Digitalización aplicada a los

sectores productivos GS
Grado Superior

Bloque 4: Inteligencia Artificial.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 1
Bloque 4: Inteligencia Artificial.

Contenido
4.1. ¿QUÉ ES LA INTELIGENCIA ARTIFICIAL? .............................................................. 3
4.2. HISTORIA Y EVOLUCIÓN DE LA IA. ...................................................................... 4
4.2.1. Primeros pasos (décadas de 1940 y 1950) ................................................... 5
4.2.2. La era simbólica (1956 – 1980) .................................................................... 5
4.2.3. Primer invierno de la IA (1974-1980) ............................................................ 5
4.2.4. La llegada del aprendizaje automático (1980-2000) ..................................... 5
4.2.5. Segundo invierno de la IA (1987-1993) ......................................................... 5
4.2.6. Revolución del Big Data y Deep Learning (2000 en adelante) ........................ 5
4.2.7. Presente y futuro ........................................................................................ 6
4.3. TIPOS DE IA: ESTRECHA, GENRAL Y SUPERINTELIGENCIA................................... 6
4.3.1. IA ESTRECHA (ANI – Artificial Narrow Intelligence) ....................................... 7
4.3.2. IA GENERAL (AGI - Artificial General Intelligence)......................................... 7
4.3.3. IA GENERAL (AGI - Artificial General Intelligence)......................................... 7
4.4. IA, MACHINE LEARNING Y DEEP LEARNING: DIFERENCIAS CLAVE. ..................... 8
4.4.1. Inteligencia Artificial (IA) ............................................................................. 8
4.4.2. Machine Learning (ML) ................................................................................ 9
4.4.3. Deep Learning (DL) ..................................................................................... 9
4.5. FUNDAMENTOS: DATO, ALGORITMOS Y REDES NEURONALES. ........................ 10
4.5.1. Datos: el combustible de la IA. .................................................................. 10
4.5.2. Algoritmos: las instrucciones inteligentes ................................................. 11
4.5.3. Redes neuronales: simulando el cerebro humano ..................................... 11
4.5.4. Lenguajes de Programación comunes en IA ............................................... 12
4.6. RIESGOS Y DESAFÍOS ÉTICOS DE LA IA ............................................................. 12
4.6.1. Sesgos algorítmicos ................................................................................. 13
4.6.2. Privacidad y vigilancia ............................................................................... 13
4.6.3. Dependencia tecnológica ......................................................................... 13
4.6.4. IA y Seguridad ........................................................................................... 14
4.7. MARCO LEGAL Y ÉTICO: LEY DE IA EUROPEA Y LOPDGDD ................................ 14
4.7.1. Ley Europea de IA (2024): clasificación de riesgos ..................................... 15
4.7.2. LOPDGDD: protección de datos en España ............................................... 16

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 2
Bloque 4: Inteligencia Artificial.

4.7.3. Ética del diseño de sistemas inteligentes .................................................. 16

4.8. TENDENCIAS EMERGENTES: IA GENERATIVA, XAI, METAVERSO ........................ 17
4.8.1. IA generativa (texto, imágenes, vídeo)........................................................ 17
4.8.2. IA explicable (XAI) ..................................................................................... 17
4.8.3. Metaverso y entornos inmersivos .............................................................. 17
4.9. EL FUTURO DEL TRABAJO Y LA FORMACIÓN EN IA ............................................ 18
4.9.1. Nuevas competencias digitales ................................................................ 18
4.9.2. Empleos emergentes con IA ...................................................................... 18
4.10. IA Y SOSTENIBILIDAD:ODS Y MEDIO AMBIENTE ................................................ 19
4.10.1. Predicción climática ................................................................................. 19
4.10.2. Eficiencia energética ................................................................................ 20
4.10.3. IA para los Objetivos de Desarrollo Sostenible (ODS) ................................. 21

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 3
Bloque 4: Inteligencia Artificial.

4.1. ¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?

La Inteligencia Artificial (IA) es la disciplina tecnológica que se centra en el diseño de
sistemas informáticos capaces de realizar tareas que normalmente requieren inteligencia
humana. Entre estas tareas se incluyen la comprensión del lenguaje natural, el aprendizaje
a partir de datos, la toma de decisiones, la resolución de problemas y la percepción
sensorial. La IA combina conocimientos de informática, matemáticas, estadística, lógica
y neurociencia para desarrollar sistemas autónomos que imiten —o incluso superen— la
capacidad de análisis del ser humano.

“Inteligencia Artificial”. Imagen creada por el autor mediante

[Link] (modelo Phoenix 1.0), febrero de 2025.

