Cuando la IA responde, ¿quién analiza los datos?

Hoy un estudiante puede pedirle a la Inteligencia Artificial una fórmula, un análisis o una conclusión y obtener una respuesta en segundos. El verdadero reto comienza después: ¿entiende realmente el dato que está presentando?

En esta sesión compartiré experiencias reales vividas en el aula universitaria, donde estudiantes lograban llegar a respuestas aparentemente correctas utilizando IA, pero tenían dificultades para explicar qué significaba el resultado, por qué habían llegado a esa conclusión o qué decisión tomarían a partir de los datos.

A través de un caso práctico con información numérica (Excel / Power BI) mostraré cómo transformar una actividad tradicional para que obtener la respuesta sea solo el punto de partida. Veremos cómo incorporar preguntas de interpretación, validación y toma de decisiones que permitan evidenciar si existe realmente comprensión detrás del resultado.

No se trata de impedir que los estudiantes utilicen Inteligencia Artificial. Se trata de reconocer que, si la IA puede ayudarnos a llegar rápidamente a una respuesta, necesitamos enseñar y evaluar algo más importante: la capacidad de analizar, cuestionar y convertir datos en decisiones.

¿Qué se llevará la persona que asiste?

Un método práctico para diseñar actividades donde la IA pueda utilizarse sin reemplazar el razonamiento del estudiante.
Un ejemplo aplicado para pasar de una respuesta generada con apoyo de IA a la interpretación y toma de decisiones.
Un checklist para transformar ejercicios tradicionales en actividades que permitan evaluar pensamiento analítico y comprensión de los datos.

Experiencia / caso real

La sesión está basada en situaciones encontradas directamente en el aula universitaria: estudiantes que podían presentar un resultado, indicador o conclusión, pero tenían dificultades para explicar el razonamiento detrás de esa respuesta.

Mostraré cómo estas experiencias llevaron a replantear actividades y evaluaciones para que el estudiante no solo entregue un resultado, sino que tenga que interpretarlo, defenderlo y explicar qué decisión tomaría a partir de los datos.

Importancia de la Analítica de Datos en el mundo actual

Dentro de este marco se va a proceder a destacar los siguientes puntos:
Analitica de Datos, su importancia y su situación actual.
Los 4 pilares del analisis de Datos.
La preparación de los Datos.
La explorarión de los Datos.
La visualización de los Datos.
La presentación de la información
Análisis de Dashboard interactivo.
Explicación e importancia de Data Storytelling, caso de estudio
La Audiencia o público objetivo.

KPIs en salud: detectar el problema antes que el paciente

En el sector salud, decisiones críticas como tiempos de atención, facturación y seguimiento de citas suelen basarse en datos que existen pero no se analizan a tiempo. Voy a mostrar, con casos reales vividos en la operación de un centro médico, cómo convertir esos datos en KPIs de alerta temprana usando Power BI, en lugar de indicadores que solo reportan lo que ya pasó.

Nivel: Introductorio

Qué se llevará la persona que asiste:

- Un método concreto para identificar, dentro de sus propios datos, cuáles sirven para anticipar un problema y cuáles solo describen el pasado.
- Un ejemplo real de KPI de alerta temprana aplicado en salud, que se puede construir en Microsoft Power BI.
- Un checklist práctic para detectar cuándo un KPI es decorativo y no aporta a la decisión.

Ejemplos reales (con experiencia):

Casos tomados directamente de la operación diaria desde el primer punto de contacto, atención al cliente y proyectos en un centro médico, donde un KPI mal definido retrasó decisiones, y cómo se corrigió ese indicador para que sí generara acción.

Tengo experiencia analizando datos y construyendo indicadores en salud, banca, educación y retail. He sido docente universitario y he capacitado equipos en "KPIs para la toma de decisiones" e "indicadores de alto impacto", usando Power BI y Excel como herramientas de trabajo diario, no como tema teórico.

Duración de la sesión: 30 a 45 minutos.

Más allá de la respuesta: enseñando a los estudiantes a pensar en datos

Cada vez más estudiantes universitarios llegan a una respuesta sin haber analizado el dato que tienen enfrente: le preguntan a la IA y la entregan como si fuera propia. Voy a mostrar, con casos reales vividos en el aula universitaria, cómo usar Power BI y Excel para diseñar ejercicios y evaluaciones que obligan al estudiante a interpretar el dato antes de llegar a una respuesta, en lugar de premiar solo el resultado final.

