D – GLE AI

Bienvenido a la Plataforma Discovery

D - GLE AI

Esta evaluación mide tu dominio práctico de NotebookLM y Gemini for Workspace aplicados al sector asegurador mexicano.

El instrumento consta de 60 reactivos organizados en tres módulos y requiere aproximadamente 90 minutos para completarse.

Responde cada pregunta seleccionando la opción que mejor describa lo que harías en un contexto profesional real. No hay respuestas parciales: cada reactivo tiene una sola opción correcta.

Al finalizar recibirás un reporte con tu nivel de competencia por módulo, que podrás usar como referencia para identificar brechas y priorizar tu desarrollo en el uso de herramientas de inteligencia artificial de Google.

Lee cada reactivo con detenimiento antes de responder. Una vez que avances a la siguiente pregunta, no podrás regresar.

Cuando estés listo, presiona el botón para comenzar.

Advertencia

Aviso sobre evaluación basada en escenarios y limitación de responsabilidad

Este instrumento corresponde a una evaluación de auto diagnóstico basada en escenarios hipotéticos de negocio. Su finalidad es explorar cómo una persona analiza, interpreta y responde ante situaciones simuladas relacionadas con la gestión, toma de decisiones o resolución de problemas organizacionales usando responsablemente las herramientas de Inteligencia Artificial relacionadas con el instrumento.

Los escenarios utilizados son ficticios o simplificados con fines educativos y de reflexión. Las respuestas obtenidas reflejan únicamente las decisiones o criterios aplicados por la persona participante dentro del contexto hipotético presentado y no constituyen una medición absoluta de conocimientos, experiencia profesional ni capacidad real de desempeño en situaciones de negocio reales.

Los resultados deben interpretarse como una referencia orientativa para estimular el análisis, la conversación y el aprendizaje. Este instrumento no sustituye evaluaciones profesionales, procesos formales de certificación, evaluaciones de desempeño organizacional ni diagnósticos especializados.

Al participar en esta evaluación, la persona reconoce que los resultados representan una aproximación exploratoria basada en escenarios simulados y que su propósito principal es formativo y reflexivo.

© 2026 Proyectum. Todos los derechos reservados. D -G - AI es un instrumento de diagnóstico desarrollado por Proyectum como parte de la plataforma Discovery™. Google(™, Gemini ™ y NotebookLLM™ son marcas registradas de Google LLC., Queda prohibida la reproducción total o parcial de este instrumento sin autorización expresa por escrito.

Nombre Completo

Correo Electrónico

área en la que trabajas

Rol o puesto

Declaro que completaré este diagnóstico de manera individual y sin consultar fuentes externas, con el fin de obtener una evaluación real de mis competencias.

Acepto la política de privacidad

NotebookLM está diseñado principalmente para:

Analizar y responder preguntas sobre un conjunto de documentos que el propio usuario carga como fuentes, sin acceder a información externa durante la sesión. Generar contenido de comunicación a partir de una descripción de producto proporcionada por el usuario, usando su base de conocimiento interno para complementar los datos faltantes. Sustituir un motor de búsqueda interno con respuestas generadas por inteligencia artificial, integrándose con el directorio de documentos corporativos de la organización. Buscar y sintetizar información actualizada en internet en respuestas contextualizadas, priorizando las fuentes que el usuario haya marcado como favoritas previamente.

¿Cuál de los siguientes tipos de archivo no es compatible como fuente directa en NotebookLM?

Archivos PDF cargados directamente desde el equipo del usuario, incluyendo documentos con texto digital y con texto generado por escaneo con reconocimiento óptico.

URLs de páginas web públicas como circulares de la CNSF disponibles en línea, las cuales NotebookLM puede indexar como fuentes siempre que la página no requiera autenticación.

Documentos de Google Docs vinculados desde Google Drive, siempre que el usuario tenga permisos de visualización activos sobre el archivo al momento de la carga.

Hojas de cálculo en formato .xlsx cargadas directamente sin conversión previa, ya que ese formato no es procesado de forma nativa como fuente en NotebookLM.

Ninguna

Cuando NotebookLM responde una consulta, ¿de dónde proviene exclusivamente la información que utiliza para construir su respuesta?

De una combinación entre las fuentes cargadas y el conocimiento previo con el que fue entrenado el modelo, ponderando ambas fuentes según la relevancia de la consulta.

De búsquedas en tiempo real que combina con el contenido de las fuentes del notebook, priorizando los resultados de internet cuando las fuentes internas son insuficientes.

Únicamente de las fuentes que el usuario ha cargado en ese notebook específico, sin recurrir a información de entrenamiento externo ni a búsquedas en internet.

Del historial de consultas previas del usuario dentro de la misma sesión, que el sistema usa para contextualizar y refinar sus respuestas de forma progresiva.

Ninguna

¿Qué función de NotebookLM permite verificar directamente de qué fragmento de un documento proviene una afirmación generada por el sistema?

Las citas vinculadas que conectan cada respuesta con el fragmento exacto de la fuente original, permitiendo navegar directamente al pasaje correspondiente del documento.

El panel de historial de consultas, que registra todas las preguntas anteriores y las organiza por fuente para facilitar la trazabilidad de las respuestas generadas.

El resumen automático del notebook guide generado al inicio de cada sesión, que incluye una vista consolidada de los temas principales de todas las fuentes cargadas.

El modo de revisión de fuentes duplicadas, que detecta inconsistencias entre documentos cargados y señala las secciones con mayor probabilidad de contradicción.

Ninguna

Un analista de siniestros quiere usar NotebookLM para consultar la Circular Única de Seguros y Fianzas (CUSF). ¿Cuál es el primer paso correcto para configurar este recurso?

Copiar y pegar los artículos relevantes en el chat de NotebookLM para cada consulta, organizando los fragmentos por tema para optimizar la precisión de las respuestas del modelo.

Solicitar a NotebookLM que localice y descargue la circular directamente del sitio de la CNSF, usando la URL oficial como punto de partida para la búsqueda automatizada.

Usar el notebook guide para que el sistema genere un resumen completo de la circular desde su conocimiento base, complementando con los artículos más recientes publicados en el DOF.

Cargar el documento oficial de la CUSF como fuente dentro de un notebook dedicado para consulta normativa, verificando previamente que el PDF contiene texto digital y no imágenes escaneadas.

Ninguna

El área de productos de una aseguradora quiere construir un notebook para consultar todos sus condicionados generales de vida, daños y gastos médicos. Tiene 60 PDFs. ¿Cuál es la limitación estructural más relevante que debe considerar antes de iniciar?

El límite de fuentes por notebook obliga a segmentar el corpus, lo que requiere una estrategia de organización por ramo o línea de negocio antes de iniciar cualquier carga de documentos.

NotebookLM procesa los PDFs pero descarta automáticamente las tablas y cláusulas en formato de lista, lo que genera gaps en la cobertura de los condicionados cargados.

Los condicionados en PDF no pueden cargarse si superan 50 páginas de extensión, por lo que cada documento debe dividirse en secciones antes de ser registrado como fuente.

NotebookLM no acepta documentos en español con tildes o caracteres especiales, por lo que los condicionados deben pasar por un proceso de normalización de texto antes de la carga.

Ninguna

Un ejecutivo de suscripción carga tres documentos: el manual de suscripción interno, las guías del reasegurador y las condiciones del producto. Necesita saber si existen contradicciones en los criterios de aceptación de riesgos catastróficos. ¿Qué consulta produce el resultado analíticamente más útil?

"Resume los tres documentos en un solo párrafo por cada uno, destacando los criterios de aceptación de riesgo que cada fuente considera más importantes para riesgos catastróficos."

"¿Qué dice cada uno de los documentos sobre riesgos catastróficos? Incluye los criterios de aceptación mencionados en cada fuente y organiza la respuesta por documento."

