Universitat Internacional de Catalunya
Tecnologia i Innovació
Professorat
Conferenciant: Atilla YARDIMCI, PhD.
Telèfon: +34 655 243 594
Correu electrònic: atilla@uic.es
Oficina: Inmaculada, 22. 08017 Barcelona. Espanya.
Horari d'oficina: Amb cita prèvia
Presentació
El curs es basa en l'aprenentatge per la pràctica i situa als estudiants amb les limitacions dels empresaris: temps limitat, coneixements limitats i recursos limitats. Donant un coneixement general de la transformació digital, la no codificació i les eines de màrqueting digital. Introduir la cultura i els mètodes de desenvolupament d'eines digitals, amb la finalitat de preparar-los per a gestionar equips de desenvolupadors i projectes digitals. Practicar l'anàlisi de problemes, el pensament empresarial i l'orientació al client.
Requisits previs
- Nivell adequat d’anglès
- Coneixements bàsics de negoci
- Fonaments de màrqueting
- Coneixements bàsics d’informàtica
Objectius
L’objectiu d’aquesta assignatura és introduir els conceptes fonamentals i els aspectes tècnics de la Intel·ligència Artificial (IA) i la Intel·ligència Artificial Generativa (GenAI) dins de l’ecosistema empresarial.
El curs té com a finalitat proporcionar als estudiants una comprensió clara de com les tecnologies impulsades per la IA creen oportunitats i transformen els processos d’innovació, especialment en el context del Venture Capital (VC) i el Private Equity (PE).
A més, l’assignatura posa èmfasi en la integració de la analítica de dades, el lideratge tecnològic i la gestió de la innovació com a motors clau de la transformació empresarial.
En finalitzar el curs, els estudiants seran capaços de:
- Comprendre els conceptes clau de la IA, GenAI, ciència de dades i analítica
- Identificar tendències tecnològiques impulsades per la IA i el seu impacte en la innovació
- Aplicar analítica de dades i pensament estadístic en la presa de decisions
- Utilitzar eines analítiques (Python, Power BI, SQL) per generar insights
- Analitzar oportunitats i reptes en l’adopció de solucions basades en IA
- Comprendre com liderar i gestionar equips orientats a dades i IA
- Integrar IA, analítica i estratègies d’innovació en contextos reals
- Avaluar el paper del lideratge tecnològic en la transformació digital
Competències/Resultats d’aprenentatge de la titulació
- CB10 - Posseir les habilitats d'aprenentatge que els permetin continuar estudiant d'una manera que haurà de ser en gran mesura autodirigida o autònoma.
- CB8 - Ser capaç d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, sent incompleta o limitada, inclogui reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis.
- CB9 - Saber comunicar les seves conclusions i els coneixements i raons últimes que les sustenten a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats.
- CE10 - Interactuar a l'entorn de l'ecosistema emprenedor i establir relacions amb els seus actors, institucions, incubadores, acceleradores i xarxes d'inversors, entre d’altres.
- CE3 - Interpretar i dominar els diferents models del cicle de finançament de les empreses emergents i aplicar-los dotant-les del finançament més eficient, ja sigui capital de risc, capital privat o altres formes de finançament.
- CE8 - Identificar els recursos humans amb el talent necessari per atreure'ls o desenvolupar-los en el nou entorn d'innovació i canvi tecnològic.
- CG2 - Tenir habilitats d’organització i planificació de la feina, ser alhora flexibles per adaptar la planificació a noves situacions.
- CT3 - Mostrar sensibilitat pels valors ètics, personals, socials i ambientals en la presa de decisions i la relació amb els altres.
Resultats d’aprenentatge de l’assignatura
En finalitzar el curs, els estudiants seran capaços d’aplicar els conceptes fonamentals d’Intel·ligència Artificial (IA), Intel·ligència Artificial Generativa (GenAI), ciència de dades i analítica per analitzar problemes empresarials i donar suport a la presa de decisions en contextos emprenedors i d’inversió. També seran capaços d’avaluar tendències tecnològiques impulsades per la IA, utilitzar eines analítiques per generar insights, interpretar mètriques clau de negoci i dissenyar estratègies basades en dades per a la innovació i el creixement, demostrant treball en equip, habilitats de comunicació i comprensió del lideratge tecnològic en entorns impulsats per la IA.
