia Gestión de la Inteligencia Artificial, del ciclo profesional orientado de la carrera de Administración de la FCE-UBA.
Es conferencista, ha participado de diversos congresos relacionados con tecnología aplicada a la gestión de organizaciones.
Tiene a su cargo, como Director, diversos proyectos SPU y UBANEX.
Sebastián Rosales
Licenciado en Administración de la Universidad de Buenos Aires (UBA), Facultad de Ciencias Económicas (FCE). Posee amplia experiencia en el ámbito privado en implementaciones de IA aplicado a las organizaciones. En docencia se desempeña como docente del CBC-UBA en Matemática, Álgebra y Análisis Matemático.
Es Secretario Técnico del Centro de Estudios en Modelos de Inteligencia Artificial aplicados a las Ciencias Económicas (CeMIACE) de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires.
Daiana Levit
Actuaria en Administración de la Universidad de Buenos Aires (UBA), Facultad de Ciencias Económicas (FCE). Maestranda en la Maestría en Gestión y Análisis de Datos Financieros ENAP UBA. Posee amplia experiencia en Implementación de modelos de IA aplicados a los mercados de capitales, así como también proyectos de Inteligencia Empresarial. Se desempeña como Perito actuarial del Poder Judicial de la Nación. En docencia se desempeña como docente del CBC-UBA en Matemática y ha sido Tutora de trabajos finales en la carrera de Actuario.
Es Secretaria Técnica del Centro de Estudios en Modelos de Inteligencia Artificial aplicados a las Ciencias Económicas (CeMIACE) de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires.
Pablo Calello
Actuario en Economía de la Universidad de Buenos Aires (UBA), Facultad de Ciencias Económicas (FCE). Tesista en la maestría en Gestión de la Ciencia la Tecnología y la Innovación de la Universidad General Sarmiento (UNGS). Posee amplia experiencia en la implementación de técnicas de Estadística y Ciencia de Datos en organizaciones públicas y privadas. Se desempeña como Perito Actuarial del Poder Judicial de la Nación. En docencia se desempeña como docente del CBC-UBA en Matemática.
Es Investigador del Centro de Estudios en Modelos de Inteligencia Artificial aplicados a las Ciencias Económicas (CeMIACE) de la Facultad de Ciencias Económicas de la Universidad de Buenos Aires.