aborda la integración mediante metodologías avanzadas como ML interpretabilidad, verificación formal y gestión de riesgos en IA aplicada a plataformas de movilidad urbana (eVTOL, UAM). Este enfoque profundiza en áreas técnicas clave como el assurance de sistemas autónomos, la modelización predictiva y el control adaptativo, complementadas con auditorías basadas en frameworks de compliance regulatorios vinculados a la Directiva Europea de IA. Se enfatiza la trazabilidad y validación de algoritmos, considerando la interoperabilidad con subsistemas SOTA y la mitigación de sesgos en IA a través de técnicas avanzadas de testing y monitorización continua, cruciales en entornos dinámicos y críticos para la seguridad aeronáutica.
En el ámbito experimental, se dispone de plataformas para HIL/SIL específicas en validación de sistemas de control autónomos, adquisición de datos en tiempo real y análisis de integridad de señales para garantizar compliance bajo normativa aplicable internacional, alineada con estándares como ISO/IEC 27001, ISO/IEC 38507 y los marcos de GDPR. La infraestructura soporta auditorías técnicas, análisis de vulnerabilidades y protocolos de certificación, dirigidos a profesionales en AI Compliance Engineering, Data Governance, Safety Assurance, Cybersecurity, Risk Management y Regulatory Affairs, asegurando empleabilidad en el sector aeroespacial y movilidad inteligente.
9.560 €
Aprenderás a integrar todo el proceso de desarrollo de producto desde la concepción del modelo hasta su validación final, aplicando metodologías centradas en el usuario. Desarrollarás competencias en diseño paramétrico, ergonomía, simulación, materiales sostenibles, visualización 3D y gestión de manufactura, garantizando soluciones eficientes, seguras y alineadas con los estándares industriales actuales.
6. IA para Movilidad: Gobernanza, Riesgos, Auditoría y Cumplimiento del EU AI Act
Nota importante: Se recomienda contar con conocimientos básicos en aerodinámica, control de sistemas y estructuras. El dominio del inglés y/o español a nivel B2+/C1 es altamente deseable. El curso ofrece bridging tracks para complementar la base de conocimientos previos si fuera necesario.
1.1. Concepto de AI governance y diferencias entre cumplimiento regulatorio, gestión de riesgos, ética algorítmica y gobierno técnico de sistemas de IA
1.2. Relación entre inteligencia artificial, movilidad conectada, vehículos inteligentes, plataformas MaaS, ADAS, flotas y servicios digitales de transporte
1.3. Fundamentos del EU AI Act y su impacto sobre productos, servicios y sistemas de IA utilizados en movilidad
1.4. Clasificación de sistemas de IA según nivel de riesgo y consecuencias para diseño, validación, documentación y operación
1.5. Actores del ecosistema regulado: proveedores, deployers, fabricantes, integradores, importadores, distribuidores, operadores y usuarios finales
1.6. Diferencias entre IA embebida, IA cloud, IA generativa, modelos predictivos, sistemas de recomendación y automatización operacional
1.7. Riesgos específicos de IA en movilidad: seguridad vial, sesgos, discriminación, opacidad, ciberseguridad, privacidad y responsabilidad
1.8. Relación entre AI governance, seguridad funcional, ciberseguridad, protección de datos, homologación y experiencia de usuario
1.9. Tendencias en regulación de IA, movilidad autónoma, datos vehiculares, sistemas conectados y supervisión algorítmica
1.10. Enfoque sistémico de la ingeniería de AI governance para movilidad como integración de regulación, producto, datos, seguridad y operación
2.1. Estructura del EU AI Act y principios regulatorios aplicados a sistemas de IA en productos y servicios tecnológicos
2.2. Categorías de riesgo: sistemas prohibidos, alto riesgo, riesgo limitado, riesgo mínimo y modelos de propósito general
2.3. Identificación de sistemas de IA de alto riesgo en movilidad, transporte, seguridad, infraestructuras críticas y servicios esenciales
2.4. Obligaciones de proveedores y deployers en el desarrollo, comercialización, integración y uso de sistemas de IA
2.5. Requisitos de transparencia, información al usuario y supervisión humana en sistemas algorítmicos de movilidad
2.6. Evaluación de conformidad, documentación técnica, marcado, registro y obligaciones previas a la puesta en el mercado
