Clase 8 · Diseñando la Solución — ¿ML Predictivo o IA Generativa?
Sesión formativa (sin hito)
No hay entrega evaluada hoy. Esta clase prepara directamente el Hito 3 — Diseño de la solución con IA, que se trabaja en la Clase 9 (taller) y se entrega el miércoles 2 de septiembre.
🎯 Objetivos de la sesión
- Repasar cuándo conviene ML predictivo, IA Generativa, o una combinación de ambos.
- Aplicar un árbol de decisión simple para elegir la tecnología correcta para un problema de negocio.
- Especificar con precisión el dato de entrada y la salida esperada de una solución de IA.
- Diseñar el flujo de cómo la solución se inserta en el proceso de negocio del proyecto.
Resultado de aprendizaje asociado: CTS2 · RDA 3.1 — Evalúa problemas complejos del ámbito disciplinar, justificando los datos, variables o causas que lo determinan.
🗓️ Agenda (90 min)
| Tiempo | Bloque |
|---|---|
| 0:00 – 0:10 | Recapitulación de la Clase 7 (escalera analítica, matriz de priorización) |
| 0:10 – 0:30 | Repaso: ML predictivo vs. IA Generativa — ¿cuándo usar cada uno? |
| 0:30 – 0:50 | Árbol de decisión: eligiendo la tecnología correcta |
| 0:50 – 1:10 | Especificando entrada, salida y el flujo de la solución |
| 1:10 – 1:25 | Actividad formativa: borrador de especificación de la solución propia |
| 1:25 – 1:30 | Cierre y vínculo con la Clase 9 (taller + entrega del Hito 3) |
📖 Contenidos
1. Repaso: ML predictivo vs. IA Generativa
Retomando la Clase 1 y 2: ML predictivo produce un número, una categoría o una probabilidad (un scoring, una predicción de demanda). IA Generativa produce contenido nuevo (texto, imagen, código, audio). Muchas soluciones reales combinan ambos: un modelo predictivo decide qué recomendar, y un modelo generativo decide cómo comunicarlo.
2. Árbol de decisión: eligiendo la tecnología correcta
flowchart TD
A["¿La salida que necesitas es contenido nuevo?<br/>(texto, imagen, código, audio)"] -->|Sí| B["IA Generativa"]
A -->|No| C["¿Tienes datos históricos<br/>de resultados pasados?"]
C -->|No todavía| D["Aún no es momento de ML:<br/>primero recolectar datos<br/>(o partir con reglas simples)"]
C -->|Sí| E["¿Necesitas predecir un número,<br/>categoría o probabilidad?"]
E -->|Sí| F["ML Predictivo"]
B -->|+ necesita basarse en datos propios<br/>para no ser genérico| G["IA Generativa + ML Predictivo"]
F -->|+ necesita explicarse en<br/>lenguaje natural al usuario| GEjemplo aplicado
Un asistente que recomienda productos a un cliente y además redacta un mensaje personalizado explicando por qué se los recomienda combina ML predictivo (qué recomendar) con IA Generativa (cómo redactarlo) — el nodo final del árbol.
3. Especificando entrada, salida y flujo
Toda solución de IA bien especificada responde tres preguntas concretas — exactamente lo que pide el Hito 3:
| Pregunta | Ejemplo |
|---|---|
| ¿Qué dato de entrada usa? | Historial de compras del cliente de los últimos 12 meses |
| ¿Qué salida entrega? | Una lista de 3 productos recomendados + un mensaje personalizado |
| ¿Cómo se inserta en el proceso de negocio? | Se activa cuando el cliente abre la app; la recomendación aparece en la pantalla principal |
Un flujo simple ayuda a comunicar esto sin necesidad de diagramas técnicos complejos:
flowchart LR
A[Cliente interactúa<br/>con el negocio] --> B[Solución de IA<br/>procesa datos de entrada]
B --> C[Genera salida:<br/>predicción y/o contenido]
C --> D[Persona o sistema<br/>toma una acción]💡 Para el Hito 3: no necesitan un diagrama técnico perfecto — un dibujo a mano fotografiado con estas 4 cajas (cliente/proceso → solución de IA → salida → acción) es suficiente y es exactamente lo que pide el Hito 3.
✏️ Actividad formativa: especificación borrador de la solución
No se entrega ni se califica. Es la base directa del Hito 3, que se consolida en la Clase 9.
En su grupo de proyecto:
- Usen el árbol de decisión de la sección 2 para definir: ¿su solución es ML predictivo, IA Generativa, o ambos? Justifiquen en una frase.
- Especifiquen el dato de entrada y la salida de su solución, siguiendo la tabla de la sección 3.
- Dibujen el flujo de 4 cajas (cliente/proceso → solución de IA → salida → acción) para su propio proyecto.
- Traigan esta especificación borrador a la Clase 9: ahí la consolidarán como Hito 3.
📚 Para la próxima clase
- La Clase 9 (miércoles 2 de septiembre) es un taller de cierre: se consolida esta especificación y se entrega como Hito 3.
- Traer la especificación borrador de hoy (tecnología elegida, entrada/salida, flujo) lista para refinar en equipo.