Módulo 1 — Alcance, límites y objetivos: Inteligencia Artificial y Automatización en Asset/Property

1.1 Fundamentos, alcance y criterio profesional: Sitúa Inteligencia Artificial y Automatización en Asset/Property dentro de sostenibilidad, ACV, carbono, circularidad, ESG y adaptación climática y define qué decisión profesional debe sostener Alcance, límites y objetivos: Inteligencia Artificial y Automatización en Asset/Property. Se establecen alcance, actores, datos mínimos y límites del análisis. El participante diferencia observación, hipótesis y criterio de aceptación, y conecta Inteligencia Artificial y Automatización en Asset/Property con consecuencias sobre seguridad, calidad, coste, plazo u operación. El objetivo es comenzar con una pregunta técnicamente bien formulada y no con una herramienta elegida por costumbre. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

1.2 Datos, preparación y calidad de entrada: Prepara las entradas de Alcance, límites y objetivos: Inteligencia Artificial y Automatización en Asset/Property: fuentes, unidades, fechas, versiones, cobertura y responsable. Se organizan datos sobre Inteligencia Artificial y Automatización en Asset/Property y se contrastan con Inteligencia Artificial. El alumno detecta vacíos, valores improbables y conflictos de información, clasifica cada dato por nivel de confianza y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis. Esta disciplina evita construir una decisión precisa en apariencia sobre entradas débiles. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

1.3 Método, herramienta y comprobación: Desarrolla el método de Alcance, límites y objetivos: Inteligencia Artificial y Automatización en Asset/Property con apoyo de Python/ML. La práctica transforma Inteligencia Artificial y Automatización en Asset/Property en una secuencia de análisis: preparación, ejecución, comprobación y decisión. Se documentan configuraciones, unidades y resultados intermedios, y se comparan escenarios para reconocer qué variable controla la conclusión y dónde existe incertidumbre relevante. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

1.4 Riesgos, interfaces y controles: Somete Alcance, límites y objetivos: Inteligencia Artificial y Automatización en Asset/Property a una revisión de riesgo centrada en sesgo de dataset y su interacción con Inteligencia Artificial y Automatización en Asset/Property. El participante identifica mecanismos de fallo, dependencias y condiciones de escalado, define controles proporcionados y documenta qué información podría modificar la decisión. El objetivo es convertir riesgo e incertidumbre en acciones verificables. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

1.5 Entregable y aplicación profesional: Convierte el trabajo de Alcance, límites y objetivos: Inteligencia Artificial y Automatización en Asset/Property en inventario o cálculo ambiental, con especial atención a Inteligencia Artificial y Automatización en Asset/Property. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

Módulo 2 — Inventario y calidad del dato: Inteligencia Artificial

2.1 Fundamentos, alcance y criterio profesional: Define los fundamentos operativos de Inventario y calidad del dato: Inteligencia Artificial aplicados a Inteligencia Artificial y Automatización en Asset/Property. Se revisa el papel de Inteligencia Artificial, su interacción con otras variables y la diferencia entre cumplir una rutina y demostrar técnicamente un resultado. El participante prepara criterios de suficiencia, responsables y puntos de control para que el análisis pueda repetirse de forma consistente en otro proyecto o activo. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

2.2 Datos, preparación y calidad de entrada: Prepara las entradas de Inventario y calidad del dato: Inteligencia Artificial: fuentes, unidades, fechas, versiones, cobertura y responsable. Se organizan datos sobre Inteligencia Artificial y se contrastan con Automatización en Asset/Property. El alumno detecta vacíos, valores improbables y conflictos de información, clasifica cada dato por nivel de confianza y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis. Esta disciplina evita construir una decisión precisa en apariencia sobre entradas débiles. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

2.3 Método, herramienta y comprobación: Utiliza herramientas de validación de modelos como instrumento de decisión para Inventario y calidad del dato: Inteligencia Artificial, no como fin del ejercicio. El alumno define entradas y controles, analiza Inteligencia Artificial, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

2.4 Riesgos, interfaces y controles: Integra falso negativo en Inventario y calidad del dato: Inteligencia Artificial y analiza su relación con Inteligencia Artificial, otras disciplinas y la operación. Se construye una lógica causa-consecuencia-control con señales tempranas, responsable y evidencia de cierre. El alumno distingue controles preventivos, detectivos y correctivos, y deja explícito el riesgo residual para que la matriz de riesgos esté conectada con la decisión real. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