A nivel cotidiano, encontramos ejemplos de IA en asistentes de voz como Siri o Alexa, en

recomendaciones de plataformas como Netflix o Spotify, y en herramientas de traducción
automática como Google Translate. La IA está en constante evolución, adaptándose a
nuevos contextos y generando soluciones innovadoras para múltiples sectores: desde la
industria y el comercio hasta la sanidad, la educación y el medio ambiente.

En el ámbito formativo, comprender qué es la IA permite al alumnado entender los

cambios que están ocurriendo en el entorno laboral y social, así como anticipar cómo esta
tecnología impactará su futuro profesional. No es necesario ser programador para
relacionarse con la IA; lo importante es comprender cómo funciona, para usarla con
sentido crítico y creativo.

La IA puede clasificarse como una herramienta disruptiva que transforma tanto los
procesos productivos como nuestras interacciones cotidianas. Por eso, es fundamental

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 4
Bloque 4: Inteligencia Artificial.

que los futuros profesionales de Formación Profesional adquieran una visión básica pero
completa sobre qué es, cómo funciona y qué implicaciones tiene su uso.

Ejemplo local: En Aragón, el uso de sistemas de IA está creciendo, especialmente en

ciudades como Zaragoza, donde empresas tecnológicas desarrollan proyectos que
mejoran servicios públicos o aplican la automatización en sectores tradicionales.
Iniciativas como la de Libelium, centrada en sensores inteligentes, o plataformas como la
Zaragoza City App, demuestran cómo la IA se integra en la vida de los ciudadanos.

Ejemplo global: A nivel internacional, grandes compañías como Google, Tesla o Amazon
emplean IA para optimizar sus operaciones. En sanidad, la IA ayuda a diagnosticar
enfermedades a partir de imágenes médicas. En educación, plataformas adaptativas
ajustan el contenido de aprendizaje según el ritmo de cada estudiante.

Fíjate bien que, la IA no es solo una moda, sino una herramienta clave para la innovación y
el desarrollo sostenible. Conocer sus principios, aplicaciones y retos es el primer paso
para incorporar de forma responsable y eficaz en cualquier profesión del siglo XXI.

4.2. HISTORIA Y EVOLUCIÓN DE LA IA.

Para comprender el presente y futuro de la inteligencia artificial (IA), es fundamental
conocer su evolución a lo largo del tiempo. Aunque pueda parecer una tecnología muy
reciente, sus raíces se remontan a mediados del siglo XX. Esta evolución puede dividirse
en distintas etapas, marcadas por avances técnicos, momentos de gran entusiasmo y
otros de escepticismo conocidos como "inviernos de la IA".

“La evolución de la Inteligencia Artificial”. Imagen generada con Napkin AI. (Abril de 2025)

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 5
Bloque 4: Inteligencia Artificial.

4.2.1. Primeros pasos (décadas de 1940 y 1950)

La idea de que una máquina pudiera imitar el pensamiento humano comenzó a gestarse
con el desarrollo de los primeros ordenadores. En 1950, el matemático Alan Turing propuso
una prueba para determinar si una máquina podía mostrar un comportamiento inteligente
indistinguible del humano: el Test de Turing. En 1956, el término "Inteligencia Artificial" fue
acuñado en la conferencia de Dartmouth (EE. UU.), donde se reunieron los primeros
investigadores del campo, como John McCarthy, Marvin Minsky y Allen Newell.

4.2.2. La era simbólica (1956 – 1980)

Durante esta etapa, los sistemas de IA se basaban en reglas lógicas. Estos programas
podían jugar al ajedrez, resolver problemas matemáticos y ejecutar tareas muy definidas.
Sin embargo, dependían de la programación explícita de cada paso. Aunque se lograron
avances importantes, la IA era incapaz de aprender por sí sola y de adaptarse a
situaciones nuevas, lo que generó un estancamiento.

4.2.3. Primer invierno de la IA (1974-1980)

La alta expectativa y la lentitud de los resultados provocaron una pérdida de confianza y

financiación. Muchas promesas no se cumplieron, lo que causó un primer declive en la
investigación.

4.2.4. La llegada del aprendizaje automático (1980-2000)

En los años 80 surgieron los sistemas expertos: programas capaces de simular el juicio
humano en áreas específicas (por ejemplo, diagnóstico médico). Más adelante, en los
años 90, se comenzó a explorar el aprendizaje automático (machine learning), una técnica
que permite a los sistemas mejorar su rendimiento con la experiencia. La IA empezó a
utilizar datos para aprender patrones y tomar decisiones.

4.2.5. Segundo invierno de la IA (1987-1993)

La complejidad y el alto coste de los sistemas expertos, junto con la falta de flexibilidad,
provocaron otra caída en la inversión.

4.2.6. Revolución del Big Data y Deep Learning (2000 en adelante)

El acceso a grandes cantidades de datos (big data), el aumento de la capacidad

computacional y los avances en redes neuronales artificiales dieron lugar al
renacimiento de la IA. En 2012, un algoritmo de deep learning logró identificar objetos en
imágenes con gran precisión, marcando el inicio de una nueva era. Desde entonces,
hemos visto avances impresionantes: coches autónomos, traducción automática
avanzada, reconocimiento facial y asistentes virtuales.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 6
Bloque 4: Inteligencia Artificial.

4.2.7. Presente y futuro

Actualmente vivimos una etapa de expansión de la IA, donde cada vez más sectores la
incorporan. La aparición de modelos generativos como ChatGPT o DALL·E ha popularizado
el acceso a esta tecnología. También se han abierto debates sobre sus riesgos y marcos
legales.

Ejemplo local: En Aragón, empresas como Hiberus y entidades como el Instituto

Tecnológico de Aragón trabajan en proyectos de IA aplicada a la logística, la sanidad y el
turismo.

Ejemplo global: DeepMind (de Google) desarrolló AlphaGo, que venció a campeones
humanos en el complejo juego Go, demostrando el potencial de la IA moderna.

4.3. TIPOS DE IA: ESTRECHA, GENRAL Y SUPERINTELIGENCIA.

La inteligencia artificial puede clasificarse en diferentes tipos según su nivel de

capacidad y autonomía. Comprender estos tipos es esencial para conocer los límites
actuales de la tecnología y visualizar hacia dónde podría evolucionar.

Distinguimos tres grandes categorías: IA estrecha, IA general e IA superinteligente.

“Capacidades de la Inteligencia Artificial”. Imagen generada

con Napkin AI. (abril de 2025)

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 7
Bloque 4: Inteligencia Artificial.

4.3.1. IA ESTRECHA (ANI – Artificial Narrow Intelligence)

También conocida como IA débil, la IA estrecha es aquella diseñada para realizar tareas
específicas. Esta es la forma más común de IA en la actualidad y está presente en multitud
de aplicaciones: desde asistentes virtuales como Siri o Alexa, hasta algoritmos de
recomendación en redes sociales o plataformas de streaming. Aunque muy eficiente en su
función, no puede realizar tareas fuera de su programación.

Por ejemplo, un sistema de IA entrenado para reconocer imágenes médicas no puede

traducir textos o jugar al ajedrez. Su “inteligencia” está limitada a un dominio concreto. Sin
embargo, es la más utilizada en entornos reales, incluida la industria aragonesa, donde
empresas emplean IA estrecha para predecir la demanda, optimizar rutas logísticas o
analizar datos de producción.

4.3.2. IA GENERAL (AGI - Artificial General Intelligence)

La IA general representa un tipo de sistema con una capacidad cognitiva similar a la

humana. Sería capaz de razonar, aprender de forma autónoma en múltiples áreas,
adaptarse a contextos diversos y resolver problemas no anticipados. Aunque es un objetivo
a largo plazo de la investigación en IA, todavía no existe una AGI real.

Desarrollar una AGI implicaría enormes avances técnicos y filosóficos. Esta IA podría ser
empleada en educación personalizada, diagnóstico clínico completo o planificación
urbana integral. Sin embargo, plantea importantes dilemas éticos y sociales, ya que su
capacidad se acercaría a la inteligencia humana.

En Aragón, algunos grupos de investigación del Instituto de Investigación en Ingeniería de

Aragón (I3A) ya exploran modelos de razonamiento más amplios, aunque aún en etapas
tempranas.

4.3.3. IA GENERAL (AGI - Artificial General Intelligence)

Esta categoría hace referencia a una inteligencia artificial hipotética que superaría
ampliamente las capacidades humanas en todos los ámbitos: creatividad, resolución
de problemas, razonamiento emocional, toma de decisiones, etc. La IA
superinteligente aún no existe, y es objeto tanto de admiración como de preocupación
entre expertos.

Pensadores como Nick Bostrom han advertido sobre los riesgos de una ASI no controlada.
La idea de una “singularidad tecnológica”, donde una IA evoluciona más allá del control
humano, plantea interrogantes éticos muy profundos. Aunque aún es especulativa, su
estudio permite reflexionar sobre los límites y las implicaciones del desarrollo tecnológico
acelerado.
Tu futuro. Nuestro impulso.
Digitalización aplicada a los sectores productivos GS 8
Bloque 4: Inteligencia Artificial.

Ejemplo local: En Aragón, el uso de IA estrecha es ya una realidad en empresas del sector
agroalimentario, que utilizan modelos predictivos para planificar cosechas o gestionar
recursos hídricos.

