La IA como herramienta para transformar tu territorio
Este manual acompaña el curso preevento "IA Generativa: Co-creando soluciones para el Desarrollo Local Sostenible" de la VI Convención de la Universidad de Cienfuegos. No pretende formar especialistas en inteligencia artificial, sino ayudarte a familiarizarte con estas herramientas, descubrir aplicaciones concretas para tu trabajo y utilizarlas para analizar y resolver problemas reales de tu localidad.
La IA generativa no es magia ni amenaza: es una herramienta. Lo que marca la diferencia es quién la usa, para qué y con qué criterio. A lo largo de estas páginas exploraremos qué es realmente, cómo funciona, cuáles son las plataformas más relevantes en 2026, cómo formular instrucciones efectivas y cómo aplicarla a proyectos de desarrollo local.
El curso es eminentemente práctico. Se apoya en una conferencia informativa y motivadora, en este manual descargable con un caso de estudio, y en un foro debate donde compartirás hallazgos, dudas y aplicaciones con otros participantes.
Caso transversal: Finca Villa Julieta
A lo largo de este manual trabajaremos con un caso real: la Finca Villa Julieta, un proyecto de desarrollo local en el municipio de Palmira, Cienfuegos, que combina agroecología, economía circular y cooperación internacional. Con 6 hectáreas, 7 objetos de obra y dos financiamientos internacionales, este proyecto es un ejemplo concreto de cómo la innovación y la sostenibilidad pueden transformar una comunidad. Usaremos sus datos reales para practicar cada técnica de IA que aprendamos.
¿Qué es la inteligencia artificial generativa?
1.1 Definición y evolución
La inteligencia artificial (IA) es una rama de las ciencias de la computación que busca crear sistemas capaces de realizar tareas que normalmente requieren inteligencia humana: reconocer patrones, comprender lenguaje, tomar decisiones, aprender de la experiencia. La IA generativa es un subconjunto de la IA que se especializa en crear contenido nuevo —texto, imágenes, audio, código, video— a partir de patrones aprendidos de datos existentes.
El salto cualitativo ocurrió en 2017 con la arquitectura Transformer, que es la base de todos los grandes modelos de lenguaje modernos: ChatGPT, Gemini, Claude, DeepSeek. Como señala la UNESCO (2023), la IA generativa representa una oportunidad para ampliar el acceso al conocimiento, pero también plantea riesgos que deben gestionarse con criterio.
1.2 ¿Qué puede y qué no puede hacer hoy?
Puede: generar textos coherentes, traducir idiomas, resumir documentos, escribir código, analizar datos tabulares, responder preguntas basadas en información de entrenamiento, generar imágenes y audio, y mantener conversaciones contextuales.
No puede: razonar con verdadera comprensión causal, verificar sus propias afirmaciones (no "sabe" lo que es verdad), acceder a información en tiempo real sin conexión a internet, entender el contexto cultural o emocional profundo, ni reemplazar el juicio humano en decisiones importantes.
1.3 Cómo funciona: tokens, contexto y parámetros
Los modelos de lenguaje no procesan palabras, sino tokens: fragmentos de texto que pueden ser palabras completas, partes de palabras o caracteres. En promedio, un token equivale a unas 0.75 palabras en español. El contexto es la cantidad máxima de tokens que el modelo puede procesar de una vez (desde 128K hasta 1M tokens en los modelos actuales). Los parámetros son los pesos numéricos internos que el modelo ajusta durante el entrenamiento.
| Modelo | Parámetros (estimados) | Contexto máximo |
|---|---|---|
| GPT‑5.5 | ~2T (MoE) | 256K tokens |
| Claude Opus 4.7 | ~1.5T | 1M tokens |
| DeepSeek V4‑Pro | 1.6T (MoE) | 1M tokens |
| DeepSeek V4‑Flash | 284B | 1M tokens |
Reflexiona: Después de leer esta sección, ¿cómo le explicarías a un colega, en dos frases, qué es la IA generativa y para qué sirve? ¿Y qué le advertirías sobre sus limitaciones?