2.5 Entregable y aplicación profesional: Convierte el trabajo de Inventario y calidad del dato: Inteligencia Artificial en matriz ESG o climática, con especial atención a Inteligencia Artificial. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

Módulo 3 — Métodos de evaluación: Automatización en Asset/Property

3.1 Fundamentos, alcance y criterio profesional: Sitúa Inteligencia Artificial y Automatización en Asset/Property dentro de sostenibilidad, ACV, carbono, circularidad, ESG y adaptación climática y define qué decisión profesional debe sostener Métodos de evaluación: Automatización en Asset/Property. Se establecen alcance, actores, datos mínimos y límites del análisis. El participante diferencia observación, hipótesis y criterio de aceptación, y conecta Automatización en Asset/Property con consecuencias sobre seguridad, calidad, coste, plazo u operación. El objetivo es comenzar con una pregunta técnicamente bien formulada y no con una herramienta elegida por costumbre. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

3.2 Datos, preparación y calidad de entrada: Convierte los datos de Automatización en Asset/Property en entradas verificables para Métodos de evaluación: Automatización en Asset/Property. Se aplican comprobaciones de consistencia, orden de magnitud, completitud y procedencia, relacionándolas con dataset. El resultado es una ficha de información que deja explícitos supuestos y limitaciones y permite que otro profesional entienda qué se sabe realmente antes de interpretar el resultado. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

3.3 Método, herramienta y comprobación: Desarrolla el método de Métodos de evaluación: Automatización en Asset/Property con apoyo de modelos ACV e inventarios. La práctica transforma Automatización en Asset/Property en una secuencia de análisis: preparación, ejecución, comprobación y decisión. Se documentan configuraciones, unidades y resultados intermedios, y se comparan escenarios para reconocer qué variable controla la conclusión y dónde existe incertidumbre relevante. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

3.4 Riesgos, interfaces y controles: Evalúa cómo límite de sistema incoherente puede comprometer Métodos de evaluación: Automatización en Asset/Property. A partir de Automatización en Asset/Property, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

3.5 Entregable y aplicación profesional: Convierte el trabajo de Métodos de evaluación: Automatización en Asset/Property en plan de reducción/adaptación, con especial atención a Automatización en Asset/Property. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

Módulo 4 — Materiales y circularidad: dataset

4.1 Fundamentos, alcance y criterio profesional: Sitúa Inteligencia Artificial y Automatización en Asset/Property dentro de sostenibilidad, ACV, carbono, circularidad, ESG y adaptación climática y define qué decisión profesional debe sostener Materiales y circularidad: dataset. Se establecen alcance, actores, datos mínimos y límites del análisis. El participante diferencia observación, hipótesis y criterio de aceptación, y conecta dataset con consecuencias sobre seguridad, calidad, coste, plazo u operación. El objetivo es comenzar con una pregunta técnicamente bien formulada y no con una herramienta elegida por costumbre. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

4.2 Datos, preparación y calidad de entrada: Convierte los datos de dataset en entradas verificables para Materiales y circularidad: dataset. Se aplican comprobaciones de consistencia, orden de magnitud, completitud y procedencia, relacionándolas con ground truth. El resultado es una ficha de información que deja explícitos supuestos y limitaciones y permite que otro profesional entienda qué se sabe realmente antes de interpretar el resultado. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

4.3 Método, herramienta y comprobación: Aplica EPD y bases ambientales para desarrollar Materiales y circularidad: dataset con un nivel de detalle proporcional al objetivo. Se estudia dataset, los parámetros sensibles y las condiciones que pueden cambiar la respuesta. El participante debe contrastar el resultado mediante una segunda referencia, una medición o una comprobación independiente. La herramienta se considera útil solo si su salida puede explicarse, verificarse y vincularse con los datos que la originaron. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

4.4 Riesgos, interfaces y controles: Integra dato ambiental sin trazabilidad en Materiales y circularidad: dataset y analiza su relación con dataset, otras disciplinas y la operación. Se construye una lógica causa-consecuencia-control con señales tempranas, responsable y evidencia de cierre. El alumno distingue controles preventivos, detectivos y correctivos, y deja explícito el riesgo residual para que la matriz de riesgos esté conectada con la decisión real. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

4.5 Entregable y aplicación profesional: Convierte el trabajo de Materiales y circularidad: dataset en dossier de evidencias verificables, con especial atención a dataset. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