"¿Existe alguna contradicción entre los criterios de aceptación de riesgos catastróficos en los tres documentos? Indica los fragmentos específicos donde ocurre cada diferencia.?"

"Dame los puntos más importantes de cada fuente organizados en una tabla comparativa, con una columna por documento y una fila por cada criterio de aceptación identificado."

Ninguna

Un actuario usa NotebookLM para analizar reportes de siniestralidad de cinco años. Pregunta: \"¿Cuál es la tendencia de frecuencia de siniestros en el ramo de automóviles?\" La respuesta no coincide con su análisis manual previo. ¿Cuál es la acción más adecuada?

Reformular la consulta con mayor especificidad temporal y verificar la cita vinculada en el reporte fuente antes de concluir cuál versión es correcta, sin descartar ninguna de las dos.

Reportar la discrepancia al área de TI como una falla técnica del sistema de indexación, ya que las diferencias entre el análisis manual y el del modelo suelen originarse en errores de carga.

Descartar NotebookLM para análisis numéricos y restringirlo exclusivamente a consultas de texto descriptivo, dado que los modelos de lenguaje no son confiables con datos cuantitativos.

Aceptar la respuesta del notebook porque el modelo procesa mayor volumen de datos de manera simultánea y su análisis de tendencias supera la capacidad de revisión manual de un analista.

Ninguna

NotebookLM devuelve la siguiente respuesta sobre coberturas de interrupción de negocio: \"Según el condicionado, el período de indemnización máximo es de 18 meses\". El usuario verifica la cita y el documento dice \"12 meses\". ¿Cómo debe clasificarse este tipo de error?

Error de formato: el modelo confundió valores numéricos durante el procesamiento del PDF, lo que ocurre con frecuencia cuando el documento fuente tiene tablas o listas con cifras adyacentes.

Alucinación factual: el modelo generó un dato que no corresponde al contenido de la fuente que él mismo citó, lo que representa el tipo de error de mayor riesgo en aplicaciones profesionales.

Error de carga: el PDF probablemente no fue indexado completamente durante la ingesta de fuentes, y el modelo interpoló el valor faltante a partir de los datos adyacentes del documento.

Sesgo de entrenamiento: el modelo priorizó datos de su entrenamiento previo sobre el condicionado cargado, lo que ocurre cuando el tema tiene alta representación en su corpus de entrenamiento.

Ninguna

10.

Un gerente de reclamaciones quiere que su equipo consulte los criterios de ajuste de siniestros de manera más eficiente usando NotebookLM. ¿Cuál configuración de notebooks es más adecuada?

Un notebook individual por cada ajustador, configurado con los documentos que cada persona usa con mayor frecuencia según su especialidad o los ramos que atiende regularmente.

Notebooks separados por tipo de consulta: uno normativo, uno de procedimientos internos y uno de condicionados por ramo, para reducir el ruido semántico entre documentos con lógicas distintas.

Un notebook general conectado a Google Drive, configurado para actualizar las fuentes automáticamente cada vez que un documento sea modificado en el repositorio del área.

Un notebook único con todos los manuales, circulares regulatorias y condicionados combinados en un solo corpus, para maximizar el contexto disponible en cada consulta del equipo.

Ninguna

11.

El área jurídica propone cargar expedientes completos de litigios activos en un notebook para agilizar la consulta del equipo legal. ¿Cuál es el riesgo principal que debe evaluarse antes de autorizar esta práctica?

La carga de información confidencial de procesos legales activos en una plataforma cloud sin análisis previo de privacidad y términos de uso representa un riesgo de cumplimiento normativo con consecuencias institucionales.

NotebookLM no puede responder preguntas de naturaleza legal porque no está entrenado como sistema de IA jurídica y puede generar interpretaciones incompatibles con la legislación mexicana vigente.

El volumen de los expedientes superará el límite de procesamiento por fuente del sistema y los documentos de mayor extensión serán indexados parcialmente, afectando la calidad de las respuestas.

Los expedientes en formato PDF con sello de juzgado tienen una estructura gráfica que NotebookLM no puede procesar correctamente, generando respuestas incompletas o sin respaldo textual válido.

Ninguna

12.

¿Cuál de las siguientes fuentes tiene mayor probabilidad de generar respuestas imprecisas en un notebook de suscripción si se carga sin revisión previa?

El condicionado general vigente descargado como PDF del sistema documental interno, siempre que haya sido generado digitalmente y no mediante escaneo de una versión impresa.

La circular de la CNSF en PDF descargada directamente del portal regulatorio oficial, ya que los documentos gubernamentales frecuentemente incluyen marcas de agua que interfieren con el procesamiento.

Una presentación exportada a PDF donde las tablas de tarifas son imágenes escaneadas y no texto digital, ya que NotebookLM no puede extraer datos de contenido en formato de imagen.

El manual de suscripción en Google Docs actualizado el mes anterior, cuya estructura de encabezados y listas podría no ser interpretada correctamente durante la indexación del notebook.

Ninguna

13.

El área de capacitación quiere usar NotebookLM para generar material de estudio sobre regulación de la CNSF dirigido a nuevos agentes. ¿Cuál es la limitación operativa más relevante de este uso?

NotebookLM no puede exportar el material generado en formatos editables para uso fuera de la plataforma, lo que limita la distribución del contenido al equipo de nuevos agentes.

NotebookLM no está diseñado para usuarios sin experiencia previa en herramientas de inteligencia artificial, por lo que los nuevos agentes requerirían capacitación técnica adicional antes de usarlo.

El audio overview no puede utilizarse con documentos regulatorios por restricciones de derechos de autor institucionales aplicables a las publicaciones oficiales del Diario Oficial de la Federación.

El material generado refleja únicamente lo que fue cargado como fuente; si la regulación se actualiza y no se carga la nueva circular, el equipo formará agentes con información desactualizada.

Ninguna

14.

Un equipo de suscripción usa un notebook con 15 condicionados cargados. Al consultar requisitos para asegurar bodegas con materiales inflamables, NotebookLM responde con confianza y cita tres fuentes. El suscriptor acepta la respuesta sin verificar. Dos meses después, durante la resolución de un siniestro, se descubre que uno de los condicionados citados era una versión derogada cargada por error. ¿Cuál es el fallo sistémico central en este escenario?

NotebookLM debió configurarse para rechazar automáticamente documentos con fechas anteriores a un umbral definido, función que existe en la versión empresarial pero no fue activada por el administrador del sistema.

El modelo debió identificar automáticamente que el condicionado estaba derogado antes de incluirlo como fuente de respuesta, ya que los sistemas de IA tienen la capacidad de detectar inconsistencias de vigencia documental.

La responsabilidad recae únicamente en el suscriptor por no haber verificado las citas antes de tomar la decisión, ya que el proceso de validación de fuentes es una obligación individual del usuario.

El diseño del proceso no incluyó un protocolo de validación de vigencia documental antes de la carga de fuentes, ni un criterio de verificación obligatoria de citas para decisiones de suscripción con consecuencias contractuales.

Ninguna

15.

Un director de operaciones carga 30 reportes de auditoría interna de tres años para identificar patrones de riesgo operacional recurrentes. Diseña esta secuencia: (1) \"Resume cada reporte\", (2) \"Identifica los riesgos más frecuentes\", (3) \"¿Qué áreas tienen más incidencias?\". ¿Cuál es el problema principal de esta secuencia?

NotebookLM no puede realizar análisis comparativos cuando el corpus supera los 20 documentos simultáneamente, ya que el contexto disponible se fragmenta y el modelo pierde coherencia entre fuentes.

Las tres consultas son demasiado generales y producirán síntesis superficiales; el análisis de patrones requiere una taxonomía previa de tipos de riesgo y consultas ancladas a categorías específicas definidas antes de la consulta.

