📄 Programa de Asignatura
1. Identificación de la asignatura
| Campo | Detalle |
|---|---|
| Asignatura | Inteligencia Artificial y Estrategia Empresarial |
| Sigla | ICS64225 |
| Unidad académica | Departamento de Ingeniería Comercial |
| Semestre | 9-10 |
| Prerrequisitos | Organización Industrial (ICS265) · Marketing Táctico (ICS232) · Taller de Evaluación Social de Proyectos (ICS285) · Finanzas Corporativas (ICS246) |
| Área del conocimiento (OCDE) | Ingeniería y Tecnología |
| Eje formativo | Electivo Profesional |
| Créditos SCT-Chile | 5 |
| N.º de horas totales semestrales | 126,5 |
Horas docencia directa semanales: Cátedra 2,33 · Ayudantía 1,17 Horas trabajo autónomo semanales: 3,9
2. Descripción de la asignatura
Esta asignatura electiva tiene por objetivo complementar, expandir y enriquecer la formación del estudiantado, abriendo su mirada hacia una nueva era de gestión empresarial impulsada por la Inteligencia Artificial, el Internet de las Cosas y otras tecnologías emergentes. Su propósito es conectar la estrategia, la economía, la innovación y el análisis de datos para imaginar, diseñar y liderar organizaciones más ágiles, competitivas y visionarias en un entorno caracterizado por el cambio acelerado.
En su desarrollo, la asignatura contempla una transición inicial que vincula los conocimientos previamente adquiridos con conceptos emergentes, especialmente relacionados con la Inteligencia Artificial Generativa y el Aprendizaje Automático. A partir de esta base, se adopta un enfoque aplicado y no técnico, orientado a identificar oportunidades concretas para optimizar procesos, innovar en productos y servicios, y rediseñar modelos de negocio. Todo ello se implementa mediante una metodología activa, que incluye el análisis de casos, simulaciones, desarrollo de prototipos conceptuales y propuestas de negocio sustentadas en el uso estratégico de la Inteligencia Artificial.
Esta asignatura invita al estudiantado a integrar conocimientos en un contexto de transformación tecnológica, promoviendo una actitud reflexiva, crítica y propositiva frente a los desafíos de la gestión organizacional del futuro.
3. Requisitos de entrada / Aprendizajes previos
- Evalúa el comportamiento de variables microeconómicas, estructuras de mercado, proponiendo incentivos y regulaciones.
- Evalúa el comportamiento de variables y modelos macroeconómicos, estableciendo comparaciones entre ellos.
4. Competencias del perfil de egreso
Competencia específica
- III.9: Utilizar las tecnologías de información y comunicaciones, para optimizar el desarrollo de las áreas funcionales de una empresa.
Competencias transversales sello
- CTS2 – Resolución de Problemas (Nivel Avanzado): resuelve problemas, analizando y evaluando soluciones efectivas y eficientes, en función de su impacto en la organización, las personas y el medio ambiente.
- CTS6 – Tecnologías de Información y Comunicación (Nivel Avanzado): utiliza de forma pertinente y eficiente diversas herramientas tecnológicas y de comunicación para el análisis, comprensión y generación de información.
5. Resultados de aprendizaje y contenidos
Tiempo estimado: 17 semanas
| Resultado de Aprendizaje | Contenidos |
|---|---|
| RdA9.2: Utiliza tecnologías vigentes y/o de vanguardia, aplicándolas en sus propuestas y presentaciones. | Introducción a la IA en los Negocios • Qué es Inteligencia Artificial: conceptos clave para no técnicos • Machine Learning • IA Generativa • Nuevas ventajas competitivas en la era de la IA • Análisis de casos reales (minería, transporte, retail, finanzas, salud, educación, etc.) Modelos de Negocios y Propuestas de Valor basadas en IA • Business Model Canvas y Lean Canvas con foco en tecnologías inteligentes |
| CTS2 · RDA 3.1: Evalúa problemas complejos del ámbito disciplinar o interdisciplinar, de forma autónoma, justificando los datos, variables o causas que lo determinan y sus posibles efectos o implicancias. | Toma de Decisiones y Automatización Inteligente • IA para análisis predictivo, prescriptivo y descriptivo • Optimización de procesos internos IA Generativa y Experiencia del Cliente • Chatbots, asistentes virtuales, generación de contenido personalizado • Marketing automatizado y personalizado |
| CTS6 · RDA 3.2: Implementa un dominio avanzado de plataformas y programas de ofimática de alta complejidad, evaluando de manera eficiente procedimientos y técnicas innovadoras según los parámetros establecidos en sus funciones en diversos contextos. | Ética, Riesgos y Gobernanza de la IA • Sesgos algorítmicos, protección de datos, transparencia • Taller de Prototipado de Negocios con IA Diseño de una solución o servicio con apoyo de IA • Evaluación Social y Evaluación Privada de Iniciativas basadas en IA |
6. Estrategias de enseñanza-aprendizaje
Aprendizaje basado en problemas · Aprendizaje orientado a proyectos · Aprendizaje colaborativo · Aula invertida · Clases expositivas · Elaboración de informes/papers · Exposiciones · Estudio de casos
7. Evaluación, calificación y aprobación
Adaptación de esta implementación
El documento CCDD original define un esquema de Certámenes (50%) + Controles (20%) + Tareas (30%), con una fórmula condicional de aprobación. Esta implementación del curso reemplaza ese esquema por una evaluación 100% integrada en el Proyecto del curso: un único proyecto aplicado con 7 hitos entregados cada dos semanas y una presentación final, sin certámenes ni controles separados. El detalle completo de cada hito está en la página del Proyecto.
| Procedimiento de evaluación | Cantidad | % |
|---|---|---|
| Hitos del proyecto (H1 a H7) | 7, cada uno 10% | 70% |
| Presentación final del proyecto | 1 | 30% |
| Total | 100% |
Cálculo de la Nota Final (NF):
NF = H1 + H2 + H3 + H4 + H5 + H6 + H7 + Presentación Final
= (7 hitos x 10% c/u) + (Presentación Final x 30%)
No existe una ponderación separada de certámenes o controles: cada hito y la presentación final se califican directamente sobre su peso en la Nota Final.
- Hitos (H1-H7): entregas bisemanales del mismo proyecto, evaluadas con la rúbrica de cada hito (ver Proyecto). Un hito con inasistencia justificada puede recuperarse dentro de la semana siguiente, previa coordinación con el/la docente.
- Presentación final: documento final del proyecto + pitch en vivo ante el curso, en las últimas sesiones del semestre.
8. Recursos para el aprendizaje
Bibliografía básica
- Iansiti, M., & Lakhani, K. R. (2020). Competing in the Age of AI: Strategy and Leadership When Algorithms and Networks Run the World (1st ed.). Harvard Business Review Press.
- Agrawal, A., Gans, J., & Goldfarb, A. (2018). Prediction Machines: The Simple Economics of Artificial Intelligence (1st ed.). Harvard Business Review Press.
Bibliografía recomendada
- Lee, K.-F. (2018). AI Superpowers: China, Silicon Valley, and the New World Order (1st ed.). Houghton Mifflin Harcourt.
- Osterwalder, A., & Pigneur, Y. (2010). Business Model Generation: A Handbook for Visionaries, Game Changers, and Challengers (1st ed.). Wiley.
Recursos virtuales
- Plataforma Educativa Virtual AULA-USM (videos + guías de ejercicios y contenidos).
Fecha de aprobación por el CCDD: Sesión Ordinaria 10/07/2025; Acuerdo 024/2025. Elaborado por el Departamento de Ingeniería Comercial, USM.