La decisión real: qué materia prima necesita tu formación en IA
Antes de mirar precios, conviene entender que un curso de inteligencia artificial no se elige por su temario, sino por lo que te obliga a hacer. Los gratuitos suelen darte acceso a grabaciones y notebooks; los de pago, acceso a infraestructura, corrección y, a veces, a un contexto profesional que no encontrarás en un vídeo de YouTube. La diferencia práctica aparece cuando llegas al primer bloqueo técnico: ahí es donde un curso barato se queda corto y uno caro justifica el desembolso, o al revés.
Según la documentación oficial de plataformas como Coursera, DeepLearning.AI, fast.ai o Google Cloud Skills Boost, el contenido introductorio de IA se ha estandarizado bastante. Eso significa que pagar por la primera semana de un curso de nivel básico rara vez tiene sentido. La inversión empieza a compensar en el tramo intermedio y avanzado, cuando necesitas GPU, revisión de código y proyectos con datos reales.
Qué obtienes gratis que antes no existía
La oferta gratuita de 2026 ya no es un aperitivo: es formación completa si sabes qué buscar. Algunos ejemplos concretos:
- fast.ai (Practical Deep Learning for Coders): curso completo, gratuito, basado en notebooks ejecutables. Su enfoque top-down (empiezas construyendo un modelo útil y luego bajas a la teoría) funciona mejor para perfiles con algo de Python que para principiantes absolutos.
- Kaggle Learn: microcursos de 4-6 horas sobre pandas, feature engineering o introducción al machine learning. Sirven para cubrir huecos concretos, no para formar un perfil completo.
- Google Cloud Skills Boost: laboratorios guiados con créditos gratuitos iniciales. Útiles para tocar Vertex AI sin montar nada en local.
- Hugging Face Course: el mejor recurso gratuito para NLP y modelos transformers. Documentación oficial actualizada, sin vídeos de relleno.
- CS50 AI de Harvard (edX, modo audit): estructura académica sólida sobre búsqueda, lógica y aprendizaje automático. Exigente y en inglés.
Un detalle que casi nadie menciona: los cursos gratuitos suelen tener la teoría actualizada pero los entornos caducados. Un notebook de 2023 que instala transformers==4.30 puede fallar hoy por incompatibilidades con CUDA o con versiones recientes de PyTorch. Aprender a leer el error y arreglar el entorno forma parte del curso, aunque no esté en el temario.
Qué compras cuando pagas: no es el vídeo, es el contexto
Los cursos de pago serios no venden contenido —eso está gratis—, venden cuatro cosas: infraestructura con GPU incluida, proyectos evaluados por alguien con criterio, cohortes con fechas y un certificado que algunas empresas filtran. Los rangos de precio habituales van desde los 20-40 € de un curso suelto en Udemy en oferta hasta los varios miles de euros de un bootcamp o un programa universitario con mentoría.
Casos donde el pago sí se justifica
- Quieres pasar de analista a MLOps: necesitas desplegar, monitorizar y versionar modelos. Un curso gratuito no te da un clúster para romper.
- Buscas transición laboral verificable: un certificado de una institución reconocida (no un PDF de una plataforma cualquiera) abre puertas en filtros de RRHH.
- Necesitas disciplina externa: cohortes con fechas y entregas funcionan para quien abandona los MOOC a la tercera semana.
Casos donde pagar es tirar el dinero
- Cursos de «fundamentos de IA» que solo explican qué es una red neuronal. Eso lo tienes en la documentación oficial de scikit-learn o en el curso gratuito de Google.
- Programas con temario genérico de «IA para todos» sin código ni proyectos. La parte práctica es lo único que no se aprende leyendo.
- Suscripciones anuales a plataformas que reciclan el mismo curso cada año con otro título.
Comparativa práctica por perfil
Perfil A: nunca ha programado
Ruta gratuita razonable: CS50 Introduction to Computer Science (gratis, en edX) + Kaggle Learn de Python. Después, un curso introductorio de machine learning. Pagar un bootcamp antes de saber si te gusta programar es el error más caro y frecuente. La IA aplicada exige código; si eso no encaja, conviene saberlo en la semana dos, no en el mes seis.
Perfil B: programador que quiere aplicar IA
Ruta gratuita: fast.ai + Hugging Face Course. Ruta de pago con sentido: un curso específico de despliegue (MLOps) o de un dominio concreto (visión por computador, LLMs en producción). Aquí el pago compra especialización, no introducción.
Perfil C: profesional no técnico que necesita criterio
Un curso de pago corto (20-60 €) sobre fundamentos y limitaciones de los modelos puede ahorrar meses de expectativas mal calibradas. Pero cuidado: muchos cursos de «IA para empresas» repiten el mismo discurso de productividad sin entrar en sesgos, costes de inferencia ni en por qué un modelo alucina. Ese matiz es exactamente lo que deberías exigir.
Limitaciones que los cursos no suelen contar
Ningún curso, gratuito o de pago, garantiza empleo ni dominio. La IA cambia más rápido que los temarios: lo que enseña un curso grabado hace 18 meses puede estar obsoleto en la parte de herramientas, aunque los fundamentos (álgebra, probabilidad, optimización) sigan vigentes. La estrategia más honesta es combinar fundamentos gratuitos y estables con práctica en herramientas actuales, y reservar el pago para aquello que no puedes conseguir solo: mentoría, infraestructura y validación externa.
Un caso real frecuente: alguien termina un curso de pago sobre LLMs con nota alta y luego no sabe por qué su aplicación falla en producción cuando el contexto supera la ventana del modelo. El curso le enseñó a llamar a la API, no a gestionar costes, latencia ni evaluación. Ese hueco se cubre con documentación oficial y con proyectos propios, no con otro certificado.
Antes de pagar, comprueba tres cosas: si el temario incluye proyectos evaluados, si el acceso a GPU está incluido o es aparte, y si el certificado lo reconoce alguien más que la propia plataforma. Si las tres respuestas son no, probablemente tengas una alternativa gratuita equivalente.
Perfiles verificables: Sitio web
Publicado el 25 de October de 2026. Última revisión: 25 de October de 2026.