Ejemplo global: Google DeepMind ha desarrollado sistemas como AlphaZero, capaces de

aprender por sí mismos sin supervisión humana directa, acercándose cada vez más a los
principios de la IA general.

demostrando el potencial de la IA moderna.

4.4. IA, MACHINE LEARNING Y DEEP LEARNING: DIFERENCIAS CLAVE.

“IA, aprendizaje automático (Machine Learning) y aprendizaje

profundo (Deep Learning)”

Para comprender en profundidad cómo funciona la inteligencia artificial (IA), es importante

distinguir entre tres conceptos clave.

Estos términos, aunque relacionados, no son sinónimos. Esta diferenciación permite

entender qué hay detrás de las herramientas tecnológicas que usamos diariamente.

4.4.1. Inteligencia Artificial (IA)

La IA es el campo general que engloba todas las técnicas y sistemas capaces de realizar
tareas que normalmente requieren inteligencia humana. Estas tareas pueden incluir
desde tomar decisiones, reconocer imágenes o sonidos, hasta jugar al ajedrez o conversar
mediante lenguaje natural. En este sentido, la IA es el “paraguas” bajo el cual se agrupan
otras disciplinas.

Un ejemplo cercano de uso de IA es el sistema de atención automática del Ayuntamiento

de Zaragoza, que guía al ciudadano en sus gestiones mediante lenguaje natural.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 9
Bloque 4: Inteligencia Artificial.

4.4.2. Machine Learning (ML)

El aprendizaje automático es una rama de la IA que permite a las máquinas aprender a
partir de datos sin estar programadas de forma explícita para cada situación. En lugar
de seguir instrucciones detalladas, los algoritmos de ML identifican patrones en los datos
y los usan para hacer predicciones o tomar decisiones.

Un caso claro sería una IA que analiza los historiales médicos para detectar enfermedades:
aprende a partir de miles de registros previos y puede predecir diagnósticos con gran
precisión.

Los tres pasos clave en un modelo de ML son: recopilar datos, entrenar el modelo y validar
su funcionamiento.

Esta tecnología ya está presente en sectores aragoneses como la agricultura, donde se

predicen plagas o se optimiza el riego.

4.4.3. Deep Learning (DL)

El aprendizaje profundo es una subcategoría del ML que utiliza redes neuronales

artificiales, especialmente aquellas con muchas capas (de ahí lo de “profundo”). Estas
redes imitan, en parte, el funcionamiento del cerebro humano y son muy eficaces para
tareas complejas como el reconocimiento de voz, de imágenes o la traducción
automática.

Deep Learning ha permitido avances tan espectaculares como los vehículos autónomos o
los traductores automáticos en tiempo real. Por ejemplo, las aplicaciones de Google Lens
o los filtros de imagen en redes sociales se basan en esta tecnología.

En Aragón, proyectos en colaboración entre la Universidad de Zaragoza y empresas locales

están aplicando DL para mejorar la eficiencia energética o controlar procesos industriales
con mayor precisión.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 10
Bloque 4: Inteligencia Artificial.

“Jerarquía de la Inteligencia Artificial”. Imagen generada con Napkin AI. (Abril de 2025)

4.5. FUNDAMENTOS: DATO, ALGORITMOS Y REDES NEURONALES.

Para que un sistema de inteligencia artificial funcione correctamente, necesita tres

elementos fundamentales: datos, algoritmos y redes neuronales.

Comprender cada uno de estos componentes ayuda a visualizar cómo se construye una IA
desde la base.

4.5.1. Datos: el combustible de la IA.

Los datos son la materia prima de la IA. Sin ellos, no hay posibilidad de aprender ni de
tomar decisiones inteligentes. Los datos pueden ser números, texto, imágenes, sonidos
o cualquier otro tipo de información que pueda recogerse y digitalizarse.

En Aragón, por ejemplo, los sensores instalados en campos agrícolas recogen datos de
humedad, temperatura y luz solar. Estos datos son analizados por sistemas de IA para
decidir cuándo y cuánto regar, optimizando así los recursos hídricos.

Cuantos más datos de calidad tenga un sistema, mejores serán sus resultados. Es como
cuando una persona estudia mucho: cuanta más información asimila, más precisa y
acertada será su comprensión del mundo.

La Inteligencia Artificial impacta significativamente en el sector profesional,

especialmente al relacionarse con la recogida masiva de datos (Big Data) y su tratamiento
(análisis). Esta capacidad permite a las empresas mejorar su rentabilidad de diversas
maneras. El análisis avanzado de datos mediante IA facilita la optimización de procesos y
operaciones, una toma de decisiones más precisa basada en evidencia, y la predicción de

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 11
Bloque 4: Inteligencia Artificial.

tendencias. Estas mejoras en la eficiencia y la toma de decisiones informada se traducen

directamente en beneficios económicos.