2.7. Relación entre EU AI Act, GDPR, normativa de producto, ciberseguridad, seguridad funcional y regulación sectorial de transporte
2.8. Responsabilidad regulatoria en cadenas de suministro con OEM, Tier-1, proveedores de software, plataformas cloud y operadores de movilidad
2.9. Riesgos de incumplimiento, sanciones, retirada de producto, impacto reputacional y pérdida de acceso al mercado europeo
2.10. Construcción de criterios regulatorios para clasificar productos de movilidad y definir obligaciones de AI governance desde fases tempranas
3.1. Fundamentos del inventario de IA y su función en trazabilidad, control de riesgos, cumplimiento y priorización de esfuerzos
3.2. Identificación de casos de uso en ADAS, mantenimiento predictivo, pricing, planificación de rutas, gestión de flotas, atención al cliente y seguridad operacional
3.3. Clasificación de sistemas según función, impacto sobre personas, dependencia operativa, criticidad, autonomía y exposición regulatoria
3.4. Diseño de taxonomías internas para modelos, datasets, aplicaciones, APIs, sistemas embebidos y servicios algorítmicos externos
3.5. Definición de roles: AI owner, product owner, data owner, model risk manager, legal, compliance, safety, cybersecurity y operación
3.6. Procesos de aprobación, revisión, escalamiento y ciclo de vida de sistemas de IA en organizaciones de movilidad
3.7. Integración del inventario de IA con GRC, PLM, gestión de producto, arquitectura tecnológica y documentación regulatoria
3.8. Gestión de proveedores de IA, modelos de terceros, componentes open source, APIs externas y sistemas de propósito general
3.9. Indicadores de madurez, cobertura, exposición y criticidad del portafolio de IA en productos de movilidad
3.10. Construcción de un modelo operativo de gobernanza que permita controlar sistemas algorítmicos de forma continua y auditable
4.1. Fundamentos de gestión de riesgos de IA y diferencias entre riesgo técnico, riesgo ético, riesgo de seguridad, riesgo legal y riesgo operacional
4.2. Identificación de peligros algorítmicos en movilidad: decisiones erróneas, fallos de percepción, predicciones sesgadas y automatización insegura
4.3. Evaluación de impacto algorítmico sobre usuarios, peatones, conductores, operadores, comunidades y grupos vulnerables
4.4. Relación entre riesgo de IA, seguridad vial, seguridad funcional, SOTIF, ciberseguridad y resiliencia operacional
4.5. Análisis de severidad, probabilidad, exposición, detectabilidad y capacidad de mitigación en sistemas de IA aplicados al transporte
4.6. Diseño de controles preventivos, detectivos y correctivos para reducir riesgos de modelos en producción
4.7. Supervisión humana, límites de autonomía, fallback, intervención manual y procedimientos de operación segura
4.8. Gestión de riesgos de IA en sistemas de recomendación, optimización de movilidad, asignación de recursos y decisiones comerciales
4.9. Documentación de riesgos, mitigaciones, riesgo residual y justificación de aceptabilidad regulatoria y técnica
4.10. Construcción de marcos de gestión de riesgo que integren IA, movilidad, seguridad y cumplimiento regulatorio
5.1. Fundamentos de gobernanza de datos para IA y relación entre calidad del dato, desempeño del modelo y cumplimiento regulatorio
5.2. Fuentes de datos en movilidad: sensores vehiculares, cámaras, telemetría, GPS, ticketing, aplicaciones, infraestructura y datos de terceros
5.3. Calidad de datasets: representatividad, completitud, exactitud, balance, consistencia, linaje y control de versiones
5.4. Identificación y mitigación de sesgos en datos de entrenamiento, validación, inferencia y retroalimentación operacional
5.5. Privacidad, minimización, anonimización, seudonimización y protección de datos personales en productos de movilidad basados en IA
5.6. Trazabilidad de datos, metadatos, data cards, datasheets, documentación de procedencia y restricciones de uso
5.7. Gestión de datos sintéticos, simulaciones, escenarios extremos y datasets de validación para sistemas de movilidad inteligente
5.8. Riesgos de reidentificación, vigilancia, perfilado conductual y uso secundario de datos de movilidad
5.9. Integración entre data governance, AI governance, ciberseguridad, privacidad y arquitectura de producto
