Máster Ejecutivo en IA para la Moda

Día 1: IA, moda y el nuevo contexto empresarial.

02 de octubre de 2026

• Panorama general de la industria de la moda y el lujo: modelos de negocio, cadena de valor, canales y digital transformation
• Por qué la IA es importante ahora: megatendencias, presión competitiva, eficiencia, personalización, velocidad y creatividad.
• Qué es la IA: historia, definiciones, mitos y ejemplos del mundo real
• IA vs. Aprendizaje automático vs. Aprendizaje profundo vs. IA generativa vs. Automatización vs. IA agencial: marcos simplificados para usuarios no técnicos
• Inteligencia artificial aplicada a la moda: qué pueden hacer realmente los agentes hoy en día y qué sigue siendo irrealizable.
• La cadena de valor unificada de la IA en la moda: productos, imágenes, clientes, transacciones, tiendas, proveedores y tendencias sociales.
• Análisis de caso: cómo el lujo, la moda rápida, la ropa deportiva y el enfoque digital son prioritarios brandEstán experimentando con IA
• Resultado: Mapa de alfabetización en IA, lo que todo ejecutivo de moda necesita comprender antes de tomar decisiones.

Día 2: Indicaciones, gobernanza e IA responsable

09 de octubre de 2026

• Gobernanza, marcos legales y éticos que dan forma a la IA en la moda
• Ley de IA de la UE, privacidad, propiedad intelectual, derechos de autor, brand protección y seguridad de los datos
• Comunicación con la IA: indicaciones, PLN, memoria, medidas de seguridad y asistentes empresariales
• El papel de la calidad, la propiedad y el acceso a los datos.
• Sesgo, riesgo reputacional e implicaciones para la sostenibilidad
• Reglas de control, validación y escalamiento humano
• Cómo definir el uso aceptable e inaceptable de la IA dentro de una empresa de moda, Diseño de una política interna de IA para empresas de moda
• Laboratorio de Asistentes de IA Empresariales: Microsoft Copilot, Claude y flujos de trabajo de IA para empresas de moda
• Resultado: Lista de verificación de gobernanza de IA para empresas de moda

Día 1: Pronóstico de tendencias e inteligencia creativa.

16 de octubre de 2026

• Inteligencia artificial para la predicción de tendencias: fuentes de datos, señales y limitaciones
• Escucha social, tendencias de búsqueda, datos culturales, datos de ventas y señales de mercado.
• Desde la detección de tendencias hasta la interpretación creativa
• Inteligencia artificial generativa para moodboards, territorios creativos, materiales, paletas de colores y narrativas de colecciones.
• El papel de la IA en la dirección creativa: apoyo, no sustitución.
• Riesgos: aplanamiento estético, brand dilución, plagio y sobreestandarización
• Herramientas/demostración: Midjourney, Stable Diffusion, Adobe Firefly o herramientas equivalentes para moodboards y exploración visual.
• Laboratorio práctico: crea un panel de inspiración asistido por IA para un concepto de temporada.

Día 2: Desarrollo de productos, gemelos digitales y prototipado virtual.

23 de octubre de 2026

• Diseño de productos asistido por IA: siluetas, detalles, variantes y narrativa del producto.
• Del boceto al prototipo: herramientas generativas, 3D, muestreo virtual y gemelos digitales
• Fundamentos de datos de producto: PLM, PIM, DAM, taxonomía, atributos y Pasaporte Digital de Producto.
• Inteligencia artificial para el ajuste, el tallaje, la simulación de materiales y la iteración de productos.
• Diseño de conexión, merchandising y la cadena de suministro en una etapa más temprana del proceso.
• Control creativo humano: dónde ayuda la IA y dónde no debería decidir.
• Laboratorio práctico: crea un concepto de producto asistido por IA con descripción, dirección visual y atributos del producto.
• Resultado: ficha conceptual del producto generada con soporte de IA.

Día 1: Abastecimiento, producción e inteligencia de la cadena de suministro

30 de octubre de 2026

• Inteligencia artificial para la previsión de la demanda y la planificación de la producción.
• Selección de proveedores, inteligencia de abastecimiento y monitoreo de riesgos: Pasaporte digital del producto, trazabilidad y cumplimiento.
• Control de calidad, detección de defectos y visión artificial en la producción.
• Optimización de inventarios y asignación de existencias
• RFID, IoT y visibilidad de la cadena de suministro en tiempo real

Estudios de caso y laboratorios

• Caso práctico: mejorar la disponibilidad y reducir el exceso de existencias mediante la planificación predictiva.
• Laboratorio práctico: mapee un proceso de abastecimiento o producción e identifique dónde la IA puede reducir costos, retrasos o riesgos.

