AI Product Management
Dominá el ciclo de vida completo de un producto de IA: discovery continuo, priorización con criterios técnicos y de negocio, métricas de producto y modelo, UX para la incertidumbre, roadmap, ownership, pricing y gobernanza.
def prioritize(features):
for f in features:
f.score = value(f) / cost(f)
return sorted(features,
key=“score”, reverse=True)
Lo que lograrás al completar el curso
Cada objetivo se verifica con entregables con corrección automática. Los entregables se acumulan en un portfolio integrador final: un portfolio de productos de IA.
Diferenciar un producto de IA de un producto tradicional
Aplicar discovery continuo a oportunidades de IA
Priorizar features de IA con criterios técnicos y de negocio
Definir métricas de producto y métricas de modelo complementarias
Diseñar UX que maneje la incertidumbre y los errores del modelo
Comunicar decisiones técnicas a stakeholders no técnicos
Definir ownership y estructura de equipos de producto de IA
Estimar pricing y ROI de un producto de IA
Aplicar gobernanza a productos de IA (matar features, retirar modelos)
Diseñar un portfolio coherente de productos de IA
10 unidades · 25 horas en total
Del reconocimiento de qué es un producto de IA al portfolio integrador presentado al directorio.
- Diferenciar productos tradicionales de productos con IA
- Identificar los componentes de un producto de IA
- Comprender el ciclo de vida particular de un producto de IA
- Aplicar técnicas de discovery a oportunidades de IA
- Comprender el rol del usuario en un producto de IA
- Definir hipótesis medibles
- Aplicar frameworks de priorización a productos de IA
- Comprender el costo total de un producto de IA
- Balancear velocidad, calidad y compliance
- Diferenciar métricas de modelo y de producto
- Definir una jerarquía de métricas (North Star, drivers, guardrails)
- Evitar vanity metrics
- Diseñar interfaces que manejen la incertidumbre de un modelo
- Comunicar la confianza al usuario de forma útil
- Manejar errores del modelo sin frustrar al usuario
- Construir un roadmap de producto de IA
- Comunicar decisiones técnicas a stakeholders no técnicos
- Manejar expectativas y presión
- Definir la estructura de un equipo de producto de IA
- Comprender los roles y sus responsabilidades
- Asignar ownership de modelos y features
- Comprender cómo se cobra un producto de IA
- Estimar ROI de cada sistema
- Justificar inversiones ante el directorio
- Definir cuándo matar una feature o un modelo
- Comprender el rol del PM en la gobernanza de IA
- Balancear innovación y responsabilidad
- Integrar todos los conocimientos en un portfolio coherente
- Documentar decisiones con ADRs y diagramas C4
- Presentar el portfolio al directorio
Diseñado para profesionales de producto y datos
100% autogestionado y asincrónico. Avanzá a tu ritmo, con verificación automática de cada entregable.
Tutor virtual 24/7
Un asistente virtual entrenado sobre el contenido del curso responde tus dudas de forma clara y directa, sin abrumar con citas extensas.
- Respuestas claras y sintéticas
- Disponible las 24 horas
- Contexto del curso completo
Contenido en Moodle
Lecciones estructuradas y referenciadas en texto. Sin videos interminables: leé, consultá y avanzá a tu ritmo.
- Plataforma Moodle
- Búsqueda instantánea
- Ritmo personal
Notebooks en JupyterLite y Google Colab
Notebooks ejecutables con ejemplos reales. Cada framework de producto se aplica sobre casos concretos.
- Ejecución sin configuración
- JupyterLite o Colab
- Casos reales aplicados
Portfolio integrador acumulativo
Cada entregable se acumula en un portfolio final: decisiones de producto documentadas con ADRs y diagramas C4, listas para presentar al directorio.
- Corrección automática por unidad
- Portfolio creciente y acumulativo
- Feedback inmediato
Del descubrimiento al portfolio en el directorio
Un ciclo que combina marcos conceptuales de producto con aplicación a casos reales de IA.
Descubrir
Usuario, problema, datos y oportunidad.
Priorizar
Valor, costo, riesgo y compliance.
Diseñar
UX para incertidumbre y jerarquía de métricas.
Defender
Roadmap, ROI y portfolio en el directorio.
Herramientas que usarás
Todo se ejecuta en JupyterLite o Google Colab. Documentación en repos de GitHub y contenido en Moodle.
Python
JupyterLite
Google Colab
Moodle
GitHub
Doble aval universitario, verificación digital
Al completar el curso recibís un certificado digital con doble aval: Instituto Data Science Argentina y UTN Facultad Regional Reconquista.
Qué incluye el certificado
- Doble firma: Director de IDSA + Decano UTN FRRQ
- Resolución oficial: 920/2020 UTN Facultad Regional Reconquista
- Datos personalizados: nombre, DNI, curso, carga horaria y calificación
- Código QR de verificación digital
- Copia automática a la Facultad para registro oficial
- Emisión por curso: no esperás al final del trayecto
Se emite al aprobar los quizzes del curso y los trabajos prácticos con estado aprobado.
Resolvemos tus dudas
De la idea al portfolio en el directorio
10 unidades, 25 horas, con portfolio integrador acumulativo. Sin videos pasivos, sin autoevaluación subjetiva.