Notas del Grupo de Trabajo de #IEEE #InteligenciaComputacional #IA #Observatorio #Guatemala Agosto del 2026

Prefacio: Este documento presenta la visión estratégica y el marco técnico para la integración de la inteligencia artificial y computacional en Guatemala hacia el año 2027. La fuente detalla los esfuerzos de un grupo de trabajo especializado para modernizar servicios públicos, cerrar brechas sociales y proponer políticas éticas ante la falta de una regulación local actual. Además, define conceptos fundamentales como la ciberseguridad, la robótica y el aprendizaje profundo, explorando cómo estas tecnologías transforman sectores como la salud, las finanzas y la astronomía. Finalmente, resalta el papel del Observatorio de Tecnología como plataforma para la vigilancia tecnológica y la capacitación profesional en el país.

Antecedentes: La inteligencia artificial (IA) es clave para Guatemala porque permite modernizar los servicios públicos, impulsar la productividad de los pequeños negocios y reducir las grandes brechas de desarrollo social. El país avanza en esta visión a través de iniciativas como la Evaluación del Panorama de IA (AILA) impulsada por el gobierno y agencias internacionales.

Oportunidades y Beneficios

• Gobierno y trámites: Ayuda a simplificar procesos del Estado y mejorar la atención en salud y educación.
• Emprendimiento y economía: Facilita que pequeños negocios y comercios locales automaticen ventas y analicen datos sin requerir grandes recursos.
• Innovación regional: Permite al país sumarse a las discusiones globales sobre gobernanza tecnológica para no quedarse atrás frente a mercados avanzados.

Retos Actuales en el País

• Falta de regulación y ética: Se necesita una ley de protección de datos para evitar que los algoritmos discriminen a la economía informal o a poblaciones vulnerables.
• Brecha de talento: Hay escasez de expertos locales en ciencia de datos, lo que obliga al país a buscar capacitación constante.
• Dependencia externa: La falta de infraestructura propia hace que los datos de los ciudadanos se procesen en servidores extranjeros.

Como parte de la estrategia de apoyo de la agenda de IA y otras agendas, se abre un grupo de trabajo de miembros y voluntarios de IEEE y de la Sociedad de inteligencia computacional en Guatemala con el apoyo del Observatorio. Los miembros del grupo incluyen: https://docs.google.com/spreadsheets/d/13hLZebnl7OoZS2hXyoH981YZl6C7GJxVC-sxqoYnwD4/edit?usp=sharing

Los temas que trataremos en la agenda digital en el 2027 que se incluye en inteligencia artificial y computacional son los siguientes:

Mas información sobre la Agenda Digital de Guatemala al 2024 que se actualizada con el apoyo de este grupo de trabajo en el 2027: https://observatorioca.tech/agenda-digital-version-septiembre-2024/

Política de IA de Guatemala:

Guatemala no cuenta con una política ni con regulación de inteligencia artificial específica ni con un regulador técnico. El país se encuentra en una fase de co-creación y diagnóstico, articulando su primera Estrategia Nacional de Inteligencia Artificial enfocada principalmente en el sector público. [1, 2]

La política de IA avanza a través de las siguientes acciones institucionales y diagnósticos internacionales:

1. Co-creación de la Estrategia Nacional La Comisión Presidencial de Gobierno Abierto y Electrónico (GAE) lidera el diseño de la estrategia para el Organismo Ejecutivo. El proceso cuenta con el apoyo técnico del Programa de las Naciones Unidas para el Desarrollo (PNUD) y financiamiento europeo para asegurar un enfoque ético y de servicio público.

2. Evaluaciones Globales de Preparación

• Modelo AILA: La medición del Panorama de la Inteligencia Artificial (AILA) sirve como base para construir gobernanza de datos y alianzas con la academia.
• Metodología RAM: La Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura (Unesco) entregó recientemente a la Superintendencia de Telecomunicaciones (SIT) el informe de Evaluación de la Preparación para la Ética de la IA. Este documento funciona como hoja de ruta para mitigar riesgos éticos y exclusión social.

3. Vacíos Legales Críticos

La regulación integral en el sector privado sigue estancada debido a que Guatemala carece de una ley general de protección de datos personales. Organizaciones civiles como Diálogos proponen un avance por fases que empiece por prohibir decisiones automatizadas sin supervisión humana en áreas críticas como solicitudes de asistencia social, créditos bancarios y justicia penal.

La propuesta del observatorio para apoyar la política de IA se puede revisar acá: https://observatorioca.tech/estrategia-nacional-de-guatemala-de-inteligencia-artificial/

Pilares propuestos por Observatorio:

El observatorio de tecnología de Guatemala ha desarrollado un plan básico del tema de IA debido a la falta del tema de la política. Este se publicó en el 2024 y puede ser accedido en: https://observatorioca.tech/estrategia-nacional-de-guatemala-de-inteligencia-artificial/

En función de esta estrategia y al alto número de proyectos que se están ya desarrollando en el país con inteligencia artificial, se propuso tener 5 pilares de apoyo por parte del observatorio:

• Certificaciones para IA
  • Competencias de IA
  • Ciberseguridad e IA
  • Avance en políticas de IA
  • Indicadores de impacto de IA

Más información sobre la propuesta de pilares se encuentra acá: https://observatorioca.tech/pilares-de-ia/

Qué es Inteligencia Computacional: La inteligencia computacional es un área de la inteligencia artificial que diseña sistemas informáticos capaces de aprender, adaptarse y resolver problemas complejos imitando patrones de la naturaleza, la biología o el razonamiento humano. Usa datos y adaptación en lugar de reglas fijas.