Para análisis de patrones en corpus grandes, Gemini Advanced es la herramienta correcta y NotebookLM no está diseñado para este tipo de tarea analítica sobre volúmenes documentales superiores a 20 fuentes.

Los reportes de auditoría tienen restricciones de confidencialidad que impiden su procesamiento en plataformas de IA externas sin un contrato de encargado de tratamiento de datos firmado con Google.

Ninguna

16.

La dirección de tecnología propone crear un notebook centralizado con toda la documentación estratégica: planes de negocio trienales, proyecciones actuariales, estudios de mercado propietarios y contratos con reaseguradoras. ¿Cuál es la evaluación más completa de esta propuesta?

La propuesta debe rechazarse en su totalidad porque ningún documento estratégico debe cargarse en plataformas de inteligencia artificial externas, independientemente de las garantías contractuales que ofrezca el proveedor.

Es una buena práctica de gestión del conocimiento porque centraliza la información crítica y reduce la fricción de acceso directivo, mejorando la velocidad de respuesta en decisiones estratégicas de alto nivel.

La propuesta requiere evaluar: clasificación de confidencialidad de cada documento, diferencias entre NotebookLM estándar y Enterprise en privacidad de datos, controles de acceso al notebook y política de retención de Google antes de cualquier carga.

Es aceptable si los documentos se cargan en PDF en lugar de Google Docs, ya que ese formato no permite la extracción estructurada de datos y ofrece mayor protección de la información estratégica cargada.

Ninguna

17.

Un equipo de siniestros carga en un notebook: el condicionado del producto, el expediente del siniestro, el dictamen del ajustador y tres precedentes de casos similares. Consulta: \"¿Procede la cobertura según los documentos cargados?\" NotebookLM responde: \"Sí, procede según el artículo 14 del condicionado\". ¿Cuál es la postura profesionalmente correcta ante esta respuesta?

Usar la respuesta como resolución definitiva porque está sustentada en el condicionado vigente cargado como fuente y el modelo ha identificado el artículo específico que fundamenta la cobertura.

Rechazar el uso de NotebookLM para decisiones de cobertura porque la plataforma no tiene capacidad jurídica para resolver controversias contractuales, independientemente de la calidad del corpus cargado.

Usar la respuesta como punto de partida para revisión humana: verificar la cita en el artículo 14, contrastar con los precedentes cargados y validar la conclusión con el ajustador antes de cualquier comunicación al asegurado.

Solicitar al modelo que amplíe la justificación con mayor nivel de detalle técnico para usar la respuesta expandida directamente en la carta de resolución enviada al asegurado o a su representante.

Ninguna

18.

Después de varias semanas de uso, un equipo de tarifación nota que NotebookLM responde algunas consultas sobre primas con cifras que no aparecen en ninguna fuente cargada, pero que resultan numéricamente plausibles. El equipo concluye que \"el modelo está interpolando datos de manera correcta\". ¿Qué problema conceptual tiene esta conclusión?

La conclusión es incorrecta: NotebookLM no interpola ni debe generar datos fuera de las fuentes; si produce cifras no presentes en los documentos cargados, está alucinando, y la plausibilidad numérica no es evidencia de corrección.

La interpolación es tolerable para datos históricos de referencia, pero no para tarifas vigentes con efecto directo en la prima a cobrar, dado el impacto regulatorio que tiene la tarifa en la relación con el asegurado.

El problema es técnico: las fuentes de tarifas probablemente tienen errores de formato que afectan la indexación de valores numéricos, generando un comportamiento de completado automático no documentado en el sistema.

No hay problema conceptual: si los datos son plausibles y consistentes con el contexto del ramo, la interpolación es un comportamiento esperado que mejora la utilidad del sistema para el área de tarifación.

Ninguna

19.

Un corredor externo solicita acceso a un notebook compartido que contiene los manuales de suscripción internos, las guías de aceptación de riesgos especiales y las tablas de comisiones, argumentando que agilizaría la colocación de negocios. ¿Cuál es la evaluación correcta?

La solicitud debe rechazarse en su totalidad porque NotebookLM no ofrece funcionalidad de acceso controlado para usuarios externos y cualquier compartición implica acceso irrestricto a todas las fuentes del notebook.

El notebook puede compartirse si se elimina previamente el documento con las tablas de comisiones del corpus, ya que los manuales de suscripción y las guías de riesgos son documentos de consulta estándar para corredores.

Antes de compartir, debe analizarse qué documentos contienen información competitivamente sensible, si el corredor tiene acuerdo de confidencialidad vigente y si la plataforma permite controles de acceso granulares suficientes para esta modalidad.

Compartir el notebook es aceptable porque los corredores ya tienen acceso a parte de esta información en los documentos físicos que se les entregan al incorporarse a la red de distribución.

Ninguna

20.

Un equipo de innovación propone reemplazar el repositorio documental en SharePoint por un sistema basado en notebooks de NotebookLM, argumentando que la consulta en lenguaje natural es más eficiente que la búsqueda por metadatos. ¿Cuál es la evaluación más rigurosa de esta propuesta?

La propuesta es correcta si la organización migra previamente todos los documentos a Google Drive para mantener la sincronización automática entre el repositorio y los notebooks de consulta de los distintos equipos.

Es viable porque la consulta en lenguaje natural reduce la fricción de acceso al conocimiento institucional y mejora significativamente la experiencia del usuario respecto a los sistemas tradicionales de gestión documental.

La eficiencia de la consulta en lenguaje natural justifica la transición siempre que se implementen respaldos periódicos de los contenidos de cada notebook y se mantenga un índice maestro de los documentos cargados.

La propuesta confunde dos herramientas con propósitos distintos: SharePoint gestiona documentos con control de versiones, permisos granulares y auditoría; NotebookLM sintetiza corpus estáticos sin esas capacidades de gobernanza. Son complementarios, no sustitutos.

Ninguna

21.

¿Cuál es la función principal de Gemini integrado en Gmail dentro de Google Workspace?

Asistir al usuario en la redacción, resumen y gestión de correos dentro de su bandeja de entrada existente, manteniendo al usuario como responsable de las acciones finales.

Enviar correos de manera automática según reglas predefinidas por el administrador, eliminando la necesidad de intervención manual del usuario en la gestión de la bandeja de salida.

Clasificar automáticamente los correos entrantes en carpetas según el remitente y el asunto, aprendiendo de los hábitos del usuario para mejorar la organización de forma continua.

Reemplazar el cliente de correo electrónico con una interfaz conversacional que gestiona toda la comunicación del usuario mediante lenguaje natural sin acceder a la bandeja tradicional.

Ninguna

22.

En Google Docs con Gemini activado, ¿qué tarea representa un caso de uso directo y nativo de la herramienta?

Comparar dos versiones del mismo documento e identificar las diferencias entre revisiones, generando un reporte consolidado de los cambios realizados por cada colaborador.

Generar un borrador de texto, mejorar un párrafo existente o resumir el contenido del documento dentro del mismo editor, sin necesidad de salir a otra aplicación.

Publicar el documento en un sitio web interno con formato de artículo corporativo, integrando el contenido con el sistema de gestión de contenido de la intranet de la organización.

Convertir un documento de Word al formato de Google Docs preservando el formato original, incluyendo estilos, imágenes y tablas complejas que el usuario necesita mantener intactas.

Ninguna

23.

¿Qué tipo de tarea puede realizar Gemini en Google Sheets que representa su capacidad diferenciadora frente al uso estándar de la hoja de cálculo?

Interpretar datos en lenguaje natural, sugerir fórmulas y generar análisis descriptivos a partir de los datos existentes en la hoja, sin requerir conocimiento técnico de sintaxis de fórmulas.

Ejecutar macros programadas previamente por el administrador del sistema, automatizando tareas repetitivas que requieren múltiples pasos manuales en la hoja de cálculo.

Conectar la hoja de cálculo con fuentes de datos externas en tiempo real mediante API, actualizando automáticamente los valores cada vez que la fuente original se modifique.