4.5.2. Algoritmos: las instrucciones inteligentes

Un algoritmo es una serie de pasos o instrucciones que una máquina sigue para resolver
un problema o realizar una tarea. En el contexto de la IA, los algoritmos procesan los datos
y aprenden patrones o reglas a partir de ellos.

Por ejemplo, un algoritmo puede aprender a reconocer gatos en fotos analizando miles de
imágenes etiquetadas. Cuanto más preciso y eficiente sea el algoritmo, mejor será el
rendimiento del sistema de IA.

Algunos algoritmos muy conocidos en el aprendizaje automático son el árbol de decisión,

el vecino más cercano o las máquinas de soporte vectorial.

4.5.3. Redes neuronales: simulando el cerebro humano

Las redes neuronales son estructuras matemáticas inspiradas en el funcionamiento del
cerebro. Están formadas por nodos (neuronas artificiales) que se organizan en capas y se
conectan entre sí. Cada conexión tiene un “peso” que se ajusta durante el entrenamiento
del modelo para mejorar su precisión.

Las redes neuronales permiten abordar tareas complejas como la traducción

automática, el reconocimiento de voz o la detección de tumores en imágenes
médicas. Cuantas más capas y nodos tiene una red, mayor es su capacidad de
aprendizaje. A estas redes con muchas capas se las llama “redes profundas” y son la base
del Deep Learning.

En Aragón, iniciativas de investigación como las del Instituto Tecnológico de Aragón

(ITAINNOVA) exploran redes neuronales para controlar procesos industriales o analizar
grandes volúmenes de datos económicos.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 12
Bloque 4: Inteligencia Artificial.

“Proceso de aprendizaje de la Inteligencia Artificial”. Imagen generada con Napkin AI.

(Abril de 2025)

4.5.4. Lenguajes de Programación comunes en IA

Para desarrollar sistemas de Inteligencia Artificial (IA), se utilizan diversos lenguajes de

programación. Entre los principales se encuentran Python, R, Java o [Link]
lenguajes son elegidos por sus características que facilitan la implementación de
algoritmos complejos.

Por ejemplo, Python es muy valorado por su versatilidad y la gran cantidad de bibliotecas
disponibles para Machine Learning y análisis de datos. Prolog, históricamente relevante en
ciertas áreas de IA, es idóneo para el procesamiento simbólico y la lógica. R es popular en
estadística, y Java se usa en aplicaciones empresariales y móviles con IA.

4.6. RIESGOS Y DESAFÍOS ÉTICOS DE LA IA

La inteligencia artificial tiene un gran potencial para transformar sectores productivos y

mejorar nuestras vidas, pero también plantea una serie de desafíos éticos que es
importante conocer y debatir. Estos desafíos no son solo tecnológicos, sino también
sociales, culturales y legales.

En este apartado exploramos tres de los más relevantes: los sesgos algorítmicos, la
privacidad y vigilancia, y la dependencia tecnológica.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 13
Bloque 4: Inteligencia Artificial.

4.6.1. Sesgos algorítmicos

Los algoritmos de IA aprenden de los datos que se les proporcionan. Si estos datos
contienen prejuicios o desigualdades existentes en la sociedad, la IA puede reproducir e
incluso amplificar esos sesgos.

Por ejemplo, si un sistema de selección de personal se entrena con datos históricos que
muestran discriminación hacia ciertos perfiles (como mujeres o personas inmigrantes), la
IA podría tomar decisiones injustas.

Un caso real ocurrió con un sistema de contratación automatizado utilizado por una gran
empresa internacional, que discrimina automáticamente a las mujeres por el simple hecho
de que los datos de entrenamiento estaban sesgados hacia candidatos masculinos.

En Aragón, es clave que las empresas y administraciones que empiecen a utilizar IA lo

hagan de forma transparente, revisando sus datos y decisiones para evitar este tipo de
discriminación. También es fundamental formar a los profesionales para que detecten y
corrijan posibles sesgos en los sistemas.

4.6.2. Privacidad y vigilancia

Otro gran reto es la protección de la privacidad. Muchos sistemas de IA necesitan acceder
a grandes cantidades de datos personales para funcionar correctamente, como
aplicaciones de salud, movilidad urbana o redes sociales. Esto puede llevar a una
vigilancia masiva si no se establecen límites claros.

En algunas ciudades del mundo, la IA se usa para reconocer rostros en la vía pública, lo
que ha generado preocupación sobre la pérdida del anonimato y la libertad individual.

En España, y en particular en Aragón, el uso de estas tecnologías debe respetar la

legislación vigente, como la Ley de Protección de Datos y los derechos fundamentales de
los ciudadanos.