Áreas principales

• Redes neuronales artificiales: Sistemas inspirados en el cerebro humano que reconocen patrones y aprenden de los datos.
• Computación evolutiva: Algoritmos basados en la teoría de la evolución biológica y la selección natural para encontrar la mejor solución a un problema.
• Lógica difusa (sistemas difusos): Modelos que permiten manejar información imprecisa o lingüística, similar a cómo razonamos las personas (“poco”, “mucho”, “alto”).
• Inteligencia de enjambre: Métodos basados en el comportamiento colectivo de grupos en la naturaleza, como las hormigas o las abejas. [1, 2]
• Sistemas inmunitarios artificiales: Técnicas computacionales inspiradas en la defensa biológica del cuerpo para detectar anomalías o virus.

Relación entre Inteligencia Computacional y Artificial: La inteligencia artificial (IA) y la inteligencia computacional (IC) guardan una relación de inclusión: la inteligencia computacional es una subrama o componente de la inteligencia artificial. Mientras la IA abarca cualquier técnica que imite la conducta inteligente, la IC se enfoca en métodos numéricos, adaptativos e inspirados en la naturaleza.

Diferencias Clave

• Inteligencia Artificial (IA): Campo amplio y general. Incluye tanto métodos lógicos (simbólicos, reglas if-then) como estadísticos. Busca replicar cualquier tipo de tarea o razonamiento humano.
• Inteligencia Computacional (IC): Subconjunto enfocado en la adaptación y el aprendizaje numérico. Usa modelos inspirados en la biología o la naturaleza. Evita la lógica dura y prefiere la aproximación y la heurística.

Pilares de la Inteligencia Computacional en la IA: La inteligencia computacional aporta las herramientas de aprendizaje numérico dentro de los sistemas inteligentes. Sus tres ramas clásicas son:

• Redes neuronales artificiales: Imitan el cerebro humano para reconocer patrones complejos.
• Computación evolutiva: Algoritmos basados en la genética y la selección natural para optimizar soluciones.
• Lógica difusa: Permite manejar grados de certeza o imprecisión en vez de valores binarios estrictos (verdadero o falso)

Relación entre Inteligencia artificial y Computación Cuántica: La relación entre la inteligencia computacional (incluyendo la inteligencia artificial) y la computación cuántica es una sinergia bidireccional y un catalizador mutuo. La computación cuántica acelera los procesos de la IA mediante superposición de datos, mientras que la IA ayuda a diseñar circuitos y corregir errores en los sistemas cuánticos.

Ejes de la relación

• De cuántica a IA (Quantum Machine Learning): Uso de cúbits para procesar combinaciones de datos de forma simultánea.
• Optimización de procesos: Resolución veloz de problemas logísticos complejos que saturan a los ordenadores clásicos.
• De IA a cuántica: Empleo de algoritmos inteligentes para calibrar y corregir el ruido en los procesadores cuánticos.
• Simulación molecular: Modelado anatómico preciso para crear nuevos fármacos y materiales avanzados

Para más información sobre la Comunidad Cuántica de Guatemala y su avance en el tema se puede consultar: https://observatorioca.tech/criptografia-cuantica-y-post-cuantica-en/

Relación de ciberseguridad e IA: La relación entre la ciberseguridad y la inteligencia artificial (IA) es una doble vertiente: la IA actúa como una herramienta poderosa para automatizar la defensa y analizar grandes volúmenes de datos, pero también amplía los riesgos al ser utilizada por atacantes para crear amenazas más sofisticadas.

La IA como defensa (Escudo):

• Detección temprana: Identifica anomalías y patrones de tráfico malicioso en tiempo real a una escala imposible para los humanos.
• Respuesta automatizada: Bloquea ataques de manera autónoma y reduce los tiempos de triaje y falsos positivos en los centros de operaciones de seguridad (SOC).
• Análisis predictivo: Anticipa vulnerabilidades y brechas antes de que puedan ser explotadas.

La IA como amenaza (Espada)

• Phishing avanzado: Genera correos fraudulentos hiperpersonalizados, libres de errores ortográficos y muy convincentes mediante IA generativa.
• Malware polimórfico: Crea códigos maliciosos capaces de mutar y evadir los filtros tradicionales de los antivirus.
• Ataques adversarios: Manipula los propios modelos de IA para engañar a los sistemas de seguridad automatizados.

Protección de la propia IA

• Aislamiento de datos: Controla estrictamente qué información ingresa a los modelos para evitar fugas de datos sensibles.
• Auditoría de prompts: Registra y analiza las interacciones con los sistemas de IA para detectar usos indebidos o ataques de inyección de comandos (prompt injection).

Relación entre robótica e IA: La robótica y la inteligencia artificial (IA) se combinan para formar un sistema único: la robótica aporta el cuerpo físico (motores, sensores y estructura) y la IA aporta el cerebro digital (razonamiento, aprendizaje y toma de decisiones). Juntas, transforman máquinas simples en agentes autónomos capaces de adaptarse a su entorno.

Diferencias principales

• Robótica: Se enfoca en el diseño, construcción y movimiento físico de la máquina para interactuar con el mundo real.
• Inteligencia Artificial: Se concentra en el procesamiento de datos, algoritmos, reconocimiento de patrones y toma de decisiones lógicas.

Cómo se complementan

• Percepción: La IA procesa imágenes de cámaras y datos de sensores para que el robot “entienda” lo que ve o escucha.
• Autonomía: Permiten que el robot elija rutas o resuelva problemas imprevistos sin intervención humana constante.
• Aprendizaje: Mediante machine learning, el robot mejora su desempeño con la experiencia y se adapta a nuevas tareas.

Aplicaciones comunes

• Industria (Industria 4.0): Brazos mecánicos y vehículos autónomos (AMR) que ensamblan piezas y optimizan la cadena de montaje.
• Logística: Robots en almacenes que calculan rutas óptimas para empaquetar y mover mercancías.
• Medicina y salud: Asistencia en cirugías de alta precisión o exoesqueletos de rehabilitación.

Relación de salud e IA: La relación entre la salud y la inteligencia artificial (IA) transforma la medicina al mejorar el diagnóstico temprano, optimizar tratamientos personalizados y automatizar tareas administrativas. Si bien acelera la investigación y amplía el acceso médico, también plantea retos éticos sobre la privacidad de los datos y el rol humano.

Beneficios Principales

• Diagnóstico rápido: Analiza imágenes médicas (radiografías o resonancias) con gran precisión para detectar anomalías.
• Medicina personalizada: Examina el historial y la genética del paciente para crear tratamientos únicos.
• Menos burocracia: Ayuda a los médicos a redactar notas clínicas y organizar datos, lo que ahorra tiempo.
• Prevención: Identifica factores de riesgo antes de que las enfermedades se vuelvan graves.

Retos y Limitaciones

• Privacidad y seguridad: El manejo de datos sensibles de salud exige leyes estrictas de protección.
• Falta de empatía: La máquina procesa datos, pero no sustituye el calor humano ni la escucha del médico.
• Errores y sesgos: Si los datos iniciales son malos, el diagnóstico de la IA también puede fallar.

Relación de finanzas e IA: La relación entre las finanzas y la inteligencia artificial (IA) se centra en el uso de algoritmos y aprendizaje automático para procesar grandes volúmenes de datos, automatizar procesos operativos y mejorar la precisión en la toma de decisiones estratégicas.

Áreas clave de aplicación

• Análisis y automatización: Procesamiento rápido de estados financieros, creación de reportes y gestión contable sin intervención manual repetitiva.
• Gestión de riesgos y fraudes: Detección temprana de anomalías en transacciones y simulación de escenarios de mercado complejos.
• Predicción e inversión: Optimización de carteras de inversión y modelos de previsión de ingresos basados en datos en tiempo real.
• Personalización: Creación de asesores financieros automáticos y ofertas adaptadas al comportamiento del cliente.

Relación entre astronomía e IA:

La relación entre la astronomía y la inteligencia artificial (IA) es una alianza clave. La IA procesa y analiza de forma automática los enormes volúmenes de datos de los telescopios modernos, permitiendo descubrir exoplanetas, clasificar galaxias y predecir eventos cósmicos con rapidez.

Aplicaciones principales

• Procesamiento de grandes datos: Los telescopios actuales generan petabytes de información que superan la capacidad humana de revisión manual.
• Descubrimiento de exoplanetas: Algoritmos detectan sutiles cambios de luz en las estrellas causados por planetas que pasan frente a ellas.
• Clasificación de objetos: Redes neuronales agrupan y catalogan millones de galaxias, nebulosas y supernovas.
• Astronomía de eventos rápidos: Identifica cambios en el cielo en tiempo real, alertando sobre fenómenos transitorios de manera autónoma

Desafíos y futuro: Los modelos comerciales no sirven tal cual; la IA en astronomía debe integrar leyes físicas reales y evitar errores o datos falsos.Se usan simulaciones avanzadas para entrenar a los sistemas de IA en la comprensión de la historia y evolución del cosmos.

Relación de juegos e IA: La relación entre los juegos y la inteligencia artificial (IA) es profunda y bidireccional: los juegos sirven como el campo de entrenamiento ideal para desarrollar la IA, mientras que la IA transforma la forma en que se crean y se juegan los videojuegos modernos.

Un vistazo a cómo la nueva generación de personajes con IA transforma la interacción en los mundos virtuales:

Cómo la IA usa los juegos (Entrenamiento y Estrategia)

• Aprendizaje por refuerzo: La IA aprende a base de jugar millones de veces contra sí misma para dominar reglas complejas.
• Hitos históricos: Sistemas como Deep Blue en el ajedrez o AlphaZero en juegos como Go y Shogi demostraron que una máquina puede superar la intuición humana mediante la simulación de partidas.
• Toma de decisiones: La teoría de juegos y la IA se alían para resolver dilemas estratégicos aplicados a la economía, la seguridad y la robótica.