Día 2: Logística, devoluciones, economía circular y sostenibilidad

Noviembre 06 2026

• Inteligencia artificial para la optimización de la logística, la distribución y los almacenes.
• Almacenes automatizados, sistemas de embalaje, predicción de envíos y entregas.
• Predicción de devoluciones y logística inversa
• Inteligencia artificial para la sostenibilidad: reducción de residuos, innovación de materiales, reciclaje y modelos de negocio circulares.
• Reciclaje, reventa, reparación y reventa de textilesecommerce Impulsado por datos e IA
• Afirmaciones sobre sostenibilidad y riesgo reputacional
• Estudio de caso: logística predictiva y mejora de los plazos de entrega en ecommerce almacenes
• Laboratorio práctico: optimice un flujo logístico o de retorno utilizando automatización e IA.
• Resultado: Mapa de oportunidades de IA para la cadena de suministro y operations
• Módulo 3 — IA para abastecimiento, producción, cadena de suministro y sostenibilidad — subtotal

Dia 1 - MerchandisingCompras y planificación comercial

Noviembre 13 2026

• IA para la planificación de surtido y buying decisiones informadas
• Open-to-Buy (OTB): planificación de gamas asistida por IA, presupuesto de temporada y reequilibrio durante la temporada.
• Predicción de la demanda por mercado, tienda, canal y segmento de clientes.
• Precios inteligentes, optimización de descuentos, planificación de promociones, inteligencia competitiva y seguimiento de precios.
• Asignación, reposición y equilibrio de existencias
• Indicadores clave de rendimiento (KPI) en el sector de la moda: rotación de inventario, margen de beneficio, venta a precio completo, tasa de rebajas.
• Venta al por mayor: IA para pedidos B2B managementPortales para compradores, análisis de salas de exposición e información sobre ferias comerciales.

Estudios de caso y laboratorios

• Análisis de caso: lujo vs moda rápida vs ropa deportiva: diferentes prioridades de IA en merchandising
• Laboratorio de práctica: crea un merchandising Planificar utilizando soporte de IA

Día 2 — Comercio minorista, Ecommerce y rendimiento omnicanal

Noviembre 20 2026

• Inteligencia artificial para tiendas físicas operations: visual merchandisinganálisis de tráfico, optimización del diseño y comportamiento del comprador en la tienda
• Inteligencia artificial para la gestión de tiendas, la fidelización de clientes y la experiencia omnicanal de lujo.
• IA para ecommerce personalización y recomendaciones de productos
• Búsqueda visual, prueba virtual y descubrimiento asistido de productos
• Comercio conversacional y asistentes de compra con IA
• Inteligencia artificial discreta: pagos, detección de fraude, seguridad y procesamiento de transacciones.
• Mercados, distribución directa al consumidor y distribución mayorista: diferentes casos de uso de la IA

Estudios de caso y laboratorios

• Laboratorio de práctica: diseñe una activación de IA para la experiencia en tienda o ecommerce — elección del participante
• Resultado: lienzo de casos de uso de IA comercial

Día 1: Estrategia de datos, BI e inteligencia predictiva.

Noviembre 27 2026

• El ciclo de vida de los datos: recopilación, limpieza, integración, análisis y toma de decisiones.
• Datos estructurados frente a datos no estructurados en la moda
• Modelos de datos para producto, cliente, ventas, inventario y marketing
• Analítica e inteligencia empresarial: paneles de control, métricas e inteligencia predictiva.
• Desde la elaboración de informes descriptivos hasta la toma de decisiones predictivas y prescriptivas.
• Gobernanza de datos: propiedad, calidad, accesibilidad y responsabilidad

Laboratorio de práctica:

• Laboratorio práctico: diseña el flujo de datos para un proceso clave del negocio de la moda.

Día 2: IA para finanzas, planificación y rendimiento del personal.

04 Dec 2026

• Inteligencia artificial para la elaboración de presupuestos, la previsión y el análisis financiero.
• Estructura de pérdidas y ganancias en el sector de la moda: venta al por mayor frente a venta al por menor frente a ecommerce márgenes, costo de los bienes vendidos y presupuesto de rebajas management
• Planificación de escenarios y simulación de márgenes
• Inteligencia artificial para el control de pérdidas y ganancias, flujo de caja, valoración de inventarios y análisis de rentabilidad.
• Inteligencia artificial en recursos humanos: reclutamiento, mapeo de habilidades, apoyo al desempeño y capacitación.
• Análisis de datos de personal, riesgo organizacional e impacto de la IA en los puestos de trabajo en la moda.
• Limitaciones, privacidad y sesgos en las aplicaciones de IA para recursos humanos y finanzas.

Laboratorio de práctica:

• Discusión de caso: IA para management control en un negocio de moda multicanal
• Salida: Resumen del panel de control de IA para finanzas, BI o management control

Dia 1 - BrandContenido y comunicación en la era de la IA

11 Dec 2026

• IA para brand estrategia, planificación de la comunicación y contenido operations
• Desfiles de moda, eventos, relaciones públicas y relaciones con influencers: IA para la planificación, el análisis de la cobertura de prensa y la amplificación.
• Producción y optimización de campañas para algoritmos y plataformas sociales.
• Textos generados por IA, descripciones de productos, contenido editorial y narración de historias.
• Brand Bibliotecas de voz, tono de voz y mensajes
• Fábrica de contenido digital: fotografía, vídeo, imágenes y localización a gran escala.
• Influencers virtuales y contenido sintético: ¿oportunidad o riesgo?
• GEO para IA, optimización de LLM y capacidad de descubrimiento en la búsqueda conversacional
• Gobernanza de contenido de IA: flujos de aprobación, brand Coherencia, revisión legal y control de localización

Talleres y laboratorios

• Taller: optimización del contenido web para LLM y chatbots: páginas de productos, colecciones y páginas de destino.