Por eso es tan importante comprender el valor de la privacidad y conocer las herramientas
disponibles para proteger sus datos. Así se podrán tomar decisiones informadas como
usuarios y, en un futuro, como desarrolladores o implementadores de IA.

4.6.3. Dependencia tecnológica

Por último, la dependencia excesiva de sistemas de IA puede provocar una pérdida de
habilidades humanas o generar problemas cuando la tecnología falla. Si nos
acostumbramos a que las máquinas tomen decisiones por nosotros, corremos el riesgo de
dejar de pensar de forma crítica o de no saber cómo actuar en caso de error.

Un ejemplo cotidiano sería el uso excesivo de asistentes virtuales o traductores

automáticos, que puede hacer que descuidemos habilidades como el razonamiento lógico

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 14
Bloque 4: Inteligencia Artificial.

o el aprendizaje de idiomas. En sectores productivos, una caída en los sistemas de IA sin

un plan de respaldo podría detener toda una cadena de producción.

En nuestro entorno, es clave fomentar un uso equilibrado y responsable de la IA. Se debe

aprender no solo a usar estas herramientas, sino también a entender sus limitaciones y
saber cuándo es necesario confiar en el juicio humano.

4.6.4. IA y Seguridad

La Interacción con la seguridad es un aspecto crucial en el campo de la Inteligencia

Artificial que presenta una doble vertiente.

Por un lado, los propios sistemas de IA pueden ser vulnerables y plantear riesgos de
seguridad. Esto incluye la posibilidad de sufrir ataques maliciosos, como la manipulación
de los datos con los que se entrenan los modelos o la alteración de los algoritmos para
forzar resultados deseados o perjudiciales [relacionado con el principio ético de minimizar
el riesgo de usos maliciosos].

Además, una excesiva dependencia sin planes de respaldo puede llevar a fallos críticos en
las operaciones si el sistema de IA falla.

Por otro lado, la IA es una herramienta cada vez más esencial para fortalecer la seguridad
en diversos ámbitos. Ejemplos de su aplicación incluyen su uso en ciberseguridad para
detectar patrones anómalos o identificar intrusiones, en el análisis de grandes volúmenes
de datos (Big Data) para la detección y prevención de fraudes, o en sistemas de vigilancia
inteligente para monitorizar y proteger entornos controlados [la vigilancia desde el
contexto de privacidad]. Comprender esta doble perspectiva de la IA en relación con la
seguridad es fundamental para su desarrollo e implementación responsable, asegurando
que minimizamos los riesgos y maximizar su potencial protector.

4.7. MARCO LEGAL Y ÉTICO: LEY DE IA EUROPEA Y LOPDGDD

La Inteligencia Artificial plantea importantes cuestiones legales y éticas.

“Regulación de la IA en Europa y España”

Para garantizar que se utilice de forma responsable y segura, tanto la Unión Europea
como España han desarrollado normativas específicas.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 15
Bloque 4: Inteligencia Artificial.

“Marco legal y ético: Ley de la IA Europea y LOPDGDD”. Imagen creada por el autor mediante [Link]
(modelo Phoenix 1.0), Febrero de 2025.

Este apartado se centra en tres aspectos clave: la nueva Ley Europea de IA, la LOPDGDD
sobre protección de datos, y los principios éticos en el diseño de sistemas
inteligentes.

4.7.1. Ley Europea de IA (2024): clasificación de riesgos

En 2024 se aprobó la primera Ley Europea de Inteligencia Artificial, pionera a nivel mundial.
Esta ley no prohíbe la IA, sino que establece un marco para regular en función del nivel de
riesgo que representa su uso.

La clasificación de la IA según esta ley es la siguiente:

• Riesgo inaceptable: prohibida. Ej.: puntuaciones sociales al estilo de China.

• Alto riesgo: permitida, pero con estrictas obligaciones. Ej.: IA en sanidad,
educación, recursos humanos.
• Riesgo limitado: debe informar de su uso. Ej.: chatbots que interactúan con
personas.
• Riesgo mínimo: sin restricciones específicas. Ej.: filtros de spam o asistentes
personales.

En Aragón, esto afecta directamente a sectores como la agroindustria, la logística o la

educación, que podrían usar sistemas de alto riesgo. Los profesionales deben estar
informados para cumplir con los requisitos de transparencia, seguridad y supervisión
humana.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 16
Bloque 4: Inteligencia Artificial.

4.7.2. LOPDGDD: protección de datos en España

En España, la protección de los datos personales está regulada por la Ley Orgánica de
Protección de Datos y Garantía de Derechos Digitales (LOPDGDD), que adapta el
Reglamento General de Protección de Datos (RGPD) europeo.