Nivel: Introductorio

Qué se llevará la persona que asiste:

- Un método concreto para identificar cuándo un estudiante entrega una respuesta sin haberla analizado realmente.
- Un ejemplo real de ejercicio o evaluación en Power BI/Excel diseñado para forzar el análisis, no solo el resultado.
- Un checklist práctico para ajustar un syllabus o actividad y que evalúe el razonamiento, no la respuesta correcta.

Ejemplos reales (Experiencia):

Casos tomados directamente del aula universitaria, donde estudiantes presentaban una respuesta generada por IA sin poder explicar el "por qué" detrás del dato o indicador, y cómo se rediseñó la actividad y el syllabus para cerrar ese vacío.

Tengo experiencia en el ámbito de docencia universitaria y capacitando equipos empresariales en "KPIs para la toma de decisiones" e "indicadores de alto impacto". Esa misma lógica aplicada en salud, banca y retail me mostró un patrón: los problemas se detectan tarde cuando nadie analiza el dato hasta que ya es un síntoma. En el aula es igual: si el estudiante recibe la respuesta sin analizar el dato primero, ese vacío no se nota hasta que ya es tarde.

Duración de la sesión: 30 a 45 minutos.

De KPIs a decisiones: cuando medir ya no es suficiente

Las organizaciones generan cada vez más datos, reportes e indicadores. Sin embargo, tener un dashboard lleno de KPIs no significa necesariamente tener el control del negocio.

En esta sesión mostraré, a partir de experiencias reales trabajando con información empresarial, cómo pasar de reportes que simplemente muestran resultados a indicadores que ayudan a detectar problemas, formular mejores preguntas y tomar decisiones.

Partiremos de un escenario práctico: una organización tiene información de ventas, metas, productividad y clientes. A simple vista, un KPI muestra que el cumplimiento está por debajo de lo esperado. Pero saber que estamos en 82% no responde las preguntas más importantes: ¿qué está provocando la caída?, ¿dónde debemos mirar?, ¿desde cuándo ocurre? y ¿qué decisión deberíamos tomar?

Utilizando la analítica de nuestra información construiremos el camino desde el dato hasta el KPI y, a partir de allí, veremos cómo la Inteligencia Artificial puede apoyar el análisis mediante preguntas sobre la información, identificación de patrones y generación de explicaciones que posteriormente deben ser validadas por la persona que toma la decisión.

El objetivo no será construir un dashboard con muchos indicadores, sino demostrar que un buen sistema de KPIs debe ayudarnos a detectar señales, hacer mejores preguntas y convertir información en acciones.

¿Qué se llevará la persona que asiste?

Un enfoque para utilizar Power BI e Inteligencia Artificial como apoyo para explorar las causas detrás de un KPI.

Una estructura de preguntas que permita pasar de “¿qué ocurrió?” a “¿por qué ocurrió y qué debemos revisar?”.
Ejemplo práctico

Durante la sesión trabajaremos con un escenario empresarial donde un indicador muestra un 82% de cumplimiento de la meta.

A primera vista parece suficiente para identificar un problema. Sin embargo, iremos explorando los datos por producto, período, vendedor o unidad de negocio hasta descubrir qué variables están explicando realmente el resultado.

A partir de allí utilizaremos IA como apoyo para formular preguntas, resumir hallazgos y explorar posibles explicaciones, mostrando también por qué una respuesta generada por IA debe contrastarse siempre con los datos y el contexto del negocio.

El ejercicio permitirá recorrer un proceso completo:

Dato → KPI → señal → pregunta → análisis → decisión.

La idea central es sencilla: medir es importante, pero el verdadero valor aparece cuando sabemos qué preguntar y qué hacer con lo que el indicador nos está diciendo.

Nivel: Introductorio / Intermedio

He trabajado construyendo y capacitando en KPIs para la toma de decisiones e indicadores de alto impacto en salud, banca, educación y retail. Esta experiencia me mostró que "llevar el control de todo" no significa medir todo, sino saber elegir qué medir para tomar mejores decisiones a tiempo.