Proteger rangos específicos de celdas para que solo ciertos usuarios puedan editarlos, configurando niveles de acceso diferenciados según el rol de cada persona en la organización.

Ninguna

24.

¿Cuál es el requisito operativo básico para que Gemini genere un resumen automático de una reunión en Google Meet?

Que el organizador habilite la función de transcripción antes de iniciar la sesión y que los participantes estén notificados de la grabación, conforme a los requisitos legales aplicables.

Que el administrador de Google Workspace active el resumen de forma manual desde la consola de administración después de cada reunión, verificando que el tipo de sesión sea compatible.

Que la reunión tenga un mínimo de cinco participantes activos con cámara encendida durante toda la sesión para que el sistema tenga suficiente contexto conversacional para generar el resumen.

Que todos los participantes usen dispositivos con sistema operativo Chrome OS para garantizar la compatibilidad técnica de la función de transcripción y resumen automático de Gemini.

Ninguna

25.

Cuando un usuario solicita a Gemini en Google Slides que \"genere una presentación sobre el proceso de suscripción de seguros de vida\", ¿cuál es la naturaleza real del output que produce?

Un esquema de diapositivas vacío con el número de slides recomendado según el tema solicitado, que el usuario debe completar manualmente con el contenido técnico correspondiente.

Una presentación final lista para usar con datos actualizados del sector asegurador mexicano, generada a partir de fuentes públicas indexadas por el modelo durante su entrenamiento.

Un borrador estructural con contenido generado como punto de partida que requiere revisión, verificación y adaptación técnica antes de cualquier uso profesional o presentación oficial.

Una presentación basada en los documentos internos de la organización almacenados en Google Drive, que el modelo indexa automáticamente si el usuario tiene permisos de acceso activos.

Ninguna

26.

¿Cuál de los siguientes elementos mejora de manera más consistente la calidad de la respuesta de Gemini en cualquier aplicación de Workspace?

Escribir el prompt en inglés aunque el contenido final deba entregarse en español, aprovechando que el modelo fue entrenado con mayor volumen de datos en ese idioma.

Usar mayúsculas en las palabras clave del prompt para indicar prioridad al modelo, señalando los conceptos más importantes que deben aparecer de forma prominente en la respuesta.

Proporcionar contexto específico sobre el rol del usuario, el propósito de la tarea y el formato deseado del output, para que el modelo calibre la respuesta al caso concreto.

Dividir el prompt en múltiples preguntas cortas enviadas de forma consecutiva para que el modelo procese cada elemento por separado y genere respuestas más precisas en cada paso.

Ninguna

27.

Un agente de seguros recibe 50 correos diarios de clientes con consultas sobre pólizas. ¿Cuál función de Gemini en Gmail es más directamente útil para gestionar este volumen?

La función de resumen que condensa hilos de correo extensos y la asistencia para redactar respuestas contextualizadas al contenido de cada mensaje, reduciendo el tiempo por respuesta.

La función de búsqueda avanzada que filtra correos por remitente, fecha y palabras clave simultáneamente, permitiendo al agente localizar rápidamente los correos de mayor urgencia.

La integración con Google Calendar que convierte automáticamente las solicitudes de reunión en invitaciones enviadas al cliente, eliminando el paso manual de creación de eventos.

La función de etiquetado automático que organiza los correos por tipo de consulta sin intervención del usuario, generando una vista filtrada de los mensajes pendientes de atención.

Ninguna

28.

Un ejecutivo de cuenta recibe un hilo de 22 correos sobre la renovación de una flota vehicular con un corredor. Necesita redactar una respuesta que confirme las condiciones acordadas. ¿Cuál es la secuencia de uso de Gemini más apropiada?

Copiar el hilo completo en un documento de Google Docs para que Gemini lo procese con mayor capacidad de análisis contextual que la disponible en el entorno de Gmail.

Pedir a Gemini que redacte directamente la respuesta especificando solo que es sobre renovación de flota vehicular, para aprovechar la capacidad del modelo de inferir el contexto a partir de mensajes previos.

Usar primero la función de resumen del hilo para identificar los puntos acordados, verificar que el resumen refleja correctamente los términos, y luego usar la asistencia de redacción con los puntos verificados como insumo.

Solicitar a Gemini que identifique el correo más importante del hilo y redactar la respuesta únicamente con base en ese mensaje, descartando los correos anteriores como contexto redundante.

Ninguna

29.

El área legal necesita redactar una carta de negación de cobertura para un siniestro de daños a terceros. Un abogado usa el siguiente prompt: \"Redacta una carta de negación de cobertura\". ¿Por qué este prompt es insuficiente para uso profesional?

Porque Gemini en Docs no puede redactar documentos de naturaleza legal sin autorización explícita del administrador de Workspace, dado que ese tipo de contenido requiere validación de seguridad adicional.

Porque el prompt está en español y Gemini produce mejores resultados en comunicaciones de naturaleza legal cuando se le instruye en inglés, dada su mayor densidad de entrenamiento en ese idioma.

Porque las cartas de negación de cobertura deben redactarse en formularios predefinidos por la CNSF que Gemini no puede modificar ni adaptar sin violar los estándares regulatorios del sector.

Porque no proporciona los datos del asegurado, el número de póliza, el artículo del condicionado que fundamenta la negación, ni el tono formal requerido por la CNSF para este tipo de comunicaciones.

Ninguna

30.

Un analista de riesgos usa Gemini en Docs para mejorar la redacción de un informe técnico sobre siniestralidad en ramo de salud. Gemini modifica párrafos y elimina algunas precisiones técnicas para simplificar el lenguaje. ¿Cuál es la acción correcta?

Revisar cada modificación usando el historial de cambios, rechazar las simplificaciones que eliminen precisión técnica y conservar solo las mejoras de redacción que no comprometan el rigor del contenido.

Aceptar los cambios porque Gemini optimiza la legibilidad sin alterar el contenido sustantivo, y en informes técnicos la claridad de la redacción tiene mayor valor que la densidad terminológica.

Solicitar a Gemini que revierta todos los cambios y usar exclusivamente la función de corrección ortográfica nativa de Docs para evitar que el modelo intervenga en el contenido del informe.

Regenerar el texto con un prompt que indique explícitamente que Gemini no debe cambiar los datos ni las cifras del documento, confiando en que esa instrucción resolverá el problema de simplificación.

Ninguna

31.

Un actuario tiene una hoja con la frecuencia de siniestros mensual por ramo de los últimos tres años. Quiere usar Gemini en Sheets para identificar el mes con mayor siniestralidad histórica en ramo de automóviles. ¿Cuál es el prompt más efectivo?

"En la columna C están los siniestros de automóviles por mes desde enero 2022. ¿Cuál mes tiene el valor más alto y cuál es ese valor?"

"Encuentra los outliers estadísticos en todos los datos de esta hoja, clasifícalos por ramo y explica las posibles causas de cada anomalía identificada en el período analizado."

"Analiza esta hoja y dime qué pasa con los siniestros de todos los ramos, destacando las tendencias más relevantes para el área actuarial y los meses con comportamiento atípico."

"Haz un análisis completo de esta información, genera recomendaciones para reducir la siniestralidad por ramo e incluye una proyección para los próximos doce meses basada en los datos históricos."

Ninguna

32.

Un analista recibe de Gemini en Sheets la fórmula =PROMEDIO(D2:D500) para calcular la prima promedio por póliza. Al aplicarla, el resultado es visiblemente incorrecto. ¿Cuál es la causa más probable?

El rango D2:D500 incluye celdas vacías o con texto que distorsionan el promedio; la fórmula correcta debería excluir valores no numéricos usando =PROMEDIOSI u otro criterio de filtrado explícito.

Gemini generó la fórmula en inglés con la función AVERAGE en lugar de PROMEDIO, y la versión en español de Sheets no puede ejecutar funciones con nombres en otro idioma sin conversión previa.

La fórmula de promedio no es aplicable a datos de primas en pesos mexicanos con decimales, ya que el formato de moneda local requiere funciones de agregación específicas para valores monetarios.

Gemini no puede sugerir fórmulas precisas para hojas con más de 200 filas de datos, ya que el modelo pierde contexto sobre la estructura de la hoja cuando el volumen de datos supera ese umbral.

Ninguna

33.

Al finalizar un comité de suscripción de 90 minutos, Gemini genera automáticamente un resumen. El director nota que tres decisiones técnicas clave fueron capturadas con imprecisión. ¿Cuál es el proceso correcto?

Corregir manualmente las imprecisiones antes de distribuir el documento, complementar con las notas tomadas durante la sesión y establecer un proceso de validación del resumen antes de su distribución como acta.

Distribuir el resumen de Gemini como acta oficial porque captura el 90% de los temas discutidos, y las correcciones menores pueden comunicarse verbalmente a los participantes del comité.

Rechazar el uso de Gemini para comités técnicos y volver al proceso manual de minutas, dado que la herramienta no tiene suficiente precisión para el nivel de toma de decisiones de este tipo de reuniones.

Solicitar una nueva reunión para clarificar los puntos mal capturados y generar un segundo resumen con Gemini, usando la transcripción corregida como fuente para mejorar la precisión del output.

Ninguna

34.

Un gerente de producto debe presentar al consejo los resultados de siniestralidad del trimestre. Usa Gemini en Slides para generar la presentación. El output incluye gráficas genéricas sin datos reales. ¿Cuál es el paso inmediato correcto?

Usar las gráficas genéricas como marcadores visuales y anotar manualmente los datos reales junto a cada gráfica, dejando explícito en la presentación que los valores son preliminares o ilustrativos.

Volver a solicitar a Gemini que genere las gráficas incluyendo los datos reales directamente en el prompt, para que el modelo construya las visualizaciones con la información numérica correcta del trimestre.

Sustituir las gráficas genéricas de Gemini con las gráficas construidas en Sheets a partir de los datos reales, y usar el contenido estructural de Gemini solo como andamiaje de la narrativa de la presentación.

Exportar la presentación a PowerPoint y usar las herramientas de gráficas de Excel para reemplazar el contenido visual, aprovechando la mayor capacidad de personalización de ese entorno.

Ninguna

35.

Un suscriptor quiere que Gemini le ayude a redactar una propuesta de cobertura especial para un almacén con materiales peligrosos. Escribe: \"Ayúdame a hacer una propuesta de seguro para un almacén con materiales peligrosos\". ¿Qué elementos adicionales producirían un output sustancialmente más útil?

Indicar que el modelo actúe como un suscriptor experto con 20 años de experiencia en riesgos industriales para que el output adopte el tono y la profundidad técnica esperados en ese tipo de propuesta.

Especificar el idioma de redacción, el número máximo de páginas del documento y el nivel de formalidad requerido para adaptar el tono del output al estilo de comunicación de la aseguradora.

Especificar el tipo de materiales, el valor asegurado aproximado, el ramo (daños industriales), el destinatario (cliente vs. reasegurador), el tono requerido y las exclusiones que deben mencionarse explícitamente.

Solicitar que el output incluya referencias específicas a normas de la CNSF y a la Ley General de Protección Civil para dar mayor formalidad técnica y respaldo regulatorio al documento generado.

Ninguna

36.

¿Cuál de los siguientes prompts produce el output más directamente utilizable para comunicar a un asegurado la resolución favorable de su siniestro de gastos médicos mayores?

"Genera un template de carta de aprobación de siniestro que pueda reutilizarse para cualquier ramo y tipo de asegurado, incluyendo espacios en blanco para los datos específicos de cada caso."

"Redacta una carta formal en español para comunicar la resolución favorable de un siniestro de gastos médicos mayores. Asegurado: persona física. Monto aprobado: [X]. Plazo de pago: 10 días hábiles. Tono: profesional y empático. Extensión: máximo una cuartilla. Folio: [Y]."

"Escribe una carta para decirle a un cliente que su siniestro fue aprobado, usando un tono amable y profesional apropiado para comunicaciones del sector de seguros de salud en México."

"Actúa como el director de siniestros de una aseguradora líder y escribe una carta de aprobación de siniestro médico que refleje los más altos estándares de comunicación con asegurados del sector."

Ninguna

37.

Durante una videollamada de negociación con un reasegurador extranjero, un participante sugiere activar la transcripción automática para que quede registro de los compromisos. ¿Cuál es la consideración más relevante antes de activar esta función?

Confirmar que todos los participantes, incluyendo los del reasegurador, han sido informados y han dado consentimiento explícito para la transcripción, dado que la llamada involucra datos personales y posiblemente información comercial confidencial.

Solicitar autorización al director general antes de activar cualquier función de grabación en reuniones con contrapartes externas, siguiendo el protocolo de aprobación jerárquica establecido para este tipo de decisiones.

Asegurarse de que la transcripción quede almacenada exclusivamente en el Drive del organizador y no sea accesible para otros participantes de la organización que no estuvieron presentes en la reunión.

Verificar que la velocidad de internet sea suficiente para mantener la transcripción sin interrupciones técnicas durante toda la llamada, ya que la función consume mayor ancho de banda que una sesión estándar.

Ninguna

38.

El área de compliance usa Gemini en Docs para generar el primer borrador de las políticas internas de uso de IA en la organización. Un mes después, distribuyen el documento a toda la empresa sin revisión jurídica ni validación por parte de la Dirección General. ¿Cuál es el fallo de proceso más crítico?

Usar Gemini para redactar políticas internas es inherentemente incorrecto porque el modelo produce documentos que no reflejan la cultura organizacional específica ni los procesos reales de la institución.

El fallo está en no haber combinado NotebookLM con Gemini para anclar el contenido en documentos regulatorios reales antes de iniciar la redacción, lo que habría mejorado la especificidad normativa del documento.

El documento generado por Gemini puede contener contenido plausible pero genérico, sin ancla en la regulación de la CNSF ni en las particularidades operativas de la aseguradora; distribuirlo sin validación experta lo convierte en política oficial con consecuencias de cumplimiento.

El problema es la velocidad del proceso: un mes es insuficiente para desarrollar políticas de esta naturaleza, independientemente de si se usa IA o un proceso de redacción manual con equipos especializados.

Ninguna

39.

Un equipo diseña un banco de prompts estándar para que todos los ejecutivos de suscripción usen Gemini de forma homogénea. El banco incluye prompts fijos para 12 tipos de documentos. Seis meses después, los ejecutivos reportan que los outputs se han vuelto menos útiles aunque usan exactamente los mismos prompts. ¿Cuál es la explicación más probable?

El equipo de capacitación no incluyó suficientes ejemplos de output esperado en el diseño original del banco, lo que impide que el modelo calibre correctamente el nivel de detalle técnico requerido.

Los modelos de lenguaje degradan su rendimiento con el tiempo cuando reciben los mismos prompts repetidamente de los mismos usuarios, lo que hace que las respuestas se vuelvan menos precisas con el uso repetido.

Los prompts fijos generan dependencia cognitiva que reduce progresivamente la capacidad del usuario para evaluar de forma crítica el output y detectar errores en los documentos generados por el modelo.

Google actualizó el modelo de Gemini y los prompts diseñados para una versión anterior no están optimizados para el comportamiento actual; además, los prompts fijos no se adaptan a la variabilidad real de los casos de suscripción.

Ninguna

40.

Un director actuarial propone usar Gemini en Sheets como herramienta principal para construir el modelo de reservas técnicas del trimestre, argumentando que el lenguaje natural reduce la necesidad de conocimiento avanzado de fórmulas. ¿Cuál es la evaluación técnica correcta?

Gemini en Sheets es un asistente de fórmulas y análisis descriptivo, no un sistema actuarial; los modelos de reservas requieren metodología certificada, validación de supuestos estadísticos y auditoría bajo estándares CNSF, no reducción del conocimiento técnico.

Gemini en Sheets puede usarse para la construcción del modelo siempre que los datos de entrada hayan sido validados previamente por el área de sistemas y el actuario apruebe la estructura general del modelo.

La propuesta es correcta si el actuario responsable revisa el output final antes de su presentación regulatoria, ya que la supervisión experta al final del proceso garantiza la calidad del modelo generado.

La propuesta es viable porque Gemini puede construir modelos actuariales completos si se le proporcionan los datos correctos y el contexto del ramo, reduciendo el tiempo de desarrollo del modelo de manera significativa.

Ninguna

41.

El área de atención a clientes implementa Gemini en Gmail para responder quejas formales más rápido. Dos semanas después se detecta que varios ejecutivos están enviando los borradores de Gemini sin revisión, incluyendo compromisos de cobertura no autorizados. ¿Cuál es el problema sistémico central y la solución estructural correcta?

El problema se resuelve ajustando el prompt base para que Gemini no incluya compromisos de cobertura ni plazos en sus borradores, restringiendo el alcance del output a respuestas de acuse y solicitud de información.

La solución correcta es restringir el uso de Gemini en Gmail al área de atención a clientes hasta completar seis meses de capacitación supervisada con métricas de calidad de respuesta documentadas.

El problema es de capacitación individual: los ejecutivos que enviaron borradores sin revisar deben recibir retroalimentación específica y el proceso puede continuar sin cambios estructurales adicionales en el flujo.

El problema es sistémico: la implementación no incluyó un protocolo que establezca qué tipos de respuesta requieren revisión obligatoria, qué compromisos no pueden generarse sin autorización previa, ni las consecuencias de un borrador de IA incorrecto en comunicaciones con asegurados.

Ninguna

42.

Una directora comercial usa Gemini en Slides para preparar una presentación de un producto de vida con componente de inversión. El contenido describe beneficios en términos absolutos y omite los riesgos de la componente de inversión. La directora aprueba el material sin modificaciones. ¿Cuál es el riesgo principal?

El riesgo es operativo: si los clientes adquieren el producto con expectativas incorrectas sobre el rendimiento de la inversión, el área de siniestros recibirá reclamaciones que generen carga de trabajo adicional.

El riesgo es reputacional: si los clientes perciben que la presentación es genérica o poco elaborada, puede afectar la credibilidad del ejecutivo comercial frente a prospectos con experiencia en el mercado financiero.

Gemini no tiene acceso a la información de rendimiento histórico del producto, por lo que el material generado es necesariamente incompleto y debe complementarse con datos del área de inversiones antes de usarse.

El material omite información obligatoria bajo la regulación de seguros con componente de inversión; presentar beneficios sin revelar riesgos puede constituir publicidad engañosa bajo la LPSF y la CONDUSEF, con consecuencias de sanción para la aseguradora.

Ninguna

43.

Una aseguradora implementa Gemini en Meet para generar resúmenes automáticos de reuniones con corredores. Tres meses después, un corredor demanda a la aseguradora argumentando que el resumen capturó incorrectamente un compromiso que nunca aceptó, y ese resumen fue usado como documento de soporte interno. ¿Cuál es la falla de gobernanza que habilitó este escenario?

La falla es operativa: los compromisos de reuniones con terceros deben confirmarse por correo electrónico antes de documentarse internamente, independientemente de la herramienta de transcripción utilizada.

La falla es de la herramienta: Gemini no debe utilizarse en reuniones con consecuencias contractuales hasta que el modelo alcance mayor precisión en la captura de compromisos específicos de negocio.

La organización no estableció que los resúmenes de Gemini son borradores internos de trabajo, no documentos contractuales; no definió un proceso de validación bilateral ni comunicó a las contrapartes el uso de la herramienta y su naturaleza.

La falla es del corredor por no haber solicitado aclaraciones durante la reunión ni haber requerido una minuta formal firmada antes de concluir la sesión de negociación con el equipo de la aseguradora.

Ninguna

44.

Un gerente de riesgos usa el prompt: \"Actúa como experto en gestión de riesgos con 20 años de experiencia en el sector asegurador latinoamericano. Analiza los principales riesgos de implementar IA generativa en procesos de suscripción en México\". El output es detallado y bien estructurado. ¿Cuál es la limitación crítica antes de usarlo en un informe para el consejo?

El output es directamente usable si el gerente tiene el criterio técnico para validar que las recomendaciones son pertinentes para su organización, ya que la experiencia del revisor humano compensa las limitaciones del modelo.

El prompt es demasiado específico en el rol asignado y sesga al modelo hacia respuestas predefinidas que no capturan la variabilidad real de los riesgos del sector asegurador en el contexto latinoamericano actual.

El output refleja el conocimiento general del modelo hasta su fecha de corte, no el contexto regulatorio actual de la CNSF sobre IA ni las condiciones específicas de la organización; el rol prompting mejora la estructura pero no otorga rigor técnico verificable ni actualidad regulatoria.

El output no es válido porque Gemini no puede asumir roles de experto sectorial sin haber sido entrenado específicamente para el sector asegurador mexicano con datos del mercado local y la regulación vigente de la CNSF.

Ninguna

45.

Un equipo multidisciplinario usa Gemini en Docs colaborativamente para redactar el manual de suscripción de un nuevo producto de seguro paramétrico agrícola. Distintos miembros hacen solicitudes individuales a Gemini sin coordinación. El documento final mezcla criterios inconsistentes, terminología no estandarizada y secciones contradictorias. ¿Cuál es el diagnóstico correcto?

Gemini en Docs tiene limitaciones en documentos colaborativos porque no mantiene coherencia entre sesiones de distintos usuarios sobre el mismo documento, lo que genera inconsistencias estructurales inevitables en el output.

La solución es designar a un solo usuario como editor de Gemini para mantener la consistencia del tono y los criterios técnicos a lo largo del documento, eliminando el acceso simultáneo de múltiples colaboradores.

El manual de suscripción es un documento demasiado técnico y específico para ser desarrollado con asistencia de IA generativa sin un modelo entrenado en el producto concreto que se está diseñando.

El problema es de coordinación de proceso: el equipo no estableció una guía de estilo, glosario técnico ni criterios de consistencia previos al uso de Gemini; sin esa gobernanza documental, cada usuario obtiene outputs localmente coherentes pero globalmente inconsistentes.

Ninguna

46.

¿Cuál de las siguientes afirmaciones describe con mayor precisión una limitación estructural de los modelos de lenguaje como Gemini y NotebookLM que el usuario profesional debe tener presente en todo momento?

Los modelos de lenguaje no pueden procesar documentos en idioma español con la misma precisión que en inglés, lo que afecta la calidad de las respuestas cuando el corpus cargado está en el idioma local.

Los modelos de lenguaje solo son confiables cuando se usan para tareas creativas y no para análisis de información técnica o regulatoria, donde la precisión del dato tiene consecuencias operativas directas.

Los modelos de lenguaje generan respuestas probabilísticamente plausibles, no respuestas verificadas como verdaderas; la fluidez y confianza del texto generado no son indicadores de su exactitud factual.

Los modelos de lenguaje pierden precisión progresivamente cuando el usuario realiza más de diez consultas consecutivas en la misma sesión, debido a la degradación del contexto disponible en la ventana de procesamiento.

Ninguna

47.

Bajo la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP), ¿qué tipo de dato del asegurado requiere mayor nivel de protección antes de ser procesado en una herramienta de IA en la nube?

El nombre completo y domicilio del asegurado registrado en la póliza, dado que se trata de información identificable que puede usarse para localizar a la persona sin su consentimiento.

El correo electrónico y teléfono de contacto proporcionados durante la contratación, dado que son canales directos de comunicación que pueden usarse para contactar al asegurado sin su autorización.

El número de póliza y la fecha de emisión del contrato de seguro, dado que son datos únicos de identificación del contrato que permiten acceder al expediente completo del asegurado.

Los datos de salud del asegurado incluidos en un expediente de reclamación de gastos médicos, clasificados como datos sensibles bajo el artículo 3 de la ley y sujetos a protección reforzada.

Ninguna

48.

¿En cuál de los siguientes contextos es absolutamente inaceptable usar un output de Gemini o NotebookLM sin verificación humana previa?

En la redacción de un correo interno de coordinación entre equipos del mismo departamento, donde el contenido no tiene consecuencias fuera de la organización ni implica compromisos con terceros.

En la preparación de un resumen de lectura de un reporte de industria para uso personal del analista, donde el contenido no será compartido ni usará como base de ninguna decisión organizacional.

En la generación de un borrador de agenda para una reunión de trabajo interna sin consecuencias contractuales, donde el output es revisado por el organizador antes de distribuirlo al equipo.

En la resolución de una reclamación de cobertura que determina si un asegurado recibe o no un pago de indemnización, dado que la decisión tiene consecuencias contractuales, económicas y legales directas.

Ninguna

49.

Un ejecutivo de suscripción usa Gemini para analizar el perfil de riesgo de un solicitante y el modelo genera una recomendación de rechazo. El ejecutivo aprueba el rechazo sin revisar el razonamiento. ¿Cuál es el problema central de esta práctica?

El problema es operativo: el rechazo debe documentarse con criterios del manual de suscripción y no con la recomendación de un modelo de lenguaje, para cumplir con los requerimientos de trazabilidad de la CNSF.

Gemini no está diseñado para hacer recomendaciones de suscripción porque no tiene acceso a las tablas de tarifas internas ni al historial de siniestros del solicitante almacenado en los sistemas de la aseguradora.

Delegar la decisión a un output de IA sin revisión del razonamiento elimina la accountability del suscriptor y puede perpetuar sesgos del modelo en perjuicio del solicitante sin que nadie los detecte ni corrija.

La práctica es aceptable si el ejecutivo tiene suficiente experiencia para reconocer que el rechazo es correcto, ya que el criterio del experto humano valida implícitamente la recomendación del modelo.

Ninguna

50.

Un gerente de cumplimiento consulta a Gemini sobre los requisitos actuales de la CNSF para la constitución de reservas de riesgos en curso. Gemini responde con detalle y precisión aparente. ¿Cuál es la acción profesionalmente correcta antes de usar esa información?

Usar la información directamente porque Gemini fue entrenado con información regulatoria actualizada del sector financiero mexicano y sus respuestas sobre regulación de la CNSF reflejan el estado vigente de la normativa.

Verificar la información contra la Circular Única de Seguros y Fianzas vigente publicada en el Diario Oficial de la Federación, dado que Gemini tiene una fecha de corte de conocimiento y la regulación se actualiza con frecuencia.

Solicitar una segunda consulta a Gemini reformulando la pregunta con mayor especificidad para confirmar la consistencia de ambas respuestas, usando la coincidencia entre versiones como indicador de exactitud.

Usar la respuesta como referencia general pero validarla con el área jurídica únicamente si el monto de reservas supera el umbral de reporte obligatorio establecido en la normativa vigente de la CNSF.

Ninguna

51.

El área de siniestros quiere agilizar el análisis de expedientes usando Gemini. Un analista propone copiar y pegar en el chat de Gemini los datos del asegurado, el diagnóstico médico, el historial de reclamaciones y el monto de la indemnización. ¿Cuál es el riesgo principal?

Copiar datos sensibles del asegurado en el chat de Gemini implica transmitir información protegida bajo LFPDPPP a un sistema externo sin haber evaluado si existe base legal suficiente, aviso de privacidad adecuado ni contrato de tratamiento de datos con Google.

El riesgo es reputacional: si el asegurado descubre que sus datos fueron procesados por IA sin su conocimiento explícito, puede presentar una queja formal ante la CONDUSEF o el INAI que afecte la imagen de la institución.

El riesgo es técnico: el volumen de texto puede superar el límite de contexto del modelo y generar una respuesta truncada que omita información relevante para la elaboración del dictamen de siniestro.

El riesgo es de calidad: Gemini puede interpretar incorrectamente los datos médicos y generar un dictamen con errores clínicos que comprometan la resolución del siniestro y la relación con el asegurado.

Ninguna

52.

Un analista recibe de Gemini cinco recomendaciones para mitigar el riesgo de fraude en seguros de vida. Tres son pertinentes y aplicables. Dos son técnicamente correctas en términos generales pero no aplican al marco regulatorio mexicano. ¿Cuál es el proceso de verificación más adecuado?

Identificar explícitamente cuáles recomendaciones tienen base en la regulación mexicana (CUSF, lineamientos de la UIF) y cuáles provienen de marcos internacionales no aplicables directamente; documentar esa distinción antes de presentar el análisis.

Usar todas las recomendaciones pero agregar una nota al pie indicando que el análisis fue asistido por inteligencia artificial y puede requerir adaptación al contexto regulatorio local antes de su implementación.

Usar las cinco recomendaciones porque la mayoría son correctas y el análisis de riesgo de fraude no requiere precisión regulatoria de primer nivel para producir valor en la toma de decisiones del área.

Solicitar a Gemini que filtre sus propias recomendaciones indicando cuáles aplican específicamente a México, usando esa segunda consulta como mecanismo de verificación de la exactitud regulatoria del output inicial.

Ninguna

53.

Un director comercial instruye a su equipo a usar Gemini para personalizar correos masivos de renovación con un tono de urgencia que sugiera que el asegurado perderá beneficios acumulados si no renueva antes de una fecha determinada, aunque esa afirmación no sea exacta para todos los productos. ¿Cuál es la evaluación correcta?

La instrucción es aceptable si el área jurídica revisa una muestra representativa de los correos antes del envío masivo, ya que esa validación crea un registro de debida diligencia ante posibles reclamaciones.

La instrucción es aceptable como práctica comercial estándar porque el tono de urgencia es una técnica de marketing legítima y ampliamente utilizada en el sector de seguros a nivel nacional e internacional.

La instrucción instruye a usar IA para generar comunicaciones con información potencialmente incorrecta o engañosa hacia asegurados, lo que puede constituir publicidad engañosa bajo la LPSF y la normativa de la CONDUSEF.

El problema es únicamente de la herramienta: Gemini no debe generar contenido con afirmaciones no verificadas y debe notificar al usuario cuando una instrucción contiene información potencialmente inexacta o engañosa.

Ninguna

54.

¿En cuál de los siguientes escenarios el uso de Gemini o NotebookLM representa el mayor riesgo de decisión incorrecta debido a las limitaciones intrínsecas del modelo?

Resumir los puntos clave de un informe de auditoría interna de 80 páginas para que el director lo revise antes de una reunión, usando el resumen como preparación personal no como documento oficial.

Redactar el orden del día de un comité de dirección con base en los temas del mes anterior, donde el borrador será revisado por el asistente de la dirección antes de distribuirse a los participantes.

Determinar si un siniestro de incendio en una planta industrial está cubierto, basándose en el condicionado cargado como fuente, sin revisión posterior por el ajustador asignado al caso.

Generar un primer borrador de una política de descuentos por buen historial de siniestros, que será revisado posteriormente por el equipo actuarial antes de su presentación al comité de productos.

Ninguna

55.

El responsable de TI afirma que \"con Workspace Enterprise, todos los datos están protegidos y no hay restricciones para cargar información en las herramientas de IA\". ¿Qué parte de esta afirmación es técnicamente incorrecta?