Continguts
Sessió 1: IA i Transformació Digital
Introducció a la IA i GenAI i el seu impacte en el negoci.
Anàlisi de tendències tecnològiques i innovació.
Sessió 2: Ciència de Dades per al Negoci
Conceptes bàsics de ciència de dades i anàlisi.
Ús de dades per a la presa de decisions en VC/PE.
Sessió 3: Gestió Data-Driven i KPIs
Mètriques clau com CAC, LTV, churn i MRR.
Aplicació en anàlisi i decisions empresarials.
Sessió 4: CRM i Growth Analytics
Anàlisi del comportament del client i retenció.
Estratègies de creixement basades en dades.
Sessió 5: Growth Metrics en VC/PE
Ús de mètriques en valoració i finançament.
Avaluació del rendiment de startups.
Sessió 6: Analítica Predictiva i Big Data
Models predictius i forecasting.
Aplicació en decisions estratègiques.
Sessió 7: Eines de Data Science
Ús pràctic d’Excel, SQL, Python i Power BI.
Generació d’insights amb dades.
Sessió 8: NLP i Text Analytics
Processament del llenguatge natural.
Anàlisi de text per a insights de mercat.
Sessió 9: Lideratge en IA
Gestió d’equips i lideratge tecnològic.
Cultura d’innovació en organitzacions.
Sessió 10: GenAI i Maduresa Digital
Aplicacions de GenAI i transformació digital.
Avaluació de la maduresa digital.
Sessió 11: Innovació i Pitch
Desenvolupament de pitch decks amb dades.
Storytelling i KPIs per inversors.
Sessió 12: IA en Finances i Estratègia
Aplicacions d’IA en finances i risc.
Decisions estratègiques amb AI.
Sistemes i criteris d'avaluació
Modalitat totalment presencial a l'aula
La nota final es calcularà en base als següents components:
- Participació (10%): Participació activa a classe, incloent debats i activitats opcionals.
- Activitats a classe (30%): Avaluació del treball en grup, exercicis pràctics i activitats realitzades durant les sessions.
- Treballs / Entregues (30%): Realització de treballs obligatoris individuals i en grup (2 entregues, 15% cadascuna).
- Projecte final (30%): Projecte individual basat en l’aplicació de la IA, analítica de dades i estratègia empresarial.
Requisits del projecte final:
El projecte final consistirà en una presentació estructurada que inclourà:
- Definició del problema de negoci
- Comprensió de les dades
- Preparació de les dades
- Model / solució d’IA
- Avaluació (precisió de la solució)
- Estratègia i insights
- Habilitats de presentació
Notes addicionals:
- Els deures són opcionals però recomanats.
- Les entregues són obligatòries.
- La nota final serà la mitjana ponderada dels components.
- Es requereix participació activa durant el curs.
Bibliografia i recursos
- Paul R. Daugherty & H. James Wilson – Human + Machine
- Alex Davies – Driven
- Mariya Yao et al. – Applied Artificial Intelligence
- Ajay Agrawal et al. – Prediction Machines
- Tom Taulli – Generative AI
- Max Tegmark – Life 3.0
- Kissinger, Schmidt & Huttenlocher – The Age of AI
- Marcus du Sautoy – The Creativity Code
- Iansiti & Lakhani – Competing in the Age of AI
- Agrawal et al. – Power and Prediction
- Venture Capital (a16z): https://a16z.com/
- Mètriques startup: https://www.ycombinator.com/library
- VC & Private Equity (McKinsey): https://www.mckinsey.com/capabilities/strategy-and-corporate-finance/our-insights
- Valoració: https://www.investopedia.com/terms/v/valuation.asp
- Pitch decks (Sequoia): https://www.sequoiacap.com/article/writing-a-business-plan/
- IA en finances (CFA): https://www.cfainstitute.org/insights/topics/artificial-intelligence
- Ciència de dades: https://www.kaggle.com/learn
- Dades financeres: https://finance.yahoo.com/
- Power BI: https://learn.microsoft.com/en-us/power-bi/
- Growth metrics: https://www.reforge.com/blog