Fundamentos de la IA aplicados al ciclo de investigación

• Definición según el art. 3.1 del RIA
• Diferencias entre modelo y sistema de IA
• Modelos de uso general y modelos abiertos
• Uso de la IA en revisión bibliográfica, análisis de datos y redacción científica
• Limitaciones en la producción científica: alucinación de referencias, sesgos en conjuntos de datos, reproducibilidad y opacidad

Ámbito de aplicación y exclusión del RIA en actividades de I+D+i

• Sistemas desarrollados y puestos en servicio con el único fin de investigación y desarrollo científico (art. 2.6 RIA)
• Actividades de investigación, pruebas o desarrollos previos a la introducción en el mercado (art. 2.8 RIA)
• Límites de la exclusión: pruebas en condiciones reales, gestión ordinaria de la entidad y orientación del resultado al mercado
• Concurrencia con el RGPD y la LOPDGDD
• Incidencia del Data Act y del Data Governance Act sobre los datos de investigación
• Caso práctico de clasificación de supuestos

Del laboratorio al mercado: el tránsito a la condición de proveedor

• Roles incluidos en el Reglamento
• Supuestos en los que una spin-off o empresa de base tecnológica asume la condición de proveedor
• Obligaciones del proveedor: evaluación de la conformidad, marcado CE y registro
• Calendario de aplicación del RIA tras el Ómnibus
• Régimen atenuado para pymes y pequeñas empresas de mediana capitalización
• Espacios controlados de pruebas y pruebas en condiciones reales como oportunidad

Propiedad industrial e intelectual de resultados obtenidos con asistencia de IA

• Titularidad y protección de los resultados: el inventor no humano en el procedimiento de patente. Antes de solicitar la patente: por qué introducir una invención aún no registrada en una herramienta de IA puede hacerle perder la novedad y, con ella, la posibilidad de patentarla.
• Secreto empresarial como alternativa a la patente: qué exige la ley para que la protección se mantenga y por qué puede perderse al introducir la información en herramientas que reutilizan para entrenamiento lo que el usuario escribe o adjunta
• Minería de textos y datos y reserva de derechos
• Política de derechos de autor y resumen de datos de entrenamiento exigibles a los proveedores de modelos de uso general como criterio de elección de herramientas

IA en la gestión de proyectos y en la actividad de la entidad

• Uso de IA generativa en la redacción de propuestas: requisitos de los programas financiación, confidencialidad, declaración de uso y responsabilidad
• IA en la evaluación por pares
• Selección de personal y de personal becario mediante cribado automatizado: obligaciones asociadas
• Tratamiento de datos personales con fines de investigación

Documentación clave en el uso de la IA

• Inventario de sistemas y política de uso de IA
• Cláusulas de IA en acuerdos de consorcio y en contratos de transferencia y licencia: titularidad de resultados, garantías del cedente y distribución de responsabilidades
• Taller de supuestos reales

Personal gestor de proyectos europeos y de convocatorias competitivas, personal investigador, unidades y oficinas de transferencia, spin-offs y empresas de base tecnológica.

El curso, basado en la metodología learning by doing, se imparte mediante un método de trabajo interactivo, asistido y eminentemente práctico. Cada sesión se lleva a cabo en directo, lo que permite una comunicación constante entre el docente y participantes. Esta dinámica favorece un aprendizaje activo y participativo, orientado a la aplicación inmediata de lo aprendido en el entorno profesional de cada participante.