Agiles Perú Victor Hugo Alfaro Yangali presentación

Agiles Perú Victor Hugo Alfaro Yangali presentación

1. Liderazgo Ágil Aumentado Cómo la Gen-AI potencia el empoderamiento y la autonomía de los equipos Presenta do por: Victor Hugo Alfaro Yangali Lima, Perú 2025

2. Bienvenidos Victor Hugo Alfaro Yangali Lima - Perú Experiencia Laboral: La Positiva Seguros , Falabella Corp, Tottus , Indra Company, Telefónica del Perú, Pacífico Seguros , IBM, GMD, MDP Consulting, Newhorizons Candidato a doctor en Ingeniería de Sistemas e Informática de la Universidad Naciona , MBA en Centrum Católica PUCP, Ingeniero de Sistemas en Mayor de San Marcos. EBAS, SAFe , CSM, KMP

3. 1940’s Alan Turing (1936, 1950) → Máquina de Turing y el artículo Computing Machinery and Intelligence , donde propone el Test de Turing. Warren McCulloch & Walter Pitts (1943) → modelo matemático de neuronas artificiales , precursor de las redes neuronales. Norbert Wiener (1948) → Cybernetics , establece las bases de control, retroalimentación y autorregulación en sistemas. 1950’s Claude Shannon (1950) → teoría de la información, aplicación en ajedrez. John McCarthy, Marvin Minsky, Nathaniel Rochester, Claude Shannon (1956) → organizan la Conferencia de Dartmouth, considerada el nacimiento oficial de la IA. Allen Newell & Herbert Simon (1955–1956) → desarrollan el programa Logic Theorist , primer razonador automatizado. Arthur Samuel (1959) → pionero en machine learning , con programas que juegan a las damas y aprenden de la experiencia. 1960’s Joseph Weizenbaum (1966) → crea ELIZA , uno de los primeros programas de procesamiento de lenguaje natural. Marvin Minsky → funda el MIT AI Lab y publica Steps Toward Artificial Intelligence (1961). John McCarthy → desarrolla el lenguaje LISP (1958–1960), fundamental para la investigación en IA. Fundamentos conceptuales Nacimiento de la IA como disciplina Expansión temprana 1 2 3 Línea de tiempo de la IA

4. 1970’s Edward Shortliffe (1972) → desarrolla MYCIN , sistema experto para diagnóstico médico. Bruce Buchanan y colegas → desarrollan DENDRAL , para análisis químico. Patrick Winston (1975) → Artificial Intelligence , uno de los primeros libros de texto de IA. Primera ola de optimismo , seguida de un invierno de la IA (1974–1980) por limitaciones técnicas. 1980’s Regla de retropropagación (Rumelhart, Hinton & Williams, 1986) → revive las redes neuronales artificiales. Expert Systems (1980s) → auge comercial con aplicaciones industriales. Segundo “invierno de la IA” (1987–1993) → fracaso de sistemas expertos ante limitaciones de escalabilidad y hardware. 1990’s 1997 – IBM Deep Blue (Feng-hsiung Hsu, Murray Campbell, et al.) → derrota a Garry Kasparov en ajedrez. Crece la investigación en machine learning , minería de datos y algoritmos estadísticos. REDES NEURONALES Sistemas expertos Auge y crisis Renacimiento del aprendizaje automático 1 2 3 Línea de tiempo de la IA

5. 2000’s Avances en robótica autónoma (ejemplo: Roomba de iRobot, 2002). 2006 – Geoffrey Hinton populariza el término Deep Learning , impulsando las redes neuronales profundas. 2009 – ImagenNet (Fei-Fei Li), gran base de datos de imágenes para visión por computadora. 2010’s 2011 – IBM Watson gana Jeopardy! . 2012 – AlexNet (Krizhevsky, Sutskever & Hinton) revoluciona visión por computadora con CNNs en ImageNet. 2014 – Generative Adversarial Networks (Ian Goodfellow) . 2016 – DeepMind AlphaGo derrota al campeón mundial de Go, Lee Sedol. Crecen asistentes virtuales: Siri (2011), Alexa (2014), Google Assistant (2016). Continúa IA aplicada y Big Data Deep Learning y revolución de datos 4 5 2020’s 2020 – GPT-3 (OpenAI) : modelo de lenguaje masivo con 175B parámetros. 2022 – ChatGPT (OpenAI) populariza la Gen-AI a nivel global. 2023 – GPT-4, Bard/Gemini (Google), Claude (Anthropic) → expansión de LLMs. 2023–2025 – Aplicaciones en empresas, educación, salud y liderazgo ágil , consolidando la IA generativa como transformadora de la cultura organizacional. Gen-IA 6 Línea de tiempo de la IA

6. ¿Qué es la Inteligencia Artificial?