Cómo los juegos usan la IA (Desarrollo y Experiencia)

• Personajes no jugables (NPCs) avanzados: Pasan de seguir rutas fijas a reaccionar, dialogar y adaptarse al estilo de cada usuario en tiempo real. [1, 2]
• Generación procedural: Ayuda a crear mundos, mapas, texturas, música y misiones de forma automática para agilizar el trabajo de los estudios. [1, 2]
• Optimización y soporte técnico: Se usa en tareas de preproducción, localización de idiomas, diseño de arte conceptual y control de calidad

Conceptos básicos del grupo de trabajo:

Sistemas Difusos (Fuzzy Systems) : Un sistema difuso (o fuzzy system en inglés) es un modelo matemático basado en la lógica difusa que procesa información ambigua o incierta imitando el razonamiento humano. A diferencia de la lógica tradicional (que solo acepta 0 o 1, falso o verdadero), permite grados de pertenencia intermedios entre 0 y 1.

Componentes Principales

• Fusificación: Convierte las entradas numéricas reales en valores lingüísticos (ej. “poco frío”, “muy caliente”) usando funciones de pertenencia.
• Base de Reglas: Almacena reglas de tipo SI-ENTONCES diseñadas con base en la experiencia o el conocimiento humano.
• Motor de Inferencia: Simula el proceso de razonamiento evaluando las reglas con las entradas dadas.
• Defusificación: Convierte de nuevo el resultado lingüístico difuso en un valor numérico útil para controlar un dispositivo o proceso.

Aplicaciones Comunes

• Electrodomésticos: Lavadoras o aires acondicionados que ajustan su potencia según el nivel de carga o calor ambiental.
• Industria Automotriz: Frenos ABS, control de tracción y cajas de cambio automáticas.
• Automatización y Robótica: Vehículos autónomos y robots que lidian con entornos dinámicos e imprecisos.

Aquí tienes los ejemplos más comunes clasificados de sistemas difusos por su área de aplicación:

🏠 Electrodomésticos y Hogar

• Lavarropas inteligentes: Sensores miden la suciedad y el peso de la ropa. El sistema ajusta la cantidad de agua, detergente y tiempo de lavado de forma exacta.
• Aires acondicionados (Inverter): En lugar de apagarse y encenderse bruscamente, miden la diferencia térmica y regulan la velocidad del motor continuamente para mantener la temperatura estable.
• Cámaras de fotos: El sistema de estabilización detecta la velocidad y tipo de temblor de la mano para compensar el movimiento de la lente suavemente.

🚗 Automoción y Transporte

• Frenos ABS: Monitorean la velocidad de las ruedas y la presión del pedal. Regulan el frenado para evitar que las llantas se bloqueen en superficies resbaladizas.
• Transmisiones automáticas: Evalúan la pendiente del camino, la velocidad del auto y la presión en el acelerador para cambiar de marcha de forma suave y eficiente.
• Control de trenes (ej. Metro de Sendai en Japón): Evalúa la distancia a la estación y la velocidad actual para frenar de forma tan suave que los pasajeros no necesitan sostenerse de las barandillas.

🩺 Salud y Medicina

• Sistemas de diagnóstico: Combinan síntomas imprecisos (como “fiebre moderada” y “dolor de cabeza leve”) para calcular la probabilidad de una enfermedad.
• Bombas de insulina automáticas: Miden los niveles de glucosa en sangre de forma continua y administran dosis microscópicas de insulina según la tendencia del paciente.

📈 Finanzas y Negocios

• Evaluación de créditos: Los bancos analizan variables cualitativas (como “estabilidad laboral buena” o “historial crediticio regular”) para decidir si aprueban un préstamo.
• Detección de fraudes: Evalúa qué tan “inusual” es el comportamiento de una compra con tarjeta de crédito en comparación con el perfil normal del usuario

Qué es energía y redes eléctricas inteligentes (Smart Grids): Un smart grid se conoce como red eléctrica inteligente o red de distribución eléctrica inteligente. Se trata de una red que utiliza tecnología digital y de comunicación para enviar electricidad de forma bidireccional, permitiendo un control en tiempo real entre las empresas y los usuarios. Para profundizar en este concepto, puedes consultar la explicación detallada en la página de Iberdrola sobre las Smart Grids.

Características Principales

• Flujo bidireccional: La energía y la información viajan en ambos sentidos entre el productor y el hogar o negocio.
• Integración de renovables: Facilitan la conexión de fuentes limpias como la energía solar o eólica.
• Automatización: Detectan averías de manera veloz y desvían la electricidad de forma automática.

Beneficios para el Usuario

• Datos en tiempo real: Permiten conocer el consumo exacto de luz y las tarifas actuales.
• Rol activo (Prosumidor): Los consumidores pueden almacenar energía o vender sus excedentes de vuelta a la red general.
• Ahorro económico: Ayudan a programar el uso de aparatos en las horas con tarifas más económicas.

Que es Smartx y el Smartworld: SmartX y SmartWorld son nombres genéricos usados por varias empresas y plataformas de tecnología. A menudo se refieren a sistemas de automatización, infraestructura digital, análisis de datos o proyectos de casas inteligentes.