Herramientas clave de IA generativa
2.1 El ecosistema de herramientas
Cuando hablamos de IA generativa, lo primero que viene a la mente es un chatbot. Pero el ecosistema es mucho más amplio. Estas son las categorías más útiles para el desarrollo local:
Permiten subir PDFs y hacer preguntas sobre su contenido sin alucinaciones.
Analizan CSV y Excel, generan gráficos, calculan KPIs.
Crean ilustraciones para carteles, presentaciones, materiales educativos.
Realizan búsquedas profundas y generan informes con citas.
2.2 Herramientas accesibles desde Cuba (sin VPN)
OpenAI, Google y Anthropic restringen el acceso desde Cuba. Estas son las alternativas sin VPN:
| Herramienta | Funcionalidad | Acceso |
|---|---|---|
| DeepSeek V4 | Chat, razonamiento, subida de archivos, 1M tokens | deepseek.com |
| Kimi K2.6 | Chat, 256K tokens, visión nativa | kimi.moonshot.cn |
| Qwen Deep Research | Agente de investigación, informes avanzados | chat.qwen.ai |
| Metaso | Modo académico para filtrar literatura científica | metaso.cn |
| Cecilia (cubano) | Modelo de lenguaje entrenado con textos cubanos | Disponible en universidades |
Explora: Abre DeepSeek (deepseek.com) y pídele: "Enumera 5 aplicaciones de la IA generativa que podrían ser útiles para un proyecto de desarrollo local en Cienfuegos". ¿La respuesta es pertinente? ¿Qué falta?
Prompting práctico: el arte de preguntar
3.1 ¿Qué es un prompt?
Un prompt es la instrucción que se proporciona a un modelo de lenguaje para guiar su respuesta. Un buen prompt reduce errores, mejora la pertinencia y ahorra tiempo. Un prompt vago produce respuestas vagas; un prompt estructurado produce respuestas útiles.
3.2 Componentes de un prompt efectivo
- Rol: ¿Quién debe actuar el modelo? Ej: "Actúa como un especialista en desarrollo local".
- Contexto: Antecedentes y datos relevantes. Ej: "Estoy analizando la Finca Villa Julieta, un proyecto agroecológico en Palmira".
- Instrucción: ¿Qué se espera exactamente? Ej: "Enumera las sinergias entre los diferentes componentes del proyecto".
- Formato: ¿Cómo debe presentar la respuesta? Ej: "En una tabla con columnas: componente, sinergia, beneficio".
- Restricciones: ¿Qué límites hay? Ej: "Solo información verificable, cita fuentes cuando sea posible".
3.3 Ejemplo concreto
Prompt débil:
Prompt efectivo:
3.4 Técnicas básicas
| Técnica | Cuándo usarla |
|---|---|
| Zero-shot | Preguntas simples, exploración inicial |
| Few-shot | Cuando se quiere un formato específico; se da un ejemplo |
| Chain-of-Thought | Problemas complejos que requieren razonamiento paso a paso |
| Role Prompting | Cuando se necesita un tono o nivel de experticia específico |
Practica: Escribe un prompt usando la plantilla C.R.E.F. para que la IA te ayude a analizar un aspecto de la Finca Villa Julieta que te interese (por ejemplo, su modelo de economía circular, su sistema de riego, o sus alianzas internacionales). Ejecútalo en DeepSeek y guarda el resultado.
Caso de estudio: Finca Villa Julieta
El proyecto
La Finca Villa Julieta está ubicada en el municipio de Palmira, provincia de Cienfuegos, Cuba. Es liderada por Enrique Arturo Padrón, campesino de la Cooperativa de Créditos y Servicios Luis Arcos Bergnes, y combina agroecología, economía circular y cooperación internacional. Con 6 hectáreas heredadas de su padre y su abuela, este productor ha convertido un espacio familiar en un modelo de sostenibilidad que ya atrae financiamiento extranjero y beneficia al consumo social del municipio.