Módulo 5 — Carbono y energía: ground truth

5.1 Fundamentos, alcance y criterio profesional: Sitúa Inteligencia Artificial y Automatización en Asset/Property dentro de sostenibilidad, ACV, carbono, circularidad, ESG y adaptación climática y define qué decisión profesional debe sostener Carbono y energía: ground truth. Se establecen alcance, actores, datos mínimos y límites del análisis. El participante diferencia observación, hipótesis y criterio de aceptación, y conecta ground truth con consecuencias sobre seguridad, calidad, coste, plazo u operación. El objetivo es comenzar con una pregunta técnicamente bien formulada y no con una herramienta elegida por costumbre. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

5.2 Datos, preparación y calidad de entrada: Prepara las entradas de Carbono y energía: ground truth: fuentes, unidades, fechas, versiones, cobertura y responsable. Se organizan datos sobre ground truth y se contrastan con precision/recall. El alumno detecta vacíos, valores improbables y conflictos de información, clasifica cada dato por nivel de confianza y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis. Esta disciplina evita construir una decisión precisa en apariencia sobre entradas débiles. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

5.3 Método, herramienta y comprobación: Aplica matrices ESG y de materialidad para desarrollar Carbono y energía: ground truth con un nivel de detalle proporcional al objetivo. Se estudia ground truth, los parámetros sensibles y las condiciones que pueden cambiar la respuesta. El participante debe contrastar el resultado mediante una segunda referencia, una medición o una comprobación independiente. La herramienta se considera útil solo si su salida puede explicarse, verificarse y vincularse con los datos que la originaron. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

5.4 Riesgos, interfaces y controles: Evalúa cómo doble conteo puede comprometer Carbono y energía: ground truth. A partir de ground truth, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

5.5 Entregable y aplicación profesional: Convierte el trabajo de Carbono y energía: ground truth en inventario o cálculo ambiental, con especial atención a ground truth. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

Módulo 6 — Clima, vulnerabilidad y adaptación: precision/recall

6.1 Fundamentos, alcance y criterio profesional: Define los fundamentos operativos de Clima, vulnerabilidad y adaptación: precision/recall aplicados a Inteligencia Artificial y Automatización en Asset/Property. Se revisa el papel de precision/recall, su interacción con otras variables y la diferencia entre cumplir una rutina y demostrar técnicamente un resultado. El participante prepara criterios de suficiencia, responsables y puntos de control para que el análisis pueda repetirse de forma consistente en otro proyecto o activo. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

6.2 Datos, preparación y calidad de entrada: Convierte los datos de precision/recall en entradas verificables para Clima, vulnerabilidad y adaptación: precision/recall. Se aplican comprobaciones de consistencia, orden de magnitud, completitud y procedencia, relacionándolas con drift. El resultado es una ficha de información que deja explícitos supuestos y limitaciones y permite que otro profesional entienda qué se sabe realmente antes de interpretar el resultado. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

6.3 Método, herramienta y comprobación: Desarrolla el método de Clima, vulnerabilidad y adaptación: precision/recall con apoyo de GIS y datos climáticos. La práctica transforma precision/recall en una secuencia de análisis: preparación, ejecución, comprobación y decisión. Se documentan configuraciones, unidades y resultados intermedios, y se comparan escenarios para reconocer qué variable controla la conclusión y dónde existe incertidumbre relevante. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

6.4 Riesgos, interfaces y controles: Evalúa cómo greenwashing puede comprometer Clima, vulnerabilidad y adaptación: precision/recall. A partir de precision/recall, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

6.5 Entregable y aplicación profesional: Formaliza Clima, vulnerabilidad y adaptación: precision/recall en matriz ESG o climática. El participante sintetiza precision/recall sin perder evidencia, diferencia hecho, cálculo, interpretación y recomendación, y registra supuestos pendientes. La revisión final comprueba coherencia, control de versiones y capacidad para reproducir el proceso en otro caso comparable. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

Módulo 7 — ESG y gobernanza aplicado a Inteligencia Artificial y Automatización en Asset/Property

7.1 Fundamentos, alcance y criterio profesional: Aborda ESG y gobernanza aplicado a Inteligencia Artificial y Automatización en Asset/Property desde el problema concreto de Inteligencia Artificial y Automatización en Asset/Property, relacionando drift con el comportamiento esperado del sistema o proceso. El alumno aprende a identificar mecanismos, dependencias y restricciones antes de ejecutar cálculos o mediciones. Se documentan supuestos, criterios stop/go y señales que invalidan una conclusión, evitando respuestas genéricas que no puedan defenderse ante un revisor. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

