Evaluación — Parte 21: IA aplicada a marketing, ventas y servicio#
Esta evaluación exige haber estudiado las 14 clases y haber ejecutado los dos laboratorios. Una respuesta genérica, que podría copiarse a otra parte sin cambios, se considera insuficiente.
Duración sugerida: 120 minutos · Aprobación: 80/100 y ningún bloque bajo 60 %.
A. Precisión conceptual — 25 puntos#
- Define tarea automatizable de forma operacional y da un hecho que lo confirme y otro que lo refute. Definición de referencia: actividad concreta con entrada y salida definidas que un sistema puede ejecutar.
- Define contexto suficiente de forma operacional y da un hecho que lo confirme y otro que lo refute. Definición de referencia: información mínima que el sistema necesita para producir una salida útil.
- Define afirmación plausible de forma operacional y da un hecho que lo confirme y otro que lo refute. Definición de referencia: salida que suena correcta y puede no corresponder a ningún hecho.
- Define control de afirmaciones de forma operacional y da un hecho que lo confirme y otro que lo refute. Definición de referencia: verificación obligatoria del respaldo de cada afirmación antes de publicar.
- Define pertinencia percibida de forma operacional y da un hecho que lo confirme y otro que lo refute. Definición de referencia: grado en que el cliente considera útil la adaptación del mensaje.
- Elige dos conceptos de la parte que suelan confundirse. Construye un caso donde clasificar mal cambie la decisión comercial y explica el costo de ese error.
B. Caso de decisión — 30 puntos#
Caso. Ruta Andina automatizó respuestas de soporte con un modelo generativo. En dos semanas prometió por escrito una funcionalidad que no existe.
Construye dos alternativas realmente defendibles. Para cada una indica beneficio esperado, costo de oportunidad, riesgo, reversibilidad y quién asume la consecuencia. Recomienda una y declara qué información nueva te haría cambiar de opinión.
C. Método y evidencia — 30 puntos#
Aplica la secuencia de trabajo de la parte:
- Clasificar tareas en asistidas, automatizadas y humanas.
- Documentar evaluación y guardarraíles por caso de uso.
- Asignar responsable por cada sistema activo.
- Instalar el registro de incidentes.
- Revisar el modelo completo cada semestre.
Debes operacionalizar casos de uso documentados, incidentes registrados y corregidos y tiempo de rendición de cuentas. Separa hechos, inferencias y supuestos: una métrica sin línea base ni ventana no cuenta como evidencia suficiente.
D. Fuentes, límites y red team — 15 puntos#
Contrasta dos obras de la bibliografía rectora de la parte:
- Stuart Russell y Peter Norvig — Artificial Intelligence: A Modern Approach (2021, 4.ª ed.) — marco formal de agentes, entornos y medidas de desempeño.
- Andrew Ng — Machine Learning Yearning (2018) — diagnóstico de sistemas de aprendizaje y priorización de mejoras.
- NIST — AI Risk Management Framework 1.0 (2023) — gobernanza de riesgo de IA: mapear, medir, gestionar y gobernar.
- Cathy O'Neil — Weapons of Math Destruction (2016) — daños de los modelos opacos a escala y necesidad de auditoría.
Resume con tus palabras qué lente aporta cada una, identifica una tensión real entre ambas y explica cómo modifica tu recomendación. Después responde al límite de la parte:
Riesgo declarado: Publicar contenido incorrecto a escala, tratar datos personales sin base legal y perder trazabilidad.
Criterios de aprobación#
| Bloque | Peso | Evidencia esperada |
|---|---|---|
| A. Precisión conceptual | 25 % | Distinciones observables, no definiciones memorizadas. |
| B. Caso de decisión | 30 % | Dos opciones defendibles, trade-offs y condición de revisión. |
| C. Método y evidencia | 30 % | Secuencia completa, métricas operacionalizadas y supuestos explícitos. |
| D. Fuentes y límites | 15 % | Dos lecturas realmente usadas y tratamiento honesto del riesgo. |
Aprobación: 80/100 y ningún bloque bajo el 60 % de su peso.
Guía para quien evalúa#
- Una respuesta correcta define, aplica y decide; definir sin aplicar es incompleto.
- Verifica que las métricas incluyan numerador, denominador, ventana y fuente.
- Penaliza las afirmaciones normativas o legales sin referencia a fuente oficial.
- Valora explícitamente el reconocimiento de límites y de información faltante.