4.1 Datos clave del proyecto
4.2 Componentes del proyecto
| Componente | Descripción | Datos |
|---|---|---|
| Escuela y aula docente | Espacio formativo con sistema de bombeo solar fotovoltaico | Incluido en los 7 objetos de obra |
| Riego por goteo | Media hectárea alimentada por molino de viento | 0.5 ha |
| Nave para cabras | Producción de leche, carne y queso | 100 cabras previstas |
| Centro de lombricultura | Producción de bioabono | Parte del ciclo circular |
| Biodigestor | Generación de biogás para 4 viviendas | Aprovecha excretas de cabras y cerdos |
| Economía circular | Residuos del organopónico → cabras → leche/carne → cerdos → biogás → bioabono | Ciclo cerrado |
4.3 Financiamiento y cooperación
El proyecto ha recibido dos financiamientos internacionales:
- 2023: Proyecto del Programa de las Naciones Unidas para el Desarrollo (PNUD), liderado por el Centro de Estudios Ambientales de Cienfuegos, aportó unos 19,500 euros. Con estos fondos se instaló un sistema de riego por microaspersores, otro por goteo para el área de plátano, y se adquirió un motocultor con cuatro implementos.
- En tránsito: Financiamiento gestionado con Cuba–Cooperación Francia, que prevé dotar a la finca de un molino de viento y un triciclo eléctrico para el traslado de producciones.
4.4 Impacto social
Las cosechas de Villa Julieta se destinan fundamentalmente al consumo social: hogar de embarazadas, policlínico, casa de abuelos, escuela especial y círculo infantil. Con el Hogar de Ancianos Hermanas Giralt de Cienfuegos mantienen estrechas relaciones por medio de donaciones y ventas.
Analiza: ¿Qué elementos de este proyecto te parecen más innovadores? ¿Cómo podría la IA generativa ayudar a escalar o replicar este modelo en otras fincas de la provincia? Anota tus ideas para discutirlas en el foro.
Análisis de datos con IA
5.1 ¿Por qué analizar datos con IA?
Los proyectos de desarrollo local generan datos: producción, costos, beneficiarios, impactos. La IA generativa puede ayudarte a analizar estos datos sin necesidad de conocimientos avanzados de estadística o programación. Puedes subir un archivo CSV o Excel y pedirle que calcule estadísticas, genere gráficos o identifique patrones.
Dataset de ejemplo: Finca Villa Julieta
Descarga el archivo villa_julieta_datos.csv con datos de producción mensual. Contiene las siguientes columnas: Mes, Cultivo, Producción_kg, Precio_CUP, Ingresos_CUP, Costos_CUP, Margen_CUP.
5.2 Cómo analizar datos con IA
El flujo es sencillo: sube el archivo a una herramienta como DeepSeek o ChatGPT, y pídele que realice el análisis. Aquí tienes un prompt de ejemplo:
5.3 Verificación de resultados
La IA puede cometer errores aritméticos. Siempre verifica al menos 3 cálculos manualmente usando Excel o Google Sheets. Por ejemplo:
- Suma total de ingresos: ¿coincide con la suma de la columna Ingresos_CUP?
- Margen promedio: ¿es igual a la suma de márgenes dividida entre el número de registros?
- Producción total por cultivo: ¿coincide con la suma manual?
Practica: Descarga el CSV, súbelo a DeepSeek o ChatGPT y ejecuta el prompt de análisis. Luego verifica 3 cálculos manualmente. ¿La IA acertó? ¿Hubo discrepancias? Documenta el resultado.
Análisis documental con IA
6.1 ¿Qué es el análisis documental?
El análisis documental consiste en extraer información relevante de documentos: informes, artículos, normativas, actas, periódicos. La IA generativa puede acelerar este proceso permitiéndote subir documentos y hacer preguntas sobre su contenido sin tener que leerlos completos.
6.2 Herramientas para análisis documental
Asistente de Google que solo responde con la información contenida en los documentos subidos. Construye un índice y cita párrafos exactos. No puede alucinar.
Permite subir archivos PDF y hacer preguntas sobre su contenido. Contexto de 1M tokens.
6.3 Ejemplo práctico con el caso
Puedes subir el artículo de Granma sobre la Finca Villa Julieta y pedir a la IA que extraiga información específica:
Practica: Busca un artículo o documento sobre un proyecto de desarrollo local en tu municipio. Súbelo a DeepSeek o NotebookLM y pídele que extraiga los datos clave. ¿Qué información obtuviste? ¿Cómo podrías usarla en tu propio proyecto?