7.2 Datos, preparación y calidad de entrada: Convierte los datos de drift en entradas verificables para ESG y gobernanza aplicado a Inteligencia Artificial y Automatización en Asset/Property. Se aplican comprobaciones de consistencia, orden de magnitud, completitud y procedencia, relacionándolas con unidad funcional. El resultado es una ficha de información que deja explícitos supuestos y limitaciones y permite que otro profesional entienda qué se sabe realmente antes de interpretar el resultado. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

7.3 Método, herramienta y comprobación: Utiliza dashboards de indicadores como instrumento de decisión para ESG y gobernanza aplicado a Inteligencia Artificial y Automatización en Asset/Property, no como fin del ejercicio. El alumno define entradas y controles, analiza drift, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

7.4 Riesgos, interfaces y controles: Integra medida de adaptación no robusta en ESG y gobernanza aplicado a Inteligencia Artificial y Automatización en Asset/Property y analiza su relación con drift, otras disciplinas y la operación. Se construye una lógica causa-consecuencia-control con señales tempranas, responsable y evidencia de cierre. El alumno distingue controles preventivos, detectivos y correctivos, y deja explícito el riesgo residual para que la matriz de riesgos esté conectada con la decisión real. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

7.5 Entregable y aplicación profesional: Convierte el trabajo de ESG y gobernanza aplicado a Inteligencia Artificial y Automatización en Asset/Property en plan de reducción/adaptación, con especial atención a drift. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

Módulo 8 — Indicadores, evidencia y assurance: unidad funcional

8.1 Fundamentos, alcance y criterio profesional: Aborda Indicadores, evidencia y assurance: unidad funcional desde el problema concreto de Inteligencia Artificial y Automatización en Asset/Property, relacionando unidad funcional con el comportamiento esperado del sistema o proceso. El alumno aprende a identificar mecanismos, dependencias y restricciones antes de ejecutar cálculos o mediciones. Se documentan supuestos, criterios stop/go y señales que invalidan una conclusión, evitando respuestas genéricas que no puedan defenderse ante un revisor. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

8.2 Datos, preparación y calidad de entrada: Estructura la información necesaria para Indicadores, evidencia y assurance: unidad funcional tomando unidad funcional como variable de control. Se revisan nomenclatura, tolerancias, resolución y trazabilidad, y se comparan con los requisitos de inventario y límites. La práctica obliga a registrar incertidumbres y a establecer criterios de aceptación para decidir si el conjunto de datos es utilizable, debe condicionarse o necesita una nueva medición o revisión documental. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

8.3 Método, herramienta y comprobación: Desarrolla el método de Indicadores, evidencia y assurance: unidad funcional con apoyo de Python/ML. La práctica transforma unidad funcional en una secuencia de análisis: preparación, ejecución, comprobación y decisión. Se documentan configuraciones, unidades y resultados intermedios, y se comparan escenarios para reconocer qué variable controla la conclusión y dónde existe incertidumbre relevante. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

8.4 Riesgos, interfaces y controles: Somete Indicadores, evidencia y assurance: unidad funcional a una revisión de riesgo centrada en sesgo de dataset y su interacción con unidad funcional. El participante identifica mecanismos de fallo, dependencias y condiciones de escalado, define controles proporcionados y documenta qué información podría modificar la decisión. El objetivo es convertir riesgo e incertidumbre en acciones verificables. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

8.5 Entregable y aplicación profesional: Convierte el trabajo de Indicadores, evidencia y assurance: unidad funcional en dossier de evidencias verificables, con especial atención a unidad funcional. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

Módulo 9 — Estrategias de diseño/intervención: inventario y límites

9.1 Fundamentos, alcance y criterio profesional: Define los fundamentos operativos de Estrategias de diseño/intervención: inventario y límites aplicados a Inteligencia Artificial y Automatización en Asset/Property. Se revisa el papel de inventario y límites, su interacción con otras variables y la diferencia entre cumplir una rutina y demostrar técnicamente un resultado. El participante prepara criterios de suficiencia, responsables y puntos de control para que el análisis pueda repetirse de forma consistente en otro proyecto o activo. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