Cualquier sistema de IA que utilice datos personales debe respetar principios como:

• Consentimiento informado del usuario.

• Minimización de datos: solo recoger lo necesario.
• Derecho al olvido y a la portabilidad.
• Transparencia en el tratamiento de datos.

Esto es muy relevante para proyectos locales en los que, por ejemplo, se recojan datos
de estudiantes, pacientes o ciudadanos.

4.7.3. Ética del diseño de sistemas inteligentes

Más allá de las leyes, hay cuestiones éticas que se deben tener en cuenta. Diseñar un
sistema de IA de forma ética implica pensar en su impacto social, ambiental y humano.

Algunos principios éticos ampliamente aceptados son:

• Justicia: evitar la discriminación o sesgos.

• Responsabilidad: siempre debe haber supervisión humana.
• Explicabilidad: las decisiones de la IA deben poder explicarse.
• Seguridad: minimizar el riesgo de errores o usos maliciosos.

Un caso práctico: si en Aragón se diseña una app de IA para asesoramiento agrícola, es

ético asegurar que todos los tipos de productores puedan acceder a ella, y que sus
decisiones se basen en datos imparciales y auditables.

La incorporación de estos principios en la formación profesional no solo prepara al

alumnado para cumplir la ley, sino también para liderar una IA más justa, segura y centrada
en las personas.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 17
Bloque 4: Inteligencia Artificial.

4.8. TENDENCIAS EMERGENTES: IA GENERATIVA, XAI, METAVERSO

La Inteligencia Artificial está evolucionando rápidamente y da lugar a nuevas tendencias
que están transformando cómo trabajamos, aprendemos y nos comunicamos. Se exploran
tres de las más relevantes: la IA generativa, la IA explicable (XAI) y el metaverso.

4.8.1. IA generativa (texto, imágenes, vídeo)

La IA generativa es un tipo de inteligencia artificial capaz de crear nuevos contenidos a

partir de datos ya existentes. Puede generar textos, imágenes, vídeos, música o código, y
se basa en redes neuronales entrenadas con enormes volúmenes de información.

Algunos ejemplos conocidos son:

• ChatGPT: genera textos coherentes y responde preguntas.

• DALL·E o MidJourney: crean imágenes realistas o artísticas a partir de
descripciones.
• Runway ML o Sora: generan vídeo de manera automatizada.

En Aragón, estas tecnologías pueden usarse en proyectos creativos, educativos o de

promoción turística. Por ejemplo, un ciclo de FP de imagen y sonido podría usar IA para
producir vídeos educativos o publicitarios de bajo coste.

4.8.2. IA explicable (XAI)

Una de las críticas a la IA tradicional es que sus decisiones no siempre son comprensibles.
La IA explicable (eXplainable Artificial Intelligence, XAI) busca resolver este problema.

El objetivo de la XAI es que los sistemas puedan explicar cómo y por qué han llegado a
una determinada conclusión. Esto es especialmente importante en sectores sensibles
como la medicina, la justicia o la educación, donde las decisiones deben poder
justificarse.

En entornos educativos o administrativos en Aragón, por ejemplo, si una IA sugiere qué

alumnos necesitan refuerzo académico, debe poder explicar los criterios utilizados. Así se
gana confianza y se facilita la supervisión humana.

4.8.3. Metaverso y entornos inmersivos

El metaverso es un entorno virtual compartido en el que las personas pueden

interactuar mediante avatares. Aunque todavía está en desarrollo, combina IA, realidad
virtual (VR), realidad aumentada (AR) y redes sociales.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 18
Bloque 4: Inteligencia Artificial.

La IA en el metaverso permite crear personajes virtuales inteligentes, personalizar

experiencias o generar mundos completos automáticamente. En la formación
profesional, esto abre posibilidades enormes:

• Simulaciones de procesos industriales o sanitarios.

• Clases prácticas en entornos seguros y virtuales.
• Formación a distancia con una experiencia inmersiva.

En Aragón, centros de FP podrían colaborar con universidades o empresas tecnológicas

para diseñar experiencias de aprendizaje en el metaverso, integrando la IA para hacerlas
más dinámicas y adaptadas a cada alumno.

4.9. EL FUTURO DEL TRABAJO Y LA FORMACIÓN EN IA

La incorporación de la inteligencia artificial al mundo laboral está generando nuevas
oportunidades, transformando empleos existentes y demandando nuevas competencias.
Vamos a explorar qué habilidades se necesitan, qué nuevos empleos surgen y cómo
adaptarse.

4.9.1. Nuevas competencias digitales

Más allá del manejo básico de ordenadores, el mundo actual requiere que los trabajadores
comprendan cómo funciona la IA y cómo integrar en su sector.

Algunas competencias clave son:

• Pensamiento computacional: entender cómo se estructuran problemas para

ser resueltos por una máquina.
• Alfabetización en datos: saber interpretarlos, visualizarlos y usarlos.
• Colaboración con sistemas inteligentes: trabajar con IA como herramienta de
apoyo.

4.9.2. Empleos emergentes con IA

A medida que la IA se extiende, surgen nuevas profesiones. Algunas ya visibles en el

mercado son:

• Entrenador de IA (entrena modelos con datos adecuados).

• Analista de datos o científico de datos.
• Desarrollador de interfaces con IA (como chatbots o asistentes).
• Ética de la IA: evalúa riesgos y cumplimiento normativo.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 19
Bloque 4: Inteligencia Artificial.

Incluso las profesiones tradicionales se están transformando. Un agricultor puede trabajar

con drones e IA para detectar plagas, o un sanitario puede apoyarse en IA para diagnósticos
más rápidos.

4.10. IA Y SOSTENIBILIDAD:ODS Y MEDIO AMBIENTE

La inteligencia artificial también puede jugar un papel fundamental en la lucha contra el

cambio climático y el logro de los Objetivos de Desarrollo Sostenible (ODS).

“IA Y Sostenibilidad: ODS y medio ambiente”. Imagen creada por el autor mediante [Link] (modelo
Phoenix 1.0), Febrero de 2025.

Vamos a detallar cómo se aplica a la predicción climática, a la eficiencia energética y a la

mejora de procesos sostenibles.

El papel de la Inteligencia Artificial en la Eficiencia Energética

4.10.1. Predicción climática

La IA permite procesar enormes volúmenes de datos meteorológicos y ambientales para

prever fenómenos extremos con más precisión.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 20
Bloque 4: Inteligencia Artificial.

Algoritmos de machine learning se utilizan ya para:

• Predecir sequías, olas de calor o inundaciones.

• Planificar cultivos adaptados al clima.
• Optimizar sistemas de riego.

En Aragón, estas tecnologías ya se aplican en el sector agrícola a través de estaciones

meteorológicas inteligentes y plataformas de gestión agrícola con IA.

4.10.2. Eficiencia energética

Los sistemas de IA también permiten gestionar el consumo energético de forma más

eficiente.

Algunos ejemplos:

• Domótica que ajusta el uso de calefacción y luz según la ocupación.

• Redes eléctricas inteligentes que equilibran la producción y demanda.
• Optimización del transporte y logística para reducir emisiones.

Un centro de FP podría implementar proyectos piloto para monitorizar el consumo

energético en el aula y proponer mejoras, fomentando conciencia ambiental y
competencias tecnológicas.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 21
Bloque 4: Inteligencia Artificial.

4.10.3. IA para los Objetivos de Desarrollo Sostenible (ODS)

“Impacto de la IA en los ODS”. Imagen generada con Napkin AI. (Abril de 2025)

La Agenda 2030 de Naciones Unidas establece 17 ODS, y muchos de ellos pueden

beneficiarse del uso de IA:

• Salud y bienestar (detección precoz de enfermedades).

• Educación de calidad (sistemas personalizados de aprendizaje).
• Industria, innovación e infraestructura (automatización sostenible).
• Acción por el clima (monitoreo ambiental).

Cómo usar la Inteligencia

Artificial para la
consecución de los ODS
de la Agenda 2030: una
visión desde la ética, la
innovación y los
algoritmos verdes

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 22
Bloque 4: Inteligencia Artificial.

Además, es fundamental que el uso de la IA no contradiga estos objetivos. Por ejemplo, el

desarrollo de tecnología debe ser inclusivo y respetuoso con los derechos humanos.

Naciones
Unidas:
Inteligencia
Artificial.

Educar en IA con una perspectiva de sostenibilidad prepara para crear soluciones que
mejoren el planeta, y no solo que generen beneficios económicos.

Tu futuro. Nuestro impulso.

Digitalización aplicada a los sectores productivos GS 23
Bloque 4: Inteligencia Artificial.

Documentación creada por:

- Marta Peribañez Vela

Este documento se encuentra bajo la licencia Creative Commons Atribución-No

comercial- Compartir Igual 4.0 España.

Puede ser libremente compartido y adaptado (remezclado, transformado y utilizado para

crear a partir del material) bajo los siguientes términos:

• Atribución. Usted debe dar crédito de manera adecuada, brindar un enlace a la

licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma
razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de
la licenciante.
• No Comercial. Usted no puede hacer uso del material con propósitos
comerciales .
• Compartir Igual. Si remezcla, transforma o crea a partir del material, debe
distribuir bajo la misma licencia que el original.

Versión 1.0 – Junio de 2025

Tu futuro. Nuestro impulso.