Posibles aplicaciones de SmartX

• Infraestructura TI: Una plataforma global de hiperconvergencia (HCI) y almacenamiento en la nube privada.
• Análisis de Mercado: Plataformas de datos y licitaciones públicas de empresas de tecnología en Latinoamérica.
• Educación e Ingeniería: Iniciativas universitarias para promover el aprendizaje automático (Machine Learning).

Posibles aplicaciones de SmartWorld

• Casas Inteligentes: Empresas dedicadas a la domótica, internet de las cosas (IoT) y espacios residenciales automatizados.
• Servicios TI: Consultoras de tecnología e Industria 4.0.
• Aplicaciones móviles: Apps orientadas al control de gestión de proyectos y servicios del hogar.

Relación con territorios inteligentes:  Cuando se vinculan con los territorios inteligentes, los términos SmartX y SmartWorld abandonan su significado genérico y se convierten en la arquitectura técnica y el entorno global que hacen posible este modelo de desarrollo.

Un territorio inteligente es una evolución de la Smart City. No se limita solo a digitalizar una urbe, sino que conecta de forma integral áreas urbanas, comunidades rurales, recursos naturales y sectores productivos de una región para mejorar la calidad de vida y la sostenibilidad.

La relación e integración de ambos conceptos en este ecosistema se define a continuación:

🌐 SmartX: La capa de infraestructura y tecnología (El “Cómo”) En la ingeniería de territorios inteligentes, la “X” funciona como una variable algebraica que representa cualquier vertical o sector que se puede automatizar y conectar. SmartX es la infraestructura tecnológica multisectorial que sostiene la región:

• Smart Grid (Energía): Redes eléctricas eficientes para la distribución de energía limpia.
• Smart Mobility (Transporte): Sistemas integrados de transporte público, vehículos autónomos o compartidos y estacionamiento inteligente.
• Smart Gov / GovTech (Gobierno): Plataformas de datos geoespaciales, catastro multipropósito y trámites públicos digitales.
• Smart Agro (Agricultura): Sensores de humedad e Internet de las Cosas (IoT) para optimizar el campo en zonas rurales del territorio.
• Smart Health (Salud): Telemedicina y monitoreo ambiental para mitigar problemas respiratorios en la población.

🌍 SmartWorld: El entorno global interoperable (El “Dónde”) SmartWorld representa la visión macro: la red global que interconecta estos territorios inteligentes entre sí. Un territorio inteligente no puede funcionar de manera aislada; necesita comunicarse con el resto del mundo:

• Interoperabilidad de Datos: Es el ecosistema donde los datos abiertos (Open Data) de una región (como flujos de transporte, alertas climáticas o cadenas de suministro) se comparten globalmente para mejorar la resiliencia y el comercio.
• Redes Internacionales: Iniciativas globales (como la Red Internacional de Territorios Urbanos Inteligentes o plataformas como Smart Cities World) que estandarizan las mejores prácticas tecnológicas, ambientales y de gobernanza para que los municipios colaboren a nivel internacional.

📊 Cuadro Comparativo: Roles en el Territorio

Concepto	Rol en el Territorio Inteligente	Ejemplos Prácticos
SmartX	Las soluciones tecnológicas y verticales aplicadas a resolver problemas específicos del entorno urbano o rural.	Sensores de recolección de basura, gestión de residuos y medidores de contaminación en tiempo real.
Territorio Inteligente	El espacio geográfico integrado (ciudades, pueblos, campos) que adopta estas tecnologías para beneficio de sus ciudadanos.	Regiones rurales conectadas con nodos urbanos mediante herramientas digitales comunes.
SmartWorld	El ecosistema y la red global donde convergen todos los territorios inteligentes del planeta.	Estándares internacionales de conectividad 5G, plataformas globales de gemelos digitales y bases de datos compartidas.

Qué es computación evolutiva: La computación evolutiva es una rama de la inteligencia artificial que resuelve problemas difíciles al imitar la evolución biológica de la naturaleza. Crea grupos de posibles respuestas y usa la selección natural, el cruce y la mutación para mejorarlas paso a paso hasta hallar la mejor solución.

Cómo funciona el proceso

• Población inicial: Se crea un grupo de respuestas al azar para un problema.
• Evaluación: Se mide qué tan buena o útil es cada respuesta.
• Selección: Se eligen las mejores respuestas del grupo.
• Reproducción: Se combinan y mutan las respuestas elegidas para crear nuevas generaciones.
• Repetición: El ciclo se repite hasta hallar una solución óptima

Tipos principales

• Algoritmos genéticos: Imitan la genética y la selección de los seres vivos.
• Estrategias evolutivas: Usan la adaptación numérica de variables.
• Programación evolutiva: Buscan crear programas de computadora que evolucionan.

Para qué se usa

• Diseñar rutas óptimas de entrega o transporte.
• Mejorar circuitos electrónicos y antenas.
• Entrenar redes de neuronas artificiales.
• Planear horarios de trabajo o de eventos.

Qué es Aprendizaje profundo (Deep Learning): El deep learning (aprendizaje profundo) es una rama avanzada del machine learning (aprendizaje automático) que utiliza redes neuronales artificiales con múltiples capas. Estas capas imitan la estructura del cerebro humano para procesar datos, reconocer patrones complejos y aprender de forma autónoma a partir de enormes cantidades de información.