9.2 Datos, preparación y calidad de entrada: Prepara las entradas de Estrategias de diseño/intervención: inventario y límites: fuentes, unidades, fechas, versiones, cobertura y responsable. Se organizan datos sobre inventario y límites y se contrastan con kgCO2e. El alumno detecta vacíos, valores improbables y conflictos de información, clasifica cada dato por nivel de confianza y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis. Esta disciplina evita construir una decisión precisa en apariencia sobre entradas débiles. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

9.3 Método, herramienta y comprobación: Utiliza herramientas de validación de modelos como instrumento de decisión para Estrategias de diseño/intervención: inventario y límites, no como fin del ejercicio. El alumno define entradas y controles, analiza inventario y límites, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

9.4 Riesgos, interfaces y controles: Somete Estrategias de diseño/intervención: inventario y límites a una revisión de riesgo centrada en falso negativo y su interacción con inventario y límites. El participante identifica mecanismos de fallo, dependencias y condiciones de escalado, define controles proporcionados y documenta qué información podría modificar la decisión. El objetivo es convertir riesgo e incertidumbre en acciones verificables. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

9.5 Entregable y aplicación profesional: Convierte el trabajo de Estrategias de diseño/intervención: inventario y límites en inventario o cálculo ambiental, con especial atención a inventario y límites. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

Módulo 10 — Economía y priorización aplicado a Inteligencia Artificial y Automatización en Asset/Property

10.1 Fundamentos, alcance y criterio profesional: Sitúa Inteligencia Artificial y Automatización en Asset/Property dentro de sostenibilidad, ACV, carbono, circularidad, ESG y adaptación climática y define qué decisión profesional debe sostener Economía y priorización aplicado a Inteligencia Artificial y Automatización en Asset/Property. Se establecen alcance, actores, datos mínimos y límites del análisis. El participante diferencia observación, hipótesis y criterio de aceptación, y conecta kgCO2e con consecuencias sobre seguridad, calidad, coste, plazo u operación. El objetivo es comenzar con una pregunta técnicamente bien formulada y no con una herramienta elegida por costumbre. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

10.2 Datos, preparación y calidad de entrada: Prepara las entradas de Economía y priorización aplicado a Inteligencia Artificial y Automatización en Asset/Property: fuentes, unidades, fechas, versiones, cobertura y responsable. Se organizan datos sobre kgCO2e y se contrastan con circularidad. El alumno detecta vacíos, valores improbables y conflictos de información, clasifica cada dato por nivel de confianza y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis. Esta disciplina evita construir una decisión precisa en apariencia sobre entradas débiles. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

10.3 Método, herramienta y comprobación: Utiliza modelos ACV e inventarios como instrumento de decisión para Economía y priorización aplicado a Inteligencia Artificial y Automatización en Asset/Property, no como fin del ejercicio. El alumno define entradas y controles, analiza kgCO2e, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

10.4 Riesgos, interfaces y controles: Integra límite de sistema incoherente en Economía y priorización aplicado a Inteligencia Artificial y Automatización en Asset/Property y analiza su relación con kgCO2e, otras disciplinas y la operación. Se construye una lógica causa-consecuencia-control con señales tempranas, responsable y evidencia de cierre. El alumno distingue controles preventivos, detectivos y correctivos, y deja explícito el riesgo residual para que la matriz de riesgos esté conectada con la decisión real. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

10.5 Entregable y aplicación profesional: Formaliza Economía y priorización aplicado a Inteligencia Artificial y Automatización en Asset/Property en matriz ESG o climática. El participante sintetiza kgCO2e sin perder evidencia, diferencia hecho, cálculo, interpretación y recomendación, y registra supuestos pendientes. La revisión final comprueba coherencia, control de versiones y capacidad para reproducir el proceso en otro caso comparable. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

Módulo 11 — Reporting y comunicación verificable aplicado a Inteligencia Artificial y Automatización en Asset/Property

11.1 Fundamentos, alcance y criterio profesional: Aborda Reporting y comunicación verificable aplicado a Inteligencia Artificial y Automatización en Asset/Property desde el problema concreto de Inteligencia Artificial y Automatización en Asset/Property, relacionando circularidad con el comportamiento esperado del sistema o proceso. El alumno aprende a identificar mecanismos, dependencias y restricciones antes de ejecutar cálculos o mediciones. Se documentan supuestos, criterios stop/go y señales que invalidan una conclusión, evitando respuestas genéricas que no puedan defenderse ante un revisor. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

11.2 Datos, preparación y calidad de entrada: Convierte los datos de circularidad en entradas verificables para Reporting y comunicación verificable aplicado a Inteligencia Artificial y Automatización en Asset/Property. Se aplican comprobaciones de consistencia, orden de magnitud, completitud y procedencia, relacionándolas con materialidad. El resultado es una ficha de información que deja explícitos supuestos y limitaciones y permite que otro profesional entienda qué se sabe realmente antes de interpretar el resultado. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

11.3 Método, herramienta y comprobación: Desarrolla el método de Reporting y comunicación verificable aplicado a Inteligencia Artificial y Automatización en Asset/Property con apoyo de EPD y bases ambientales. La práctica transforma circularidad en una secuencia de análisis: preparación, ejecución, comprobación y decisión. Se documentan configuraciones, unidades y resultados intermedios, y se comparan escenarios para reconocer qué variable controla la conclusión y dónde existe incertidumbre relevante. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

11.4 Riesgos, interfaces y controles: Somete Reporting y comunicación verificable aplicado a Inteligencia Artificial y Automatización en Asset/Property a una revisión de riesgo centrada en dato ambiental sin trazabilidad y su interacción con circularidad. El participante identifica mecanismos de fallo, dependencias y condiciones de escalado, define controles proporcionados y documenta qué información podría modificar la decisión. El objetivo es convertir riesgo e incertidumbre en acciones verificables. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

11.5 Entregable y aplicación profesional: Cierra Reporting y comunicación verificable aplicado a Inteligencia Artificial y Automatización en Asset/Property mediante plan de reducción/adaptación. El documento integra alcance, fuentes, hipótesis, análisis de circularidad, resultados, riesgos residuales y próximos pasos. Se exige trazabilidad entre dato y conclusión y un criterio de aceptación claro, de forma que la entrega pueda utilizarse en coordinación, revisión, aprobación o actualización sin depender de explicaciones informales. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

Módulo 12 — Caso de sostenibilidad aplicado aplicado a Inteligencia Artificial y Automatización en Asset/Property

12.1 Fundamentos, alcance y criterio profesional: Define los fundamentos operativos de Caso de sostenibilidad aplicado aplicado a Inteligencia Artificial y Automatización en Asset/Property aplicados a Inteligencia Artificial y Automatización en Asset/Property. Se revisa el papel de materialidad, su interacción con otras variables y la diferencia entre cumplir una rutina y demostrar técnicamente un resultado. El participante prepara criterios de suficiencia, responsables y puntos de control para que el análisis pueda repetirse de forma consistente en otro proyecto o activo. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

12.2 Datos, preparación y calidad de entrada: Estructura la información necesaria para Caso de sostenibilidad aplicado aplicado a Inteligencia Artificial y Automatización en Asset/Property tomando materialidad como variable de control. Se revisan nomenclatura, tolerancias, resolución y trazabilidad, y se comparan con los requisitos de riesgo climático. La práctica obliga a registrar incertidumbres y a establecer criterios de aceptación para decidir si el conjunto de datos es utilizable, debe condicionarse o necesita una nueva medición o revisión documental. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

12.3 Método, herramienta y comprobación: Desarrolla el método de Caso de sostenibilidad aplicado aplicado a Inteligencia Artificial y Automatización en Asset/Property con apoyo de matrices ESG y de materialidad. La práctica transforma materialidad en una secuencia de análisis: preparación, ejecución, comprobación y decisión. Se documentan configuraciones, unidades y resultados intermedios, y se comparan escenarios para reconocer qué variable controla la conclusión y dónde existe incertidumbre relevante. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

12.4 Riesgos, interfaces y controles: Evalúa cómo doble conteo puede comprometer Caso de sostenibilidad aplicado aplicado a Inteligencia Artificial y Automatización en Asset/Property. A partir de materialidad, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.

12.5 Entregable y aplicación profesional: Cierra Caso de sostenibilidad aplicado aplicado a Inteligencia Artificial y Automatización en Asset/Property mediante dossier de evidencias verificables. El documento integra alcance, fuentes, hipótesis, análisis de materialidad, resultados, riesgos residuales y próximos pasos. Se exige trazabilidad entre dato y conclusión y un criterio de aceptación claro, de forma que la entrega pueda utilizarse en coordinación, revisión, aprobación o actualización sin depender de explicaciones informales. El diplomado exige además comparar alternativas, justificar criterios y relacionar el resultado con decisiones de proyecto u operación.