Día 2: CRM, fidelización, rendimiento y personalización

18 Dec 2026

• Inteligencia artificial en la experiencia del cliente: fidelización, gestión de la clientela y CRM predictivo.
• Riesgos específicos del lujo: exclusividad, trato humano, brand control y sensibilidad de los datos del cliente
• Segmentación, siguiente mejor acción y campañas personalizadas.
• Inteligencia artificial para la atención al cliente: chatbots, asistentes virtuales y automatización del servicio posventa en el mundo de la moda.
• Análisis de marketing, atribución, marketing Modelado mixto e IA
• Optimización de medios pagados y automatización de campañas, Google Ads, Meta Ads y flujos de trabajo de campañas impulsados ​​por IA.
• Equilibrar la automatización, la creatividad y brand Protección

Talleres y laboratorios

• Caso práctico: Campañas de publicidad digital generadas por IA y experiencias de cliente personalizadas.
• Laboratorio práctico: crea un concepto de campaña con asistencia de IA, desde el panel de inspiración hasta la activación del canal.
• Resultado: Informe de activación de la campaña de IA y CRM

Día 1: Sistemas, plataformas, proveedores e integración de IA.

08 de enero 2027

• Conceptos esenciales de los sistemas de IA: plataformas, nube, API e integraciones.
• Construir vs. comprar vs. asociarse
• Cómo seleccionar proveedores de IA y evaluar soluciones. Adquisición de IA y diligencia debida de proveedores.
• Integración con ERP, PIM, DAM, CRM, CDP, ecommerce plataformas y herramientas de BI
• Preparación de datos y arquitectura del sistema
• Ciberseguridad, IA en la sombra, control de acceso y políticas de la empresa
• Proveedor management: contratos, acuerdos de nivel de servicio (SLA), propiedad y escalabilidad

Talleres y laboratorios

• Laboratorio práctico: evalúe a un proveedor de IA utilizando una lista de verificación estructurada.

Día 2 — Proyecto de IA ManagementCaso de negocio y creación de prototipos

15 de enero 2027

• proyecto de IA management: metodologías ágiles, creación de prototipos, productos mínimos viables (MVP) y proyectos piloto
• Cómo elaborar un caso de negocio para la IA
• Retorno de la inversión (ROI), indicadores clave de rendimiento (KPI), métricas de éxito y métricas de adopción.
• Del proyecto piloto a la producción a gran escala: cuándo detenerse, iterar o implementar.
• CAMBIAR management y adopción interna
• Sesgo, gobernanza y validación en la implementación
• Codificación de vibraciones y prototipado de IA sin código/con poco código: oportunidades y riesgos

Talleres y laboratorios

• Taller: crea un mapa de oportunidades de IA para una empresa de moda.
• Actividad de aprendizaje: prototipar un caso de uso de IA o definir la especificación piloto.
• Resultado: Resumen del proyecto piloto de IA

Día 1: Estrategia, organización y capacidades futuras de la IA

22 de enero 2027

• Colaboración humana + IA: habilidades futuras para gerentes y creativos
• Cómo cambian las organizaciones con la IA: roles, responsabilidades y capacidades en la empresa con agentes
• Modelo de gobernanza de la IA: ¿quién es el dueño de qué?
• Nuevas estructuras organizativas: comité de IA, propietarios de negocios, propietarios de datos, legal, TI y brand guardianes
• Hoja de ruta para la alfabetización y el perfeccionamiento de habilidades en IA
• El futuro de la IA en la moda y el lujo: agentes, automatización, personalización, inteligencia de producto y nuevos modelos de negocio.
• Taller: diseño del modelo operativo de IA para una empresa de moda.

Talleres y laboratorios

• Taller: diseño del modelo operativo de IA para una empresa de moda.

Día 2: Proyecto final, presentaciones y certificación.

29 de enero 2027

• Taller del proyecto final: Hoja de ruta para la adopción de la IA
• Revisión de las hojas de ruta para la adopción de la IA
• De las licencias de Copilot a la adopción real: asistentes de IA empresariales en la hoja de ruta de la IA
• Comentarios de instructores y compañeros
• Errores comunes en las hojas de ruta de la IA
• Priorización: victorias rápidas, apuestas estratégicas y capacidades a largo plazo.
• Requisitos de la tarea final y criterios de evaluación
• Presentaciones: presentaciones de grupos seleccionados + síntesis del instructor, resumen y certificación.
• Resultado: Hoja de ruta final para la adopción de la IA