5.10. Construcción de pipelines de datos confiables, auditables y regulatoriamente defendibles para IA en movilidad
6.1. Fundamentos de documentación técnica exigible para sistemas de IA y su relación con trazabilidad, auditoría y control regulatorio
6.2. Model cards, system cards, datasheets, registros de entrenamiento, validación, limitaciones, supuestos y condiciones de uso
6.3. Transparencia hacia usuarios, operadores, autoridades y clientes empresariales en productos de movilidad con IA integrada
6.4. Explicabilidad de modelos y diferencias entre interpretabilidad técnica, explicación funcional y comunicación comprensible para usuarios
6.5. Evaluación de conformidad y preparación de evidencias para sistemas de IA de alto riesgo o integrados en productos regulados
6.6. Requisitos de precisión, robustez, ciberseguridad, supervisión humana y gestión de errores documentados
6.7. Registro de cambios, versionado de modelos, actualizaciones OTA, modificaciones sustanciales y reevaluación regulatoria
6.8. Auditoría interna, auditoría externa y control de documentación durante diseño, lanzamiento y operación postmercado
6.9. Gestión de información confidencial, propiedad intelectual y necesidad de transparencia regulatoria
6.10. Construcción de sistemas documentales que permitan demostrar cumplimiento, seguridad, explicabilidad y control durante todo el ciclo de vida
7.1. Fundamentos de MLOps y diferencias entre desarrollo experimental, integración de producto, validación regulada y operación continua
7.2. Ciclo de vida de modelos: definición, entrenamiento, validación, despliegue, monitorización, actualización y retirada
7.3. Validación de modelos en escenarios reales, simulados, extremos, adversariales y representativos del entorno de movilidad
7.4. Monitorización de drift, degradación de desempeño, errores, falsos positivos, falsos negativos y cambios de contexto operativo
7.5. Robustez, resiliencia, pruebas adversariales, estrés operativo y evaluación de ciberseguridad en modelos de IA
7.6. Integración de IA con pipelines DevSecOps, actualizaciones OTA, control de configuración y gestión de releases
7.7. Gestión de incidentes algorítmicos, reclamaciones, fallos de modelo, retirada, rollback y comunicación a autoridades o usuarios
7.8. Supervisión postmercado y obligaciones de seguimiento continuo en sistemas de IA utilizados en movilidad
7.9. Coordinación entre ingeniería, datos, producto, safety, cybersecurity, legal, compliance y operaciones durante la vida del modelo
7.10. Construcción de procesos MLOps regulatoriamente alineados para operar IA de movilidad con seguridad, control y mejora continua
8.1. Fundamentos de diseño responsable de productos con IA y relación entre experiencia de usuario, confianza, control y seguridad
8.2. Interacción humano-máquina en vehículos, apps de movilidad, paneles de operación, sistemas ADAS y plataformas de flotas
8.3. Transparencia de decisiones automatizadas, recomendaciones, alertas, priorizaciones y límites funcionales del sistema
8.4. Diseño de supervisión humana efectiva, intervención, confirmación, override y recuperación ante fallos de IA
8.5. Prevención de automatización excesiva, complacencia, dependencia del sistema y pérdida de conciencia situacional
8.6. Comunicación de incertidumbre, confianza del modelo, limitaciones, condiciones de uso y responsabilidades del usuario
8.7. Accesibilidad, inclusión, no discriminación y equidad en productos de movilidad basados en IA
8.8. Evaluación de impacto de IA sobre experiencia, seguridad percibida, adopción, confianza y aceptación social
8.9. Integración entre UX research, factores humanos, regulación, seguridad y product management en IA de movilidad
8.10. Construcción de productos de movilidad con IA que sean seguros, comprensibles, supervisables y centrados en el usuario
9.1. Fundamentos de estrategia corporativa de AI governance y diferencias entre cumplimiento puntual, programa corporativo y capacidad global
9.2. Diseño de políticas internas de IA, principios, estándares, playbooks, formación y mecanismos de aprobación
9.3. Gestión de proveedores de IA, Tier-1, integradores, cloud, datasets, modelos fundacionales y componentes de terceros