La afirmación es incorrecta porque Google Workspace Enterprise no incluye Gemini en su versión base y requiere una licencia adicional de IA que debe activarse por separado por el administrador del sistema.

La afirmación es completamente correcta; Google Workspace Enterprise garantiza protección total de datos del cliente sin restricciones de uso para las herramientas de IA incluidas en la suite empresarial.

Google Workspace Enterprise ofrece garantías adicionales de privacidad frente a la versión estándar, pero no elimina las obligaciones de la organización bajo la LFPDPPP ni los controles de acceso internos que deben aplicarse según el tipo de dato.

La afirmación es incorrecta únicamente para datos de salud; el resto de los datos del asegurado pueden procesarse sin restricciones bajo la modalidad Enterprise sin necesidad de análisis adicional de privacidad.

Ninguna

56.

Un equipo de capacitación usa Gemini para generar casos de estudio sobre fraude en seguros de automóviles para formación de ajustadores. Los casos son narrativamente convincentes y bien estructurados. ¿Cuál es la verificación más importante antes de usar este material?

Validar que el lenguaje de los casos sea apropiado para el nivel educativo del grupo de ajustadores que recibirá la capacitación, ajustando la complejidad terminológica al perfil del participante.

Asegurarse de que cada caso incluya la resolución correcta al final para que los ajustadores puedan autoevaluarse y comparar su análisis con la respuesta esperada por el área de siniestros.

Confirmar que los patrones de fraude descritos corresponden a modalidades reales documentadas en el sector asegurador mexicano y no a escenarios genéricos que formen a los ajustadores con esquemas que no encontrarán en la práctica.

Verificar que los casos no contengan nombres de personas reales o empresas identificables que puedan generar problemas legales o de privacidad al ser distribuidos en el programa de formación.

Ninguna

57.

Una aseguradora implementa un sistema donde Gemini analiza automáticamente el historial de reclamaciones, el perfil socioeconómico y el comportamiento digital del asegurado para generar una puntuación de riesgo que determina la prima de renovación sin intervención humana. ¿Cuál es la evaluación más completa de este sistema?

El sistema es aceptable si se documenta el algoritmo utilizado y se audita anualmente para detectar sesgos antes de la siguiente campaña de renovación masiva, garantizando así la equidad del proceso de tarificación.

El sistema presenta múltiples riesgos no gestionados: posible discriminación algorítmica por variables proxy; ausencia de explicabilidad hacia el asegurado; violación potencial del principio de finalidad de la LFPDPPP; ausencia de mecanismo de impugnación; y posible contravención de los principios de supervisión de la CNSF.

El riesgo principal es técnico: Gemini no fue diseñado como motor de tarificación y sus errores en el cálculo de primas generarán pérdidas actuariales para la organización que superarán los beneficios de eficiencia del sistema.

El sistema es eficiente porque elimina la subjetividad humana del proceso de tarificación, reduce los tiempos de renovación de manera significativa y mejora la consistencia de las decisiones de precio en toda la cartera.

Ninguna

58.

Una aseguradora decide no desarrollar una política formal de uso de IA, argumentando que los términos de uso de Google son suficientes y que los empleados son profesionales que pueden autorregularse. Dieciocho meses después se detectan simultáneamente: datos de asegurados en chats de Gemini sin anonimizar, decisiones de suscripción basadas en outputs no verificados, material de capacitación incorrecto distribuido masivamente y un notebook compartido con información confidencial con un corredor. ¿Cuál es el diagnóstico estructural?

Los términos de uso de Google son suficientes para cubrir la responsabilidad de la organización ante estos escenarios si se puede demostrar que los empleados los aceptaron al activar sus cuentas corporativas de Workspace.

Los problemas son atribuibles a empleados específicos que actuaron de manera irresponsable; las medidas disciplinarias individuales y un programa de refuerzo de valores corporativos son suficientes para resolver la situación.

El problema se habría evitado con una capacitación técnica de dos horas sobre el uso correcto de las herramientas de Google AI al momento de la implementación, sin necesidad de desarrollar una política formal adicional.

La ausencia de política formal de uso de IA creó un vacío de gobernanza que cada empleado llenó con su propio criterio; los problemas detectados son predecibles y sistémicos cuando una organización adopta IA generativa sin definir explícitamente usos permitidos, datos prohibidos y responsabilidades.

Ninguna

59.

Durante una auditoría se descubre que durante seis meses varios equipos cargaron en NotebookLM documentos con datos personales de asegurados sin anonimizar, incluyendo diagnósticos médicos y montos de indemnización. Los equipos argumentan que usaron la versión empresarial de Workspace y que no hubo incidentes de seguridad detectados. ¿Cuál es la evaluación correcta desde el marco de la LFPDPPP?

La responsabilidad recae en los empleados individuales que cargaron los documentos, dado que actuaron fuera del procedimiento establecido y la organización no puede asumir responsabilidad por acciones no autorizadas de sus colaboradores.

La ausencia de incidente no exime a la organización: el tratamiento de datos sensibles sin base legal documentada, sin aviso de privacidad que contemple este uso y sin contrato de encargado verificado con Google constituye una violación a la LFPDPPP, y puede existir obligación de notificación al INAI.

La situación es manejable internamente: eliminar los notebooks que contenían datos personales y establecer una política retroactiva que regularice la práctica constituyen medidas suficientes para resolver la situación.

Si no hubo brecha de seguridad ni acceso no autorizado detectado, no existe violación a la ley porque el propósito central de la normativa es prevenir el daño al titular, no sancionar el proceso utilizado.

Ninguna

60.

Un gerente de innovación propone al comité directivo implementar un chatbot basado en Gemini para atender reclamaciones de primer contacto, con capacidad para solicitar documentación, dar estatus del proceso e informar sobre coberturas. El argumento es reducir el tiempo de atención de 72 a 2 horas. ¿Cuál es la evaluación más completa que el comité debe considerar antes de aprobar?

La propuesta debe rechazarse porque los asegurados tienen derecho a ser atendidos por personas en procesos de reclamación y la automatización total viola ese derecho implícito en el contrato de seguro y en la regulación sectorial vigente.

La propuesta debe aprobarse porque la reducción de tiempo de atención genera valor directo para el asegurado, mejora el indicador de satisfacción de la organización y fortalece la posición competitiva frente a otras aseguradoras del mercado.

La propuesta requiere evaluación en cuatro dimensiones antes de aprobarse: regulatoria (si la CNSF permite resolución automatizada sin intervención humana verificable), legal (si el chatbot puede constituir actos de gestión con efectos jurídicos), técnica (protocolo ante información incorrecta) y ética (equidad de acceso para asegurados vulnerables).

La propuesta es viable si se implementa como piloto con un ramo de bajo riesgo durante tres meses antes de escalar a toda la operación, recopilando métricas de precisión y satisfacción del asegurado en ese período.

Ninguna

¡¡Felicidades!!

Has completado la evaluación Discovery — G AI

Tu reporte de resultados está siendo procesado. En unos momentos verás tu puntaje general y tu nivel de dominio en el uso de NotebookLM™ y Gemini(™ for Workspace.

Guarda o descarga tu reporte antes de cerrar esta página. Este resultado es el punto de partida para identificar las áreas donde puedes consolidar tu práctica con herramientas de inteligencia artificial de Google en el contexto del sector asegurador.

Si tienes preguntas sobre tus resultados o deseas conocer las opciones de desarrollo disponibles, escríbenos a contacto@mx.proyectum.com.

Muchas gracias por tu tiempo

¡No puedes cambiar de pestaña mientras realizas este cuestionario!

No se permite cambiar de pestaña. Se ha registrado una infracción.

¡No se puede minimizar el modo de pantalla completa!

No está permitido minimizar la pantalla completa mientras realiza este cuestionario, se ha registrado una infracción.

Access denied! To begin the quiz, please grant this quiz access to your camera.

Time is Up!