Cómo Funciona

• Capa de entrada: Recibe los datos crudos como imágenes, textos o sonidos.
• Capas ocultas: Son múltiples capas intermedias que hacen cálculos matemáticos para extraer rasgos cada vez más abstractos y detallados.
• Capa de salida: Entrega el resultado final, como la predicción o la clasificación de un objeto.

Principales Aplicaciones

• Visión artificial: Reconocimiento facial, desbloqueo de teléfonos y conducción autónoma.
• Procesamiento de lenguaje natural: Traductores automáticos, asistentes virtuales y modelos de lenguaje.
• Medicina: Detección de anomalías en radiografías y análisis genéticos.

Qué es procesamiento de audio: El procesamiento de audio en inteligencia artificial usa modelos de aprendizaje automático para analizar, limpiar, modificar o crear señales de sonido. Permite que las computadoras entiendan la voz humana, separen instrumentos musicales, eliminen ruidos molestos o generen audio realista a partir de datos digitales.

Usos Principales

• Reconocimiento de voz: Transcribe lo que dices a texto para usarlo en asistentes virtuales como Siri o Google Assistant.
• Limpieza de sonido: Borra el eco y el ruido de fondo para que las llamadas o grabaciones suenen profesionales (como en Adobe Podcast).
• Separación de pistas: Divide una canción terminada en varias partes independientes para aislar la voz o la batería (con herramientas como Moises).
• Generación de voz y música: Crea voces artificiales idénticas a las humanas o compone canciones completas desde cero

Qué es análisis de Big data: El análisis de Big Data con inteligencia artificial combina el almacenamiento de grandes volúmenes de datos con algoritmos avanzados de aprendizaje automático. Esta unión permite procesar información masiva en tiempo real, descubrir patrones ocultos, automatizar tareas y predecir comportamientos futuros con alta precisión.

Cómo funciona el proceso

• Recopilación: Se obtienen datos variados desde redes sociales, sensores o transacciones.
• Limpieza: Se eliminan errores y se normaliza el formato de la información.
• Entrenamiento: Los modelos de IA aprenden de los datos para reconocer tendencias.
• Predicción: El sistema emite resultados y recomendaciones prácticas para tomar decisiones.

Beneficios principales

• Velocidad: Procesa datos complejos mucho más rápido que las personas.
• Precisión: Reduce errores humanos en la interpretación de estadísticas.
• Personalización: Anticipa los gustos de los clientes para ofrecer productos a la medida.
• Optimización: Mejora las rutas de transporte, el inventario y los costos operativos.

Herramientas comunes

• Google BigQuery para análisis escalable en la nube.
• Tableau para la visualización de datos potenciada por IA.
• Microsoft Power BI para la integración de métricas empresariales

Qué es computación afectiva: La computación afectiva es un campo de la inteligencia artificial y la informática que busca crear sistemas capaces de reconocer, interpretar, procesar y simular las emociones humanas. Su meta no es que las máquinas sientan, sino que entiendan nuestros estados de ánimo para mejorar la comunicación con nosotros.

Cómo funciona

• Captura de datos: Usa cámaras, micrófonos y sensores corporales para leer gestos del rostro, tono de voz o ritmo cardíaco.
• Análisis: Interpreta las señales para identificar alegría, enojo, estrés o tristeza.
• Respuesta: Adapta la acción del dispositivo o programa según lo que el usuario siente.

Dónde se usa

• Educación: Software que ajusta la dificultad de una lección si nota aburrimiento o frustración.
• Seguridad vial: Autos que detectan somnolencia o enojo en el conductor para activar alertas.
• Salud y asistencia: Robots de apoyo emocional para adultos mayores o personas con autismo.
• Entretenimiento y marketing: Videojuegos o anuncios que miden la reacción del público para personalizar contenidos.

Qué es Informática del Cerebro (Brain informatics): El brain informatics (informática cerebral) es un campo de estudio que une la neurociencia y la tecnología de la información. Usa herramientas de computación e inteligencia artificial para estudiar cómo funciona el cerebro humano, procesar datos de la mente y crear sistemas inteligentes inspirados en la red neuronal.

Áreas clave de estudio

• Análisis de datos masivos (big data) obtenidos de escáneres cerebrales y neuroimágenes.
• Creación de interfaces cerebro-computadora (BCI) para conectar la mente con máquinas.
• Desarrollo de sistemas de inteligencia artificial inspirados en la estructura del cerebro.
• Investigación sobre la memoria, el aprendizaje, las emociones y la percepción.

Aplicaciones principales

• Medicina: Diagnóstico y tratamiento de enfermedades neurológicas y problemas de salud mental.
• Tecnología: Control de dispositivos o prótesis usando solo el pensamiento.
• Inteligencia Artificial: Creación de modelos computacionales avanzados que imitan el razonamiento humano.

Qué es bioinformática y bioingeniería: La bioinformática usa computadoras y programas para analizar datos de la biología, como el ADN y las proteínas. La bioingeniería aplica ideas de la ingeniería para resolver problemas en la medicina y la biología, creando aparatos o tejidos artificiales. Ambas ciencias mejoran la salud y la vida.