7. https://www.bbc.com/mundo/noticias-65759254

8. La IA llamada Skynet se vuelve autónoma y consciente , y decide que los humanos son una amenaza, por lo que inicia una guerra contra la humanidad. Esto refleja un temor clásico sobre la IA: que, al ser muy poderosa y escapar del control humano, pueda tomar decisiones en contra de nosotros. En el mundo real, la IA actual (incluida la Generativa) no es consciente, ni autónoma como Skynet. Sin embargo, Terminator se usa como metáfora cultural para explicar riesgos de la IA avanzada, como la falta de control, la autonomía excesiva o el uso militar. Terminator = ficción, IA con conciencia y voluntad propia. Gen-AI hoy = modelos matemáticos que generan texto, imágenes, código, etc., pero sin intención ni conciencia.

9. ¿Qué es la inteligencia? Facultad de la mente que permite aprender, entender, razonar, tomar decisiones y formarse una idea determinada de la realidad. Etimológicamente: intus (“entre”) y legere (“escoger”). Saber elegir entre opciones

10. ¿Qué es la inteligencia artificial? Conjunto de algoritmos capaces de ser ejecutados por una computadora y que pretenden simular, en algún sentido, el comportamiento de una entidad inteligente .

11. Sistemas que imitan el pensamiento y las acciones humanas Sistemas que aprenden basándose en grandes cantidades de datos. Sistemas que funcionan con redes neuronales sin guía humana.

12. Proceso priorización: Toma de decisiones Es el paraguas estratégico. Hablamos de cualquier tecnología que busca imitar la inteligencia humana: tomar decisiones, resolver problemas, entender lenguaje o reconocer patrones. Para un C- level , IA es la visión macro: usar tecnología para que las máquinas piensen y actúen de forma más “inteligente” y así aumentar la capacidad de la organización. Es la palanca táctica dentro de la IA. Aquí no se programa todo, sino que se entrena a los sistemas con datos para que aprendan patrones y mejoren con la experiencia. Para un C- level : ML significa que el negocio puede convertir datos en valor predictivo ( ej : saber qué cliente se va a ir, qué producto recomendar, cómo optimizar precios). Es la pieza de alta especialización dentro del ML. Usa redes neuronales profundas inspiradas en el cerebro humano. Para un C-level: DL es el motor que hace posible la IA moderna de alto impacto, como reconocimiento de imágenes, asistentes de voz, autos autónomos o la Generative AI (ChatGPT, DALL·E). Inteligencia Artificial (IA) Machine Learning (ML) Deep Learning (DL) Estrategia de inteligencia en la organización Uso de datos para aprender y predecir Motor de innovación disruptiva en IA

13. 16 Roadmap organizacional Fase 1 Preparación (0–3 meses) Fase 2 Experimentación (3–6 meses) Fase 3 – Integración (6–12 meses) Fase 4 – Consolidación (12–24 meses) Fase 5 – Innovación continua (24 meses en adelante) Fase 6 – Despliegue y feedback Initiativas / Pilotos Iniciativas / Pilotos Initiativas / Pilotos Diagnóstico cultural y tecnológico : evaluar madurez digital y liderazgo actual. Sensibilización y capacitación inicial : talleres introductorios en IA generativa aplicada al liderazgo. Definición de objetivos ágiles : establecer qué significa empoderamiento y autonomía para la organización. Casos de uso rápidos (“quick wins”) : Feedback en tiempo real con IA para líderes. Generación de dinámicas ágiles y retrospectivas potenciadas con Gen-AI. Creación de un “Leadership AI Lab” : equipo piloto que experimente con herramientas. KPIs iniciales : satisfacción del equipo, reducción de tiempos de respuesta, innovación en dinámicas. Escalamiento a varios equipos : integrar la IA en prácticas ágiles (Scrum, OKRs, retrospectivas) Velocidad de innovación (tiempo desde idea → prototipo → validación). Soporte en la toma de decisiones : dashboards potenciados con IA para líderes ágiles. % de decisiones estratégicas tomadas con insights de IA. Entrenamiento en autonomía : la IA se usa como coach digital, no como sustituto. Engagement interno (rotación voluntaria, motivación, participación en iniciativas). Políticas éticas de uso : establecer marcos de confianza y transparencia. Índice de confianza en el liderazgo (encuesta organizacional). 001 002 003 004 005 006 007 008 009 010 011 012 013 014 015 016 017 018 019 020 021 022 023 024 025 026 027 028

14. [phone] [email protected] linkedin.com/in/hugoalfaroyangali/ MUCHAS GRACIAS