9.4. Cláusulas contractuales de IA: responsabilidades, datos, documentación, auditoría, seguridad, cambios, uso permitido y cumplimiento regulatorio
9.5. Auditoría de sistemas de IA, controles internos, evidencias, revisión independiente y preparación ante supervisión regulatoria
9.6. Escalado internacional del cumplimiento considerando diferencias regulatorias, mercados, homologación y requisitos locales
9.7. Gestión de riesgos reputacionales, comunicación pública, confianza del cliente y respuesta ante incidentes algorítmicos
9.8. Integración de AI governance con ESG, ética corporativa, privacidad, ciberseguridad, seguridad funcional y gestión de producto
9.9. Métricas de desempeño del programa: cobertura de inventario, riesgos mitigados, auditorías, incidentes, tiempos de aprobación y madurez
9.10. Construcción de una función corporativa de AI governance capaz de sostener innovación, cumplimiento y confianza en productos de movilidad
10.1. Definición del caso de estudio: producto de movilidad, sistema ADAS, plataforma MaaS, flota conectada, algoritmo operacional o servicio digital basado en IA
10.2. Diagnóstico del sistema de IA, actores involucrados, datos utilizados, contexto de uso, criticidad y exposición regulatoria
10.3. Clasificación del sistema según el EU AI Act y determinación de obligaciones aplicables para proveedor, deployer o integrador
10.4. Diseño del inventario, modelo de gobernanza, roles, procesos de aprobación y trazabilidad del sistema seleccionado
10.5. Desarrollo de la evaluación de riesgos de IA con impacto sobre seguridad, privacidad, equidad, operación y experiencia de usuario
10.6. Construcción del marco de datos con calidad, linaje, sesgos, documentación, privacidad y restricciones de uso
10.7. Elaboración de la documentación técnica, transparencia, explicabilidad, evaluación de conformidad y plan de supervisión postmercado
10.8. Diseño del proceso MLOps, monitorización, gestión de cambios, incidentes, auditoría y mejora continua del sistema de IA
10.9. Redacción de la memoria técnica integral con justificación regulatoria, tecnológica, ética, operativa y de producto
10.10. Presentación y defensa del proyecto final con validación global de la propuesta de AI governance y cumplimiento EU AI Act para productos de movilidad desarrollada
Director Académico del DSD — SEIUM Design & Industrial Design Institute
Profesor de Diseño Industrial, Diseño de Vehículos, Transportation Design, UX/HMI, Color & Trim, Iluminación y Desarrollo de Producto
El Prof. Luca Benedetti, de nacionalidad italiana, es Director Académico del DSD — SEIUM Design & Industrial Design Institute y responsable de diseño industrial, de producto y vehículos, experiencia de usuario, interacción persona-máquina, interfaces HMI, Color & Trim y prototipado.
Director Académico del SRA — SEIUM Robotics & Autonomous Systems Institute
Profesor de Robótica, Automatización Inteligente, Sistemas Autónomos, Percepción Artificial, Control Avanzado y Mecatrónica.
El Prof. Kenji Takahashi, de nacionalidad japonesa, es Director Académico del SRA — SEIUM Robotics & Autonomous Systems Institute y responsable de robótica industrial, robots móviles, mecatrónica, control avanzado, percepción artificial, navegación e inteligencia embebida y autónoma.
Directora Académica del DAIS — SEIUM Data, Artificial Intelligence & Simulation Institute
Profesora de Inteligencia Artificial, Ciencia de Datos, Ingeniería de Datos, MLOps, Simulación, Gemelos Digitales y Computación Científica
La Dra. Lucía Hernández Vega, de nacionalidad española, es Directora Académica del DAIS — SEIUM Data, Artificial Intelligence & Simulation Institute y responsable de inteligencia artificial, ciencia e ingeniería de datos, visión artificial, IA generativa, MLOps y gemelos digitales.
Director Académico del EET — SEIUM Electronics & Embedded Technologies Institute
Profesor de Electrónica, Sistemas Embebidos, Telecomunicaciones, Diseño de Hardware, FPGA, IoT y Sistemas de Tiempo Real
El Dr. Kevin O’Connor, de nacionalidad irlandesa, es Director Académico del EET — SEIUM Electronics & Embedded Technologies Institute y responsable de electrónica, sistemas embebidos, telecomunicaciones, diseño de circuitos, microcontroladores, FPGA, IoT y desarrollo de hardware electrónico.