Qué es la Bioinformática

• Usa bases de datos y programas para leer el ADN.
• Ayuda a entender enfermedades y buscar nuevos medicamentos.
• Compara genes entre plantas, animales y personas.

Qué es la Bioingeniería

• Diseña órganos artificiales y prótesis para el cuerpo.
• Crea máquinas para hospitales y clínicas.
• Modifica materiales para que el cuerpo los acepte bien.

Diferencias Clave

• Bioinformática: Trabaja con datos digitales, secuencias y código en la computadora.
• Bioingeniería: Trabaja con materia física, aparatos, dispositivos y sistemas biológicos

Qué es desarrollo cognitivo: El desarrollo cognitivo relacionado con la inteligencia artificial (IA) estudia cómo el uso de herramientas inteligentes influye en las habilidades mentales humanas —como la memoria, el pensamiento crítico y la atención—, o bien cómo se diseñan sistemas de IA cognitiva para imitar y potenciar el razonamiento humano.

Impacto de la IA en la mente humana

• Deuda cognitiva: Ocurre cuando delegamos todo el esfuerzo mental en la máquina. Si no practicamos, habilidades como retener datos o analizar problemas pueden debilitarse.
• Pensamiento crítico: Exige evaluar con cuidado las respuestas de la IA. Como los sistemas pueden equivocarse, las personas deben aprender a dudar y verificar.
• Apoyo al aprendizaje: Bien aplicada, la tecnología reduce tareas pesadas y deja espacio para la creatividad y el análisis profundo.

Qué es la Inteligencia Artificial Cognitiva

• Simulación del pensamiento: Es una rama de la IA que imita procesos humanos complejos mediante el aprendizaje automático y el lenguaje natural.
• Adaptabilidad: A diferencia de los programas antiguos con reglas fijas, la IA cognitiva aprende de nuevos datos y mejora sus decisiones con el tiempo.

Que son redes neuronales: Una red neuronal artificial es un modelo de inteligencia artificial inspirado en el funcionamiento del cerebro humano. Utiliza nodos conectados (neuronas artificiales) organizados en capas para procesar datos, reconocer patrones y aprender de forma automática a resolver problemas complejos sin necesidad de seguir reglas fijas programadas a mano.

Estructura de una red neuronal

• Capa de entrada: Recibe los datos originales o información inicial.
• Capas ocultas: Procesan la información de forma interna mediante cálculos matemáticos complejos.
• Capa de salida: Muestra el resultado final, predicción o clasificación obtenida.

Cómo funciona el aprendizaje

• Pesos y sesgos: Cada conexión tiene un valor numérico que define su importancia; la red los ajusta mientras entrena.
• Retropropagación: Es el proceso donde la red corrige sus errores comparando los resultados para mejorar la precisión en el futuro.

Usos principales

• Reconocimiento de imágenes y rostros
• Procesamiento del lenguaje natural y traducción
• Sistemas de recomendación y conducción autónoma

Qué es visión de computación (Computer Vision): El Computer Vision (o visión por computadora) es una rama de la inteligencia artificial que entrena a los sistemas para ver, procesar y entender imágenes o videos tal como lo hace el ojo y cerebro humano. Convierte datos visuales en información útil para tomar decisiones.

Cómo Funciona

• Usa cámaras o sensores para capturar el contenido visual.
• Aplica aprendizaje profundo (deep learning) y redes neuronales (como las convolucionales o CNN) para analizar patrones.
• Identifica bordes, formas, colores y objetos dentro de los datos.

Tareas Principales

• Clasificación de imágenes: Pone una etiqueta general a una foto (ej. “perro” o “gato”).
• Detección de objetos: Encuentra y ubica elementos específicos en una imagen.
• Reconocimiento facial: Identifica o verifica rostros humanos.
• Segmentación: Divide la imagen en partes precisas para entender cada píxel.

Aplicaciones Comunes

• Autos autónomos: Para detectar peatones, señales y otros vehículos.
• Medicina: Para revisar radiografías y detectar anomalías o tumores.
• Seguridad: En cámaras de vigilancia y sistemas de desbloqueo por rostro.
• Industria: Para revisar fallas en productos dentro de una fábrica.

Qué es minería de datos (Data Mining): La minería de datos en inteligencia artificial es el proceso de usar algoritmos de aprendizaje automático y estadísticas para explorar grandes volúmenes de información. Su meta es descubrir patrones ocultos, tendencias o anomalías que no se ven a simple vista, transformando datos simples en conocimiento útil.

Cómo funciona el proceso

• Recopilación: Juntar datos de muchas fuentes distintas.
• Limpieza: Quitar errores, espacios vacíos o datos falsos.
• Análisis con IA: Aplicar modelos para buscar relaciones lógicas.
• Evaluación: Comprobar si los resultados son reales y útiles.

Técnicas principales

• Clasificación: Ordenar datos en grupos ya conocidos (como marcar un correo como spam o no).
• Agrupamiento (Clustering): Juntar datos similares sin una categoría previa (como dividir clientes por sus gustos).
• Detección de anomalías: Encontrar cosas extrañas o fuera de lo común (como un robo en una tarjeta de crédito).
• Regresión: Calcular o adivinar un valor futuro basado en el pasado (como el precio de una casa)

Qué es inteligencia de negocios (Business Intelligence): La inteligencia de negocios potenciada por inteligencia artificial (IA) combina métodos tradicionales de análisis de datos con algoritmos inteligentes para predecir tendencias, automatizar reportes y entender información compleja en segundos. Transforma datos simples en consejos útiles para mejorar las ventas, cuidar a los clientes y ganar más dinero.