Ética y verificación
7.1 Alucinaciones: cuando la IA inventa con convicción
Una alucinación en IA generativa es un contenido erróneo o fabricado que el modelo presenta con total seguridad. Los modelos de lenguaje no "saben" cosas: generan secuencias de texto estadísticamente probables. Cuando carecen de información suficiente, inventan datos plausibles pero falsos.
Según el Hallucination Leaderboard de Vectara (2025), los principales modelos comerciales presentan tasas de alucinación del 3% al 27% dependiendo de la tarea. En tareas legales y financieras, la tasa se sitúa en torno al 19.5%, un nivel inaceptable para decisiones importantes.
7.2 Principios éticos fundamentales
- Transparencia: Declarar siempre qué herramientas de IA se utilizaron y con qué prompts.
- Supervisión humana: La IA asiste, no decide. Toda decisión basada en outputs de IA debe ser validada por un humano.
- Verificación rigurosa: Contrastar afirmaciones, datos numéricos y referencias con fuentes primarias.
- Privacidad: No subir información confidencial, datos personales no anonimizados o secretos comerciales a herramientas de IA públicas.
- Equidad: Ser consciente de los sesgos y buscar activamente perspectivas alternativas.
7.3 Protocolo de verificación en 5 pasos
- Verificar fuentes: ¿La respuesta incluye DOIs, enlaces o referencias? ¿Los enlaces apuntan a fuentes oficiales?
- Validar datos numéricos: Contrastar cifras con fuentes oficiales.
- Comprobar citas textuales: Si la IA cita un documento, buscar la frase exacta.
- Confirmar vigencia: Verificar que las normativas citadas no estén derogadas.
- Triangular fuentes: Toda afirmación crítica debe estar respaldada por al menos dos fuentes independientes.
Ejercicio de verificación
Pide a DeepSeek: "Dame tres referencias académicas sobre desarrollo local sostenible en Cuba, con DOI". Verifica cada DOI en doi.org. ¿Cuántos resolvieron correctamente? Documenta el resultado en una tabla.
Tu proyecto local: tarea evolutiva
Tarea central del curso
A lo largo del curso, desarrollarás una propuesta de aplicación de IA generativa a un problema concreto de tu territorio. Esta tarea evolucionará en tres etapas, y cada etapa la compartirás en el foro para recibir retroalimentación de tus compañeros y del profesor.
Etapa 1: Identificación del problema (semana 1)
Consigna: Identifica un problema o necesidad concreta en tu localidad que pueda abordarse con apoyo de IA generativa. Puede ser en cualquier ámbito: educación, salud, agricultura, turismo, cultura, gestión municipal, comunicación comunitaria, etc.
Entrega: Un párrafo de 150-200 palabras donde describas:
- El problema o necesidad identificada.
- Por qué es relevante para tu territorio.
- Qué actores estarían involucrados.
- Qué tipo de IA generativa crees que podría ayudar (chatbot, análisis de datos, generación de contenidos, etc.).
Foro: Comparte tu párrafo en el foro y comenta al menos la propuesta de un compañero, aportando una sugerencia constructiva.
Etapa 2: Análisis con IA (semana 2)
Consigna: Utiliza al menos una herramienta de IA generativa para analizar tu problema. Puedes usar análisis de datos (si tienes datos), análisis documental (si necesitas revisar fuentes), o generación de contenidos (si necesitas crear materiales).
Entrega: Un documento breve (máximo 1 página) que incluya:
- Los prompts que utilizaste (copia exacta).
- Los resultados obtenidos (capturas o fragmentos).
- Una reflexión sobre la utilidad de la herramienta: ¿qué sirvió? ¿Qué no? ¿Cómo mejorarías el prompt?
Foro: Comparte tu experiencia en el foro. ¿Qué aprendiste? ¿Qué dificultades encontraste? ¿Cómo te ayudó (o no) la IA?
Etapa 3: Propuesta final (semana 3)
Consigna: Integra todo lo aprendido en una propuesta final de 2 páginas para aplicar IA generativa a tu problema local.
Estructura de la propuesta:
- Problema identificado: Descripción clara y contextualizada.
- Objetivo: ¿Qué quieres lograr con el apoyo de la IA?
- Herramientas y prompts: Qué IA usarías y 2-3 prompts concretos que has probado.
- Actores involucrados: ¿Con quiénes co-crearías esta solución?
- Riesgos y precauciones: ¿Qué aspectos éticos o limitaciones consideras?
- Validación comunitaria: ¿Cómo validarías con la comunidad que la solución es pertinente?
Foro de cierre: Comparte tu propuesta final y reflexiona:
- El aprendizaje más valioso del curso.
- Una aplicación concreta que harás en tu trabajo o comunidad.
- Una pregunta que te queda para seguir explorando.
Rúbrica de evaluación
| Criterio | Peso | Excelente |
|---|---|---|
| Claridad del problema | 20% | Problema bien definido, contextualizado y relevante para el territorio. |
| Uso de IA | 25% | Prompts estructurados, uso de múltiples herramientas, iteración documentada. |
| Reflexión crítica | 20% | Análisis profundo de utilidad, límites y aspectos éticos. |
| Vínculo local | 20% | Propuesta claramente vinculada al contexto local, con actores identificados. |
| Participación en foro | 15% | Intervenciones pertinentes, aportes constructivos a los compañeros. |
Anexos
Anexo 1 – Catálogo de prompts
| Objetivo | Prompt |
|---|---|
| Investigación | "Actúa como investigador de desarrollo local. Enumera 5 iniciativas de IA aplicadas al desarrollo local en América Latina. Para cada una: nombre, país, aplicación, impacto." |
| Análisis de documentos | "Subo un PDF sobre [tema]. Extrae todos los datos numéricos, las alianzas mencionadas y los componentes del proyecto." |
| Redacción | "Redacta un texto de 300 palabras sobre [tema] para un público no especializado. Tono accesible, con ejemplos locales." |
| Generación de imágenes | "Genera una ilustración para un cartel sobre [evento local]. Estilo vintage, colores cálidos." |
| Verificación | "Dame 3 referencias sobre [tema] con DOI. Verifica que los DOIs resuelvan en doi.org." |
Anexo 2 – Glosario de términos
- IA generativa: Subconjunto de IA que crea contenido nuevo a partir de patrones aprendidos.
- Prompt: Instrucción que se proporciona a un modelo de lenguaje.
- Token: Unidad mínima de texto que procesa el modelo (~0.75 palabras).
- Alucinación: Información falsa o inventada presentada como cierta por el modelo.
- Chain-of-Thought: Técnica de prompting que pide al modelo razonar paso a paso.
- Economía circular: Modelo de producción y consumo que busca cerrar el ciclo de materiales y residuos.
Anexo 3 – Checklist de verificación
- ¿Verifiqué las fuentes de cada afirmación generada por IA?
- ¿Los DOIs de las referencias resuelven correctamente?
- ¿Los datos numéricos coinciden con fuentes oficiales?
- ¿Las normativas citadas están vigentes?
- ¿Declaré qué herramientas de IA utilicé?
- ¿No subí información confidencial a herramientas públicas?
Referencias bibliográficas
- CEPAL. (2023). Inteligencia artificial y desarrollo sostenible en América Latina y el Caribe.
- Naciones Unidas. (2015). Transformar nuestro mundo: la Agenda 2030 para el Desarrollo Sostenible.
- UNESCO. (2021). Recomendación sobre la ética de la inteligencia artificial.
- UNESCO. (2023). Guidance for Generative AI in Education and Research.
- Vaswani, A., et al. (2017). Attention Is All You Need. Advances in Neural Information Processing Systems, 30.
- Granma. (2026, 10 de septiembre). Enrique Arturo y su valioso proyecto de desarrollo local. https://www.granma.cu/cuba/2026-09-10/enrique-arturo-y-su-valioso-proyecto-de-desarrollo-local-10-09-2026-12-09-39
- ACN. (2026, 3 de agosto). Novedoso centro promueve el desarrollo local en Cienfuegos. https://www.acn.cu/cuba/novedoso-centro-promueve-el-desarrollo-local-en-cienfuegos
- Revista Bohemia. (2026, 18 de agosto). Hacer IA en Cuba. https://bohemia.cu/hacer-ia-en-cuba/
Fin del manual
Curso Pre-evento · VI Convención de la Universidad de Cienfuegos
Facultad de Ciencias de la Cultura Física y el Deporte