Director Académico del SNO — SEIUM Naval & Offshore Institute
Profesor de Arquitectura Naval, Ingeniería Marítima, Sistemas de Propulsión, Construcción Naval e Ingeniería Offshore
El Dr. Javier Ferrer Salvatierra, de nacionalidad española, es Director Académico del SNO — SEIUM Naval & Offshore Institute y responsable de arquitectura naval, ingeniería marítima, construcción, propulsión, sistemas auxiliares, ingeniería offshore, seguridad y descarbonización marítima.
Directora Académica del RSC — SEIUM Rail & Smart Cities Institute
Profesora de Ingeniería Ferroviaria, Señalización, Movilidad Urbana, Infraestructuras Inteligentes y Sistemas de Transporte
La Dra. Isabel Martín Robles, de nacionalidad española, es Directora Académica del RSC — SEIUM Rail & Smart Cities Institute y profesora responsable de las áreas de ingeniería ferroviaria, señalización, sistemas de control del tráfico, movilidad urbana, transporte inteligente, infraestructuras conectadas y planificación de ciudades inteligentes.
Director Académico del SEN — SEIUM Energy & Networks Institute
Profesor de Sistemas Eléctricos de Potencia, Smart Grids, Energías Renovables, Almacenamiento y Digitalización de Redes
El Dr. Carlos Navarro Sanz, de nacionalidad española, es Director Académico del SEN — SEIUM Energy & Networks Institute y responsable de sistemas eléctricos, redes inteligentes, renovables, almacenamiento, operación, protecciones, subestaciones, digitalización y planificación energética.
Director Académico del Departamento PTW — Motorcycle & Two-Wheel Engineering
Profesor de Ingeniería de Motocicletas, Dinámica de Vehículos de Dos Ruedas, Chasis, Suspensiones y Sistemas de Propulsión
El Prof. Hiroshi Nakamura, de nacionalidad japonesa, es Director Académico del Dpto. de Motorcycle & Two-Wheel Engineering — PTW de SEIUM y responsable de ingeniería de motocicletas, dinámica, chasis, suspensiones, propulsión térmica y eléctrica, telemetría y validación experimental.
Director Académico del SAS — SEIUM Aero & Space Institute
Profesor de Ingeniería Aeroespacial, Helicópteros, Tiltrotor, eVTOL, Aviónica y Sistemas de Vuelo
El Dr. James Whitmore, de nacionalidad británica, es Director Académico del SAS — SEIUM Aero & Space Institute y responsable de ingeniería aeroespacial, diseño de aeronaves, helicópteros, eVTOL, movilidad aérea, aviónica, control de vuelo, sistemas espaciales y certificación.
Director Académico del Departamento EMH — Electromobility, Batteries & Hydrogen
Profesor de Electromovilidad, Ingeniería de Baterías, Sistemas BMS, Electrónica de Potencia e Hidrógeno Aplicado a la Movilidad
El Dr. Markus Schneider, de nacionalidad alemana, es Director Académico del Dpto. de Electromobility, Batteries & Hydrogen — EMH de SEIUM y responsable de electromovilidad, baterías, BMS, electrónica de potencia, infraestructura de recarga e hidrógeno aplicado al transporte.
Director Académico del SEIUM MotorSport Institute — SMI
Profesor de Ingeniería Motorsport, Dinámica Vehicular, Aerodinámica de Competición y Race Performance Engineering
El Dr. Alessandro Moretti, de nacionalidad italiana, es Director Académico del SEIUM MotorSport Institute — SMI y responsable de ingeniería motorsport, dinámica vehicular, aerodinámica de competición, chasis, suspensiones, telemetría y optimización del rendimiento en pista.
Consulta “Calendario & convocatorias”, “Becas & ayudas” y “Tasas & financiación” en el mega-menú de SEIUM
Nuestro equipo está listo para ayudarte. Contáctanos y te responderemos lo antes posible.
Si, contamos con certificacion internacional
Sí: modelos experimentales, datos reales, simulaciones aplicadas, entornos profesionales, casos de estudio reales.
No es obligatoria. Ofrecemos tracks de nivelación y tutorización
Totalmente. Cubre e-propulsión, integración y normativa emergente (SC-VTOL).
Recomendado. También hay retos internos y consorcios.
Sí. Modalidad online/híbrida con laboratorios planificados y soporte de visados (ver “Visado & residencia”).
Testimonios de clientes que avalan nuestra calificación