Funciones Principales

• Análisis predictivo: Mira el pasado para adivinar qué pasará mañana.
• Lenguaje natural: Permite hacer preguntas a la computadora escribiendo como si hablaras con una persona.
• Datos ocultos: Encuentra fallas o gustos nuevos en textos, redes sociales o llamadas de clientes.
• Tableros automáticos: Crea gráficos y alertas sin que un técnico tenga que programarlos.

Diferencias Clave

Inteligencia Tradicional (BI)	Inteligencia con IA
Explica qué pasó y por qué pasó.	Predice qué va a pasar y qué hacer.
Usa números fijos y tablas ordenadas.	Lee textos, audios y opiniones sueltas.
Depende de personas para crear reportes.	Funciona sola y avisa de problemas a tiempo.

Qué es inteligencia web (Web intelligence): La inteligencia web aplicada a la inteligencia artificial es el uso de algoritmos y modelos inteligentes que permiten a los sitios y servicios en línea analizar datos de navegación, aprender del comportamiento del usuario y tomar decisiones automáticas para adaptarse en tiempo real.

Componentes Clave

• Personalización: Ajusta el contenido y diseño del sitio web según los gustos de cada persona.
• Asistentes virtuales: Usa robots de charla para responder dudas de forma inmediata.
• Análisis de datos: Revisa las acciones de los visitantes para mejorar el funcionamiento de la página.
• Automatización: Crea y modifica elementos del sitio sin requerir cambios manuales constantes.

Beneficios Principales

• Mejora la experiencia de las personas al navegar.
• Optimiza el diseño y la estructura de las páginas.
• Aumenta las ventas o metas de un negocio en internet.

Qué son las ciencias aeroespaciales: Las ciencias aeroespaciales aplicadas a la inteligencia artificial (IA) combinan la física de la atmósfera y el espacio con algoritmos inteligentes para diseñar, optimizar y operar vehículos aéreos y espaciales. Esta unión permite procesar datos masivos de sensores, automatizar el control de vuelo y tomar decisiones autónomas en misiones complejas.

Áreas clave de aplicación

• Diseño y aerodinámica: La IA acelera las simulaciones numéricas de fluidos para probar formas de cohetes o aviones sin necesidad de prototipos físicos costosos.
• Sistemas autónomos y navegación: Pilotos automáticos avanzados y drones utilizan aprendizaje automático para corregir rutas en tiempo real y evitar obstáculos.
• Mantenimiento predictivo: Analizan los miles de datos que emiten los motores en pleno vuelo para anticipar fallas antes de que ocurran.
• Gestión del tráfico aéreo y espacial: Optimizan el flujo de naves y predicen la trayectoria de satélites o basura espacial

Para más información de la agenda espacial de Guatemala del Observatorio favor consultar en: https://observatorioca.tech/agenda-espacial-de-guatemala-octubre-2024/

Que es el Observatorio de Tecnología:

· Que es el observatorio de tecnología: Es una plataforma de apoyo a la transferencia de tecnología, la innovación y el emprendimiento desde la vigilancia tecnológica

· Qué entendemos por observatorio de tecnología: Un observatorio de tecnología es una plataforma de apoyo a la transferencia de tecnología, la innovación y el emprendimiento desde la vigilancia tecnológica

· Qué entendemos por vigilancia tecnológica: Vigilancia tecnológica: Identificación, evaluación y uso de señales débiles para reconocer y advertir en una fase temprana, tecnologías emergentes, discontinuidades tecnológicas (innovaciones disruptivas o rupturistas), oportunidades y amenazas.

· Qué entendemos por tecnología: La tecnología es el conjunto de saberes, conocimientos, experiencias, habilidades y técnicas a través de las cuales nosotros los seres humanos cambiamos, transformamos y utilizamos nuestro entorno con el objetivo de crear herramientas, máquinas, productos y servicios que satisfagan nuestras necesidades y deseos.

· Para cualquier consulta o comentario adicional, le invitamos a visitar los foros del Observatorio de Tecnología de Guatemala: https://observatorioca.tech/ o escribir a info@mzaghi.com

Nota: Los cursos básicos de cualquiera de estos temas para una organización, se llevan a cabo regularmente en el Observatorio. Interesados: info@mzaghi.com

Fuente:

Gracias a #PrensaLibre #Guatemala por reportaje de #IA #MariaZaghi estudio de #Fundesa

Reportaje estudio #GNSD #IA #Guatemala- gracias por la mención https://www.prensalibre.com/guatemala/guatemala-no-se-detiene/los-guatemaltecos-no-le-temen-a-la-ia-pero-tienen-dudas-de-como-aprovecharla-revela-estudio/

Estudio #fundesa #ia #Guatemala #observatorio https://www.linkedin.com/posts/fundesa-inteligenciaartificial-capitalhumano-share-7487901523767758849-iJXu/

Pilares de IA Observatorio:

Nota extra:

Fuente: