Recursos gratuitos para aprender IA: YouTube y podcasts

Hace tres años, cuando alguien me preguntaba por dónde empezar con inteligencia artificial, el problema era encontrar material decente. Hoy el problema es el contrario: hay tanto que la mayoría se paraliza. Abres una pestaña con un curso de Google, otra con uno de Harvard, te suscribes a cuatro newsletters, guardas seis podcasts en «escuchar más tarde» y a las dos semanas no has terminado nada. Por eso esta guía no es otra lista de enlaces.

Vas a ver qué recursos gratuitos merecen tu tiempo en 2026, en qué secuencia usarlos y cómo convertir todo eso en algo que un reclutador (o tu jefe) pueda comprobar. Sin cursos de pago disfrazados de gratuitos, sin promesas de «hazte experto en IA en 7 días» y sin listar plataformas que llevan dos años sin actualizarse.

Por qué aprender IA gratis dejó de ser un plan B

Durante mucho tiempo, «gratis» fue sinónimo de «peor». En formación en inteligencia artificial eso ya no se sostiene. Las mismas universidades y empresas que venden programas de miles de euros han liberado sus fundamentos, y lo han hecho por interés propio: necesitan gente capaz de usar esta tecnología más rápido de lo que el mercado la produce.

Los números explican esa urgencia. El McKinsey Global Institute calculó en su informe europeo de 2026 que la transformación del trabajo con IA podría aportar unos 167.000 millones de dólares (cerca de 142.000 millones de euros) a la economía española de aquí a 2030. Antes, el estudio que Implement Consulting Group elaboró para Google situaba la aportación potencial de la IA generativa entre 100.000 y 120.000 millones de euros al PIB español en una década, con el sector servicios concentrando en torno al 80% de ese impacto.

Qué significa exactamente «gratis» (y dónde está la letra pequeña)

Aquí conviene ser quirúrgico, porque el 90% de la frustración con la formación gratuita nace de un malentendido. Contenido gratuito no es lo mismo que certificado gratuito. Son tres modelos distintos y te conviene reconocerlos de un vistazo:

Modelo	Qué obtienes sin pagar	Dónde lo verás
Gratis total	Contenido + credencial digital	Google Cloud Skills Boost (insignias), Elementos de IA, cursos del SEPE
Auditoría libre	Todo el contenido, sin certificado	edX (Harvard, MIT), Coursera (IBM, DeepLearning.AI)
Freemium con trampa	Los primeros módulos; el resto, de pago	Muchas plataformas comerciales que se anuncian como «curso gratis de IA»

Mi recomendación práctica: no pagues por un certificado hasta que tengas un proyecto que enseñar. Una insignia sin nada detrás convence a muy poca gente; un repositorio con tres cosas que funcionan convence a casi cualquiera. Dicho esto, un ecosistema de aprendizaje completo se apoya en tres capas que no se sustituyen entre sí:

Cursos online: te dan la base estructurada. Son los cimientos.
Podcasts especializados: te dan criterio, contexto y casos reales. Son el músculo interpretativo.
Newsletters de IA: filtran el ruido semanal. Son el mantenimiento.

Si solo haces cursos, tu conocimiento caduca. Si solo escuchas podcasts, sabes opinar pero no ejecutar. Si solo lees newsletters, coleccionas titulares. El método está en combinarlas.

Paso cero: decide qué tipo de persona quieres ser con la IA

Este es el filtro que ahorra meses. Antes de abrir ningún curso, sitúate en uno de estos tres perfiles.

Perfil	Qué quieres conseguir	Necesitas programar	Ruta corta
Usuario avanzado	Aplicar IA a tu trabajo actual (informes, atención al cliente, marketing, docencia)	No	Elementos de IA → Fundamentos de IA de Google → prompting
Perfil de datos	Analizar, automatizar y sacar conclusiones	Algo (Python + SQL)	CS50 Python → curso de ML de Andrew Ng → proyectos con datos reales
Constructor	Entrenar modelos, montar agentes, desplegar sistemas	Sí	Python → matemáticas aplicadas → DeepLearning.AI / fast.ai → despliegue

Casi todo el mundo que se atasca es porque intentó la ruta del constructor cuando en realidad necesitaba la del usuario avanzado. Definir la meta no es un trámite motivacional: es lo que determina si las matemáticas te importan o no.

Cursos gratuitos de inteligencia artificial que siguen activos en 2026

He dejado fuera todo lo que no esté operativo ahora mismo o que exija tarjeta para acceder al contenido.

Google: la puerta de entrada más pulida

Google mantiene dos vías que conviene no confundir, porque atienden a públicos distintos.

Grow with Google (Crece con Google) es la vía profesional, sin requisitos previos. Ahí encuentras Fundamentos de IA, introducción a la IA generativa, ingeniería de prompts y formación específica para exprimir Gemini en tareas del día a día. Varios de estos programas incluyen certificación digital gratuita al completarlos, aunque parte del catálogo está alojado en Coursera y ahí algunas credenciales requieren suscripción o beca, mientras que el contenido se puede auditar sin pagar.

Google Cloud Skills Boost es la vía técnica. Ofrece rutas de IA generativa con laboratorios prácticos en entornos reales de la nube, y al completar cada módulo obtienes insignias de habilidades (Skill Badges): credenciales digitales verificables que puedes publicar directamente en LinkedIn. La ruta introductoria está pensada para quien parte de cero, sin experiencia previa, y termina con insignia oficial de Google Cloud.

Consejo de alguien que se equivocó en el orden: empieza por Fundamentos de IA para entender el qué y el para qué. Solo después salta a Cloud Skills Boost. Al revés, los laboratorios te van a parecer un ritual incomprensible y lo vas a abandonar en el módulo dos.

Elementos de IA: los cimientos conceptuales

Creado por MinnaLearn y la Universidad de Helsinki, sigue siendo el mejor primer contacto para quien no quiere ver una línea de código. Explica qué es (y qué no es) la IA, cómo razona un modelo, dónde falla y qué implicaciones tiene. Su despliegue a escala nacional en varios países europeos lo convirtió en el símbolo de la democratización de esta formación, y el certificado es gratuito.

Si solo vas a hacer una cosa esta semana, que sea empezar este curso. Dos horas te cambian el vocabulario.

edX: Harvard y MIT sin matrícula

El modelo de edX es transparente: auditas gratis, pagas solo si quieres la credencial verificada.

CS50’s Introduction to Programming with Python (HarvardX): la mejor puerta de entrada a Python que existe, y con diferencia. Exigente, bien grabada y con comunidad enorme.
Artificial Intelligence: Implications for Business Strategy (MIT): pensado para dirección y perfiles de negocio. No programas, decides.
CS50’s Introduction to Artificial Intelligence with Python (HarvardX): el escalón siguiente si ya te defiendes con el lenguaje.
Certificados en ciencia de datos del Tecnológico de Monterrey, disponibles en español.

IBM, DeepLearning.AI y fast.ai: el salto técnico

IBM mantiene en Coursera uno de los catálogos más completos y auditables. AI for Everyone (unas cuatro semanas, sin código) sigue siendo el curso que recomendaría a cualquier profesional no técnico que quiera hablar de IA sin decir tonterías. Su plataforma SkillsBuild añade itinerarios gratuitos con credenciales.

DeepLearning.AI publica cursos cortos, de una a tres horas, sobre lo que de verdad se está usando ahora: embeddings, transformers, RAG, evaluación de modelos y construcción de agentes de IA. Muchos son gratuitos y se actualizan a un ritmo que ninguna universidad puede igualar. La Machine Learning Specialization de Andrew Ng sigue siendo la referencia si quieres entender el porqué, no solo el cómo.

fast.ai merece mención aparte: enseña deep learning «de arriba abajo», haciendo que entrenes un modelo funcional en la primera sesión y explicando la teoría después. Si las matemáticas te intimidan, este enfoque te va a gustar.

Formación pública en España: SEPE y FUNDAE

Un recurso infravalorado. El SEPE mantiene en 2026 cursos gratuitos de inteligencia artificial en modalidad online, con especialidad IFCT173PO y 80 horas de duración. Son plazas limitadas y por convocatoria, así que conviene revisar el calendario con antelación. Para trabajadores en activo, la formación bonificada vía FUNDAE es otra vía que tu empresa puede tramitar sin coste para ti.

Las cuatro habilidades que separan «sé que existe» de «sé aplicarla»

Acumular cursos no es aprender. Estas son las competencias que de verdad se notan.

Prompting y pensamiento crítico

Saber formular instrucciones precisas a un modelo es hoy lo que era saber buscar en Google hace veinte años: una habilidad invisible que multiplica el rendimiento de todo lo demás. Pero la mitad del trabajo está en la otra dirección: validar lo que te devuelve. Los modelos se equivocan con una seguridad admirable. Detectar cuándo lo hacen es, literalmente, parte del puesto. Un ejercicio que uso con equipos: pídele al modelo algo de tu especialidad, donde tú puedas juzgar la respuesta. Cuenta cuántos errores encuentras. Esa cifra es tu vacuna contra la confianza ciega.

Python y matemáticas (solo si te tocan)

Python es el estándar del sector por su ecosistema: TensorFlow, PyTorch, scikit-learn, pandas. En paralelo van las bases matemáticas: álgebra lineal, cálculo, probabilidad y estadística. Aviso realista, y me repito porque es el error más caro: si tu meta es usar IA en tu trabajo, no construir modelos, puedes saltarte casi todas las matemáticas. Dedica ese tiempo a prompting, automatización y herramientas. Nadie te va a pedir que derives una función para automatizar un informe de ventas.

Manejo y análisis de datos

Sin datos limpios no hay IA que funcione. SQL más nociones de ciencia de datos te permiten estructurar información, detectar sesgos y sacar conclusiones defendibles. Es la habilidad más transferible del paquete: sirve igual en IA que fuera de ella, y no la deprecia ningún modelo nuevo.

Ética y uso responsable

Las empresas ya no solo buscan a quien sepa entrenar un modelo, sino a quien entienda las consecuencias: sesgos, privacidad, trazabilidad, propiedad intelectual y cumplimiento normativo. Con el Reglamento Europeo de IA entrando en aplicación por fases, esta pata ha pasado de «bonito de tener» a requisito en cualquier puesto con responsabilidad. Es, además, la parte que mejor diferencia a un perfil sénior.

Herramientas gratuitas para practicar desde el primer día

El fallo más repetido al aprender IA gratis es quedarse en la teoría. Estas herramientas cuestan cero euros y te sacan del modo espectador:

Herramienta	Para qué sirve	Coste
Google Colab	Ejecutar Python en la nube sin instalar nada	Gratis
Hugging Face	Probar y desplegar modelos de código abierto	Gratis
NotebookLM	Estudiar, resumir documentos y hacerte preguntas sobre tus apuntes	Gratis
GitHub	Alojar tu portafolio y colaborar en proyectos abiertos	Gratis
Gemini / ChatGPT (versión base)	Practicar prompting y automatizar tareas	Gratis
Ollama	Ejecutar modelos en local, sin enviar datos fuera	Gratis

Abre Google Colab hoy mismo, aunque no sepas programar. Escribir tu primera línea de Python en el navegador y ver que se ejecuta es la forma más rápida de perderle el miedo al código. Cinco minutos, sin instalar nada. Al terminar no serás ingeniero de IA, y quien te prometa lo contrario te está vendiendo algo. Serás algo más útil a corto plazo: alguien con criterio, con vocabulario preciso y con tres cosas que enseñar.

Tres mini-proyectos que valen más que un certificado

Si te falta la idea, roba cualquiera de estos:

Un clasificador de correos o tickets con datos anonimizados de tu propio trabajo. Demuestra que entiendes el problema de negocio, no solo la librería.
Un asistente sobre tus documentos con RAG: sube manuales, normativa o apuntes y monta un sistema que responda citando la fuente. Es el caso de uso corporativo más demandado ahora mismo.
Una automatización aburrida y real: resumir actas, generar descripciones de producto, limpiar un listado de contactos. Poco glamuroso, altísimo retorno en entrevistas.

Documenta cada uno con qué querías resolver, qué probaste, qué falló y qué aprendiste. Ese «qué falló» es lo que separa un portafolio creíble de una galería de tutoriales copiados.

Salidas profesionales y salarios: qué dicen los datos oficiales

Los datos más fiables siguen siendo los de la Oficina de Estadísticas Laborales de Estados Unidos, que actualiza sus proyecciones cada año. Según su Occupational Outlook Handbook, el salario medio anual de los científicos de datos fue de 112.590 dólares en mayo de 2024. La dispersión es enorme y conviene mirarla: el 10% peor pagado se quedó por debajo de 63.650 dólares y el 10% mejor pagado superó los 194.410. La proyección de empleo es lo verdaderamente llamativo, se espera que el empleo de científicos de datos crezca un 34% entre 2024 y 2034, muy por encima del 3% de media del conjunto de ocupaciones, con unas 23.400 vacantes anuales de media durante la década.

En volumen, la ocupación pasaría de 245.900 empleos en 2024 a 328.300 en 2034. Por sectores, los mismos datos muestran que las mejores retribuciones medianas están en diseño de sistemas informáticos (128.020 dólares), gestión de empresas (126.940) e investigación y desarrollo científico (120.090).

Otros perfiles con demanda sostenida:

Ingeniero de machine learning: construye y mantiene sistemas que aprenden en producción. Es donde más rápido crece el sueldo con la experiencia.
Ingeniero de datos: el trabajo silencioso del que depende todo lo demás. Menos glamour, muchísima estabilidad.
Investigador en IA: vanguardia pura, normalmente con posgrado.
Desarrollador de software con especialización en IA: la vía más accesible, y a menudo con grado suficiente.
Perfiles híbridos: gestión de producto de IA, cumplimiento normativo, formación interna. Aquí es donde más rápido está creciendo la demanda para gente que no viene de programación.

¿Título o portafolio?

Ambos abren puertas distintas. Un máster o un doctorado siguen siendo la vía de entrada a investigación y a grandes corporaciones con procesos rígidos. Pero en un campo que se reescribe cada seis meses, un portafolio con proyectos reales pesa tanto como una titulación en la mayoría de procesos de selección de empresa mediana y startup. Los cursos gratuitos son el primer peldaño. La práctica documentada es la que te sube el resto de la escalera.

Sectores que más están contratando

Servicios financieros: riesgo, detección de fraude, cumplimiento.
Salud: diagnóstico asistido, gestión de pacientes, investigación clínica.
Comercio y retail: personalización, previsión de demanda, atención automatizada.
Sector público y consultoría: análisis de datos para decisiones y modernización de procesos.
Industria y logística: mantenimiento predictivo y optimización de rutas.

Podcasts de IA en español para aprender en movimiento

Los desplazamientos, el gimnasio y las tareas de casa son horas muertas que puedes convertir en criterio. Estos están activos y son sólidos:

Monos estocásticos (Antonio Ortiz y Matías S. Zavia): análisis de actualidad con contexto y sentido crítico. Probablemente el mejor en castellano si quieres entender lo que pasa, no solo enterarte.
Inteligencia Artificial con Jon Hernández: divulgación clara, ideal para quien empieza y necesita que le bajen los conceptos al suelo.
Bit Digital: enfoque práctico en IA, digitalización y marketing. Muy aplicable si trabajas en negocio.
Esto es lo que AI (LLYC): mirada más reposada sobre el impacto social y empresarial.
Lex Fridman Podcast (inglés): conversaciones largas con protagonistas del sector. Exige nivel de idioma y paciencia, pero compensa.

Newsletters de IA que merecen entrar en tu bandeja

Su función es concreta: que no tengas que rastrear noticias tú.

IA en Español: una de las mayores en castellano dentro de Substack, con noticias y herramientas explicadas sin jerga.
La newsletter de Monos estocásticos: extensión natural del podcast, con contexto editorial semanal.
Boletines temáticos aplicados: los que traen tutoriales, plantillas y casos de uso valen más que los que solo agregan titulares.

Puedes explorar directorios como newslettersia.com para encontrar la que encaje con tu sector. Y un consejo poco popular: date de baja sin piedad. Si llevas tres semanas sin abrir una, está robándote atención, no dándotela.

Cinco errores que arruinan la formación gratuita (los he visto todos)

Coleccionar cursos sin terminar ninguno. Uno completado supera a diez empezados. Siempre.
Consumir sin practicar. El conocimiento que no se ejecuta se evapora en semanas. Un notebook feo vale más que veinte horas de vídeo.
Perseguir cada novedad. Cada semana sale un modelo nuevo. Los fundamentos (cómo se entrena, dónde falla, qué datos necesita) duran años; los nombres comerciales, meses.
No documentar nada. Si no está en GitHub, en un blog o en LinkedIn, para el mercado no ha ocurrido.
Estudiar sin objetivo. Sin una meta clara, cualquier ruta parece válida y ninguna llega. Vuelve al paso cero de esta guía si no sabes cuál es la tuya.

Empieza esta semana, no cuando tengas tiempo

Nadie tiene tiempo. Nunca lo hay. La diferencia entre quien acaba dominando estas herramientas y quien sigue mirándolas desde fuera no es el presupuesto ni el talento: es haber empezado un martes cualquiera con un curso abierto y dos horas reservadas. Elige tu perfil de los tres que vimos al principio, abre el primer curso hoy y comprométete a un mini-proyecto antes de que acabe el mes. Dentro de ocho semanas tendrás algo que enseñar, y eso vale más que cualquier lista de recursos guardada en marcadores.

ULTIMAS ENTRADAS: